深度学习天崩开局

已于 2025-04-07 21:11:42 修改
阅读量5.3k 收藏 18
点赞数 48
分类专栏： 机器学习 文章标签： 深度学习
于 2025-04-07 21:11:07 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xiaoadoudou/article/details/147052972
版权

李沐大神的d2l包导入，

这玩意需要python311版本，我现在版本已经313了，作为一个天生要强的男人，我是坚决不向低版本低头的。

然后我就研究啊，各种翻资料啊，然后deepseek加豆包都翻烂了，

最终所有方法全部都测试了一遍，然后说了一句友商是XX

最终我只能去各种帖子一一翻阅，最终得到了一个大佬说的比较靠谱，估计当初这大佬也是内心万马奔腾。

总而言之，言而总之大佬说的意思就是把d2l包导入到你要开发的目录文件，然后也不用去降低版本。

跟大佬学习

用DeepSeek写小说赚钱不是梦
wjianwei666的专栏
04-30 1380
书名公式=核心冲突+金手指。比如"求生+小木屋+洪水"。简介更简单，把对标书的简介丢给DeepSeek，让它混合你的设定。举个例子：我让DeepSeek融合5本书的简介，生成这段：【暴雨求生+种田+杀伐果断】全球60亿人穿越洪水世界，开局漏雨茅草屋。别人冻成狗，男主靠提示系统捡宝箱、造堡垒。洪灾来袭时，他却在别墅吃火锅！
2018年天源迪亚杯博弈赛后的感受
忆_恒心的博客
05-27 396
有点可惜，差点就国一了，但是始终还是越不过这道坎儿，无论我们再怎么不愿意承认，输了就是输了，我们需要学会释怀
大模型宕机的时候，没有一片雪花是无辜的…
大模型研究中心
02-07 722
这张图太能代表大模型用户最近几天的心情了。我本将心向明月，奈何明月宕机了不知不觉当中，各种大模型成了我们工作中不可分割的一部分，职场牛马也终于体会了一把当主子的感觉。可是，你越离不开大模型牛马，它就越爱玩失踪。不只是如今万千宠爱于一身的DeepSeek，过去一年里，前代“网红大模型”ChatGPT，可算是崩了又不崩。有时是因为访客太多崩，有时是因为系统bug崩，有时是因为配置错误崩，甚至因为机房停电崩。这么说吧，每次崩，都让深度依赖它的小伙伴们抓狂。道理很简单，，这可还行？
Grok3登上美区榜一！我们把它和DeepSeek对比了下：马斯克没瞎说
Everly_的博客
02-22 912
Grok3 DeepSearch 的路径可以在页面左侧一览无余。了解用户请求后，开始搜索、浏览 Reddit 讨论和帖子，然后搜索替代来源，为了信息的准确性，还要验证用户信息等。我们扒了一下它搜索的 52 个信源，涉及 ABC、NBC 等权威媒体以及 reddit 论坛，还有它的优势所在：社交平台 X 上的大量数据。在回答上，Grok3 给了两个「版本」。一个是直接回答，内容相对简单，主要是罗列关键要点，介绍下背景以及表格形式总结 X 网友评价。
【大数据提高班分享】双非二本+外包，天崩开局逆袭大厂offer！
微信搜：import_bigdata，大数据领域硬核原创作者
01-15 1926
前沿今天的文章是大数据提高班中的一个同学的真实分享。为什么我必须让这个同学分享个人经历，很重要的一个原因是，个人接触过非常多的前来咨询的同学，语言中充斥着不自信，没有作出改变的决心，那么没人帮得了你。我不明白，为什么大家都在谈论着我个人背景、履历不好，彷佛这个行业对你个人注定了凶多吉少。我经常反问对方的一个问题是，你个人为未来的改变作出过哪些努力和下定了哪些决心？我们小组的其他老师在这个过程中真是...
一文解决机器学习中的过拟合与欠拟合问题(正则化，数据增强，Dropout）
热门推荐
LEEANG121的博客
06-11 1万+
一文解决机器学习中的过拟合与欠拟合问题(正则化，数据增强，Dropout，提前终止）生活中的过拟合与欠拟合现象过拟合与欠拟合的概念解决过拟合与欠拟合问题的四大金刚正则化数据增强Dropout提前终止训练 机器学习的核心任务就是‘使用算法模型解析数据，从中学习，然后对世界上的某件事情作出决定或者预测’。对机器学习的模型来说，最糟糕的情况就是训练的模型不适用。通常造成训练模型不适用的原因有过拟合或者欠拟合，本文将就过拟合与欠拟合的概念及如何解决过拟合与欠拟合进行一个简单的介绍。 生活中的过拟合与欠拟合现象 现实
AlphaGo 超快棋遍虐人类高手（职业棋手讲解及大量网友评论）
一路风景
01-09 1万+
转载：AlphaGo 超快棋遍虐人类高手（职业棋手讲解及大量网友评论） 文章目录 ★Master 的60局 ★对 Master 身份的猜测 ★职业围棋高手对 AI 棋力的点评 ★网友对 AI 棋力的点评 ★职业棋手谈 AlphaGO 的让子棋 ★网友谈 AlphaGO 的让子棋 ★聂卫平：神秘高手 Master 颠覆了围棋传统，更证明了藤泽秀行那句话 ★网友点评“颠覆
【精读AI论文】dropout----(A Simple Way to Prevent Neural Networks from Overfitting)
深度不学习！！的博客
04-13 3705
文章目录前言摘要 (Abstract)引言 (Introduction)灵感来源 (Motivation)相关工作 (Related Work)dropout模型介绍(Model Description)训练过程 (Learning Dropout Nets) 前言 前两天看的那个hinton作者的dropout（笔记在这里），据说他是第一个提出dropout的人，今天看的这个论文是dropout里比较普遍熟知的论文。 题目： A Simple Way to Prevent Neural Networks
10分钟打造专属AI助手！选对云电脑，让你的 AI 部署更丝滑，推理更流畅，开发体验大幅提升！
z551646的博客
04-02 500
DeepSeek聚焦于大语言模型（LLM）和多模态技术的研发，旨在通过前沿的AI技术解决复杂场景下的智能交互、知识推理与决策优化问题，赋能企业数字化转型与行业智能化升级。对比几家云电脑，个人体验如何？云电脑预装 AI 环境硬件配置远程流畅度价格其他 AI 应用ToDesk4090云AIGC低延迟，接近本地按小时计费，透明合理支持AI绘图、写实等AIGC 模型海马云4090 级别显卡丢包频繁，推理速度一般计费复杂，不易控制支持部分常用AI工具顺网云仅有 DeepSeek 初级版本。
如何从零开始训练大模型？
python122_的博客
07-06 1159
根据scaling law，模型越大，高质量数据越多，效果越好。但还有一个很直观的情况，随着预训练样本的质量不断提升，训练手段的优化。新的模型，往往效果能轻松反超参数量两倍于它的模型。例如，最新出的minicpm，微信内部评测效果也是非常棒的。跟规模相对接近的2b、7b模型比，得分比qwen2b高，和qwen7b比有的高有的低。这个是minicpm的详细技术文档。这说明，现有参数量情况下，哪怕是2B尺度，也并没有得到充分训练。
字节跳动，华为，阿里巴巴，小米，腾讯2020大厂面试经历系列之（面试题篇）
Android725的博客
01-08 1041
前言 最近看到很多人都在找工作, 而且很多人都感觉今年找工作比去年难很多, 竞争力也增加不少, 因此激发我整理这份资料, 希望能帮到正在找或者准备找工作的童鞋们. 首先我们能否获得一个面试机会, 那肯定是从简历开始, 简历需要做好功夫, 一份好的简历才足够吸引企业得到面试机会, 接着就是面试了, 面试前必须要先做好准备, 多看一下前辈们总结面试题, 有哪一方面不足的地方赶紧补充一下, 还有要了解一下你即将面试那家公司. 技巧篇 做题 看完面试题之后那就来做一下面试题目吧, 目前找到两个网站 SillGun
数字原生向新而行 数字金融开放创新与架构转型发展论坛成功举办
华鑫的专栏
08-21 1257
自我介绍项目介绍项目难点你是如何限制上传文件的类型的如果用户通过修改文件后缀的方式上传，你要如何限制，你有什么思路说说内存溢出说说垃圾回收机制，它的算法有哪些（30min自我介绍介绍项目，为什么写这个项目到简历里，但是我介绍完并没有问里面的具体实现，问了遇到的困难android的架构了解吗，linux了解吗聊聊andr。2.cuda编程中的S。/* HW排序3 查找兄弟单词 这题挺离谱的，我刚开始只通过4个测试点，我就调试加了个输出的代码， 主代码一个没改，就测试了一下就全通过了？
深度学习新趋势：利用MLP取代卷积层——S2-MLPv2模型解析
qq_18943707的博客
04-27 465
从学术研究到工业应用，深度学习的演进从未停歇。S2-MLPv2的成功展示了一条新的可能性道路——用更灵活高效的模型结构来应对复杂的现实任务。面对未来，让我们保持敏锐的洞察和探索的热情，在这条创新驱动的路上不断前行。
在深度学习中，什么是线性插值（linear interpolation）？
最新发布
weixin_44649780的博客
04-30 428
线性插值是寻找两个点之间中间值的最基础方法之一，广泛应用于：数值计算计算机图形学机器学习和深度学习它的标准公式是：x0,x1∈Rn：两个向量或标量t∈[0,1]：插值系数（0 表示完全靠近 x0，1 表示完全靠近 x1​）它对应的是两个点之间的一条线段轨迹。线性插值就是“在两个已知点之间，按一定比例找到中间点”的方法，无论是图像、特征、模型参数，它都可以用来“平滑地过渡”。📢 想要了解更多内容，可在VX小程序搜索🔍AI Pulse,获取更多最新内容。
Python----深度学习（基于DNN的吃鸡预测）
weixin_64110589的博客
04-27 1589
和平精英（Peace Elite）是一款受欢迎的多人在线生存射击游戏，通常被称为“绝地求生：刺激战场”。在这个游戏中，玩家被投放到一块广大的战斗区域，必须与其他玩家竞争以成为最后一个生存者。为了分析或研究《和平精英》的玩家表现，常常会收集有关比赛和玩家的数据。本数据集包含了400多万条关于玩家在游戏中的表现记录数据集介绍总体描述该数据集记录了大量玩家在不同比赛中的表现，包含了玩家的杀敌、死亡、以及使用的物品等各种重要数据。
远程深度学习新环境配置流程
weixin_45668967的博客
04-30 282
下载并安装适合你系统的 Miniconda 版本。
Transformer：颠覆深度学习的架构革命与技术演进
源滚滚编程
04-30 1644
2017年，谷歌团队在论文《Attention Is All You Need》中提出的Transformer架构，彻底改变了人工智能对序列数据的处理范式。通过这种机制，模型能够自动识别并强化相关位置的语义关联，例如在句子“The cat sat on the mat”中，“cat”与“sat”的关联权重显著高于其他无关词汇。其核心思想是：每个位置的输入向量通过**查询（Query）、键（Key）、值（Value）**三个矩阵变换，动态计算与其他位置的关联权重。，实现了全局上下文感知与并行计算的完美平衡。
综述类论文读后报告——《深度学习在人类活动识别中的应用综述》
WenJGo的博客
04-26 1078
生成模型：如受限玻尔兹曼机（RBM）、自编码器（AE）、生成对抗网络（GAN）判别模型：如卷积神经网络（CNN）、循环神经网络（RNN）混合模型：结合生成与判别优势，如 CNN+AE、CNN+LSTM 等结构本文是一篇高质量的综述论文，系统性强、覆盖全面。其贡献不仅在于分类和总结已有方法，还指出了当前的技术空白与研究潜力，对从事智能感知、人机交互等方向的研究者具有很高的参考价值。
团队研究成果|基于物理信息深度学习的交通状态估计
zuiyishihefang的博客
04-26 1065
通过在不同稀疏数据情境下进行大量的实验研究，利用美国101高速公路的NGSIM数据，深入探讨了PIDL方法在不同交通流场景中的应用，结果验证了该模型的高效性和精确度。本文的研究不仅探讨了数据稀疏性对交通状态估计的影响，还通过应用PIDL方法取得了显著的成果，具有重要的实际意义，特别是在实际交通流控制和管理中的应用。通过该方法的研究和应用，我们可以更好地理解数据驱动方法和模型驱动方法的优势与劣势，以及它们在交通状态估计中的作用。检测器数量代表可用数据的规模，检测器数量越多，越有利于估计整个路段的交通状态。
对弈程序技术解析：深度学习与棋类智能
深度学习在对弈程序中的应用，主要体现在模型的训练过程中，通过神经网络学习大量棋局数据，以期在预测对手下一步行动和制定自身策略时做出更接近人类高手的选择。而搜索算法，如Alpha-Beta剪枝、Minimax算法等，则...
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值