【AI+物质科学】催化反应产率预测#AI夏令营#Datawhale AI夏令营
练集中包含条反应数据，测试集中包含条反应数据。训练集与测试集的比例接近9：1。每条训练数据包含rxnidReactant1,Reactant2ProductAdditiveSolventYield字段。其中Reactant1Reactant2ProductAdditiveSolvent字段中为对应物
18_特征金字塔网络FPN结构详解
https://www.bilibili.com/video/BV1dh411U7D9/?spm_id_from=333.999.0.0&vd_source=7dace3632125a1ef7fd32c285eb2fbac
【人工智能】Python融合机器学习、深度学习和微服务的创新之路
本文探讨了AI技术的发展历程、创新应用和微服务架构的作用。技术进步：AI技术在算法和应用方面的显著进展。微服务架构：提高了AI系统的灵活性和可扩展性。挑战与展望：数据隐私、伦理和未来技术趋势的挑战和机遇。
Mem0 与 MultiOn：打造个性化 AI 辅助研究助手
Mem0 是一个为大型语言模型（LLMs）设计的智能记忆层。它能够存储和检索用户相关的信息，为 AI 应用提供个性化的上下文。多层次记忆存储自适应个性化简单易用的 API跨平台一致性。
自制深度学习推理框架之入门基础
从零自制深度学习推理框架，主要介绍了环境配置和基础库的使用。
从【人工智能】到【计算机视觉】，【深度学习】引领的未来科技创新与变革
本文系统性地介绍了人工智能、机器学习、深度学习、算法和计算机视觉的基础知识、核心技术和实际应用。从基本概念到高级技术，本文旨在为读者提供一个全面的学习指南，帮助他们深入理解和掌握AI领域的关键内容。人工智能的未来发展将更加广泛和深入。随着技术的进步，AI将在更多的领域得到应用，带来新的机遇和挑战。未
Qwen2-1.5B-Instruct Lora微调
最近做了一个基于Qwen2-1.5B-Instruct模型的比赛，记录一下自己的微调过程。怕自己以后忘了我就手把手一步一步来记录了。大多数都是给小白看的，如果你是小白建议你用jupyter运行，按照我这个模块一块一块运行，如果你是高手单纯的想找一个训练代码直接看模块10，我在提供了完整代码。
[paper阅读笔记][2024]Learning with Noisy Foundation Models
本文任务虽然是：在下游任务中有效地利用含噪声的预训练基础模型，但其实其本质科学问题是：如何在存在数据噪声的情况下保持和提升模型的泛化能力。
Transformer模型
Transformer模型是一种在自然语言处理（NLP）及其他序列到序列（Seq2Seq）任务中广泛使用的深度学习模型框架。其基本原理和核心组件，尤其是自注意力机制（Self-Attention Mechanism），对于理解该模型的工作方式至关重要。以下是对Transformer模型基本原理和自注
Datawhale X 魔搭 AI夏令营第四期（AIGC学习笔记）
扩散过程是一个给图片逐渐添加噪声直至完全淹没的过程，在这个过程中，训练一个网络预测噪声。如果噪声预测得非常准确，那么从一个含有噪声的图片中减去预测的噪声，就能恢复原图。扩散模型（diffusion probabilistic model）本质上是一种马尔可夫链（Markov chain），使用变分推
AI人工智能分析王楚钦球拍被踩事件的真相
在2024年巴黎奥运会乒乓球混双决赛的热烈氛围中，中国队王楚钦与孙颖莎以出色的表现夺得金牌，然而，赛后发生的一起意外事件——王楚钦的球拍被踩坏，引起了广泛关注和热议。为了探寻这一事件的真相，我们可以借助AI人工智能技术进行详细分析。
【科技前沿】数据科学与机器学习和人工智能：差异解析 (2024)
所以，如果你热衷于走这条路，你的努力将得到丰厚的回报，包括令人满意的职业、丰厚的薪水和大量的工作保障。商业智能专家会接替数据科学家的工作——使用数据科学报告来了解任何特定业务领域的数据趋势，并根据这些推论提出业务预测和行动方案。因此，人工智能是帮助数据科学获得特定问题的结果和解决方案的工具。理解和获
如何通过AI进行智能日志异常检测
智能日志异常检测是一种利用人工智能（AI）技术来自动识别日志数据中异常模式或行为的方法。传统日志监控依赖于预定义规则，而智能日志异常检测可以适应不同的日志模式和异常类型，提高检测准确性和效率。下面是一个完整的步骤指南，如何通过AI进行智能日志异常检测。
除了ChatTTS，又一款国产TTS模型出现了——Fish Speech
Fish Speech V1.2 是一款领先的文本到语音 (TTS) 模型，使用 30 万小时的英语、中文和日语音频数据进行训练。我尝试用1066运行，但是质量不尽如人意，建议使用RTX系列的显卡进行推理。
多元时间序列分析统计学基础：基本概念、VMA、VAR和VARMA
顾名思义，多元时间序列是与时间相关的多维数据。我们可以用以下数学公式定义多元时间序列数据：其中Zᵢ,ₜ是时间t下第i个分量变量，注意它对每个i和t都是一个随机变量。Zₜ具有(m, t)维度。当我们分析多元时间序列时，不能应用标准的统计理论。这意味着什么？请记住多元线性回归。当计算多元线性回归(1)的
NLP之transformer：transformer-explainer的简介、安装和使用方法、案例应用之详细攻略
NLP之transformer：transformer-explainer的简介、安装和使用方法、案例应用之详细攻略目录相关论文transformer-explainer的简介transformer-explainer的安装和使用方法transformer-explainer的案例应用相关论文《T
多模态大模型应用中的Q-Former是什么？
在这篇博客中，我们将详细探讨Q-Former的工作原理、应用场景，并在必要时通过公式进行解释，帮助你全面理解这一前沿技术。通过本文的介绍，希望你对Q-Former的工作原理、应用场景以及在BLIP2中的具体应用有了更清晰的理解，并能够在实际项目中灵活应用这一前沿技术。结合BLIP2的应用，Q-For
AI：232-YOLOv8性能涨点跃升 | 融合Deformable-LKA可变形大核注意力机制的深度优化与应用
本文探讨了通过引入Deformable-LKA注意力机制来改进YOLOv8模型的方法，并通过实验验证了这一改进在多个数据集上的优异表现。尽管取得了显著的进展，但目标检测领域依然充满挑战，未来的研究可以围绕更高效的注意力机制、跨模态学习、自适应模型压缩、以及无监督与自监督学习等方向展开。相信随着技术的
AI：236-基于RCS-OSA的YOLOv8改进 | 增强空间对象注意力实现小物体检测精度提升
通过将 RCS-OSA（减少通道的空间对象注意力机制）引入到 YOLOv8 中，并替换原有的 C2f 模块，我们显著提升了模型在多项指标上的性能，尤其是在小物体检测和复杂场景中的表现。实验结果显示，改进后的模型在 COCO 和 PASCAL VOC 数据集上的 mAP、Precision 和 Rec
RPA+AI有什么应用？6大技术融合方向分析 | 实在RPA研究
随着数字化转型的加速，企业正寻求更高效、智能的方法来优化业务流程。机器人流程自动化（RPA）作为一种快速兴起的技术，已经证明了其在自动化重复性任务方面的能力。然而，当RPA与各种人工智能（AI）技术相结合时，其潜力将得到更全面的释放。本文将探讨不同的AI技术如何与RPA结合，以及这种结合为企业带来的
