【AI日记】25.01.06

最新推荐文章于 2025-05-07 10:39:57 发布

AI完全体

最新推荐文章于 2025-05-07 10:39:57 发布

阅读量360

点赞数 4

分类专栏： AI日记文章标签：人工智能机器学习 kaggle 比赛

本文链接：https://blog.csdn.net/weixin_43221845/article/details/144967442

版权

AI日记专栏收录该内容

97 篇文章

订阅专栏

【AI论文解读】【AI知识点】【AI小项目】【AI战略思考】【AI日记】【读书与思考】

AI

参加：kaggle 比赛 Forecasting Sticker Sales

读书

书名：国家为什么会失败
阅读原因：2024 年诺贝尔经济学奖得主的力作，之前我已经读过他另一本书了《權力與進步》
备注：有兴趣的建议读未删减版 https://book.douban.com/subject/26388427/discussion/61053179/

律己

以后我要严格控制每天读书和写作的时间，每天小于等于 2 小时为优，2-3 小时为良，大于 3 小时为差

AI ：6 小时，差
作息：1:00-9:00，良
短视频：0.5 小时 - 1 小时，良
读书和写作： 3 小时，差
饮食：安全健康

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

AI完全体

关注关注

4
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

【AI日记】25.01.15

AI完全体

01-15

216

【AI论文解读】【AI知识点】【AI小项目】【AI战略思考】【AI日记】【读书与思考】 AI kaggle 比赛：Forecasting Sticker Sales 读书书名：罗素论幸福律己 AI： 9 小时，良作息：00:30-8:30，良短视频：小于 0.5 小时，优读书和写作：0.5 小时，优饮食：安全健康

【AI日记】25.01.27

AI完全体

01-27

328

过年这几天就不给自己打分了。

参与评论您还未登录，请先登录后发表或查看评论

【AI日记】25.01.19

AI完全体

01-19

435

下周应该更加专注于AI，减少读书和写作时间，每周保证至少5天的安全饮食，作息争取调整到0点-8点，应该多关注一下技术的正确使用和机会，而不只是技术本身和原理。

【AI日记】25.01.22

AI完全体

01-22

506

AI 学习和读书

【AI日记】25.01.26

AI完全体

01-26

299

kaggle 比赛

【AI日记】25.01.21

AI完全体

01-21

276

学习

【AI日记】25.01.18

AI完全体

01-18

382

自由

【AI日记】25.01.07

AI完全体

01-07

249

【AI论文解读】【AI知识点】【AI小项目】【AI战略思考】【AI日记】【读书与思考】 AI 参加：kaggle 比赛 Forecasting Sticker Sales 读书书名：国家为什么会失败阅读原因：2024 年诺贝尔经济学奖得主的力作，之前我已经读过他另一本书了《權力與進步》备注：有兴趣的建议读未删减版 https://book.douban.com/subject/26388427/discussion/61053179/ 律己 AI ： 9 小时，良作息：1:00-9:

【AI日记】25.01.25

AI完全体

01-25

275

kaggle 比赛

【AI日记】25.01.05 kaggle 比赛 3-4 | 周反思

AI完全体

01-05

306

【AI论文解读】【AI知识点】【AI小项目】【AI战略思考】【AI日记】 AI 参加：kaggle 比赛 Forecasting Sticker Sales 时间：6 小时读书书名：国家为什么会失败时间：1 小时阅读原因1：2024 年诺贝尔经济学奖得主的力作，之前我已经读过他另一本书了《權力與進步》阅读原因2：我一直想搞明白下面几个问题为什么有些地方比较富裕，而有些地方比较贫穷为什么有些地方自由（效率）多一点、保障（公平）少一点，比如美国为什么有些地方自由少一点、保障多一点，

【AI日记】25.01.04 kaggle 比赛 3-3 | 王慧玲与基层女性

AI完全体

01-04

481

【AI论文解读】【AI知识点】【AI小项目】【AI战略思考】【AI日记】工作参加：kaggle 比赛 Forecasting Sticker Sales 时间：6 小时读书书名：基层女性时间：3 小时原因：虽然我之前就知道这个作者，因为我发现很多女性读者的书架上都有这本书，但是我对网红的书一般不太感兴趣，所以就没有看，但是今天刷到一个新闻，发现她居然被全平台风沙了，反而引发了我的阅读兴趣。评估：读完，写的不错，超出了我对一个网红作者的预期，总的来说，全书的主旨是鼓励女性独立，尤其

自然语言处理实战：用CRF打造高精度命名实体识别系统

Loving_enjoy的博客

05-03

1350

无论是想快速搭建一个可用的NER系统，还是希望深入理解概率图模型的精髓，CRF都是值得放入工具箱的利器。'prev_is_b-geo': prev_tag == 'B-GEO' # 假设prev_tag是前一个标签。('参观天安门', ['O', 'B-POI', 'I-POI', 'I-POI'])" —— 人工智能先驱吴恩达。- **BiLSTM-CRF**：经典组合，在CoNLL-2003达到91%的F1值。('北京市', ['B-GEO', 'I-GEO', 'I-GEO']),

『MaxKB业务实战（四）』在MaxKB中实现图片问答

老陈聊架构

05-07

823

本文将详细介绍如何在MaxKB中实现图片回答功能，包括图片上传、存储和展示的完整流程。

解锁DeepSeek模型微调：从小白到高手的进阶之路

邓邓子的博客

05-05

1504

本文围绕 DeepSeek 模型微调展开系统阐述。首先介绍 DeepSeek 模型在 AI 领域的重要地位及其优势，点明微调对提升模型性能的关键意义。接着深入解析微调原理，涵盖迁移学习基础与参数更新机制。随后详细讲解数据准备、模型选择加载、微调训练实战等核心步骤，包括数据收集标注预处理、参数设置与策略选择。还通过实战案例展示微调全流程，并基于评估结果提出优化改进方法。最后对 DeepSeek 模型微调进行总结，展望其未来发展方向，为希望掌握 DeepSeek 模型微调技术的读者提供全面指导。

基于对应点分类的对象识别报错

qq_25194681的博客

05-07

130

【代码】基于对应点分类的对象识别报错。

Qwen3 混合思维模版解读

最新发布

qq128252的博客

05-07

284

在人工智能迅速发展的今天，大型语言模型（Large Language Models，简称LLM）正逐渐成为各类应用的核心组件。其中，对话模板（Chat Template）作为连接用户与模型的关键桥梁，对确保高质量的交互体验至关重要。本文将深入解析Qwen3使用的对话模板，揭示其如何优雅地处理多轮对话、工具调用等复杂场景。

存算一体架构下的新型AI加速范式：从Samsung HBM-PIM看近内存计算趋势

高效做AI，就上Aladdin! 同学们用得起的H卡算力平台。

05-01

1856

存算一体不是简单的技术改良，而是对计算本质的重新思考。当HBM-PIM将能效边界推向10 TFLOPS/W，我们正站在架构革命的临界点。这场变革的终极目标，是让计算回归数据本源——‌在比特诞生的地方处理比特‌。本文实验数据基于Samsung Aquabolt-XL HBM-PIM实测，更多技术细节请参考ISSCC 2023论文《A 1ynm 16Gb 4.8TFLOPS/W HBM-PIM with Bank-Level Programmable AI Engines》。

我让AI接管了浏览器！Browser Tools MCP教程：自动Debug+截屏+SEO分析

seeyouintokyo的博客

05-03

1574

小白友好，且效率翻倍

英伟达语音识别模型论文速读：Token-and-Duration Transducer（TDT）架构

weixin_52582710的博客

05-05

1337

论文提出的 TDT 模型通过在传统 Transducer 模型中加入显式的持续时间建模，在语音识别、语音翻译和口语理解等多个序列任务中均优于传统 Transducer 模型。TDT 模型不仅在准确率上表现相当或更好，而且在推理速度上显著提升，最高可达 2.82 倍加速。此外，TDT 模型在抗噪声和处理重复 token 方面也展现出更强的鲁棒性。未来的工作将致力于进一步提高 TDT 模型的计算效率和准确性，并开发高效的 TDT 模型束搜索算法。

请帮我完成共振干涉法测量声速实验中△L的计算，接收位置（单位为mm）的十组数据分别为：11.02,12.52,16.00,25.53,25.01,30.16,34.75,39.35,44.20,49.00

03-12

根据共振干涉法测量声速实验的原理，我们可以利用共振现象来测量声速，其中△L表示声波在空气中传播的路程差。根据给出的十组数据，我们可以计算出△L的值。假设发射器和接收器之间的距离为L，声波在空气中传播的速度为v，则△L可以表示为： △L = (2n-1)λ/2 其中n为共振次数，λ为声波的波长，可以表示为λ = v/f，其中f为声波的频率。根据实验数据，我们可以计算出声波的频率为f = 40kHz，发射器和接收器之间的距离为L = 50mm。接下来，我们可以根据公式计算出每组数据对应的△L值，结果如下： △L1 = 11.02mm △L2 = 12.52mm △L3 = 16.00mm △L4 = 25.53mm △L5 = 25.01mm △L6 = 30.16mm △L7 = 34.75mm △L8 = 39.35mm △L9 = 44.20mm △L10 = 49.00mm 因此，共振干涉法测量声速实验中△L的计算结果为：11.02mm, 12.52mm, 16.00mm, 25.53mm, 25.01mm, 30.16mm, 34.75mm, 39.35mm, 44.20mm, 49.00mm。