人工智能
文章平均质量分 55
食物发动机
对未来真正的慷慨,就是把一切献给现在
展开
-
Causal Language Modeling和Conditional Generation有什么区别
在这种建模方法中,模型可以是一个encoder-decoder结构,如序列到序列(seq2seq)模型,也可以是基于自回归的方法,如T5模型。在这种建模方法中,模型试图预测给定上下文中的下一个单词,该上下文通常包括在当前单词之前的所有单词。在这种建模方法中,模型根据给定的输入(可能是文本、图片等)生成符合条件的输出。总之,因果语言建模主要关注于生成连贯、自然的文本,而条件生成关注于生成满足特定条件或任务要求的文本。因果语言建模的一个经典应用是GPT(如GPT-2和GPT-3),它主要用于生成连贯的文本。原创 2023-03-21 16:42:28 · 4990 阅读 · 0 评论 -
初识TensorFlow(一)
学习《深度学习——入门与实践》TensorFlow的基本架构是数据流图。使用TensorFlow进行运算首先要构造一个图,图包含了一系列表示运算单元的操作节点和一些在操作节点之间流动的张量。TensorFlow中采用张量的数据结构来表示所有数据,图中节点之间的传递的都是张量。一个张量有固定的类型、秩和形状。常量和变量都属于张量。关于运算的定义都在TensorFlow根目录下的python/ops目...原创 2018-06-13 20:28:35 · 153 阅读 · 0 评论 -
深度学习——池化
学习《深度学习——入门与实践》一书代码实现卷积神经网络池化步骤的实现,对之前处理好的雪佛兰科迈罗图像2进行最大池化书上没有加convert(‘RGB’),导致了报错。查阅了别人的博客,得知“在数字图像处理中,针对不同的图像格式有其特定的处理算法。所以,在做图像处理之前,我们需要考虑清楚自己要基于哪种格式的图像进行算法设计及其实现。本文基于这个需求,使用python中的图像处理库PIL来实现不同图像...原创 2018-06-08 17:39:51 · 822 阅读 · 4 评论 -
深度学习——卷积
学习《深度学习——入门与实践》一书,代码实现卷积的目的在于将某些特征从图像中提取出来,正如视觉系统辨识具有方向性地物体边缘一样。由于过滤后的新矩阵包含了原矩阵的特征,故又被称为特征图,而卷积核由于具有过滤特定特征的作用,又被称为滤波器。不同的卷积核可以过滤出不同的特征。图像边缘的像素点通过该卷积核将得到加强,而非边缘的像素点通过卷积核将被过滤掉,这也是卷积核被称为滤波器的原因。#-*- codin...原创 2018-06-08 17:39:21 · 340 阅读 · 0 评论