- 博客(39)
- 收藏
- 关注
RSS订阅原创 TypeError: forward() got an unexpected keyword argument ‘inputs_embeds‘
TypeError: forward() got an unexpected keyword argument 'inputs_embeds'，llama3
2024-06-06 18:41:32
451
原创 考研复试-项目辅导-简历修改-实习辅导
本人具有20-30场中厂和大厂的实习面试经验，可以为想找实习的同学提供学习指导，面试经验，以及具有时效性的面经等。本人面试的包含IDEA实验室、字节跳动、快手、百度、特斯拉、商汤、智谱、淘天等一些知名大厂以及独角兽企业。本人具有丰富的项目经验，可为计算机复试的同学提供能写上简历的的项目，也可以为小白指明学习路线少走弯路，项目可以售后，包含答疑，代码等。同时也提供简历修改等服务。
2024-03-05 14:36:27
273
3
原创 复现Transformer模型
假如进来一句话，首先这里面有15个token，第一步经过embedding层，每一个词都是128维度的向量**[15,128]，**接着为这个embedding提供position encoding。该函数的第一个参数是输入的矩阵，第二个参数 diagonal 是一个可选参数，用于控制对角线的偏移量。在transformer中，embedding主要是为每个词提供一个向量，然后position embedding主要是提供位置信息，这里着重讲解一下一个句子进来，它是如何进行嵌入和位置相加的。
2024-02-09 11:10:40
536
原创 电子科技大学考研
主要考察学生对操作系统基本概念、原理的理解程度，重点考察操作系统的设计方法与实现技术，同时能够具备运用所学的操作系统原理、方法与技术分析问题和解决问题的能力。《数据结构》是计算机程序设计的重要理论技术基础，是计算机科学与技术学科的核心课程。（3）各种变形链表（循环链表、双向链表、带头结点的链表等）的表示和基本操作的实现。（5）二叉树的先序、中序、后序三种遍历方式的关系以及实现；哈希函数的基本构造方法，解决地址冲突的基本策略。3．广义表的基本概念、存储结构和基本操作。（1）图的基本概念和术语。
2024-01-14 21:14:21
1017
原创 民大计算机视觉Faster-RCNN实验作业
双阶段目标检测是指将目标检测任务分解为两个阶段进行，第一阶段生成候选框，第二阶段对候选框进行分类和位置回归。具体来说，第一阶段通常使用一种称为“区域提议网络”（Region Proposal Network，简称RPN）的模块生成候选框。RPN使用滑动窗口的方式在图像上移动，对每个位置生成若干个大小和长宽比不同的候选框，然后使用卷积神经网络对每个候选框进行分类和回归。第二阶段则使用一个分类器对每个候选框进行分类，判断其是否包含目标，并使用一个回归器对候选框的位置进行微调，得到更准确的目标框。
2024-01-14 20:08:53
899
原创 强化学习基础
RL：分为两部分三要素，agent→智能体，environment→环境，三要素为state状态，action动作，reward奖励。核心思想为:智能体在环境中学习，通过环境的状态，执行动作，并根据环境的反馈(reward)来指导更好的动作。
2024-01-13 23:50:42
377
1
原创 民大机器学习Mnist小作业
任务是对mnist手写数据集进行分类，那么我们用pytorch来做的话，它是内置了Fashion-Mnist和Mnist数据集,我们只要从框架里面下载即可。然后我们创建dataloader，设置batch_size，设置交叉熵损失函数因为这是一个多分类问题。设置训练函数，进行训练，将正确率和loss显示在终端上，最后可视化每一个epoch的准确率和损失。# 28 * 28 * 1 #----> 卷积核 11*11*96 (n-f)/s+1--> 5 * 5 * 96。3 调参过程 展现最优结果。
2024-01-13 23:23:15
1012
1
原创 ResNet网络总结
ResNet结构非常容易修改和扩展，通过调整block内的channel数量以及堆叠的block数量，就可以很容易地调整网络的宽度和深度，来得到不同表达能力的网络，而不用过多地担心网络的“退化”问题，只要训练数据足够，逐步加深网络，就可以获得更好的性能表现。ResNet不再尝试学习x到H(x)的潜在映射，而是学习两者之间的不同，或说残差（residual）。然后，为了计算H(x)，可将残差加到输入上。假设残差是F(x)= H(x) - x，我们将尝试学习F(x)+ x，而不是直接学习H(x)。
2024-01-13 23:22:01
414
1
原创 关于深度学习GPU相关问题总结
GPU的内存占用率主要是模型的大小，包括网络的宽度，深度，参数量，中间每一层的缓存，都会在内存中开辟空间来进行保存，所以模型本身会占用很大一部分内存。这个是Volatile GPU-Util表示，当没有设置好CPU的线程数时，这个参数是在反复的跳动的，0%，20%，70%，95%，0%。其实是GPU在等待数据从CPU传输过来，当从总线传输到GPU之后，GPU逐渐起计算来，利用率会突然升高，但是GPU的算力很强大，0.5秒就基本能处理完数据，所以利用率接下来又会降下去，等待下一个batch的传入。
2024-01-13 20:58:17
932
1
原创 深度学习-AlexNet论文阅读总结
就是在训练阶段，每个神经元都有百分之50的几率被干掉，意思就是说把神经元的输出设置为0阻断其神经元的前向-方向传播。这样减少了神经元的依赖，因为我掐死一半的话，神经元本来连着其他的神经元，现在要跟别的神经元建立联系，那么这样就可以减少神经元的相互依赖，达到模型集成的效果。AlexNet用了五个卷积层和三个全连接层，论文的原图是这样的，因为分了两个GPU训练，我们也可以把这个结构拼在一起都是一样的。主要思想就是一个大的神经元，会对旁边小的通道或者神经元会产生抑制作用，然后就有了LRN来防止抑制。
2024-01-13 20:56:54
324
原创 民大机器学习复习资料、计算机网络复习资料、操作系统复习资料、数据库复习资料、自然语言处理整理资料、强化学习整理资料打包分享，也可以单独分享。
以上可出售的内容，需要可以联系。
2024-01-11 18:07:14
467
5
保研申请材料清单-夏令营预推免专用
2024-03-09
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人