登录社区云，与社区用户共同成长
邀请您加入社区
本文探讨了Transformer在时间序列预测中的应用，相比传统LSTM模型，Transformer通过自注意力机制能更好捕捉长期依赖关系。文章详细介绍了从数据预处理到模型实现的完整流程，包括滑动窗口构造序列、位置编码等关键步骤。实验结果显示，Transformer在模拟股价预测任务上比LSTM训练速度更快（38秒vs45秒），预测误差降低34%（MSE 0.021 vs 0.032）。
智能计算系统：从深度学习到大模型 第2版https://novel.ict.ac.cn/aics/wjxz/sywd/
我是土生土长的农村人，小时候经常和小鱼小虾打交道，上大学的时候就选择了农学专业，想着毕业之后回老家搞养殖种植。大学期间，我看到了一些关于养殖龙虾、稻田套养的资料，就跟我父母商量，让他们承包一块稻田或者鱼塘，养殖龙虾。但当时我父母坚决不同意，就没有做成这个事情。毕业之后，我想自己承包鱼塘搞养殖，但是没有资金，父母也不愿意支持我，所以最终还是没做成。到了去年过年的时候，我们家那边很多人都已经开始在自己
上节课讲的使用高斯核来建立query和keys之间的关系函数，现在将query和keys放入注意力评分函数（Attention scoring function）中，然后将该函数的输出结果放入softmax函数中。这样我们可以得到注意力权重，最后注意力权重的值的加权和作为输出。
2小时搞定通义千文7B模型本地部署，复现成功
本文提供了在Windows系统上配置深度学习开发环境的详细指南。主要内容包括：1) 检查GPU驱动和CUDA兼容性；2) 安装conda并创建独立Python环境；3) 安装PyTorch GPU版本并进行验证；4) 配置Jupyter Notebook和d2l库。重点强调了环境隔离的重要性，以及PyTorch CUDA版本与NVIDIA驱动的兼容性规则，确保GPU加速功能正常使用。通过分步指导和
目标检测框架yolov5环境搭建，并使用模型文件训练示例图片。
【刘二大人】《PyTorch深度学习实践》——PyTorch实现线性回归代码（自用）
深度神经网络模型库。供大家学习、参考。
本文介绍了PyTorch中张量的数学运算之矩阵运算，包括基础运算、转置、行列式、迹、伴随矩阵、逆矩阵、特征值和特征向量等及其数学原理。
在数学概念中，张量是一个多维数组，它是标量、向量、矩阵的高维扩展。
我们的环境配置分为以下几个部分：Anaconda3 安装和使用、PyTorch 框架安装、企业版 PyCharm 连接服务器。
pytorch
——pytorch
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
DAMO开发者矩阵
