- 博客(8)
- 收藏
- 关注
RSS订阅原创 智能体笔记
检索增强生成的核心思想是利用已有的大量文本数据来辅助生成模型生成更加准确和相关的回答。具体来说，当模型需要生成回答时，它会首先检索出与问题相关的文本片段，然后将这些片段作为上下文信息输入到生成模型中，以此来生成更加准确和丰富的回答。缺陷：不具备知识出现幻觉（外接知识库）、无法解决复杂逻辑任务（多个大模型协同工作）、不擅长数学运算（外界工具）可控生成：是用prompt控制LLM生成我们想要的格式方便后期进行解析。原理：用户输入——prompt构建——迭代输出——终止符。CoT，思维链，让LLM有思考过程。
2024-08-22 18:09:15
61
原创 大模型笔记
通用人工智能AGI：LLM被视为他的早期形态，展示了机器学习更高级别抽象概念和推理能力的潜力。处理海量文本，多者可具备数百亿参数，理解语言深度，展现涌现能力。ChatGPT是对话应用典范，展示出与人类流畅自然的交互能力。与小模型架构相似，但参数量级提升带来解决复杂任务的显著优势。支持多语言和多模态、潜在的伦理和风险、高计算资源需求。主要组成部分：文本编码器，图像编码器，噪声预测器。是一种基于深度学习的文本到图像的生成模型。1.模型的稳定性，不容易出现崩溃或异常。prompt:输入给大语言模型的东西。
2024-08-03 17:21:43
98
原创 SAM笔记
借鉴NLP的研究进展，SAM提出了多样化可提示的分割任务，旨在根据任何分割提示返回有效的分割掩码;提示编码器和掩码解码器:SAMed在推理过程中不需要任何提示即可执行自动分割，修改SAM的掩码解码器以适应每个语义类别的输出。排除错误提示点:对前向匹配得到的提示点执行后向匹配，排除错误点，保留正确匹配的提示点。定义：给定一张图片和一个分割提示，模型应返回一个合理的掩码，标识出图片中相应的对象;通过结合强大的图像编码器、灵活的提示编码器和轻量级的掩码编码器，来实现图像分割。
2024-08-03 15:27:15
219
原创 AI视觉模型（笔记）
文章还提到了大型数据集的可用性、硬件能力的改进、算法创新以及预训练模型的广泛使用等因素的重要性。通过数据集和训练过程，AI视觉模型形成了以卷积神经网络、transformer为核心代表、最新研究mamba的图像特征提取方法，实现对图像的理解，完成图像分类识别，图像增强修复，图像分割等下游任务（利用已经训练好的模型来解决具体问题的过程）第三个隐藏层学习到的是由"形状"组成的“图案”的特征最后的隐藏层学习到的是由“图案"组成的"目标"的特征通过抽取更抽象的特征来对事物进行区分，从而获得更好的区分与分类能力。
2024-08-03 09:32:59
586
原创 二手车笔记
赛题以预测二手车的交易价格为任务，数据集报名后可见并可下载，该数据来自某交易平台的二手车交易记录，总数据量超过40w，包含31列变量信息，其中15列为匿名变量。为了保证比赛的公平性，将会从中抽取15万条作为训练集，5万条作为测试集A，5万条作为测试集B，同时会对name、model、brand和regionCode等信息进行脱敏。为了保证比赛的公平性，将会从中抽取15万条作为训练集，5万条作为测试集A，5万条作为测试集B。# 定义One-Hot编码函数。MAE越小，说明越准确、# 处理(可能)无关数据。
2024-07-27 14:12:02
432
原创 pandas笔记
df = pd.read_csv('train.csv', names=['乘客ID','是否幸存','仓位等级','姓名','性别','年龄','兄弟姐妹个数','父母子女个数','船票信息','票价','客舱','登船港口'],index_col='乘客ID',header=0)8.加载文件"test_1.csv"，然后对比"train.csv"，看看有哪些多出的列，然后将多出的列删除。6.保存数据df.to_csv('train_chinese.csv')# 让行索引升序排序。# 让列索引升序排序。
2024-07-21 21:20:15
209
原创 python笔记
python一、安装python（conda）二、vscode安装三、基本语法1.变量和数据类型数据类型：区分不同数据，不同的数据有不同操作数字：+-*/整数：int小数：float字符串：str 单引号、双引号列表、字典标识符：第一个字符不能是数字 由字母、数字、下划线构成 大小写区分清楚。
2024-07-16 08:48:17
215
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人