LeetCode刷题训练第19页

手把手从零打造 Llama3：解锁下一代预训练模型

本篇文章将带你从头构建Llama3预训练流程，深入了解其关键细节和实现方式，让你掌握这一下一代模型的核心技术。1.启动训练脚本在这一步中，我们将实现Llama3的预训练框

会飞的Anthony·2025-07-04 01:35

如何训练一个 Reward Model：RLHF 的核心组件详解

本文将系统介绍如何从零开始训练一个rewardmodel，包括数据准备、模型结构、损失函数、训练方法与注意事项。什么是RewardModel？

茫茫人海一粒沙·2025-07-04 00:04

1＜=n＜=200 （蓝桥杯训练题库）c/c++

#includeinti,n,j,v;intsort(int*a,intn){for(i=0;ia[j]){v=a[i];a[i]=a[j];a[j]=v;}}intmain(){scanf("%d",&n);inta[200];for(i=0;i#includeusingnamespacestd;intmain(){intn;cin>>n;inta[200];for(inti=0;i>a[i];

·2025-07-04 00:59

利用人名语言分类案例演示RNN、LSTM和GRU的区别（基于PyTorch）

数据预处理模块详解2.1定义字符集和语言类别2.2读取数据2.3人名转换为one-hot编码张量2.4自定义数据集类2.5数据加载器三、模型定义模块详解3.1RNN模型3.2LSTM模型3.3GRU模型四、模型训练与测试模块详解

.30-06Springfield·2025-07-04 00:29

YOLOv8 轴承缺陷检测使用YOLOv8进行训练、评估和可视化预测结果包含1440张图片的轴承缺陷检测数据集 YOLO格式或XML格式

可以直接用于模型训练。YOLOv8轴承缺陷检测importosimporttorchfromIPy

OICQQ67658008·2025-07-03 23:59

ChatGPT、DeepSeek等大语言模型技术教程

这些模型通过深度学习和大规模语料库训练，能够帮助科研人员高效地筛选文献、生成论文内容、进行数据分析和优化机器学习模型。

·2025-07-03 23:54

讯飞星火深度推理模型X1，为教育医疗带来革新

它通过大规模多阶段强化学习训练方法，在复杂推理、数学、代码、语言理解等场景全面

·2025-07-03 21:42

Rust实现FasterR-CNN目标检测全流程

Rust生态中可以通过tch-rs（Torch绑定）调用预训练的PyTorch模型实现。

KENYCHEN奉孝·2025-07-03 21:42

使用numpy或pytorch校验两个张量是否相等

文章目录1、numpy2、pytorch做算法过程中，如果涉及到模型落地，那必然会将原始的深度学习的框架训练好的模型转换成目标硬件模型的格式，如onnx,tensorrt,openvino,tflite

·2025-07-03 20:33

用sklearn库中的算法对数据集进行训练和auc评估（个人学习笔记）

题目：运用已给数据集进行模型训练，使用逻辑回归、决策树、随机森林和AdaBoost几个算法进行训练，并打印各个算法训练后的auc评价指标。

ZD困困困·2025-07-03 17:16

学习笔记(29):训练集与测试集划分详解：train_test_split 函数深度解析

学习笔记(29):训练集与测试集划分详解：train_test_split函数深度解析一、为什么需要划分训练集和测试集？

宁儿数据安全·2025-07-03 17:42

【Torch】nn.Dropout算法详解

其核心思想是在训练阶段随机“丢弃”（置零）部分神经元的输出，以减少网络对特定神经元的过度依赖；在推理阶段则保持所有神经元输出不变。

油泼辣子多加·2025-07-03 17:11

【YOLOv11】ultralytics最新作品yolov11 AND 模型的训练、推理、验证、导出以及使用

Jackilina_Stone·2025-07-03 16:36

Step-by-Step Diffusion&Flow Model Notes

例如，假设我们有一组狗的图像训练集，这些图像来自某个潜在分布pdogp_{\text{dog}}pdog，我

克斯维尔的明天_·2025-07-03 16:31

机器学习：集成学习方法之随机森林(Random Forest)

集成学习方法主要分为两大类：Bagging(BootstrapAggregating)：并行训练多个基学习器，然后通过投票

慕婉0307·2025-07-03 15:55

微软：LLM训练数据组织框架DELT

标题：DataEfficacyforLanguageModelTraining来源：arXiv,2506.21545摘要数据是语言模型（LM）训练的基础。

大模型任我行·2025-07-03 13:17

【人工智能】 AI的进化之路：大模型如何重塑技术格局

从早期神经网络到现代大模型的突破，文章分析了关键技术进步，如Transformer架构、预训练机制和分布式计算。结合数学公式和代码示例，详细阐述了大模型的训练原理、优化方法及实际应用场景。文

蒙娜丽宁·2025-07-03 12:32

语言的钥匙：提示工程的艺术与驾驭AI的智慧

答案并非在于重新训练这头计算巨兽（成本高昂且周期漫长），而在于掌握一门新兴的关键技艺——提示工程（PromptEngineering）。提示工程，简而言之，就是精心设计输入给模型的自然语言指令

田园Coder·2025-07-03 10:51

pytorch官方文档60分钟入门笔记

文章目录1.张量（Tensors）定义张量张量操作2.自动求导（autograd）变量Variable3.神经网络4.训练一个分类器载入数据5.数据并行day63参考：官方文档https://blog.csdn.net

xiaodidadada·2025-07-03 08:41

DeepSeek打破AI天花板：MoE架构+RL推理，效率提升5倍的底层逻辑

文章目录一、引言二、MoE架构：高效计算的核心支撑（一）MoE架构概述（二）DeepSeekMoE架构的创新点（三）MoE架构的代码实现示例三、RL推理：智能提升的关键驱动（一）RL推理概述（二）R1的训练流程

m0_74825409·2025-07-03 08:08

基于改进扩散模型与注意力机制的影像到转基因数据预测系统

系统采用PyTorch框架实现，包含数据预处理、模型架构、训练流程和评估指标等完整模块。

·2025-07-03 08:37

深入剖析AI大模型：关于模型训练

今天说的是模型训练，在AI模型里，它是点亮智慧星辰的关键引擎。

chilavert318·2025-07-03 08:06

微调 || RAG，项目落地怎么选？LLM应用选型指南，适用场景全解析

基本定义微调：是指利用更小、更具针对性的数据集对经过预先训练的大语言模型进一步训练的过程。在这个过程中，模型基于新数据集修改权重和参数，学习特定于任务的模式，同时保留来自最初预训练模型的知识。

认知超载·2025-07-03 08:36

【深度学习:进阶篇】--4.2.词嵌入和NLP

整体大小太大没能表示出词与词之间的关系例如Apple与Orange会更近一些，Man与Woman会近一些，取任意两个向量计算内积都为0目录1.词嵌入1.1.特点1.3.word2vec介绍1.3.Word2Vec案例1.3.1.训练语料

西柚小萌新吖(●ˇ∀ˇ●)·2025-07-03 07:32

深度学习学习经验——卷积神经网络（CNN）

卷积神经网络的完整实现项目示例项目目标1.加载数据2.卷积层：图像的特征探测器2.1第一个卷积层3.激活函数：增加非线性4.池化层：信息压缩器5.多层卷积和池化：逐层提取更高层次的特征6.全连接层：分类器7.模型训练和测试完整的项目示例代码总结卷积神经网络

Linductor·2025-07-03 07:02

Python Day44

Task：1.预训练的概念2.常见的分类预训练模型3.图像预训练模型的发展史4.预训练的策略5.预训练代码实战：resnet181.预训练的概念预训练（Pre-training）是指在大规模数据集上，先训练模型以学习通用的特征表示

别勉.·2025-07-03 07:57

Python Day42

常用于训练过程中的监控、日志记录、模型保存等场景。示例：defcallback_function():print("Epochcompleted!")

别勉.·2025-07-03 07:27

Python Day53

传统的神经网络训练中，我们通常会直接定义一个损失函数（如均方误差MSE、交叉熵CE），然后通过反向传播来优化这个损失。这个损失的“来源”

别勉.·2025-07-03 07:56

零基础起步：基于GpuGeek的文本生成模型实战

本文将带领读者使用GpuGeek平台，从注册、上传数据到实例部署与训练，完整构建一个基于GPT2模型的文本生成系统，实战掌握AI模型的云端开发流程。

昊昊该干饭了·2025-07-03 06:54

Instrct-GPT 强化学习奖励模型 Reward modeling 的训练过程原理实例化详解

Instrct-GPT强化学习奖励模型Rewardmodeling的训练过程原理实例化详解一、批次处理的本质：共享上下文的比较对捆绑（1）为什么同一prompt的比较对必须捆绑？

John_今天务必休息一天·2025-07-03 06:19

【数据标注师】关键词标注

**关键词类型体系**二、**四阶训练体系**▶**阶段1：基础规则内化**▶**阶段2：语义浓缩训练**▶**阶段3：场景化标注策略**▶**阶段4：工具效率提升**三、**五大高频错误防御指南**四

试着·2025-07-03 03:31

【数据标注师】事件标注2

**三大项目特性**二、**四阶段系统学习法**▶**阶段1：掌握标注指南（20%理论+80%案例）**▶**阶段2：触发词精准识别训练**▶**阶段3：要素抽取实战技巧**▶**阶段4：复杂场景突破三

试着·2025-07-03 03:00

(论文总结)思维链激发LLM推理能力

动机:从之前的应用和研究中得知，可以用生成自然语言解释、使用神经符号等形式语言的方法来提高大模型的算术推理能力，当时采用了从头预训练和微调模型的方法，耗费的成本较多；而且大模型具有根据少量文本提示进行上下文少样本学习的能力

靈镌sama·2025-07-03 03:58

使用GPU进行机器学习训练时，如果GPU-Util计算核心满载工作但是显存占用较少，应该如何优化？

是否需要优化？如果任务运行正常：无需干预（GPU设计本就是优先榨干计算性能）。如果出现卡顿或效率低下：增大batch_size：提升显存占用，减少数据搬运次数（但需避免OOM）。启用混合精度：torch.cuda.amp可减少显存占用并加速计算。检查CPU到GPU的数据流：避免频繁的小数据拷贝（如DataLoader的num_workers设置）。

十子木·2025-07-03 01:11

DAY 40 训练和测试的规范写法

目录一、单通道图片的规范写法图像任务中的张量形状NLP任务中的张量形状1.Flatten操作2.view/reshape操作总结二、彩色图片的规范写法知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作

acstdm·2025-07-03 01:10

DAY 45 Tensorboard使用介绍

的发展历史和原理2.tensorboard的常见操作3.tensorboard在cifar上的实战：MLP和CNN模型作业：对resnet18在cifar10上采用微调策略下，用tensorboard监控训练过程

HINOTOR_·2025-07-03 01:10

机器学习中为什么要用混合精度训练

目录FP16与显存占用关系机器学习中一般使用混合精度训练：FP16计算+FP32存储关键变量。FP16与显存占用关系显存（VideoRAM，简称VRAM）是显卡（GPU）专用的内存。

十子木·2025-07-03 01:39

【大模型学习 | BLIP2原理】

BootstrappingLanguage-ImagePre-trainingwithFrozenImageEncodersandLargeLanguageModels目前（2023）的图文模型都是基于端到端训练方式

九年义务漏网鲨鱼·2025-07-03 00:38

【大模型学习 | BLIP原理】

BootstrappingLanguage-ImagePre-trainingforUnifiedVision-LanguageUnderstandingandGeneration作者指出，现有的视觉-语言预训练

九年义务漏网鲨鱼·2025-07-03 00:07

入门pytorch-联邦学习

联邦学习说白了，就是假如有NNN个数据拥有者F1,...,FN{F_1,...,F_N}F1,...,FN，他们希望使用这些数据来训练机器学习模型，但是又各

四代机您发多少·2025-07-03 00:05

【硬核拆解】英伟达Blackwell芯片架构如何重构AI算力边界？

点击跳转到网站一、Blackwell诞生的算力危机（2025现状）graphTDA[2025年AI算力需求]-->B[千亿参数模型训练能耗>20GWh]A-->C[10万亿参数模型涌现]A-->D[传统架构内存墙

HeartException·2025-07-02 23:29

华为认证二选一：物联网 VS 人工智能，你的赛道在哪里？

聚焦大模型训练、部署与应用（如昇腾AI解

博睿谷IT99_·2025-07-02 21:42

KANN 是一个独立的轻量级 C 语言库，用于构建和训练中小型人工神经网络，例如多层感知器、卷积神经网络和递归神经网络（包括 LSTM 和 GRU）。它实现了基于图的逆模自动微分，并允许构建具有递归等

一、软件介绍文末提供程序和源码下载KANN是一个独立的轻量级C语言库，用于构建和训练中小型人工神经网络，例如多层感知器、卷积神经网络和递归神经网络（包括LSTM和GRU）。

·2025-07-02 20:35

无需多卡集群，单卡运行扩散模型的技术突破与实践

然而，传统扩散模型往往依赖多卡集群（如8×A100）进行高效训练与推理，这使得个人开发者和中小团队的应用受限。

源客z·2025-07-02 20:35

C语言教学大变革！DeepSeek如何改变高职院校编程课堂？

作为编程语言的基础，C语言不仅训练学生的计算思维，还培养其算法实现能力。然而，当前高职院校的C语言教学面临诸多挑战，如实践环节薄弱、学生创新能力不足等。

武汉唯众智创·2025-07-02 19:55

【T2I】R&B: REGION AND BOUNDARY AWARE ZERO-SHOT GROUNDED TEXT-TO-IMAGE GENERATION

在这项工作中，我们探索了使用扩散模型进行零样本接地T2I生成，即无需训练辅助模块或微调扩散模型就能生成与输入布局信息相对应的图像。我们提出了一种区域与边

Akttt·2025-07-02 17:13

在浏览器中使用TensorFlow.js

TensorFlow.js是一个库，用于使用JavaScript开发和训练机器学习模型，并将其部署在浏览器中或Node.js上。

魏铁锤chui·2025-07-02 14:25

pytorch底层原理学习--PyTorch 架构梳理

文章目录PyTorch完整架构流程图关键组件详解完整执行流程示例PyTorch架构梳理PyTorch完整架构流程图硬件层后端层C++部署层核心引擎(libtorchC++)绑定层Python层加载调用训练模式编译模式推理模式生成

xinxiangwangzhi_·2025-07-02 14:21

如何在pytorch中使用tqdm：优雅实现训练进度监控

tqdm简介基础用法示例深度学习中的实战应用1.数据加载进度监控2.训练循环增强版3.验证阶段集成高级技巧与最佳实践1.自定义进度条样式2.嵌套进度条（多任务）3.分布式训练支持4.与日志系统集成性能优化建议完整训练流程示例常见问题解决方案总结掌握训练进度监控是深度学习工程师的基本功

Ven%·2025-07-02 12:38

[2025CVPR]DE-GANs:一种高效的生成对抗网络

目录引言：数据高效GAN的困境核心原理：动态质量筛选机制1.判别器拒绝采样（DRS）的再思考2.质量感知动态拒绝公式（1）质量感知阶段（2）动态拒绝阶段模型架构：轻量化设计技术突破：三大创新点1.首创训练阶段

清风AI·2025-07-02 12:36

推荐频道

LeetCode刷题训练