模型训练

数据集划分与格式转换：从原始数据到模型训练的关键步骤

在计算机视觉项目中，数据集的合理划分和格式转换是实现高效模型训练的基础。
石去皿·2025-05-26 16:05

AI驱动网络范式革新：Smart Switch与智能路由的协同进化

当单次模型训练可产生相当于YouTube全球三日流量的数据洪流，当分布式推理系统要求微秒级延迟保障，传统网络架构的流量调度机制正面临系统性崩塌。这场危机的根源是什么？
星融元asterfusion·2025-05-26 07:09

gensim简单使用

中途碰到过问题：①模型训练参数没有“size”的属性，目前是采取去掉这一参数②gensim导入出现scipy报错：cannotimportname'_ccallba
Yae Yang·2025-05-26 02:09

day33 python深度学习入门

实现鸢尾花分类一、环境搭建1.创建Python环境2.安装必要的库3.检查CUDA环境二、数据准备1.加载数据集2.数据预处理3.转换为PyTorch张量三、模型构建1.定义模型结构2.定义损失函数和优化器四、模型训练
xiaohanbao09·2025-05-25 20:26

深入详解线性代数基础知识：理解矩阵与向量运算、特征值与特征向量，以及矩阵分解方法（如奇异值分解SVD和主成分分析PCA）在人工智能中的应用

1.矩阵与向量运算线性代数中的矩阵与向量运算是理解高维数据处理和模型训练的基
猿享天开·2025-05-25 14:19

【机器学习】大数据时代，模型训练慢如牛？解锁Spark MLlib与分布式策略

Langchain系列文章目录01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain：从核心链条构建到动态任务分配的实战指南04-玩转LangChain：从文档加载到高效问答系统构建的全程实战05-玩转LangChain：深度评估问答系统的三种高效方法（示例生成、手
吴师兄大模型·2025-05-25 07:27

打卡Day23

在机器学习中，通常会按照一定的顺序对数据进行预处理、特征提取、模型训练和模型评估等步骤，以实现机器学习模型的训练和评估。
烧烤店小蚂蚁·2025-05-24 19:14

基于yolo训练打架识别检测数据集

文章目录数据集准备模型训练评估与测试示例代码片段总结基于YOLO（YouOnlyLookOnce）训练一个打架识别检测系统是一个复杂的任务，它不仅涉及到目标检测技术的应用，还需要对人类行为的理解和分类。
资深码侬·2025-05-24 13:33

Python机器学习实战：分布式机器学习框架Dask的入门与实战

无论是数据预处理、特征工程还是模型训练，单机环境下的计算资源和内存限制都成为了瓶颈。为了应对这些挑战，分布式计算框架应运而生。Das
AI大模型应用之禅·2025-05-23 14:21

基于大模型的胫腓骨干骨折全周期预测与治疗方案研究报告

目录一、引言1.1研究背景与意义1.2研究目的与创新点1.3国内外研究现状二、大模型技术原理与应用基础2.1大模型的基本架构与算法2.2医疗数据的收集与预处理2.2.1数据收集2.2.2数据预处理2.3模型训练与优化
LCG元·2025-05-23 08:11

【大模型面试每日一题】Day 16：为什么SwiGLU激活函数在LLaMA等模型中取代ReLU？从梯度和稀疏性角度分析

请从梯度传播特性和激活稀疏性两个维度，对比分析SwiGLU相较于ReLU的核心优势，并解释其对大模型训练的适配性。激活函数选择传统ReLUSwiGLU梯度消失稀疏激活平滑梯度可控稀疏核心考点激
是麟渊·2025-05-23 06:26

使用Python爬虫+代理IP批量获取招聘信息训练面试AI（手把手保姆级教程）

获取代理密钥2.2Python代理配置三、逆向分析招聘网站（以某直聘为例）3.1抓包分析Ajax接口3.2请求头伪装关键参数四、完整爬虫代码实现五、数据清洗与存储5.1技能关键词提取5.2数据存储六、AI模型训练速览
pixelpilot·2025-05-23 03:07

PyTorch `nn.Module` 详解：深度学习的构建秘籍

本文将深入探讨nn.Module的作用、如何创建自定义神经网络模型以及如何将模型训练用于各种任务。什么是nn.Module？在PyTorch中，nn.Module是一个非常重要的概念。
洞深视界·2025-05-23 03:36

边缘智能与量子计算双轮驱动：IVX 开启实时 AI 开发新维度

一、技术跃迁：量子化组件架构如何颠覆传统AI开发流程在传统AI开发范式中，将GPT-4o、Mediapipe等模型集成到业务系统需要经历"模型训练-API对接-前端适配"的三重技术壁垒。
hongdou199·2025-05-22 20:55

（四）模型训练保存与加载

当保存和加载模型时，需要熟悉三个核心功能：torch.save：将序列化对象保存到磁盘。此函数使用Python的pickle模块进行序列化。使用此函数可以保存如模型、tensor、字典等各种对象。torch.load：使用pickle的unpickling功能将pickle对象文件反序列化到内存。此功能还可以有助于设备加载数据。torch.nn.Module.load_state_dict：使用反
Yuezero_·2025-05-22 13:46

【拓展技术】——AutoDL服务器训练&Pycharm使用注意点&Pycharm配置AutoDL

一、AutoDL服务器模型训练AutoDL是一个为研究人员、开发者和企业提供的平台，它致力于提供一个高效、可靠和易用的环境，以支持复杂的计算任务和AI模型的部署：高效的并行计算资源：AutoDL拥有强大的计算集群和高性能的计算节点
柯宝最帅·2025-05-22 00:43

一文读懂迁移学习：从理论到实践

在机器学习和深度学习的快速发展历程中，数据和计算资源成为了制约模型训练的关键因素。当我们面对新的任务时，重新训练一个从头开始的模型往往耗时耗力，而且在数据量不足的情况下，模型的性能也难以达到理想状态。
2201_75491841·2025-05-21 22:32

人工智能机器学习深度学习中著名有用的数据集

在人工智能、机器学习和深度学习领域，优质的数据集是模型训练和发展的基石。以下介绍一些当前比较有名且有用的数据集。
AI数据集·2025-05-21 14:38

MyBatis 在 Java 人工智能项目中的数据支持

我们将从MyBatis的核心原理出发，分析其在AI项目中的独特优势，并通过实际案例展示如何利用MyBatis高效处理机器学习模型训练数据、特征工程数据以及预测结果存储等关键场景。文章还将提供详细的代
Java技术栈实战·2025-05-21 12:56

paddle ocr本地化部署进行文字识别

它覆盖了深度学习从数据准备、模型训练、模型部署到预测的全流程，旨在帮助开发者快速实现AI应用。2.核心特点全场景覆盖：支持云端、边缘端、移动端等多硬件环境，适配CPU、GPU、FPGA等多种芯片。
隐形喷火龙·2025-05-21 11:45

# YOLOv5分布式训练与混合精度训练实战指南

本文将详细介绍如何使用YOLOv5进行分布式训练以及混合精度训练，以充分利用现代硬件资源，加速模型训练过程。1.YOLOv5简介YOLOv5是一种单阶
www_pp_·2025-05-21 10:41

II-Medical-8B论文速读：140 万开源蒸馏推理数据集助力大语言模型训练

《140万开源蒸馏推理数据集助力大语言模型训练》论文速读一、引言论文介绍了AM-DeepSeek-R1-Distilled数据集，这是一个包含140万条带推理痕迹的通用推理任务数据集，涵盖了高质量且具有挑战性的推理问题
Open-source-AI·2025-05-21 10:10

神经网络在MATLAB中是如何实现的？

NeuralNetworkToolboxGUI2.DeepLearningToolboxGUI二、编程实现（适合高级定制）1.基础神经网络（前馈网络）2.深度学习（CNN、RNN）3.循环神经网络（RNN）三、关键步骤总结数据准备：网络构建：模型训练
tyatyatya·2025-05-21 03:25

R语言机器学习算法实战系列（二十五）随机森林算法多标签分组分类器及模型可解释性

文章目录介绍教程内容加载必要的R包（带详细注释）1.加载数据2.数据分割（按Species分层抽样）3.数据预处理配方4.创建随机森林模型（多分类）5.创建工作流6.设置交叉验证和参数调优7.参数调优8.选择最佳参数9.最终模型训练
生信学习者1·2025-05-20 00:04

计算机视觉与深度学习 ｜ Python 实现SO-CNN-BiLSTM多输入单输出回归预测（完整源码和源码详解）

SO-CNN-BiLSTM**一、代码实现****1.环境准备****2.数据生成（示例数据）****3.数据预处理****4.模型构建****5.模型训练****6.预测与评估****二、代码详解**
单北斗SLAMer·2025-05-19 16:41

机器学习实战02：学生成绩预测与可视化分析

项目背景二、数据读取与初步处理三、数据可视化分析（一）相关性矩阵热图（二）父母教育水平与成绩关系（三）种族与成绩关系（四）测试准备课程与成绩关系（五）其他分析四、机器学习模型构建与评估（一）数据预处理（二）模型训练与评估五
梦弦18·2025-05-19 10:00

大模型的微调步骤与技术栈

优化算法：AdamW、SGD等算法对模型训练的影响（如学习率调整策略）。微调方法LoRA：低秩矩阵适配，减少可训练参数，适合大模型
上有晨光·2025-05-19 08:45

YOLO算法

目录YOLO介绍Yolo的网络结构Yolo模型的训练yoloV4算法模型训练YOLO介绍YOLO，全称为YouOnlyLookOnce:Unified,Real-TimeObjectDetection，
小森( ﹡ˆoˆ﹡ )·2025-05-19 00:55

端到端自动驾驶系统实战指南：从Comma.ai架构到PyTorch部署

本文将以Comma.ai的开源架构为核心，结合PyTorch深度学习框架和CARLA仿真平台，详细阐述如何构建高性能端到端自动驾驶系统，涵盖数据采集、模型训练、推理优化及
Tech Synapse·2025-05-18 15:51

基于大模型的轻症急性胰腺炎全流程预测与诊疗方案研究报告

大模型技术原理及应用于医疗领域的可行性3.1大模型的基本原理3.2在医疗领域的应用进展3.3应用于轻症急性胰腺炎预测的优势四、大模型预测轻症急性胰腺炎的方法与数据4.1数据收集与预处理4.2模型选择与构建4.3模型训练与优化五
LCG元·2025-05-18 05:11

大模型在胆管结石（无胆管炎或胆囊炎）预测及治疗方案制定中的应用研究

传统治疗方法三、大模型技术原理与应用优势3.1大模型基本原理3.2在医疗领域的应用潜力3.3用于胆管结石预测的可行性分析四、基于大模型的胆管结石预测方案4.1术前预测4.1.1数据收集与整理4.1.2模型训练与验证
LCG元·2025-05-18 05:11

c/c++的opencv的图像预处理讲解

原始图像往往受到噪声、光照不均、尺寸不一等多种因素的影响，直接用于后续分析（如特征提取、目标检测、机器学习模型训练等）可能会导致性能下降或结果不准确。
whoarethenext·2025-05-18 03:24

模型训练技巧EMA

前言文章理论推导部分参考指数移动平均（EMA）的原理及PyTorch实现在深度学习中，经常会使用**指数移动平均（ExponentialMovingAverage,EMA）**对模型参数做平均，因为模型权重在最后的nnn步内，会在实际的最优点处抖动，取最后nnn步的平均，能使得模型更加稳健。在一定程度上提高最终模型在测试数据上的表现。EMA也可以理解成对训练过程的中间模型进行融合的方法，因为训练的
羽星_s·2025-05-18 00:06

从〇构建数据集并利用YOLOv8训练自己的数据集

自建数据集数据采集数据增强数据标注数据转换标注数据的数据增强3、数据集划分编辑二、YOLOv8模型下载及部署1.YOLOv8模型下载2.环境部署三、YOLOv8训练自己的数据集1、配置自己的数据文件2、模型训练命令行运行文件运行总结前言本人在使用
weixin_44338664·2025-05-17 21:13

基于RT-DETR的YOLOv8目标检测框架优化及其应用前景

架构概述代码实例：YOLOv8与RT-DETR检测头的集成1.引入必要的库2.YOLOv8Backbone（特征提取）3.RT-DETR检测头4.集成YOLOv8Backbone与RT-DETR头5.模型训练与评估二
向哆哆·2025-05-17 18:27

全局负载均衡损失

全局负载均衡损失在不同领域（如网络架构与MoE模型训练）中存在不同形态，结合我搜索到的资料，以下从混合专家模型（MoE）角度进行详细分析：1.基本概念与设计目标在MoE模型中，全局负载均衡损失的核心目标是解决专家或设备间负载不均衡导致的性能瓶颈
百态老人·2025-05-17 17:48

【图像处理基石】如何入门AI计算机视觉？

概率论与统计：概率分布、贝叶斯定理、假设检验——支撑模型训练中的不确定性分析。微积分：导数、梯度、链式法则——深度学习优化（如反向传播）的核心。推荐资源：教材：《线性代数及
AndrewHZ·2025-05-17 15:55

线性回归的简洁实现

上文我们自己编写了，模型，损失函数，优化算法；如果经常进行模型训练，就需要经常编写这些函数，效率低，pytorch有一些现成的资源可供调用，我们就使用现成的资源，重写一下上文的训练过程importtorchfromtorch.utilsimportdatafromtorchimportnndefsynthetic_data
后知后觉·2025-05-17 13:45

约束学习：用规则约束，引导模型优化方向

然而，传统的机器学习方法通常依赖于大量的标注数据，并且难以将人类的先验知识和领域专业知识融入模型训练过程中。这导致模型在面对复杂问题、新环境或数据分布变化时，容易出现泛化能力不足、鲁棒性
AI天才研究院·2025-05-17 09:49

深度学习---训练循环（Training Loop）

训练循环训练循环（TrainingLoop）是深度学习中模型训练的核心逻辑，负责协调数据加载、前向传播、损失计算、反向传播、参数更新等关键步骤。
MzKyle·2025-05-17 08:09

模型训练和参数优化

文章目录一模型训练1.基于高层API训练模型2.使用PaddleX训练模型3.模型训练通用配置基本原则二超参优化1.超参优化的基本概念2.手动调整超参数的四大方法1）使用提前停止来确定训练的迭代次数2）
扬志九洲·2025-05-17 07:35

大模型训练全解析：100条实用建议与深入指导

摘要：通过深入了解本文中的这些细节，并在实际项目中应用相关知识，将能够更好地理解和利用大模型的潜力，不仅在学术研究中，也在工程实践中。通过不断探索新方法、参与项目和保持热情，并将其应用于各种领域，从自然语言处理到计算机视觉和自动驾驶。通过不断学习、实践和探索，可以不断提升自己在深度学习领域的技能和洞察力，同时也能为社会和行业带来创新和改进。从小规模的项目和模型开始，逐渐迭代和扩展到更大的模型，逐步
大模型教程·2025-05-17 07:02

从零开始：经典数据集带你掌握ML/DL全流程

机器学习常用数据集大全：从回归到文本分类的实战指南背景知识在机器学习实践中，数据集是算法验证和模型训练的基础。根据任务类型选择合适的数据集不仅能提高开发效率，还能确保模型评估的客观性。
赛卡·2025-05-17 06:29

机器学习——随机森林（Random Forest）

文章目录一、随机森林的介绍1.核心思想2.随机森林的特点3.随机森林的构建过程4.随机森林的优缺点二、.随机森林算法三、随机森林的实现1.导入库2.描绘可视化混淆矩阵3.数据预处理4.模型训练5.绘制混淆矩阵并打印评分报告
知舟不叙·2025-05-16 22:41

基于OpenCV的人脸识别：LBPH算法

文章目录引言一、概述二、代码实现1.代码整体结构2.导入库解析3.训练数据准备4.标签系统5.待识别图像加载6.LBPH识别器创建7.模型训练8.预测执行9.结果输出三、LBPH算法原理解析四、关键点解析五
知舟不叙·2025-05-16 22:34

数据预处理全流程：从创建数据集到 PyTorch 张量的完整实践

本文通过一个完整的示例，演示如何创建包含缺失值的数据集、处理不同类型的缺失值，并将数据转换为PyTorch张量，为后续模型训练奠定基础。
wwangxubin·2025-05-16 21:02

Python机器学习实战：掌握NumPy的高效数据操作

高效、准确地处理和操作数据是机器学习模型训练和应用的基础。NumPy（NumericalPython）作为Python生态系统中强大的数值计算库，为机器学习提供了高效的数据结构和操作工具。
AI智能应用·2025-05-16 21:28

模型压缩与超参数调整：如何根据具体任务调整超参数

因此，当模型训练数据量不足、模型大小过大或资源限制时，我们需要对其进行压缩。模型压缩有两种主要方式：剪枝（Pruning）和量化（Quantization）。下面将详细介绍这两种方法。
AI天才研究院·2025-05-16 20:22

基于大模型预测围术期麻醉苏醒时间的技术方案大纲

目录一、引言（一）研究背景与意义（二）国内外研究现状二、术前阶段（一）数据收集与整理（二）数据预处理与特征工程（三）大模型训练与初步预测（四）术前风险评估与个性化准备三、术中阶段（一）实时数据监测与传输
LCG元·2025-05-16 17:26

GPT-2 小模型剪枝实战：L1 Unstructured 剪枝策略与实现详解

模型训练完成后，仍存在大量“权重占位但几乎不贡献预测”的参数，剪枝可以：✅降低显存使用✅加快推理速度✅保持原模型结构（不影响部署）
YoanAILab·2025-05-16 14:07
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他