- 博客(13)
- 收藏
- 关注
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