- 博客(5)
- 收藏
- 关注
RSS订阅原创 Mobile-Agent 研习共创 Task1
是阿里巴巴与北京交通大学合作提出的一个多代理协作系统，旨在通过多智能体系统实现移动设备操作的有效导航。该框架基于 OCR（光学字符识别）、开放目标检测技术和多模态模型，执行用户指令，尤其是针对移动导航任务。
2024-09-23 21:26:31
364
原创 Datawhale X 李宏毅苹果书AI夏令营 Task 3 学习笔记
批量归一化（Batch Normalization，BN）是一种重要的深度学习技术，用于改善网络训练过程中的收敛性和稳定性。它通过在网络的每一层中对输入数据进行归一化，减小梯度的波动性，使得模型训练更加高效和稳定。该技术广泛应用于各种神经网络架构中，尤其是深度网络。卷积神经网络（CNN）是一种经典且强大的网络架构，主要用于图像处理任务，如图像分类。通过局部连接和参数共享的设计，CNN能够有效地检测图像中的重要特征，同时减少计算量和参数数量。卷积神经网络通过感受野和参数共享的策略，大大简化了模型的复杂度。
2024-09-03 23:14:07
707
原创 Datawhale X Mobile Agent AI夏令营 Task2 学习笔记
Mobile-Agent 在执行任务时，可以将部分数据临时存储在设备的内存中。为了加速数据访问，Mobile-Agent 可以使用内存缓存机制，将频繁访问的数据保存在内存中。Mobile-Agent 可以会记录运行过程中的操作日志，这些日志通常会定期存储在文件系统中，并可能在必要时上传到云端进行分析或故障排查。可以为 Mobile-Agent 添加新的任务处理模块，以支持更多种类的任务。Mobile-Agent 可能依赖自动化工具或框架，这些工具能够模拟用户的交互操作，例如点击屏幕、滑动、输入文本等。
2024-09-01 09:05:43
280
原创 Datawhale X 李宏毅苹果书AI夏令营 Task 2 学习笔记
自适应学习率是优化深度学习模型过程中重要的技术，它能根据梯度的变化自动调整学习率，从而提高训练效率。Task 2总结了自适应学习率的概念、主要方法（包括AdaGrad、RMSProp和Adam），并探讨了学习率调度策略的应用，以解决训练中的各种问题，如梯度震荡和训练停滞。分类与回归是深度学习中两类常见的问题。Task2.2 详细探讨了分类问题及其与回归的关系，介绍了带有softmax函数的分类方法，并深入探讨了分类损失函数，如均方误差和交叉熵的选择及其对优化过程的影响。
2024-08-31 23:15:28
951
原创 Datawhale X 李宏毅苹果书AI夏令营 Task 1 学习笔记
在深度学习模型的训练过程中，优化算法经常会在损失函数的局部极小值或鞍点停滞不前。本文档总结了局部极小值与鞍点的定义及其在深度学习中的表现，探讨了判断临界点种类的方法，及如何逃离鞍点的策略。通过对高维空间中的鞍点现象进行分析，本文阐述了在深度学习训练中局部极小值并不常见，鞍点才是主要挑战。
2024-08-27 13:50:18
298
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