logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

【pytorch学习笔记六】深度学习基础(线性回归、损失函数、梯度下降、欠拟合与过拟合,正则化)

深度学习是目前比较成功的表示学习的方法,是机器学习的一个分支。深度学习的基础理论学习可到B站上看吴恩达老师的深度学习课程,对应内容都有对应的练习题。

文章图片
#深度学习#pytorch#机器学习
python运行时将命令行在终端窗口输出的内容保存到文件

是指将标准错误信息转变成标准输出,这样就可以将错误信息输出到。: 是指将信息输出到out.log日志中;:是无缓存输出,即每有一行输出都直接写到。

#python
【Pytorch学习笔记十二】循环神经网络(RNN)详细介绍(常用网络结构及原理)

循环神经网络的来源是为了刻画一个序列当前的输出与之前信息的关系。从网络结构上,循环神经网络会记忆之前的信息,并利用之前的信息影响后面结点的输出。即:循环神经网络的隐藏层之间的结点是有连接的,隐藏层的输入不仅包括输入层的输出,还包括上一时刻隐藏层的输出。

文章图片
#pytorch#学习#rnn
深度学习中的鲁棒性和泛化性有什么区别

鲁棒性(Robustness)和泛化性(Generalization)是评估模型性能时常用的两个术语,尤其在机器学习和统计建模领域。虽然这两个概念相关,但它们关注的方面有所不同。

文章图片
#深度学习#人工智能
【habitat学习二】Habitat-Lab 快速入门指南(Quickstart)详解

Quickstart是Habitat-Lab 官方文档中的快速入门指南,专门针对希望快速了解和使用 Habitat 平台进行具身 AI(Embodied AI)研究的用户。页面内容主要分为两部分:Habitat 平台概述和一个具体的 PointNav 任务示例。本文将对页面内容进行极其详尽的解析,不遗漏任何技术细节、代码实现和使用说明。页面开篇明确定义了Habitat 是一个专为具身 AI 研究设

文章图片
#学习
【habitat学习一】Habitat-Lab 配置键文档详解(CONFIG_KEYS.md)

本文档详细介绍了Habitat-Lab(Facebook Research开发的Embodied AI模拟框架)的核心配置系统。该配置基于OmegaConf,采用YAML格式,支持层级化结构和动态继承。主要内容包括: 配置概述:说明配置文件的继承机制(通过BASE_TASK_CONFIG_PATH)和关键特性,如条件依赖、默认值等。 主要配置模块: TRAINER:定义训练参数(如批次大小、学习率

文章图片
#学习#人工智能#算法
Flask+mysql简单问答网站(实现公网可访问)

如果是Windows上操作,可直接点击ngrok.exe,然后在命令行中输入。按照官网提示操作即可,最重要的是获取Authtoken。python版本3.8,提前安装好Mysql数据库。​在设置->账户下开启服务,获取授权码。2.修改配置文件config.py。5.使用ngrok实现公网访问。先到githun下载文件。1.安装python包。

文章图片
#flask#mysql#python
2025年人工智能指数报告:技术突破与社会变革的全景透视

2025年人工智能指数报告》作为斯坦福大学人工智能实验室与多方合作的年度重磅研究,以超过千页的篇幅全景式展现了人工智能技术在全球范围内的发展轨迹与深远影响。这份报告不仅延续了对AI技术性能、科研进展与产业应用的追踪,更首次深入探讨了AI硬件的演化、推理成本的测算方法,以及AI在科学发现与医疗健康领域的突破性进展。从生成式AI对创意产业的颠覆到大模型训练的能源消耗争议,从AI伦理治理框架的构建到全球

文章图片
#人工智能
2025年人工智能指数报告:技术突破与社会变革的全景透视

2025年人工智能指数报告》作为斯坦福大学人工智能实验室与多方合作的年度重磅研究,以超过千页的篇幅全景式展现了人工智能技术在全球范围内的发展轨迹与深远影响。这份报告不仅延续了对AI技术性能、科研进展与产业应用的追踪,更首次深入探讨了AI硬件的演化、推理成本的测算方法,以及AI在科学发现与医疗健康领域的突破性进展。从生成式AI对创意产业的颠覆到大模型训练的能源消耗争议,从AI伦理治理框架的构建到全球

文章图片
#人工智能
【Pytorch学习笔记七】神经网络介绍(神经网络可视化、激活函数、前向传播与反向传播)

在生物神经网络中,每个神经元与其他神经元相连,当它兴奋时,就会向相连的神经元发送化学物质,从而改变这些神经元内的电位;如果某神经元的电位超过了一个阈值,那么它就会激活,即兴奋起来并向其他神经元发送化学物质。在深度学习中也借鉴了这样的结构,每一个神经元(上面说到的简单单元)接受输入x,通过带权重w的连接进行传递,将总输入信号与神经元的阈值进行比较,最后通过激活函数处理确定是否激活,并将激活后的计算结

文章图片
#神经网络#pytorch#学习
    共 48 条
  • 1
  • 2
  • 3
  • 4
  • 5
  • 请选择