- 博客(43)
- 收藏
- 关注
原创 minigpt4安装的一系列问题
fastchat版本与模型版本 不兼容。第一种:用低版本fastchat。第二种:vicuna别用v0。合并权重问题;胡言乱语情况。
2023-12-03 14:48:53 610
原创 人工智能AI方向,新手如何入门/查找/检索最新的论文?
PS:新手一定不要忽略论文中的Related Work,这部分可以让你对某个具体方向提高认知,然后页可以去拓展读这些相关工作中提到的重要的论文。作为一个新手,你对各个领域其实是没有一些积累和理解的,多看别人总结好的文章,可以让你对你想要从事的领域和方向有一个基本的认识。如果该领域有最新的综述,可以先看综述。如果没有,我个人觉得不如看:机器之心、量子位、新智元等ai相关的媒体号。我们在看一些别人总结的文章时,如果你对某些文字感兴趣,一定要去找到对应的论文,去精读、笔记。
2023-10-24 14:07:17 117
原创 pytorch中.data()与.item(),.numpy(),.detach(),.cuda(),.cpu()的作用
我们在深度 pytorch 代码中经常看到以下表示,简单记录一下:.data:把变量设置成 tensor 类型,requires_grad 设置为 Flase。
2023-05-24 15:04:22 721
原创 PyTorch判断是否使用GPU以及哪些数据需要放到GPU上
输出若是 True,则 model 在 gpu 上;若是 False,则 model 在 cpu 上。输出 gpu 则在 gpu 上,输出 cpu 则在 cpu 上。
2023-05-23 09:57:19 1577
原创 元学习2之原型网络prototypical-networks for few-shot learning回顾
小样本学习不仅仅训练和测试集的样本没有交集,类别也是没有交集的论文一共做了两个任务:1.小样本;2. 零样本。如图左边:三种颜色代表三个类别(3-way),c1c2c3c1c2c3分别是三个类别的中心,用类中心表示类别的好处就是某个类别中某些数据存在一些噪声,用类中心来表示这个特征,比较robust,类中心对抗噪声的能力比单个样本生存的这个特征要强很多。类中心(prototypesvc1∣Sc∣∑xiyi∈Scfθxi。
2023-04-17 10:16:28 464
原创 gcc 非管理员用户升级9.4.0版本教程
由于现阶段,集群的 gcc4.x 版本已经不能满足自己的需求,但是由于项目要求大于5.x 的 gcc 版本,所以又不得不升级。
2023-04-16 12:00:03 1316 1
原创 李航机器学习方法之逻辑斯谛回归
(逻辑斯谛分布又称为激活函数sigmoid,关于点(0,0.5)对称),所以它是一个分布函数,对它求导就是概率密度函数,求反函数。最终我们的目的就是通过已知的。,则称之为广义的线性模型。,同时发生的可能性为。
2023-03-23 19:12:33 120
原创 李航机器学习之决策树CART算法
之前的决策树都是多叉而cart是二叉树,怎么转换例如:对于这个特征而言,可以分为三叉,但是如果把这个三叉树改成二叉树,就可以写成,接着在「不清晰」中,再分为要想生成一棵决策树,首先应该选择最优特征。在CART算法中,是通过基尼指数来选择最优特征的。基尼指数:假设有KKK个类,样本点属于第kkk类的概率为 ,概率分布的基尼指数定义为:Gini(p)=∑k=1Kpk(1−pk)=1−∑k=1Kpk2Gini(p)=\sum_{k=1}^Kp_k(1-p_k)=1-\sum_{k=1}^Kp_k^2Gin
2023-03-19 16:51:42 935
原创 UNet网络解读
UNet是一个对称的网络结构,左侧为下采样,右侧为上采样;下采样为encoder,上采样为decoder;四条灰色的平行线,就是在上采样的过程中,融合下采样过程的特征图的通道,Concat原理就是:一本大小为10cm10cm的书,厚度为3cm的书本(10103)的A书,和一本大小为10cm10cm,厚度为4cm的B书(10103)将A书和B书,边缘对齐的摞在一起,这样就可以得到一个大小10107的一摞书了所以对feature map,一个大小为256*256*64。
2022-11-22 21:12:21 1521
原创 Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks(MAML)研读笔记
元学习,MAML,小样本学习,few-shot
2022-11-09 12:17:17 439
原创 Task5 svm
个人感觉这三篇文章写的非常好,svm的学习可以参考:https://zhuanlan.zhihu.com/p/36332083https://zhuanlan.zhihu.com/p/36379394https://zhuanlan.zhihu.com/p/36535299
2020-05-01 23:18:53 96
原创 Task04条件随机场
条件随机场条件随机场是一种判别式无向图模型。条件随机场试图对多个变量在给定观测值后的条件概率进行建模。给定X=(x1,x2,…,xn),Y=(y1,y2,…,yn)X=(x_1,x_2,\dots,x_n),Y=(y_1,y_2,\dots,y_n)X=(x1,x2,…,xn),Y=(y1,y2,…,yn)均为线性链表示的随机变量序列,若在给随机变量序列 XXX 的条件下,随机变量...
2020-04-29 17:47:13 128
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