- 博客(5)
- 收藏
- 关注
RSS订阅原创 【Datawhale X 李宏毅苹果书 AI夏令营】深度学习基础 - 机器学习
参加过了两期夏令营，本来可以直接拿着证书去申请一个实践证明美滋滋地把分加（怎么是分nu啊恼），DataWhale的人工智能教程不得不说是本人目前见过的，做得做好的，于是我跟着又报了第五期的夏令营。在训练数据（2017-2020年的数据）上，该模型的平均误差为480，即预测的观看次数与实际观看次数的平均差异约为500人。目标：假设想要预测一个视频频道未来的观看次数，以便了解频道的流量和潜在的获利能力。学习率决定了参数更新的步长，学习率大则步长大，学习率小则步长小。的值可以计算出不同参数组合下的损失值。
2024-08-27 23:51:57
806
原创 【Datawhale AI夏令营第四期】大模型应用开发-模型微调&AI编程助手第三弹
托实验室老师的福，寒假弄过llama2-7B的微调，本来想趁着这个时间再深入学习，但是因为时间关系，模型微调深入研究只能留着开学后再弄了。当前还是一个人捣鼓着Hoshino的雏形，哎，慢慢来吧。函数通过处理输入和输出文本，将它们转换为适合Transformer模型处理的格式，并考虑了中文分词的特性以及模型对输入长度的限制。模型微调，是一个很关键的步骤（废话）。AI跑云端，用的python。本地拿electron-vue简单搭建了下。下面我直接调一些重点。这里直接定义了一种函数。
2024-08-21 23:28:49
279
原创 【Datawhale AI夏令营第四期】大模型应用开发-RAG实战
知识局限性：没有检索机制的大模型主要依赖于训练时接触到的数据集。这些数据集虽然可能非常庞大，但仍然无法覆盖目前earth上所有的知识和信息。因此，这些模型在生成文本时可能会受到其训练数据的限制，并无法准确回答或生成超出其训练数据范围的内容。: 由于模型无法实时检索和验证外部信息，它们可能会生成不准确或错误的事实性内容。特别是在处理需要最新信息或具体事实的场景时，这种缺点尤为明显。于是呢，为了解决这个问题，RAG这个东西就这么诞生了。
2024-08-17 22:39:03
274
原创 【Datawhale AI夏令营第四期】大模型应用开发-AI编程助手第二弹
上期简单地跑了一下Yuan2.0大模型，没有经过训练的模型确实是有一点“笨笨”的。这次呢就需要我小试牛刀了。因为对其他方向的主题没有太好的预想解决方案，以及个人还是对AI编程助手的制作提前下定决心，所以这次就做一个AI编程助手软件了。至于项目名称呢，“随便”起个就叫Hoshino Project好了。（为什么叫这个名字因为我喜欢小鸟游星野）本意是想尽快将项目实现出来，少点细节功能，但是自己还是满脑子鬼点子，害怕过了明天就会忘记的缘故，琐碎就直接都记到项目介绍里了。
2024-08-13 20:12:48
238
原创 【Datawhale AI夏令营第四期】大模型应用开发-AI编程助手第一弹
第一次意义上接触AI是动手玩了玩B站秋叶大佬的懒人一站式Stable Diffusion，去年为了能在大学本科四年好好地van(玩)AI，也是特意买了一台普普通通的幻16，本地的4060 Laptop GPU算力只能说，够我一个人过家家般地“玩耍”。这个暑假我也参加了学校与某外企联合创办的AI Hackthon，开发一款基于AI的个人助手，队伍的大家思维都很活跃，但是感觉队伍的大家普遍对AI不是那么熟悉。
2024-08-11 23:59:05
296
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人