![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
DataWhale AI夏令营
文章平均质量分 82
十分钟ll
学吧,还能咋滴
展开
-
DataWhale AI夏令营-天池-可图Kolors-LORA风格故事挑战赛
时文末提出的技巧一样,datawhale社区贡献者们在task2中主要也是使用这种方式----使用大模型对文生图的提示词进行生成,在当今主流的敲代码或者编写一些提示词的方式,慢慢的大多数都被交给大模型来处理“科技就是生产力”,不仅能提高我们的效率,而且可能会比我们自己写的更好一些。除了通义千问我还试了一下gpt4o-mini模型,不吹不黑确实是通义要强一些哈(这里我就不放和正常的4o对比的了,毕竟那个是付费的肯定强一些),国产加油!效果展示,图片的质量还是不错的,场景信息也都还行,大家可以多用大模型调试。原创 2024-08-14 20:29:08 · 255 阅读 · 0 评论 -
DataWhale AI夏令营-催化反应速率预测
报名的时候没仔细看,报错赛道了。。。不过还好,DataWhale与传统的竞赛不同的是对新手非常有好,并且提供了很详细的baseline的流程,和代码讲解,很快能让人上手。对于本次竞赛还是收获较多的,以前接触的比较多的都是计算机视觉(CV),自然语言处理(Nlp)和大模型(LLM)应用之类相关的项目,刚好借此次机会学习一些基础的机器学习知识。原创 2024-07-28 15:54:11 · 568 阅读 · 0 评论 -
DataWhale AI夏令营-大模型技术实践
以下是个人从本次学习中,学习到的一些技巧,以及对于大模型应用类任务调优的心得。其实对于大模型应用,主要注重两个方面,一是提示词工程(Prompt工程),二是模型微调。话不多说接下来我将从这两个方面分享我通过本次学习收获的知识。原创 2024-07-29 00:12:39 · 714 阅读 · 0 评论 -
DataWhale AI夏令营-催化反应速率预测(机器学习方向思路)
[TOC](DataWhale AI夏令营-催化反应速率预测(机器学习方向思路))(无特征工程)原创 2024-08-03 21:52:28 · 511 阅读 · 0 评论 -
DataWhale AI夏令营-催化反应速率预测(更换模型)
开始训练,这个部分是我血与泪的教训,建议大家无论用什么条参方法千万少写参数范围,因为官方提供的阿里云机器跑太久了总会出现奇怪的错误导致你白跑。学习率参数能够更好的减小模型过拟合的风险,并且梯度提升回归模型对超参数更为敏感,通过网格搜索、贝叶斯搜索等自动化调参方法更容易拿到高一些的分数。这里我还是使用的传统的网格搜索的方式,大家感兴趣的话可以尝试其他方法。加油吧,祝你取得心仪的分数哦,后面我可能会继续尝试新模型,因为特征工程做起来感觉比较麻烦,暂时不想考虑(打工人没时间,唉!读取数据并转化为分子指纹。原创 2024-07-30 19:06:03 · 392 阅读 · 0 评论 -
DataWhale AI夏令营-英特尔-阿里天池LLM Hackathon
项目名称:医疗问答助手。原创 2024-08-06 18:53:25 · 520 阅读 · 0 评论 -
DataWhale AI夏令营-天池-可图Kolors-LORA风格故事挑战赛
文生图有很多模型架构其实,比如GAN、Flow-based等,这里我主要介绍两种比较能打的分别是DALL·E和Diffusion。其中本次DataWhale的学习也是围绕Diffusion模型开展的,很喜欢一句话在这里引用一下" 高斯去噪,扩散称王。原创 2024-08-11 17:52:58 · 804 阅读 · 0 评论