摘要： DeepSeek作为中国领先的AI研究团队，在大型语言模型和多模态领域取得显著突破。其核心成果包括：DeepSeek-V2（236B参数MoE架构，首创MLA注意力机制）、DeepSeek-V3（671B参数，FP8高效训练，多基准超越GPT-4）、DeepSeek-R1（强化学习驱动的推理能力跃升）及DeepSeek-Coder系列（代码生成优化）。多模态方向推出Janus系列，解耦视觉

GLM是一种融合BERT和GPT优势的通用语言模型框架，采用"双向编码器+自回归解码器"的混合架构。其核心创新在于自回归填空预训练范式，通过统一的二维注意力掩码设计，同时支持文本理解和生成任务。模型使用两套位置编码（全局和块内），并采用分组查询注意力等优化技术提升性能。相比传统单向或双向模型，GLM在保持生成能力的同时增强了上下文理解，支持长序列处理，并可通过MoE结构扩展规模

多头潜在注意力（MLA）：用低维潜在向量压缩 KV 缓存，大幅降低显存占用。：细粒度路由专家 + 共享专家组合，以少量激活参数承载海量总参数。多 Token 预测（MTP）：一举两得，既增强了训练信号，又天然支撑投机解码加速推理。YaRN 位置编码、SwiGLU/RMSNorm 等成熟组件：保证了长上下文扩展和训练稳定性。从结构层面看，DeepSeek V3 并非简单地堆叠参数，而是通过注意力压缩

《具身智能技术进展与未来趋势》 摘要：具身智能领域在2025年后迎来爆发式发展，核心驱动力来自视觉-语言-动作（VLA）大模型的突破，其参数量已达百亿级，实现了感知、推理与执行的端到端整合。技术进步体现在三大方面：1）数据获取革新，开源数据集如OpenX-Embodiment覆盖1600多项技能，仿真平台实现85%以上的Sim-to-Real迁移成功率；2）操作能力跃升，触觉感知与扩散策略使机器人

来源于官方函数，input_shape=[160,160,3],classes=16Layer (type)Output ShapeParam #Connected to========================================================...

哈喽大家好，上面几篇做法是提取的对数mel谱然后用VGG做embedding特征，是否靠谱不得而知，但效果很差是明显的，寡人猜测原因：1.VGG训练的数据很短，很干净，没有其他杂音；2.其他细节问题，比如参数的微调；3.其他特征？？很多人骂我不分享代码，其实都是基础的东西，没有啥技术含量，这里分享下python一个版本stft【np中当然有直接的函数，这个版本也有依赖】。今天下午我有搜索下“音..

哈喽，大家好，你们深爱的小明哥又来了。emm，前提是这样的，这次接着写，克服了原来模型path的问题。但迁移学习真的有用吗？我表示怀疑，如图：这特么也是神操作，6得一批。acc越来越小。。。。。。。。。。。。。。。。如此下去，最后是0，老子也是开了眼，哪里有问题吗？？ResNet也是个坑爹的玩意。【我放弃了不再等到100了，这样训练20%一大关Epoch 0004...

鉴于上次分类结果不容乐观，故而本次增加了0视频，此次测试结果如下：一、实际是0视频，误判帧率，共200多个完整短视频视频[未切分]The total frames number=1474,error rate =0.0000The total frames number=1315,error rate =0.0274The total frames number=1472,erro...

各位大佬好！深度学习在语音方面的应用远比图像要少很多，除了众所周知的语音识别【ASR，Speech and Speaker】与语音合成【TTS】，似乎再也没有什么深度学习方面的应用了，其实这个问题很明显，本大佬从头说起，从某大佬开源图像数据集开始，语音还在数据的封闭阶段，一般人和单位根本拿不到数据，而当图像如火如荼的时候，火得不能再火的时候，语音方面的砖家才意识到革命必将来临，再不面对将失...

在RUN中找到debug，但发现没什么用，不能像VS中那样断点检测，卧槽。安卓咋打断点啊？看了几篇博文和我的都不一样，我的版本是3.5的，没有人家说的那个位置的圆点，另外还有说左键什么的根本也不行，右键结果如下：左键如下：你告诉我怎么打个断点吧，给你看看功能栏另外有相关问题可以加入QQ群讨论，不设微信群QQ群：868373192语音深度学习群...