登录社区云，与社区用户共同成长
邀请您加入社区
PyTorch：需要手动编写训练循环，灵活性高，适合自定义训练逻辑（如动态调整学习率、添加特殊训练步骤）；语法更接近Python，调试时可实时查看张量值；TensorFlow/Keras：通过compile和fit封装了训练流程，代码更简洁规范，但自定义逻辑需要额外编写回调函数；适合快速验证想法，但灵活性稍差。优先选PyTorch：如果你是零基础、想快速上手AI、目标是算法岗或学术研究，PyTor
AI的必经之路
AI 的必经之路
人工智能的必然之路
Streamlit与Chainlit各有优势：Streamlit通用性强，适合快速搭建各类数据应用，生态成熟且易上手；Chainlit专注LLM对话场景，在聊天功能、并发处理和资源占用上更优。选择取决于核心需求：数据类应用选Streamlit，AI对话产品选Chainlit。
本文主要记录如何在huggingface官网上下载模型，并加载。重点是前者。huggingface官网：https://huggingface.cohuggingface的基本操作：https://huggingface.co/welcome官网已说明：如果想命令行快速下载模型，需要提前安装好git-lfs环境。其他参考链接：使用Hugging Face管道轻松应用NLP预训练模型1、安装git-
AlexNet赢了2012年ImageNet比赛是个更深更大的LeNet∷ ReLu作为激活函数，减缓梯度消失∷ 使用MaxPooling∷ 全连接层后加入了丢弃层（DropOut∷ 进行了数据增强（Data argumentation，截取图片一部分作为新增数据、或者调色温）DropOut：随机使某个神经元失效，以免训练后网络输出过度依赖某个神经元导致过拟合【深度学习】丢弃法（dropout）_
首先，定期进行系统和软件的更新，保持操作系统和应用程序在最新版本，以获得更好的性能和安全性。其次，保持电脑的清洁，定期清理灰尘和污垢，确保散热良好，避免过热对硬件的损害。批量规范化应用于单个可选层（也可以应用到所有层），其原理如下：在每次训练迭代中，我们首先规范化输入，即通过减去其均值并除以其标准差，其中两者均基于当前小批量处理。在学习方面，合理规划学习时间，避免长时间的连续使用电脑，适时休息，保
最大的区别在于，我们不是在读取一个名字的所有字母后预测一个类别，而是输入一个类别并每次输出一个字母。为了进行示例，我们给网络一个字母并询问下一个字母是什么，将其作为下一个字母输入，并重复直到EOS令牌。当训练时，我们在每个时间步向网络提供它，这是一个设计选择，它可以作为初始隐藏状态的一部分或其他策略。与其给它一个起始字母，另一种策略是在训练中包含一个“字符串起始”标记，并让网络选择自己的起始字母。
为了运行这个网络的一个步骤，我们需要传递一个输入(在我们的例子中，是当前字母的张量)和一个先前的隐藏状态(我们一开始将其初始化为零)。我们将返回输出(每种语言的概率)和下一个隐藏状态(我们将其保留到下一步)。字符级RNN将单词作为一系列字符来读取 ，每一步输出一个预测和“隐藏状态”，将之前的隐藏状态输入到下一步。为了了解网络在不同类别上的表现如何，我们将创建一个混淆矩阵，表示网络猜测(列)的每种语
Inpaint是Stable Diffusion中的常用方法，一起简单学习一下。Inpaint是一项图片修复技术，可以从图片上去除不必要的物体，让您轻松摆脱照片上的水印、划痕、污渍、标志等瑕疵。一般来讲，图片的inpaint过程可以理解为两步：1、找到图片中的需要重绘的部分，比如上述提到的水印、划痕、污渍、标志等。2、去掉水印、划痕、污渍、标志等，自动填充图片应该有的内容。
通过整个过程可以发现，手写数字的识别还是非常简单的，训练的效率比较快，结果也不错。非常适合拿来练手，学习一些基本概念、深度学习框架和分类任务实践过程等。
补充：isinstance(net,nn.Module)isinstance(net,nn.Module)是Python的内置函数，用于判断一个对象是否属于制定类或其子类的实例。如果net是nn.Module类或子类的实例，那么表达式返回True，否则返回False. nn.Module是pytorch中用于构建神经网络模型的基类，其他神经网络都会继承它，因此使用 isinstance(net,n
但是每次的句子长度并不一样，后面就需要用统一的数字填充，而这里就是指定这个数字，这样，网络在遇到填充。nn.LSTM模块他在最后会将正向和反向的结果进行拼接concat.得到。的shape:[batch_size, input_size]的shape: [batch_size, input_size]输入: 词的编号索引，输出: 对应符号的嵌入向量。最大范数，如果嵌入向量的范数超过了这个界限，就要
神经网络是一种计算模型，它模拟了人类神经系统的工作方式，由大量的神经元和它们之间的连接组成。
PyTorch 进行多步时间序列预测详细教程
