- 博客(3)
- 收藏
- 关注
RSS订阅原创 神经网络与深度学习 第5周课程总结
大语言模型（LLM）是基于海量文本训练的深度学习模型，具备文本理解、文本生成能力，可完成翻译、问答、摘要、对话等任务。文本、图像、视频、音频。多模态模型可以同时处理、理解多种不同类型的信息。2020 年 CVPR 顶会，Google 发表论文，首次将纯 Transformer 大规模应用在图像任务，打破 CNN 在视觉领域的垄断。CLIP 全称图文对比学习模型，是多模态领域的基础底座，核心实现图像与文本的特征对齐。一种模型压缩、知识迁移教师模型：大模型、精度高、推理慢；学生模型：小模型、体量轻、推理快。
2026-06-08 00:34:13
251
原创 神经网络与深度学习 第4周课程总结
2017年Google发表的《Attention Is All You Need》彻底改变了人工智能领域。Transformer不仅解决了传统RNN/LSTM串行计算慢、长距离依赖弱的问题，更成为了如今所有大语言模型（ChatGPT、GPT-4、文心一言等）的基石。只能串行计算：必须一个词一个词按顺序处理，无法充分利用GPU的并行计算能力，训练速度极慢长距离依赖能力弱：句子太长时，前面的信息会在传递过程中逐渐丢失（梯度消失问题）完全抛弃循环结构，仅使用注意力机制处理序列数据。
2026-05-31 17:21:44
255
原创 神经网络与深度学习 第3周课程总结
指标名称计算公式物理意义特点查准率(Precision)PTPTPFPPTPFPTP预测为正的样本中真正正样本的比例衡量模型"不把负样本判为正样本"的能力，值越高越"挑剔"查全率(Recall)RTPTPFNRTPFNTP所有真正正样本中被正确识别的比例衡量模型"不漏掉正样本"的能力，值越高越"全面"准确率(Accuracy)AccuracyTPTNTPFPTNFNAccuracy。
2026-05-24 23:45:19
579
1
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