【AI人工智能】如何使用Keras和TensorFlow来训练大型深度学习模型
Keras和TensorFlow都使用了动态图(Dynamic Graph)作为模型的表示。动态图允许模型在运行时进行修改，并且可以在编译时进行优化。Keras和TensorFlow都使用了神经网络模型的压缩和优化技术。例如，Keras的Transformer模型采用了一些针对压缩和优化的技术，例如
快速找到离群值的三种方法
本文将介绍3个在数据集中查找离群值的Python方法
《数据挖掘》学堂在线【第一章：概述】习题答案参考与解析
《数据挖掘》慕课MOOC学堂在线【第一章：概述】课后作业习题答案参考与解析
【Amazon】AI 代码生成器—Amazon CodeWhisperer初体验 | 开启开挂编程之旅
Amazon CodeWhisperer 经过数十亿行 Amazon 和公开可用代码的训练，可以理解用自然语言（英语）编写的评论，可以实时生成多个代码建议以提高开发人员的工作效率。该服务直接在集成式开发环境（IDE）代码编辑器中为完整的函数和逻辑代码块（通常由多达 10–15 行代码组成）提供建议。
从传统的图像压缩到基于深度学习的图像压缩
早期的图像压缩方法直接利用熵编码减少图像的编码冗余来实现压缩，例如，霍夫曼（Huffman）编码，算术编码，上下文自适应二进制算术编码。在20世纪 60年代后期基于图像变换的压缩方法被提出，这种压缩方法即将图像从空间域转换至频率域在频率域进行编码。变换编码中用到的变换方法主要包括傅里叶变换，Hada
【代码复现】Windows10复现nerf-pytorch
本文主要介绍了nerf-pytorch在win10下复现的方法。
【人工智能】大模型（LLM）与人类大脑的结构及运行机制的关系
随着计算机科学的发展，我们渐渐地拥有了能力让人工智能系统处理更复杂的任务。在过去几十年中，人工智能的上限一直在不断提高。特别是，在计算机处理自然语言这个领域，人工智能已经取得了显著的成果。这方面的许多研究都关注于理解和模仿人类大脑的结构和机制，以提高人工智能的性能。LLM作为当今一种重要的人工智能表
在Python中创建相关系数矩阵的6种方法
相关系数矩阵（Correlation matrix）是数据分析的基本工具。它们让我们了解不同的变量是如何相互关联的。在Python中，有很多个方法可以计算相关系数矩阵，今天我们来对这些方法进行一个总结
GPT 大模型的应用路线图：可控性是最强路标 | The Roadmap of Generative AI
今天的生成式AI最适合落地的商业领域可能包括市场营销中的内容创建和电商的用户界面。随着生成式AI可控性的提升，内容创建任务会从简单的文本、图片创建，过渡到复杂的视频、3D、动画、游戏、影视、虚拟世界等的自动创建。生成式AI的编程能力，数据处理能力，系统设计能力，知识处理能力等，将为开发工具、数据库、
【基础篇001】⼤模型理论基础——初探大模型：起源与发展《AI 大模型应用开发实战指南》
实战五：基于知识库的销售顾问 Sales-Consultant。实战三：使用 LangChain 重新实现智能翻译助手。实战二：动⼿开发第⼀个 ChatGPT Plugin。在 ChatGPT 聊天中实现 PDF ⽂件上传。实战一：基于 ChatGPT 开发智能翻译助⼿。实战四：手把手带你实现网红项
AI解决方案：利用人工智能增强企业竞争力和创新能力
人工智能（AI）是一种模拟人类智能的技术，通过计算机系统对大量数据进行模式识别和预测，从而实现自主学习和自我优化的能力。智能化：AI能够自主完成任务，并能够反馈和调整结果。数据驱动：AI采用大数据作为输入源，通过建立模型和算法进行训练。自主学习：AI能够自动学习和优化模型，提高预测准确率。在本文中，
【人工智能的数学基础】多目标优化的帕累托最优(Pareto Optimality)
寻找多目标优化问题的帕累托最优解.多目标优化是指同时优化多个相关任务的目标，Ltotali∑nwiLi。为使得每个任务在训练时都获得有益的提升，需要合理的设置任务权重wi，使得每一次更新时目标损失函数L1L2⋯Ln都下降或保持不变。对于参数θ∗，若该参数任意变化都会导致某个目标的损失
pandas中df取某列小数点后两位的四种方法
pandas中df取某列小数点后两位读取文件import pandas as pdpd.set_option('display.max_rows', None)pd.set_option('display.max_columns', None)df = pd.read_csv('node_conca
ChatGPT-Free 保姆级使用指南
chatgpt的保姆级使用指南，从对话的底层原理透析promot的本质，以方法论带你创造有效的promot，加倍提高生产力。
【人工智能】LLM 大型语言模型和 Transformer 架构简介
然而，传统的机器学习模型，例如神经网络，并不能天生理解输入的顺序。通过将位置编码纳入 Transformer 架构，GPT 可以更有效地理解句子中单词的顺序，并生成语法正确且语义有意义的输出。但是，模型只能理解数字，不能理解文本，因此需要将这些输入转换为称为“输入嵌入”的数字格式。作为初创公司的首席
2023高教社杯全国大学生数学建模竞赛选题建议
标签编码是将一组可能的取值转换成整数，从而对非数值型数据进行量化的一种方法。例如，在机器学习领域中，对于一个具有多个类别的变量，我们可以给每个类别赋予一个唯一的整数值，这样就可以将其转换为数值型数据。另外，对于分布规律，我的建议是简单一点做，就用统计描述：计算每个蔬菜品类及单品的销售总量、平均销售量
【人工智能的数学基础】瑞利商(Rayleigh Quotient)和广义(Generalized)瑞利商
对于一个Hermitan矩阵AAA(复域的共轭对称矩阵,满足AHAA^H=AAHA)及非零向量xx1xnTxx1...xnTRAxxHAxxHxRAxxHxxHAx其中xHx^HxH是xxx的共轭转置向量。
Ubuntu20.04LTS安装CUDA并支持多版本切换
由于我工作站（Ubuntu 20.04 LTS）的英伟达驱动版本为520.61.05，从上图可以看出，我最高可以安装的CUDA版本为11.8.x。（注：CUDA 12.0.x和CUDA 12.1.x都要求英伟达驱动版本大于等于525.60.13，因此我的520.61.05不符合，所以我最高只能安装C
Linux环境配置mmlab环境
在Linux环境下安装配置mmlab
Python自然语言处理：NLTK入门指南
自然语言处理（Natural Language Processing，NLP）是指计算机处理人类语言的领域。它是一门多学科交叉的学科，将计算机科学、人工智能、语言学等诸多学科的理论和方法融合在一起，将人类语言转化为计算机所能理解的形式，实现对人类语言的自动处理、理解和生成。NLP可以应用到很多方面，
