机器学习标签_上海城市开发者社区

机器学习

中国开源软件的崛起与困境：贡献者生态的建立之难

中国开源软件快速发展，但贡献者生态建设仍面临挑战。测试从业者视角显示，主要困境包括测试参与度不足、标准规范缺失、跨团队协作障碍及人才培养体系不完善。破局之道在于：提升测试人员参与意识与能力，推动测试标准建设，加强跨团队协作，并积极参与人才培养。作为质量保障的关键角色，测试从业者应主动融入开源生态，通过专业贡献推动中国开源软件在全球舞台的持续发展。

测试人社区—8416
2026-05-11 14:19:51

 364

 5

#自动化 #机器学习 #运维 +4
OpenClaw 从零开始 - 新手版

很多人用过「能聊天的机器人」：你问一句，它答一句，但真要它帮你查数据、发指令、跑脚本，往往做不到。如果你希望有一台「能真干活」的数字助手，在你自己的电脑或服务器上跑，用自然语言发指令，它就去调接口、查传感器、出报表，那 OpenClaw 这类本地优先的代理框架就值得了解一下。

Swift社区
2026-03-06 19:54:28

 720

 11

#数据挖掘 #语音识别 #opencv +4
机器学习_深度学习毕设题目汇总——语言

下面是该类的一些题目：题目基于预训练语言模型的中文短文本分类研究基于预训练语言模型的抽取式摘要方法研究基于预训练语言模型的文本情感分析基于预训练语言模型的自然语言理解方法研究基于预训练语言模型自注意力机制的情感分析研究多目标语言图像描述模型的研究多语言中语音信息的分割，提取和识别多语言文本语义相似度的计算及其应用研究对抗网络在语音和语言任务上的应用对话系统中面向小样本的自然语言理解手写中文文本视觉

 MetaGrad
2022-02-08 09:20:19

 2653

 2

#深度学习 #机器学习 #自然语言处理
AIGC技术周报｜ChatDoctor：哪里不舒服；HuggingGPT：连接大模型和机器学习社区；ChatGPT真的鲁棒吗？

「AIGC技术周报」将为你带来最新的paper、博客等前瞻性研究。

学术头条
2023-04-06 17:01:08

 7093

 1

#人工智能 #深度学习 #机器学习
深度解析预训练权重的本质和作用：你真的了解它们吗？

为了训练自定义模型，通常需要使用大量标注好的图像数据来训练模型。但是，当可用的训练数据不够多时，可以使用预训练权重来提高模型的性能。

迪菲赫尔曼
2023-03-17 18:02:33

 2.2w

 104

#深度学习 #计算机视觉 #神经网络 +2
AIGC：【LLM（一）】——LoRA微调加速技术

LoRA的实现原理在于，冻结预训练模型权重，并将可训练的秩分解矩阵注入到Transformer层的每个权重中，大大减少了下游任务的可训练参数数量。对大规模的PLM进行微调往往成本过高，在这方面，PEFT方法只对少数（额外的）模型参数进行微调，基本思想在于仅微调少量 (额外) 模型参数，同时冻结预训练 LLM 的大部分参数，从而大大降低了计算和存储成本，这也克服了灾难性遗忘的问题，这是在 LLM 的

 J_Xiong0117
2023-05-04 16:10:37

 8094

 4

#AIGC #深度学习 #机器学习
传统机器学习(三)聚类算法K-means(一)

聚类算法K-means案例详解

 undo_try
2023-04-14 16:44:07

 3320

 3

#python #大数据 #机器学习
GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记

以下是我亲测有效的使用 RTX 1060 的各部分安装版本电脑系统：window 10python版本：3.8.13pytorch版本：1.11.0CUDA版本：11.3cuDNN版本：8.2以下是我个人安装过程的步骤，以及我踩过的坑，这里解决踩坑问题主要参考：RTX3060+win10+CUDA11.2+cudnn8.2.0+pytorch1.8.0 环境——个人配置经验Win10+MX250+

努力向上的阿玮
2022-05-05 09:15:18

 1.3w

 16

#计算机视觉 #机器学习 #深度学习 +1
《Python机器学习：基于PyTorch和Scikit-Learn》——AIC松鼠活动第三期

塞巴斯蒂安·拉施卡（Sebastian Raschka）获密歇根州立大学博士学位，现在是威斯康星-麦迪逊大学统计学助理教授，从事机器学习和深度学习研究。他的研究方向是数据受限的小样本学习和构建预测有序目标值的深度神经网络。他还是一位开源贡献者，担任Grid.ai的首席AI教育家，热衷于传播机器学习和AI领域知识。刘玉溪（海登）[ Yuxi (Hayden) Liu ]在谷歌公司担任机器学习软件工程

 Aic山鱼
2023-07-13 18:25:32

 2327

 33

#python #机器学习 #pytorch
谈谈 NLP中大语言模型 LLM的上下文能力 In-Context Learning(ICL)

NLP语言模型、大模型LLM、In-Context Learning(ICL)

Neleuska
2023-06-12 12:32:18

 9817

 19

#深度学习 #人工智能 #机器学习
YOLOv5s训练结果result.txt绘制loss/mAP等曲线对比图

【代码】YOLOv5s训练结果result.txt绘制loss曲线对比图。

阿珂要努力呀
2023-03-23 23:48:32

 8288

 8

#python #机器学习
聚类的方法、原理以及一般过程

聚类(Clustering)是按照某个特定标准(如距离)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。也即聚类后同一类的数据尽可能聚集到一起，不同类数据尽量分离。聚类和分类的区别聚类(Clustering)：是指把相似的数据划分到一起，具体划分的时候并不关心这一类的标签，目标就是把相似的数据聚合到一起，聚类是一种无监督学

 凝眸伏笔
2022-08-27 21:45:46

 3.7w

 52

#聚类 #机器学习 #算法
（2014）Glove:Global Vectors for Word Representation

基于全局信息的单词向量表示AbstractIntroduction三级目录Abstract1、目前词向量学习模型能够成功的使用算术计算（词向量的加、减运算）来捕捉词与词之间细微的语法和语义规律。2、但是这些规律背后的原理依旧是不清楚的，经过仔细的分析，我们发现了模型特性中这些规律在词向量中浮现。3、结果基于词提出了一种新的对数双线性回归模型，这种模型结合了文中两个主要模型组的优点：全局矩阵分解和局

 尚风悦yy
2021-12-15 16:28:43

 973

#机器学习 #深度学习 #聚类
【机器学习06】聚类基本概念

聚类是针对给定的样本，一句他们特征的相似度或距离，将其归并到若干个”类“或”簇“的数据分析问题。一个类是样本的一个子集。直观上，相似的样本聚集在相同的类，不相似的样本分散在不同的类。样本之间的相似度或距离起着重要作用。相似度或距离聚类的对象是观测数据，或样本集合。假设有n个样本，每个样本由m个属性的特征向量组成。样本集合可以用矩阵X表示：1. 闵可夫斯基距离（样本和）p=2时为欧氏距离；p=1时为

 一碗姜汤
2022-02-13 15:00:44

 3540

 1

#聚类 #机器学习 #数据挖掘
图像检索基础

目录图像检索1 相似图像检索2 相似颜色检索2.1 算法结构2.2 自编码器2.3 颜色特征提取2.4 颜色特征相似度计算2.4.1 颜色直方图距离2.4.2 色差距离3 相似纹理检索3.1 纹理（texture）3.2 纹理特征3.3 算法结构3.4 Gabor滤波器组4 相似形状检索5 相似局部特征检索图像检索1 相似图像检索2 相似颜色检索2.1 算法结构目标：实现基于人类颜色感知的相似排序

 鹿衔草啊
2022-05-12 22:08:16

 1004

#聚类 #机器学习 #算法
【pytorch】ECA-NET注意力机制应用于ResNet的代码实现

一、前言ECA-NET(CVPR 2020)简介：论文名：ECA-Net: Effificient Channel Attention for Deep Convolutional Neural Networks论文地址：https://arxiv.org/abs/1910.03151开源代码：https://github.com/BangguWu/ECANet作为一种轻量级的注意力机制，ECA-

Leonard2021
2022-05-14 19:55:40

 1.4w

 25

#pytorch #深度学习 #机器学习 +2
时间序列分析——平滑法

平滑法是进行趋势分析和预测时常用的一种方法，利用修匀技术削弱短期随机波动对序列的影响，使序列平滑化，从而显示出变化的规律。根据平滑技术的不同，平滑法可分为移动平均法和指数平滑法。

P-ShineBeam
2023-02-19 16:00:02

 2341

#机器学习 #算法 #python
CommDGI: Community detection oriented deep graph infomax 2020 CIKM

目录CommDGI: Community detection oriented deep graph infomaxGraph Infomax LayerTrainable Clustering Layer and Community-oriented ObjectivesDisentangled LearningJoint OptimizationDEEP GRAPH INFOMAX2019IC

东方小虾米
2022-04-19 12:52:44

 5742

 1

#算法 #机器学习 #python +1
梯度下降法

本文介绍梯度下降法的概念和主要内容

 时间十八刀
2023-03-10 15:40:23

 6862

 23

#机器学习 #算法 #深度学习
专业名词（ADAS）

LDW车道偏离预警(LDW)旨在帮助驾驶员在高速公路、快速道路等类似主干道上降低车辆意外偏离车道的风险，车道偏离预警(LDW)将通过视觉、听觉和触觉的方式警告驾驶员。链接：LDW车道偏离预警系统_什么是LDW车道偏离预警系统_太平洋汽车网百科车道偏离报警(ldw)系统技术简介ADAS算法设计（三）：LDW算法设计、FCW前碰撞预警，全称Forward Collision Warning

旺旺丫丫
2022-05-05 00:11:03

 5120

 3

#自动驾驶 #人工智能 #机器学习
CVPR 2023 | 风格迁移论文3篇简读，视觉AIGC系列

CAP-VSTNet: Content Affinity Preserved Versatile Style Transfer内容相似度损失（包括特征和像素相似度）是逼真和视频风格迁移中出现伪影的主要问题。本文提出了一个名为CAP-VSTNet的新框架，包括一个新的可逆残差网络（reversible residual network）和一个无偏线性变换模块，用于多功能风格转移。这个可逆残差网络不仅

 机器学习与AI生成创作
2023-05-27 00:02:50

 5723

 2

#AIGC #计算机视觉 #人工智能 +2
【机器学习】机器故障的二元分类模型-Kaggle竞赛

采用二分类方法进行数据预测

 print_Hyon
2023-06-22 21:37:41

 5296

 3

#机器学习 #人工智能
python机器学习——聚类评估方法 & K-Means聚类 & 神经网络模型基础

python机器学习——聚类评估方法 & K-Means聚类 & 神经网络模型基础

 Pireley
2023-07-01 13:25:21

 3359

 2

#机器学习 #聚类 #算法 +3
Lift-Splat-Shoot算法理解及代码中文注释

对算法Lift-Splat-Shoot的理解以及源代码中文注释

 Demon_zzj
2022-09-09 11:19:57

 6323

 21

#算法 #机器学习 #人工智能 +1
AIGC周报｜让AI来画《海贼王》；苹果限制员工使用ChatGPT；李彦宏：不担心大模型会让工作消失

AIGC通过借鉴现有的、人类创造的内容来快速完成内容创作。ChatGPT、Bard等AI聊天机器人以及Dall·E 2、Stable Diffusion等文生图模型都属于AIGC的典型案例。

学术头条
2023-05-22 10:27:58

 2017

#人工智能 #AIGC #机器学习 +1
(一) KNN和Kmeans分析

KNN、Kmeans是常用机器学习算法，但也经常弄混。本文将详细介绍这两种算法含义、实现过程、用途、区别等方面进行详细讲解。1、KNN属于监督学习，属于分类学习（需要进行训练）。最简单粗暴就是将预测点与所有点距离计算，然后保存并排序，选出前面K个值看看哪些类别比较多，则预测的点属于哪类。(1) 流程对未知类别属性的数据集中的每个点依次执行以下操作：a、计算已知类别数据集中的点与当前点之间距离（曼哈

 li三河
2022-02-18 11:49:33

 1681

#kmeans #算法 #机器学习
gpt的优势和gpt缺点

GPT可以根据给定的上下文信息生成质量很高的语句，甚至可以生成完整的文章、故事等长文本，和人类写作风格非常接近。随着训练的深入，GPT技术的语言生成质量也将不断提升。只能实现单向文本生成：与一些双向解码器（如BERT）不同，GPT采用单向的解码器，只能利用前面的上下文信息进行生成，无法利用后面的文本信息，因此其生成文本的连贯性和逻辑性可能不如双向解码器。总之，GPT技术是一项非常有用的人工智能技术

 payjs1
2023-04-04 11:32:23

 8686

#深度学习 #人工智能 #机器学习
DBN（深度置信网络）

受限玻尔兹曼机：提取特征用的，两层的结构。可见层和隐藏层，可见层输入以后，通过权值和偏置的叠加，变成概率的计算，决定隐藏层出现什么样的数据。而隐藏层可以反过来重构可见层，一直以这样的规则继续下去。这个过程就是吉布斯采样，吉布斯采样是一个逐渐逼近玻尔兹曼分布，最终的理想结果是最终迭代的结果和预先训练好的向量，达到分类的目的。除了分类的用途，另一个用途是，因为隐藏层在不断的迭代过程中会逐渐在一个概率范

 一套煎饼
2022-06-07 14:16:17

 2.5w

 27

#深度学习 #机器学习 #神经网络
2017年MathorCup数学建模B题共享单车解题全过程文档及程序

2017年MathorCup数学建模B题共享单车解题全过程文档及程序

 数模竞赛Paid answer
2023-03-09 17:07:17

 7124

 7

#人工智能 #大数据 #机器学习