- 博客(8)
- 资源 (2)
- 收藏
- 关注
原创 kaggle实战——BirdCLEF 2024
您在本次竞赛中面临的挑战是识别在西高止山脉全球生物多样性热点地区录制的录音中哪些鸟在鸣叫。这对出于保护目的监测鸟类种群的科学家来说是一项重要任务。更准确的解决方案可以实现更全面的监测。本次竞赛使用隐藏测试集。在对您提交的笔记本进行评分时,您的笔记本将提供实际测试数据。
2024-05-20 02:03:42 694 2
原创 通义千问大模型prompt调试
任务依旧是文本分类,大模型选用的是通义千问72B-chat-int4。这里不对参数进行调整,只讲述不同prompt对于结果及其准确度的影响。数据使用之前数据清理的铁矿石文本。写的非常零碎,只作为个人学习记录,因为服务器莫名掉线,一晚上程序白写,文章后期就摆烂了....仅供参考。
2024-05-15 13:21:00 788
原创 结合实际任务的文本数据清理学习小结
接到了一个数据清理的任务,这里就写一个简单的总结,并且把学习过程和代码记录下来以便复习,也希望能给其他人作为一个简单的参考。
2024-05-09 15:06:43 602
原创 神经网络与深度学习总结(4)
这一周主要的内容就是自然语言处理和循环神经网络。本文参考了邱锡鹏老师的《神经网络与深度学习》,app store上同名软件的演示以及《动手学深度学习》。
2024-05-06 15:43:43 709
原创 神经网络与深度学习总结(3)
想要精确预测每个像素的分割结果必须经历从大到小,再从小到大的两个过程;在升采样过程中,分阶段增大比一步到位效果更好;在升采样的每个阶段,使用降采样对应层的特征进行辅助得到的结果还是不够精细。进行8倍上采样虽然比32倍的效果好了很多,但是上采样的结果还是比较模糊和平滑,对图像中的细节不敏感对各个像素进行分类,没有充分考虑像素与像素之间的关系。忽略了在通常的基于像素分类的分割方法中使用的空间规整(spatial regularization)步骤,缺乏空间一致性。
2024-04-22 18:23:33 812 1
原创 持续学习综述
我之前学习过的神经网络和深度学习知识都可以说是任务驱动的,无论是分类任务,模式识别还是生成模型,通常都是针对具体问题,如何搭建模型和优化算法的,比如YOLO和Transformer这些。这也算是第一次比较认真去直接看脱离具体问题的抽象问题。感觉和attention机制比较像,可能再看一些落地应用和具体算法就不会有这样的错觉了。
2024-04-22 14:08:01 825
原创 神经网络与深度学习总结(2)
这一周课堂讲授部分主要是卷积神经网络。越往后学习越发感觉到python的重要性,不然代码完全看不懂...本文参考了邱锡鹏老师的《神经网络与深度学习》,app store上同名软件的演示以及《动手学深度学习》。
2024-04-17 18:00:42 844
原创 神经网络与深度学习总结(1)
作者本科阶段是自动化专业,主要做的是滑模控制相关的内容。读研阶段深感控制学科的局限性,于是决定投身于人工智能的学习。这有一个很重要的契机,作者平时爱好画画,有时也会画些原创作品投到网站上,研一的时候偶然接触到了stable diffusion,在家里只用3060ti就可以完成通过别人预训练的模型,通过简单的提示词完成作品的绘制,这让我大受震惊,于是开始了对AIGC的学习和了解。AIGC(AI Generated Content)属于人工智能的一个分支,主要涉及到的知识点就是神经网络与深度学习。
2024-04-01 19:14:53 699 1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人