- 博客(111)
- 收藏
- 关注
RSS订阅原创 18、加速SGD和ResNets（Accelerated SGD & ResNets）
In this lesson, we dive into various stochastic gradient descent (SGD) accelerated approaches, such as momentum, RMSProp, and Adam. We start by experimenting with these techniques in Microsoft Excel, creating a simple linear regression problem and applying
2024-05-24 15:21:55
185
原创 17、初始化/规范化（Initialization/normalization）
In this lesson, we discuss the importance of weight initialization in neural networks and explore various techniques to improve training. We start by introducing changes to the miniai library and demonstrate the use of HooksCallback and ActivationStats for
2024-05-24 15:21:03
216
原创 16、学习者框架(The Learner framework)
In Lesson 16, we dive into building a flexible training framework called the learner. We start with a basic callbacks Learner, which is an intermediate step towards the flexible learner. We introduce callbacks, which are functions or classes called at spec
2024-05-17 13:21:47
766
原创 15、自动编码器(Autoencoders)
We start with a dive into convolutional autoencoders and explore the concept of convolutions. Convolutions help neural networks understand the structure of a problem, making it easier to solve. We learn how to apply a convolution to an image using a kernel
2024-05-17 13:20:33
395
原创 13、反向传播和MLP(Backpropagation & MLP)
【代码】13、反向传播和MLP(Backpropagation & MLP)
2024-05-16 08:59:30
341
原创 12、均移聚类(Mean shift clustering)
In this lesson, we start by discussing the CLIP Interrogator, a Hugging Face Spaces Gradio app that generates text prompts for creating CLIP embeddings. We then dive back into matrix multiplication, using Einstein summation notation and torch.einsum to sim
2024-05-15 09:08:53
408
原创 11、矩阵乘法(Matrix multiplication)
In this lesson, we discuss various techniques and experiments shared by students on the forum, such as interpolating between prompts for visually appealing transitions and improving the update process in text-to-image generation, and a novel approach to de
2024-05-15 09:08:03
422
1
原创 摘要Summaries--课时四(Lesson 4)
New and Exciting Content Why Hugging Face transformer Will we in this lecture fine-tune a pretrained NLP model with HF rather than fastai library? Why use transformer rather than fastai library? Is Jeremy in the process of integrating transformer int
2024-05-10 08:46:04
834
原创 摘要Summaries--课时三(Lesson 3)
Introduction and survey “Lesson 0” How to fast.ai Where is Lesson 0 video? What does it to do with the book ‘meta learning’ and fastai course? How to do a fastai lesson? Watch with note Run the notebook and experiment Reproduce the notes from t
2024-05-10 08:44:13
649
原创 LLM 可以从单个示例中学习吗？
我们注意到微调 LLM 中有一种不寻常的训练模式。起初我们认为这是一个错误，但现在我们认为它表明 LLM 可以从单个示例中有效地学习。
2024-04-22 10:00:54
718
翻译 简谈任务调度
当CPU空闲时，如果还有任务在等待，CPU会从这些任务中选择一个优先级更高的任务执行，相同优先级的任务选择到达时间最早的任务。输入有若干行，每一行有四个数字（均小于 10^8），分别为任务ID、任务优先级、执行时间和到达时间。现有一个CPU和一些任务需要处理，已提前获知每个任务的任务ID、优先级、所需执行时间和到达时间。输入的任务已按照到达时间从小到大排序，并且保证在任何时间，处于等待的任务不超过 10000 个。每个任务的任务ID不同，优先级数字越大优先级越高，并且相同优先级的任务不会同时到达。
2023-10-23 15:26:50
110
原创 绝对不可错过的6个搜索引擎网站，超级值得收藏
一个全能的搜索引擎网站，支持设置多种搜索模式，可以根据需求选择双搜、三搜、单搜等方式。如果是双搜的话你可以看到多种搜索结果，能够一键搜索到自己需要的内容，非常简单快捷。
2023-10-23 14:53:39
1520
原创 手把手教你如何重装win10系统，自己动手安装系统其实很简单
安装不成功的原因很多，大家可以先排除U盘的和软件的问题。这里去掉“对这台电脑使用推荐的选项”的勾 可以对win10的版本和体系进行选择。如果你重装的机器是品牌机带有原装的系统，建议选择家庭版即可（原装系统一般都是家庭版，功能区别不大。：其实每台电脑都会有自己独立的“引导设备选择”快捷键，我们只需要在开机的时候狂按这个快捷键选择U盘引导就好了。如果你购买的是预装了win版本的电脑。只要安装的系统版本与出厂时预装的版本相同（一般是家庭版）只要联网一会儿，系统会自动读取主板上厂家的激活码，自动激活。
2023-10-23 14:51:47
2096
原创 C++每日面经
C++中的多态是面向对象编程的核心概念之一，它允许程序在运行时根据对象的实际类型来调用不同的函数实现，从而实现动态绑定。在C++中，多态性通过虚函数来实现。虚函数是在基类中声明的函数，在派生类中可以被重写。在使用虚函数的情况下，通过基类指针或引用调用函数时，将根据实际对象的类型来调用正确的函数实现，即在运行时动态绑定函数调用。例如，假设我们有一个基类Animal和两个派生类Dog和Cat，它们都实现了一个名为speak的虚函数。
2023-10-20 09:29:33
118
原创 Linux 线程同步、互斥锁、避免死锁、条件变量
对互斥锁加锁后，任何其他试图再次对其加锁的线程都会被阻塞，直到当前线程释放该互斥锁，解锁时所有阻塞线程都会变成可运行状态，但究竟哪个先运行，这一点是不确定的。进行销毁，尤其是对于动态分配的互斥锁，在释放内存前，调用pthread_mutex_destroy是必须的。函数等待条件满足，使用步骤如下，传递给函数的互斥锁对条件进行保护，在条件满足之前，调用线程将一直阻塞。进行销毁，同样的，如果是动态分配的条件变量，在释放内存前，该操作也是必须的。，如果互斥锁已经上锁，调用线程将阻塞到该互斥锁被释放。
2023-09-21 16:45:34
241
1
TCP协议socke套接字（服务端&客户端）网络协议配置代码
2023-07-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人