- 博客(6)
- 收藏
- 关注
RSS订阅原创 大模型时代，如何面试程序员
技术的演进所经历的阶段宛如一个轮回，回顾2011年，全球化移动应用市场大门打开之际，掘金海外还是瞄准国内市场、专注iOS还是Android亦或者是HTML5跨平台开发等都成为开发者抉择的方向。12年后，开发者再次站在选择的十字路口，正如技术社区三倍速定律所彰显的那样，“一个技术要进入到真正的生态应用里，首先是在学术界被大家认可，接着进入到工程界，最后才进入大众视野。因此技术社区的动向往往能反映出未来的技术趋势”。
2024-07-30 17:29:11
241
原创 第一章：深度学习和 PyTorch 简介
深度学习是机器学习的一个子集，专注于使用深度神经网络来解决复杂的数据问题。由于软件和硬件的进步允许收集和处理大量数据（我们谈论的是数百万甚至数十亿条记录），因此深度学习如今变得越来越流行，考虑到神经网络目前是唯一能够通过向模型提供更多数据来达到更高准确度水平的算法。有了这个想法，对于更快的处理时间的需求是不可避免的。PyTorch 诞生于 2017 年，其主要特点在于利用 GPU 的力量来运行使用张量的数据。
2024-07-30 13:38:55
222
原创 度学习之开启神经网络之旅
神经元是神经网络中的一个重要概念。可以把这个神经元看作感知器模型：这是一个特殊的有向图，θ称为权重，x0称为偏置项，函数f是激活函数。在感知器模型中，激活函数是sign；在逻辑回归中，激活函数是sigmoid。
2024-07-29 17:05:37
339
原创 【深度学习】深度学习未来十大趋势
卷积神经网络第一次出现是在电脑视觉中，但是现在用于一些自然语言处理（NLP）中了，LSTMs和主流对递归神经网络使用的倾向性，第一次做出引人注目的成果是在NLP任务中——如序列到序列的翻译（sequence-to-sequence translation），然而现在通过修剪被纳入到电脑视觉神经网络任务中。另外，如果我们能够高帧率的快速查询一个模型（因为它的空间和计算运行时间成本很低，如30 FPS），那么在移动装置上使用复杂的、训练好的神经网络模型来完成接近实时的新类型电脑视觉任务就有可能了。
2024-07-29 10:52:00
131
原创 深度学习初步认识[下]
深度学习用于计算机视觉的两个关键思想,即卷积神经网络和反向传播,在 1989 年就已经为人们所知。长短期记忆(LSTM,long short-term memory)算法是深度学习处理时间序列的基础,它在 1997 年就被开发出来了,而且此后几乎没有发生变化。那么为什么深度学习在2012 年之后才开始取得成功?这二十年间发生了什么变化?1. 硬件2. 数据集和基准3. 算法上的改进。
2024-07-27 14:09:55
903
原创 深度学习初步认识[上]
神经网络，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。注意：神经网络是从数据中学习表示的一种数学框架。并非大脑模型神经网络技术起源于上世纪五、六十年代，当时叫感知机（perceptron），拥有输入层、输出层和一个隐含层。输入的特征向量通过隐含层变换达到输出层，在输出层得到分类结果。早期感知机的推动者是Rosenblatt。
2024-07-26 17:42:03
662
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