- 博客(7)
- 收藏
- 关注
RSS订阅原创 智能体开发
定义：智能体是一种能够感知环境，并根据感知到的信息作出决策或行动以影响该环境的软件系统。目标：设计和构建能够自主执行任务并适应环境变化的智能体。应用领域：机器人技术、游戏AI、自动驾驶汽车、智能家居等。
2024-08-26 18:10:01
830
原创 大语言模型
定义：大语言模型是使用大规模文本数据训练的深度学习模型，能够理解和生成人类语言。这些模型通常包含数十亿甚至万亿参数，具有强大的语言处理能力。架构：常见的架构包括Transformer模型，尤其是基于自注意力机制的编码器-解码器结构。其中，Transformer-XL、BERT、GPT系列是典型代表。训练数据：大语言模型需要海量的文本数据进行训练，如互联网文本、书籍、维基百科等。数据的质量和多样性对模型性能有重要影响。预训练与微调：大语言模型通常先在无监督任务上进行预训练，然后针对具体任务进行微调以提高性能。
2024-08-08 22:12:59
372
原创 第二课堂ai实践笔记
使用 nn.BatchNorm1d 层时，它会对每个特征维度上的数据进行标准化处理。具体而言，它会计算每个特征维度的均值和方差，并将输入数据进行中心化和缩放，以使其分布接近均值为0、方差为1的标准正态分布。是用来加入非线性因素的，提高神经网络对模型的表达能力，解决线性模型所不能解决的问题。其中，eps默认为1e-5,是为了防止当标准差太小时，计算机将分母处理为0。out_feature：int型, 输出Tensor最后一维的通道数。in_feature：int型, 输入Tensor最后一维的通道数。
2024-07-29 18:28:28
274
原创 正向传播和反向传播
正向传播和反向传播是神经网络训练过程中不可或缺的两个步骤。正向传播负责计算模型的预测值，而反向传播则根据预测值与真实值之间的误差来调整网络参数。这两个过程相互依赖，共同协作，以实现神经网络的优化和训练。通过交替进行正向传播和反向传播，神经网络可以不断学习和适应数据，提高模型的预测性能和泛化能力。
2024-07-24 18:07:20
403
原创 pandas常用调用函数总结
Pandas 是一个强大的 Python 数据分析库，它提供了丰富的函数和方法来处理数据。下面将详细介绍 Pandas 中一些常用的函数及其功能。
2024-07-22 16:15:40
549
原创 “第二课堂”ai实践 pandas笔记
Pandas是Python中一个非常强大的数据处理库，它提供了快速、灵活且表达式丰富的数据结构，旨在使“关系”或“标签”数据的处理工作变得既简单又直观。Pandas的两个主要数据结构是Series（一维数组）和DataFrame（二维的、表格型的数据结构）。以下是对Pandas的一些核心特性和常用功能的总结。
2024-07-22 15:42:05
277
原创 “第二课堂‘ai实践：python环境配置及入门 笔记
在上述官网选择对应的安装包下载（Windows x64）运行后，按照引导安装安装成功后，在左侧“extensions”搜索Chinese语言包 点击install，按照提示重启VSCode在左侧“扩展”搜索python，安装python扩展。
2024-07-17 12:29:27
984
4
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