pytorch安装GPU版本 (Cuda12.1)教程
使用本教程前，默认您已经安装并配置好了python3以上版本。
关于GPT的20个知识，你都知道吗？
GPT提出了无监督预训练+微调的方案,对许多下游任务取得了state-of-the-art的效果,对人工智能产生了巨大影响。GPT的主要创新在于提出了大规模无监督预训练语言模型的方案,实现了NLP多个下游任务的效果提升。GPT的目的是通过无监督的预训练 obtain 语言理解能力,然后应用于下游的N
PyTorch-实现对表格类型数据的一维卷积（CNN1D）
pytorch-实现对表格数据类型的一维卷积
10个图像处理的Python库
在这篇文章中，我们将整理计算机视觉项目中常用的Python库，如果你想进入计算机视觉领域，可以先了解下本文介绍的库，这会对你的工作很有帮助。
【PyTorch如何实现CPU、GPU相互转换？】
PyTorch如何实现CPU、GPU相互转换？三种方法：定义device对象，.cuda方法，.cpu方法
怎么使用charGPT?
charGPT 是一种用于文本生成的模型，它以字符级别进行训练，可以根据给定的输入文本生成相关的输出文本。要使用 charGPT，你需要准备训练数据，然后使用 PyTorch 或 TensorFlow 进行训练。训练完成后，你可以使用训练好的 charGPT 模型来进行文本生成。你可以调用 char
2023 年十大目标检测模型！
上面列出的 2023 年用于对象检测的 10 大深度学习模型突出了该领域一些最有前途和创新的模型。是一种用于对象检测的深度学习模型，它使用特征金字塔网络和新的焦点损失函数。是一种用于对象检测的深度学习模型，它使用 R-CNN 网络的级联来提高对象检测的准确性。，即全卷积单阶段对象检测，是一种用于对象
基于tensorflow深度学习的猫狗分类识别
本实验的目的是基于深度学习方法进行猫狗分类，通过设计和训练深度神经网络模型，实现对输入图像进行准确的猫狗分类。
谷歌发布一个免费的生成式人工智能课程
在过去几周，我们看到的都是AI将如何改变生活，无论是ChatGPT的文本生成，还是SD，Midjourney 的图像生成，这些AI的特点就是都是生成式的AI。而几天前，谷歌推出了一个生成式人工智能学习课程，课程涵盖了生成式人工智能入门、大型语言模型、图像生成等主题。除了课程外，还有一套实验室和完成后
SGD简介
给你一个xyxyxy坐标系，上面有一些点，给你过原点的一条直线ywxy=wxywx，如何用最快的方法来拟合这些点？为了解决这个问题，我们要对问题定义一个目标，即让所有的点离直线的偏差最小。我们常用的误差函数为均方误差，对于一个点p1p_1p1来说，它与直线的均方误差可以定义为e1e_1e1e1y
人工智能(pytorch)搭建模型9-pytorch搭建一个ELMo模型，实现训练过程
大家好，我是微学AI，今天给大家介绍一下人工智能(pytorch)搭建模型9-pytorch搭建一个ELMo模型，实现训练过程，本文将介绍如何使用PyTorch搭建ELMo模型，包括ELMo模型的原理、数据样例、模型训练、损失值和准确率的打印以及预测。文章将提供完整的代码实现。
10分钟了解人工智能（最通俗的语言）
无人驾驶、智能家居、远程医疗……如今，人工智能(AI)技术已被广泛应用于金融、交通、医疗、安防、教育等领域，成为经济增长新动能
本地部署开源大模型的完整教程：LangChain + Streamlit+ Llama
在本文中，我将演示如何利用LLaMA 7b和Langchain从头开始创建自己的Document Assistant。
走进人工智能|强化学习 AI发展的未来引擎
作为读者，您可能会好奇强化学习在不同领域的应用。无论是医疗、金融、交通还是娱乐，强化学习都有着巨大的潜力。它能够帮助医生诊断疾病、帮助金融机构预测市场趋势、改善交通流量管理，并为我们提供更智能化的娱乐体验。随着技术的进一步发展，我们可以期待深度学习在更多领域中的应用，为我们的生活带来更多的便利和创新
DETR代码学习（五）之匈牙利匹配
匈牙利匹配先前在损失函数那块已经介绍过，但讲述了并不清晰，而且准确来说，匈牙利匹配所用的cost值与损失函数并没有关系，因此今天我们来看一下匈牙利匹配这块的代码与其原理。前面已经说过，DETR将目标检测看作集合预测问题，在最后的预测值与真实值匹配过程，其实可以看做是一个二分图匹配问题，该问题的解决方
多模态机器学习对齐内容
介绍多模态机器学习对齐方向内容
Keras 的模型（Model）和层（Layers）的介绍
我们上面使用 Model 快速建立一个模型，总结一下，很简单的：1、我们的权重不需要初始化了2、我们构建模型也比较简单，使用 dance 就可以，不需要我们进行线性计算。事实上，如果模型越来越复杂的话，那么这个方法的优势就会越来越明显得。
nn.Conv2d详解
注意，对于卷积操作，输入数据一般为四维张量，需要按照 batchsize × 通道数 × 高度 × 宽度的维度排列，这里 x 的大小为 (1, 3, 224, 224) 表示 batchsize 为 1，通道数为 3，输入图像的尺寸为 224x224。这里我们定义了一个输入通道数为 3，输出通道数为
【人工智能与深度学习】注意力机制和Transformer
集合vectx1vectx1到vectxtvectxt通过编码器输入。使用自我注意和更多块，获得输出表示lbracevecthtextEncrbracei1tlbracevecthtextEncrbracei1t，该输出表示被馈送到解码器。在对其施加自注意力之后，进行交叉注意力。在此块中，查询
MaskFormer：将语义分割和实例分割作为同一任务进行训练
本文中将介绍Facebook AI Research在21年发布的一种超越这些限制的实例分割方法MaskFormer。
