本文系统化整理了无监督/自监督学习在多种任务中的应用，涵盖视觉、文本、音频、时间序列、图数据和多模态领域。核心方法包括对比学习（如SimCLR、MoCo）、掩码建模（如BERT、MAE）、生成模型（如GAN、扩散模型）以及聚类/降维技术。文章详细列举了各任务的代表方法、网络结构、输入输出形式及数据来源，特别强调无需人工标注即可从数据本身构造训练目标。这种学习范式适用于表征学习、生成建模、异常检测、

参数旨在测试cuda是否可用，不要添加任何你的代码文件进去，退出bash容器就会销毁。然后，使用AMD给的docker镜像，这样可以确保环境是可靠的，且不用安装rocm。另外，如果你是因为“AMD Yes”购买了搭载AMD显卡的学妹，可以加我微信。然后进入交互式python测试显卡是否正常工作。如代码块所示，我的可以。首先，确保AMD显卡被识别，使用命令。不过镜像比较大，预估10G左右。的dock

项目没有使用显式的图数据库或图数据结构，但有一些关系和嵌套的特性。无限上下文的读写操作由与用户对话的同一个LLM来执行，通过函数调用进行管理。

参数旨在测试cuda是否可用，不要添加任何你的代码文件进去，退出bash容器就会销毁。然后，使用AMD给的docker镜像，这样可以确保环境是可靠的，且不用安装rocm。另外，如果你是因为“AMD Yes”购买了搭载AMD显卡的学妹，可以加我微信。然后进入交互式python测试显卡是否正常工作。如代码块所示，我的可以。首先，确保AMD显卡被识别，使用命令。不过镜像比较大，预估10G左右。的dock

其中， 是要更改属性的文件的路径， 和分别是要设置的属性名称和属性值。如果找到了错误，该命令将尝试自动修复它们。其中， 是要复制的源文件的路径， 是目标文件夹的路径。其中， 是要移动的源文件的路径， 是目标文件夹的路径。

参数旨在测试cuda是否可用，不要添加任何你的代码文件进去，退出bash容器就会销毁。然后，使用AMD给的docker镜像，这样可以确保环境是可靠的，且不用安装rocm。另外，如果你是因为“AMD Yes”购买了搭载AMD显卡的学妹，可以加我微信。然后进入交互式python测试显卡是否正常工作。如代码块所示，我的可以。首先，确保AMD显卡被识别，使用命令。不过镜像比较大，预估10G左右。的dock

项目没有使用显式的图数据库或图数据结构，但有一些关系和嵌套的特性。无限上下文的读写操作由与用户对话的同一个LLM来执行，通过函数调用进行管理。

# 早期痛点识别图片中的物体，早期可以使用Yolo但是缺点也很明显：- 训练时间长- 成本高- 泛华性能差- 通用识别领域覆盖有限优点：- 特殊领域识别# 大模型出现大模型出现后，一些大模型对接了图片识别相关的模型，实现了图片识别，然后转换成文本再返回给大模型。这样，基本实现了识别图片中存在的物体，但是仍然无法代替一般的Yolo应用，因为它无法提供物体在图片中的坐标信息。因为图片模型“转换成文本再

数据标注不应该受限于设备和场景。ipad-make-sense 的诞生，让高效、精确的移动端数据标注成为可能。无论您是数据科学家、机器学习工程师，还是普通的标注人员，都可以借助这个创新工具提升工作效率。立即访问开始您的移动标注之旅！标签：数据标注、开源工具、iPad、Apple Pencil、机器学习。

这表明模型架构需要使用GPU来运行，而不是CPU，或者你尝试指定'cuda'，但是得到。