- 博客(13)
- 收藏
- 关注
RSS订阅原创 AI基础——激活激活了一切
没有激活，线性回归是死水一潭，再深的层次也没有意义。有了激活，让深度神经网络完成了从简单的线性到非线性的飞跃，让人工智能真的有了“智能”，让算法有了“灵魂”，让机器人“活”了！
2024-07-04 11:41:51
483
原创 基于PyTorch学AI——自动梯度
简单理解，PyTorch把繁琐的反向传播计算梯度的过程，非常优雅的进行了封装，调用者只需要简单的配置需tensor的requires_grad 属性，配合后续优化器的功能，即可灵活的配置参数优化过程。
2024-06-25 10:43:41
989
原创 AI基础——回归？如何回归？
机器学习的本质其实就是根据输入的数据判断类型或分类，也就是输出输入，对于计算机来说，其实就是一个函数。函数是什么？数学上，函数的定义如下：设A,B都是非空的数的集合，f：x→y是从A到B的一个映射f：A→B就叫做函数，记作y=f(x)。上面这个不太严谨的定义中，表达了函数的本质，是一个映射。在机器学习中，构建一个算法模型（函数）来做属性（X）和标签（Y）之间的映射关系，这个算法就是一种回归算法。回归必须是一种函数么？
2024-06-24 17:48:12
345
原创 基于PyTorch学AI——构建网络模型
神经网络由很多节点组成，每个节点有输入输出，所有节点组成一个网络结构，整体网络也有输入和输出，通过输入训练数据，输出标签，完成一个特定任务。
2024-06-22 15:42:17
742
原创 AI基础——如何拟合
形象的说，拟合就是把平面上一系列的点，用一条光滑的曲线连接起来。因为这条曲线有无数种可能，从而有各种拟合方法。拟合的曲线一般可以用函数表示，根据这个函数的不同有不同的拟合名字。
2024-06-21 16:39:12
843
原创 基于PyTorch学AI——Transforms转换
机器学习或深度学习算法一般对数据有比较严格的要求，而训练数据往往是不稳定的，会有各种变化，因此多数情况下都需要对训练数据进行"变形"才能喂给算法。transform和target_transform属性既用来指定变形方法。
2024-06-21 08:24:15
206
原创 AI基础——AI如何学习
机器学习总结一句话：利用历史数据，通过多次迭代的训练、测试，学到一个模型，利用该模型对新数据进行预测的过程。人类学习与机器学习是相似的，AI就是机器模拟人的智能，人的智能不是与生俱来的，需要后天的努力学习。机器也可以！
2024-06-20 18:09:01
333
原创 基于PyTorch学AI——Dataset与DataLoader
本文总结了Dataset和DataLoader两个核心类，是模型训练绕不开的基础类，希望阅读本文能带来收获。
2024-06-20 12:03:16
1391
原创 AI基础——置信度
简单说，置信就是对估计的可信度的评估，或者数学化。估计这东西在非此即彼、非对即错的数学世界，显得太“难以置信”了。有了置信的加持，一切都更“数学”了。
2024-06-19 16:43:39
375
原创 ComfyUI工作流——混元大模型--混世大魔王
说实话，在成语方面，混元表现实在一般，多数理解的并不到位，或者干脆不懂。前两项确实有点难为大模型的意思了，毕竟这些成语和诗词蕴含的意思博大精深，即使能理解，用图表现出来也不容易。总体来说，比其他模型还是更好的。总体来说，中国的传统节日是懂得，但节气方面出图一般，很多节气不明所以。中国菜的表现非常好，用过SD生图的同学肯定见过普通模型的生图有多么感人，混元的效果无论从图片的样式、构图，甚至美观度方面，基本可以直接用于海报，配合ComfyUI的文字插件，直出海报的成功率非常高。看的都饿了！
2024-06-19 15:56:06
626
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