- 博客(43)
- 收藏
- 关注
RSS订阅原创 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