Datawhale AI 夏令营 | Task 1

最新推荐文章于 2024-09-15 15:29:29 发布
最新推荐文章于 2024-09-15 15:29:29 发布
阅读量223 收藏 3
点赞数 3
文章标签： 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43714672/article/details/141033073
版权

1 实践

云服务器

网页展示

2 问题

无法进入127.0.0.1:6006

不要使用Edge浏览器，浏览器右键会和进入进入网页的快捷键冲突

在网址附近右键：注意最后一行的提示

Edge浏览器 Shift+右键：

太坑了！！

方法二：

直接浏览器访问ip：

https://dsw-gateway-cn-hangzhou.data.aliyun.com/dsw-自己的id/proxy/6006/

官方教程：官方教程地址

阿gem的阿瑞啊
关注
Datawhale AI 夏令营机器学习 task1.pdf
07-20
### Datawhale AI 夏令营机器学习 Task1：时间序列预测详解 #### 一、时间序列数据的特点 时间序列数据在很多实际场景中都非常重要，例如天气预报、股票市场分析、销售预测等。理解时间序列数据的特点对于设计有效...
NLP学习（Datawhale AI夏令营） TASK01#Datawhale示例代码
07-15
NLP学习（Datawhale AI夏令营） TASK01#Datawhale示例代码
Datawhale AI 夏令营 | 物质科学赛道Task2 | RNN/AI4Chem
Estella_ly的博客
07-31 1660
分子指纹的维度常常是几千，例如task1里面的分子指纹，是4个2000维度的分子指纹进行拼接得到一个维度8000的位向量，是十分庞大的数据量。task1中使用的是机器学习中常见的决策树和随机森林模型，在task2中，引入深度学习，通过神经网络学习数据的特征和分布，简化了手动特征工程步骤。②同时，也可以学习和思考，如何将Additive , Solvent这两段的SMILES以一种“高效”的方式添加到模型的学习中，以增强模型的性能。①RNN参数设置：学习者可以自行尝试不同的参数，对比模型的性能。
Datawhale AI 夏令营 | task3
Estella_ly的博客
07-20 556
卷积神经网络和循环神经网络都有各自的局限性，所以为了更好地描述文字序列，研究人员提出了新模型 Transformer。Transformer不再使用循环结构，而是完全通过注意力机制完成对源语言序列和目标语言序列全局依赖的建模。在抽取每个单词的上下文特征时，Transformer 通过自注意力机制（self-attention）衡量上下文中每一个单词对当前单词的重要程度。Transformer的主要组件包括编码器(Encoder)、解码器(Decoder)和注意力层。其核心是利用。
Datawhale AI 夏令营 | 物质科学赛道Task1
Estella_ly的博客
07-28 1543
'''Parameters----------mol : molReturns-------'''由三个参数（摩尔值、指纹的位数、指纹的半径）-->返回的是分子指纹描述符阵列这里使用的是生成为Morgan指纹，可用于描述分子的结构和相似性，它基于分子的拓扑结构和半径参数生成。指纹的长度和半径参数可以根据需要进行调整，以平衡指纹的信息量和计算效率。smi_set = list(set(smi_lst)) #为什么这么操作？
Datawhale AI夏令营2024 Task3
m0_46680352的博客
07-04 982
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档。
Datawhale AI 夏令营-task1
ghost_him的博客
07-14 982
Deepfake是一种使用人工智能技术生成的伪造媒体，特别是视频和音频，它们看起来或听起来非常真实，但实际上是由计算机生成的。这种技术通常涉及到深度学习算法，特别是生成对抗网络（GANs），它们能够学习真实数据的特征，并生成新的、逼真的数据。Deepfake技术虽然在多个领域展现出其创新潜力，但其滥用也带来了一系列严重的危害。在政治领域，Deepfake可能被用来制造假新闻或操纵舆论，影响选举结果和政治稳定。经济上，它可能破坏企业形象，引发市场恐慌，甚至操纵股市。
Datawhale AI夏令营 | Task2：建模方案解读与进阶
m0_74113296的博客
08-29 1008
首先定义一个固定大小的窗口，这个窗口的尺寸通常与希望检测的目标大小相关。
Datawhale AI 夏令营 | 物质科学赛道Task3 | Transformer
Estella_ly的博客
08-03 1203
弥补了循环神经网络和卷积神经网络的缺点：逐层信息传递过程中，每个词会依赖上一个词，容易出现信息错误和丢失。而transformer完全通过注意力机制完成对序列的全局依赖的建模，提高了准确性和计算效率。基于编码器-解码器架构来处理序列对，纯基于注意力机制。编码器输入后首先进入嵌入层，加入位置编码，经过Transformer块，最后一层的输出作为下一层的输入进行信息传递。关于transformer的详细介绍可以在Datawhale了解。
Datawhale X 魔搭 AI夏令营 | Task1：跑通baseline
weixin_57070738的博客
08-11 236
【代码】Datawhale X 魔搭 AI夏令营 | Task1：跑通baseline。
Datawhale AI 夏令营-Task1
2301_80115375的博客
07-14 2166
Datawhale AI 夏令营-Task1
Datawhale AI夏令营 AIGC方向 task01方向小白笔记
08-11
Datawhale AI夏令营 AIGC方向 task01方向小白笔记
Datawhale AI夏令营第四期魔搭- AIGC文生图方向 task01笔记
08-09
Datawhale AI夏令营第四期魔搭- AIGC文生图方向 task01笔记
记一次：Datawhale AI夏令营-第四期-魔搭-AIGC-Task03 可图lora资源
08-15
记一次：Datawhale AI夏令营-第四期-魔搭-AIGC-Task03 可图测试资源
SRT3D: A Sparse Region-Based 3D Object Tracking Approach for the Real World
weixin_45834800的博客
09-13 1015
基于区域的方法在基于模型的单目3D跟踪无纹理物体的复杂场景中变得越来越流行。然而，尽管它们能够实现最先进的结果，大多数方法的计算开销很大，需要大量资源来实时运行。在下文中，我们基于之前的工作，开发了SRT3D，这是一种稀疏的基于区域的3D物体跟踪方法，旨在弥合效率上的差距。我们的方法在所谓的对应线（这些线模型化了物体轮廓位置的概率）上稀疏地考虑图像信息。由此，我们改进了当前的技术，并引入了考虑定义的全局和局部不确定性的平滑阶跃函数。对于所得到的概率公式，提供了详尽的分析。
【AI大模型】Kimi API大模型接口实现
最新发布
qq_25888559的博客
09-15 830
Kimi智能助手在效率（免费榜）排名从2024年1月14日的第436名提升至3月19日的第11名。而尚未上线的GPT-4.5 Turbo上下文窗口指定为25.6万个token，能同时处理约20万个单词，Kimi升级后，长文本能力为其10倍。在2023年10月初次亮相时，该模型的处理能力还仅有约20万汉字。2024年3月18日，月之暗面宣布Kimi智能助手启动200万字无损上下文内测。
车辆检测与分类系统源码分享
xuehaikj的博客
09-13 1365
数据集信息展示在本研究中，我们采用了名为“comexit”的数据集，以支持对YOLOv8模型在车辆检测与分类任务中的改进。该数据集专注于交通工具的识别，特别是公共交通和货运车辆，具有明确的应用背景和实用价值。数据集的类别数量为三，具体包括“bus”（公交车）、“car”（小汽车）和“truck”（卡车）。这三类车辆在城市交通和物流系统中扮演着重要角色，因此，准确的检测与分类对于交通管理、智能交通系统以及自动驾驶技术的发展具有重要意义。
opencv学习：calcHist 函数绘制图像直方图及代码实现
mohanyelong的博客
09-13 1467
opencv学习：calcHist 函数绘制图像直方图及代码实现
Datawhale AI 夏令营
07-12
这个暑期项目旨在激发参与者对人工智能、大数据和机器学习的兴趣，通过一系列课程、实践项目和比赛，帮助他们提升相关的技能知识。活动中，学员可以学习到从基础知识到实战应用的内容，比如Python编程、数据处理、...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值