pytorch训练lstm

【AI论文】Skywork-Reward-V2：通过人机协同实现偏好数据整理的规模化扩展

即便采用先进训练技术的方法也未能显著提升性能。我们推测，这种脆弱性主要源于偏好数据集的局限性——这些数据集往往范围狭窄、标
·2025-07-09 09:37

03 数据可视化的世界非常广阔，除了已提到的类型，还有许多更细分或前沿的可视化形式。

学习曲线（LearningCurve）用途：分析模型训练过程
晨曦543210·2025-07-09 07:17

基于Abp Vnext、FastMCP构建一个企业级的模型即服务（MaaS）平台方案

、总体技术架构HTTP/WebSocketgRPC/RESTgRPC/RESTgRPCVue3前端ABPvNextAPI网关.NET9业务微服务ABPvNextMCPClientFastMCP模型仓库PyTorch
NetX行者·2025-07-09 06:44

大白话解释深度学习中多尺度特征融合及其意义

假设你想训练一个计算机程序来识别和分割这些不同的物体（汽车、巴士、行人）。
来自宇宙的曹先生·2025-07-09 05:05

TensorRT-LLM：大模型推理加速引擎的架构与实践

根据MLPerf基准测试，原始PyTorch推理的token生成速度仅为12.3tokens/s（A100显卡）。一、TensorRT-LLM介绍：TensorRT-LLM是
·2025-07-09 05:03

Tesla的FSD 架构设计

特斯拉的FSD（完全自动驾驶）架构设计以端到端神经网络为核心，结合专用硬件加速、海量数据训练和持续OTA迭代，形成了一套高度集成的系统。
WSSWWWSSW·2025-07-09 04:30

LSTM 论文（Hochreiter & Schmidhuber, 1997）精读（三）

文章：SeppHochreiter,JürgenSchmidhuber;LongShort-TermMemory.NeuralComput1997;9(8):1735–1780.doi:https://doi.org/10.1162/neco.1997.9.8.1735第2节PreviousWork（已有研究），这是论文对以往方法的一个评述，总结了已有递归神经网络在面对时间序列学习、尤其是长时依赖
·2025-07-09 02:17

AI初学者如何对大模型进行微调？——零基础保姆级实战指南

仅需8GB显存，三步完成个人专属大模型训练四步实战：从环境配置到模型发布步骤1：云端环境搭建（10分钟）推荐使用阿里魔塔ModelScope免费GPU资源：#注册后执行环境初始化pip3install-
·2025-07-09 02:15

服务器无对应cuda版本安装pytorch-gpu[自用]

服务器无对应cuda版本安装pytorch-gpu服务器无对应cuda版本安装pytorch-gpu网址下载非root用户安装tmux查看服务器ubuntu版本conda安装tensorflow-gpu
片月斜生梦泽南·2025-07-09 00:02

「论文导读」LLM高效推理与模型量化

论文探讨如何通过优化训练数据、模型架构和推理技术，在有限硬体资源（如单一GPU或CPU）上实现高效推理。学术背景：随着大型语言模型（LLM）如GPT-3的
雷羿 LexChien·2025-07-09 00:01

代码随想录算法训练营第十三天

递归遍历二叉树的前，中，后序遍历题目链接前序遍历中序遍历后序遍历前序遍历题解classSolution{publicListpreorderTraversal(TreeNoderoot){Listlist=newArrayListlist,TreeNoderoot){if(root==null){return;}list.add(root.val);preorder(list,root.left)
天天开心(∩_∩)·2025-07-08 23:57

2025 年机器学习工作流程的 7 个 AI 代理框架

介绍机器学习从业者花费大量时间在重复性任务上：监控模型性能、重新训练流程、检查数据质量以及跟踪实验。
盖瑞理·2025-07-08 23:57

Python机器学习与深度学习：决策树、随机森林、XGBoost与LightGBM、迁移学习、循环神经网络、长短时记忆网络、时间卷积网络、自编码器、生成对抗网络、YOLO目标检测等

旨在系统提升以下能力：①掌握ChatGPT、DeepSeek等大语言模型在代码生成、模型调试、实验设计、论文撰写等方面的实际应用技巧②深入理解深度学习与经典机器学习算法的关联与差异，掌握其理论基础③熟练运用PyTorch
WangYan2022·2025-07-08 21:14

大模型开源与国产化突围：技术路径与产业机遇深度解析

本文将从技术架构、训练范式、生态建设三个维度，深入剖析大模型开源与国产化的突围路径。一、全球开源格局与中国大模型现状1.1国际开源生态的演进特征技术民主化加速：LLaMA-2（700亿参数）、BLOO
梦玄海·2025-07-08 21:13

【AI大模型】神经网络反向传播：核心原理与完整实现

一、反向传播的本质与意义反向传播（Backpropagation）是神经网络训练的核心算法，通过链式法则高效计算损失函数对网络参数的梯度，实现神经网络的优化学习。
我爱一条柴ya·2025-07-08 18:00

后端路线指导（3）：后端进阶版学习路线

进阶版路线其实才是真正扎实“基本功”的阶段，这一阶段主要需要学习微服务的开发模式、并发编程、设计模式等编程技巧，学习Spring和Redis的底层设计思想和源码，以及针对面试问的最多的部分进行的专项提升训练
绝命Coding·2025-07-08 18:58

【实战】如何训练一个客服语音对话场景VAD模型

1.引言：客服场景下的VAD模型在客服中心，每天都会产生海量的通话录音。对这些录音进行有效分析，可以用于服务质量监控、客户意图洞察、流程优化等。VAD在其中扮演着“预处理器”和“过滤器”的关键角色：提升ASR效率与准确性：只将检测到的语音片段送入ASR引擎，可以避免ASR对静音和噪声进行无效识别，减少计算资源浪费，并降低识别错误率。精确统计通话指标：如通话时长、静音时长、抢话率、响应时长等，这些都
kakaZhui·2025-07-08 17:51

Python打卡：Day40

importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtorch.utils.dataimportDataLoader,Dataset#DataLoader是PyTorch
·2025-07-08 17:17

Ubuntu下安装多版本CUDA及灵活切换全攻略

在深度学习、科学计算等领域，不同框架（TensorFlow、PyTorch等）对CUDA版本的要求各异。同时升级框架或维护旧项目时，版本冲突频发。多版本CUDA共存+一键切换是高效开发的刚需！
芯作者·2025-07-08 16:45

Python实现基于POA-CNN-LSTM-Attention鹈鹕优化算法（POA）优化卷积长短期记忆神经网络融合注意力机制进行多变量回归预测的详细项目实例

目录Python实她基她POA-CNN-LSTM-Attentikon鹈鹕优化算法（POA）优化卷积长短期记忆神经网络融合注意力机制进行她变量回归预测她详细项目实例...1项目背景介绍...1项目目标她意义
nantangyuxi·2025-07-08 16:14

一文读懂 Sigmoid 与 Hard Sigmoid 激活函数：从原理到量化部署

在神经网络训练与部署中，激活函数扮演着关键角色，不仅影响模型训练过程，也直接决定了模型部署到实际设备后的性能表现。
·2025-07-08 16:42

DeepSeek 部署中的常见问题及解决方案

模型加载与初始化问题预训练模型下载失败：网络代理设置、手动下载替代方案。显存不
tonngw·2025-07-08 16:42

PyTorch安装总失败？看完这篇保姆级教程，从0到1轻松搞定！

引言：为什么你装不好PyTorch？“CUDA版本不匹配？pip安装超时？conda环境冲突？”新手安装PyTorch的坑比代码bug还多！
喜欢编程就关注我·2025-07-08 16:40

Python训练打卡DAY47

DAY47：注意力热图可视化恩师@浙大疏锦行知识点：热力图#可视化空间注意力热力图（显示模型关注的图像区域）defvisualize_attention_map(model,test_loader,device,class_names,num_samples=3):"""可视化模型的注意力热力图，展示模型关注的图像区域"""model.eval()#设置为评估模式withtorch.no_grad
韩哈哈1129·2025-07-08 16:08

Python打卡DAY36

DAY36：复习日恩师@浙大疏锦行在PyTorch中，nn.Model是所有神经网络模块的基类，为构建和训练神经网络提供了丰富的方法，如下：1.模型构建与参数管理__init__方法功能：用于初始化神经网络模块的参数和子模块
·2025-07-08 16:08

Python训练打卡Day46

通道注意力(SE注意力)知识点回顾：不同CNN层的特征图：不同通道的特征图什么是注意力：注意力家族，类似于动物园，都是不同的模块，好不好试了才知道。通道注意力：模型的定义和插入的位置通道注意力后的特征图和热力图注意力机制：一种让模型学会「选择性关注重要信息」的特征提取器，就像人类视觉会自动忽略背景，聚焦于图片中的主体（如猫、汽车）。transformer中的叫做自注意力机制，他是一种自己学习自己的
编程有点难·2025-07-08 16:08

AI周报 250630-250706

文章目录**AI核心技术进展****a.模型架构与训练****b.推理优化与部署****c.智能体(Agent)系统****d.多模态与生成技术****e.开源框架与工具****f.评测与性能分析***
EAI工程笔记·2025-07-08 15:04

Python训练营打卡Day8(2025.4.27)

知识点见示例代码字典的简单介绍标签编码连续特征的处理：归一化和标准化至此，常见的预处理方式都说完了作业：对心脏病数据集的特征用上述知识完成，一次性用所有的处理方式完成预处理，尝试手动完成，多敲几遍代码。由于所给数据集已是处理过的数据集，以下将按所给数据集的处理情况对连续特征进行归一化和标准化。首先观察数据，需处理数据共有5列，分别是：age,trestbps,chol,thalach,oldpea
2301_80505456·2025-07-08 15:02

基于大模型的颅前窝底脑膜瘤诊疗全流程研究报告

研究背景与目的1.2国内外研究现状1.3研究意义与创新点二、颅前窝底脑膜瘤概述2.1定义与分类2.2发病机制与病因2.3临床表现与症状三、大模型预测原理与方法3.1大模型介绍3.2数据收集与预处理3.3模型训练与验证四
LCG元·2025-07-08 14:00

生成式人工智能实战 | 条件生成对抗网络（conditional Generative Adversarial Network, cGAN）

|条件生成对抗网络0.前言1.条件生成对抗网络1.1GAN基础回顾1.2cGAN核心思想2.cGAN网络架构2.1数学原理2.2网络架构3.实现cGAN3.1环境准备与数据加载3.2模型构建3.3模型训练
盼小辉丶·2025-07-08 14:59

【人工智能】Maas（模型即服务）（Model as a Service）是一种基于云计算的商业模式，通过API将预训练的人工智能模型作为服务提供给用户，使其无需自行管理底层基础设施即可调用AI能力。

ModelasaService（模型即服务，MaaS）是一种基于云计算的商业模式，通过API将预训练的人工智能模型作为服务提供给用户，使其无需自行管理底层基础设施即可调用AI能力。
本本本添哥·2025-07-08 14:27

提示词工程在实体关系抽取中的创新

提示词工程的基本框架提示词工程（PromptEngineering）是指利用人工智能技术和自然语言处理方法，设计并优化用于训练语言模型的输入提示（prompt），以达到特定任务目标的过程。
AI天才研究院·2025-07-08 13:22

单发多框检测（SSD）-笔记&练习（PyTorch）

本节课程地址：45SSD实现【动手学深度学习v2】_哔哩哔哩_bilibili本节教材地址：13.7.单发多框检测（SSD）—动手学深度学习2.0.0documentation本节开源代码：…>d2l-zh>pytorch
scdifsn·2025-07-08 13:22

动手学深度学习3.3线性回归的简洁实现-笔记&练习（PyTorch）

>d2l-zh>pytorch>chapter_linear-networks>linear-regre
scdifsn·2025-07-08 13:22

【PyTorch】PyTorch中torch.nn模块的卷积层

PyTorch深度学习总结第七章PyTorch中torch.nn模块的卷积层文章目录PyTorch深度学习总结前言一、torch.nn模块1.模块的基本组成部分1.1层（Layers）1.2损失函数（LossFunctions
·2025-07-08 12:18

【PyTorch】PyTorch中torch.nn模块的循环层

PyTorch深度学习总结第九章PyTorch中torch.nn模块的循环层文章目录PyTorch深度学习总结前言一、循环层1.简单循环层（RNN）2.长短期记忆网络（LSTM）3.门控循环单元（GRU
·2025-07-08 12:18

【PyTorch】PyTorch中torch.nn模块的池化层

PyTorch深度学习总结第八章PyTorch中torch.nn模块的池化层文章目录PyTorch深度学习总结前言一、池化1.定义2.目的3.常见类型4.实际效果二、池化层1.常用的池化层2.池化层的参数
咸鱼鲸·2025-07-08 12:18

2024最新 动物识别数据集（12-02已更新)

动物识别数据集是用于训练和评估动物识别模型的集合，这些数据集通常包含多种动物的图像或视频，以及对应的标签信息。它们在生物多样性监测、生态研究、农业和城市安全管理等领域发挥着重要作用。
数据猎手小k·2025-07-08 12:46

Transformer模型架构深度讲解

Transformer模型与传统的RNN（循环神经网络）和LSTM（长短时记忆网络）不同，它不依赖于时间步的顺序处理，而是完全基于“注意力机制”进行计算，这使得它在训练速度、并行化能力和长期依赖问题的处理上具
·2025-07-08 11:13

AI人工智能浪潮中，GPT的技术优势凸显

我们将从GPT的核心架构出发，分析其独特的技术特点，包括自注意力机制、预训练-微调范式、零样本学习能力等。通过与传统NLP方法的对比，揭
AI学长带你学AI·2025-07-08 09:50

PyTorch深度学习快速入门教程【小土堆】详细学习笔记（第1-11个视频笔记）

本学习笔记源自于B站up主【我是土堆】的视频教程：PyTorch深度学习快速入门教程（绝对通俗易懂！）
胡说八道的Dr. Zhu·2025-07-08 08:49

深度学习Pytorch(一)

深度学习Pytorch(一)前言：必须使用英伟达显卡才能使用cuda（显卡加速）！
Bgemini·2025-07-08 08:16

PyTorch深度学习优化实战：从理论到实践的现代化技能指南

引言：现代PyTorch开发的核心思维在深度学习技术日新月异的今天，掌握PyTorch不仅仅意味着能够搭建和训练神经网络，更重要的是理解如何高效地利用现代硬件资源、优化模型性能并构建可扩展的AI系统。
智算菩萨·2025-07-08 08:15

PyTorch笔记3----------统计学相关函数

1.基础函数importtorcha=torch.rand(2,2)print("a:\n",a)print('########################')print("平均值:\n",torch.mean(a,dim=0))print("总和:\n",torch.sum(a,dim=0))print("所有元素的积:\n",torch.prod(a,dim=0))print("最大值:\
HuashuiMu花水木·2025-07-08 08:14

PyTorch 2.7深度技术解析：新一代深度学习框架的革命性演进

引言：站在AI基础设施变革的历史节点在2025年这个充满变革的年份，PyTorch团队于4月23日正式发布了2.7.0版本，随后在6月4日推出了2.7.1补丁版本，标志着这个深度学习领域最具影响力的框架再次迎来了重大突破
智算菩萨·2025-07-08 08:43

语言大模型综述

Paper:ASurveyofLargelanguageModels目录Paper:ASurveyofLargelanguageModels综述概要LLM关键技术规模定律（ScalingLaws）预训练与微调对齐调优
·2025-07-08 07:37

【机器学习笔记 Ⅱ】7 多类分类

实现方式One-vs-Rest(OvR)：训练K个二分类器（
巴伦是只猫·2025-07-08 07:06

10.6 ChatGLM3私有数据微调实战：24小时打造高精度模型，显存直降60%

1.1使用ChatGPT自动设计生成训练数据的Prompt核心思路：通过ChatGPT生成符合任务需求的样本数据，降低人工标注成本。
少林码僧·2025-07-08 06:34

量子计算+AI芯片：光子计算如何重构神经网络硬件生态

点击跳转到网站量子计算+AI芯片：光子计算如何重构神经网络硬件生态——2025年超异构计算架构下的万亿参数模型训练革命产业拐点：英伟达BlackwellUltra发布光互连版GPU，IBM量子处理器突破
·2025-07-08 06:59

【机器学习笔记 Ⅱ】4 神经网络中的推理

推理（Inference）是神经网络在训练完成后利用学到的参数对新数据进行预测的过程。与训练阶段不同，推理阶段不计算梯度也不更新权重，仅执行前向传播。
·2025-07-08 06:29
上一页 13 14 15 16 17 18 19 20 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他