![](https://img-blog.csdnimg.cn/2019092715111047.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
人工智能
文章平均质量分 90
分享有关人工智能领域相关知识
Ultimo2023
(・●・)
展开
-
中文QA生成与续训练项目(T5,seq2seq)
传统的机器学习方法需要大量的特征工程和数据预处理,而深度学习方法的应用需要庞大的训练数据和强大的计算资源。项目结构主要包括数据处理、模型微调、续训练、评估等模块,通过这些模块的协同工作,用户能够在不同的应用场景中更加方便地构建中文问答生成系统。:用户可以在已有模型的基础上进行续训练,使模型持续学习新的数据和任务。:集成了T5预训练模型,用户可以通过微调模块训练自己的模型,适应具体的中文问答生成任务。:用户可以选择在已有模型的基础上继续训练,以适应新的数据和任务,使模型不断进化。函数准备训练数据和验证数据。原创 2024-01-03 12:14:31 · 1003 阅读 · 1 评论 -
Toolformer:可以教会自己使用工具的语言模型
语言模型(LMs)呈现了令人深刻的仅使用少量的范例或文本说明,就能处理大规模的新问题。矛盾的是,他们面临着挑战去完成一些基础功能,比如:数据统计或是事实查找,在一些更为简单、更为小的模型表格中。这篇论文将展现语言模型通过简单的API学会使用外部工具,实现两全其美。在这篇论文中,引入了Toolformer,这是一个被训练的模型,可以决策使用哪些API,什么时候调用这些API,有哪些参数需要传递,以及如何把结果合并到未来的token预测中。这是一种自监督方式,且只需要对每一个API进行少量的演示。原创 2023-06-20 11:38:48 · 1786 阅读 · 0 评论 -
多层感知机学习XOR实例
多层感知机(Multilayer Perceptron,MLP),又称为深度前馈网络(Deep Feedforward Network)。多层感知机是用来近似某个函数f∗f^*f∗。即对于分类器,函数yf∗xy=f^*(x)yf∗x,多层感知机定义映射关系为yfx;θy=f(x;\theta)yfx;θ,并学习参数θ\thetaθ的值。这种网络结构被称为前向是因为信息流过xxx的函数,流经用于定义fff的中间计算过程,最终到达输出yyy。原创 2023-05-23 16:33:06 · 1453 阅读 · 1 评论 -
YOLO(你只需看一眼)技术通讲(基于论文与开源代码)
YOLO作为现在目标检测技术中较为基础且流行的技术之一。本文将以开源者的论文与模型为基础讲述YOLO技术的v1至v8的技术原理与实现。该篇可以作为是YOLO系列论文导读或是重要知识的简介,当然对于v5及之后基于模型的优化更迭,我们将从模型出发进行分析学习。即我们常说的YOLO。对于YOLO技术的第一版,我认为讲其摘要部分全部放在这里都不为过:这里开篇指出YOLO技术与传统目标检测算法的不同,从一开始的单个图片的学习识别,到使用滑动窗口进行卷积神经网络学习。原创 2023-05-07 00:32:29 · 671 阅读 · 0 评论 -
机器视觉基于卷积神经网络之VGG迁移学习(附源码可直接运行)
文章目录机器视觉基于卷积神经网络之VGG迁移学习迁移学习微调(fine-tuning)迁移学习步骤VGG准备训练集与测试集相关api修改模型分类层VGG-notop模型全局平均池化(GobalAveragePooling2D)冻结预训练模型训练模型ModelCheckpoint输入数据进行预测源码机器视觉基于卷积神经网络之VGG迁移学习源码于文末,可直接运行迁移学习迁移学习: 利用数据、任务和模型间的相识性,将旧的领域学习过或训练好的模型,应用于新的领域这样的一个过程。注意:这两个任务的输入属于原创 2022-03-28 21:53:30 · 3360 阅读 · 3 评论 -
我的AI观
我的AI观原创 2022-03-14 22:48:00 · 237 阅读 · 1 评论 -
手把手教会机器学习(二)——数据可视化
手把手教会Python机器学习(二)——数据可视化手把手教会Python机器学习(一)——特征工程数据可视化我们要用到的Matplotlib原创 2021-04-09 21:09:45 · 1045 阅读 · 3 评论 -
手把手教会机器学习(四)——分类
手把手教会Python机器学习(四)——分类手把手教会Python机器学习(一)——特征工程手把手教会Python机器学习(二)——数据可视化手把手教会Python机器学习(三)——回归在上一节的内容中,我们讨论了回归的问题,但只有回归并不能解决所有的预测问题,当我们要去在已有给定结果中去预测,我们就要用到分类的方法。分类的方法也有许多,我们将经行介绍。1. 线性分类线性分类指的是分类的决策界限为线性,通过将所有特征预期的经行加权后的划分评估。一般只有正负两个类别的离散类别。其过程就是将输入进原创 2021-04-18 23:49:38 · 573 阅读 · 0 评论 -
手把手教会机器学习(三)——回归(基于Pandas)
手把手教会Python机器学习(三)——线性回归手把手教会Python机器学习(一)——特征工程手把手教会Python机器学习(二)——数据可视化这一节,我们将一起探讨线性回归模型,在使用线性回归中我们一般的流程如下:而在这一流程中,最核心、最需要我们去研究的就是我们应该采用什么学习算法、并如何应用算法去构造假设函数,这一章我们讨论的是线性回归(Linear Regression)所以我们的假设函数的形式就是而我们选用的学习算法常用也有两种:最小二乘法、梯度下降法。而在介绍这些之前我们要先介绍一下原创 2021-04-13 00:00:30 · 1566 阅读 · 0 评论 -
手把手教会机器学习(一)——特征工程
特征工程特征(Feature):当建立预测模型时,用以对结构经行分析预判,且与预测对象有较大相关性的变量。特征提取(Feature Extraction):特征的提取应注意避免提取到相关含义的变量、避免提取关联性较差的变量、且在提取一定量的特征时还要注意其所能获取的数据(训练样本)量(这里也是在后期造成过拟合问题overfitting的原因之一)特征工程的通用准则处理数值特征:这里是标准化(Normalization)处理手段:最大最小标准化、Z-score标准化(注:这里不着重讲述理论,理论.原创 2021-04-07 20:31:20 · 421 阅读 · 0 评论