CLIP，全称为Contrastive Language–Image Pre-training（对比语言-图像预训练），是一种跨模态模型。它的目标是学习一个可以同时理解图像和语言的通用视觉-语言表示空间。传统图像识别模型需要在每个任务上进行微调（fine-tuning），但 CLIP 只需简单的自然语言提示（prompt），就可以实现零样本图像分类（zero-shot classification

NVIDIA 作为全球领先的 GPU 供应商，其产品广泛应用于人工智能 (AI)、高性能计算 (HPC)、游戏、工作站和嵌入式系统等领域。本文将详细介绍 NVIDIA 主要的 GPU 系列，包括其特点和应用场景。

规划(Planing)子目标和分解（Subgoal and decomposition）：代理将大型任务分解为更小的、可管理的子目标，从而能够有效地处理复杂的任务。反思和完善（Reflection and refinement）：智能体可以对过去的行为进行自我批评和自我反思，从错误中吸取教训，并针对未来的步骤进行完善，从而提高最终结果的质量。记忆 (Memory)短期记忆（Short-term m

激活函数是用来加入非线性因素的，解决线性模型所不能解决的问题首先我们有这个需求，就是二分类问题，如我要将下面的三角形和圆形点进行正确的分类，如下图：利用我们单层的感知机, 用它可以划出一条线, 把平面分割开：上图直线是由w1x1+w2x2+b=0w_1x_1+w_2x_2+b=0w1​x1​+w2​x2​+b=0得到，那么该感知器实现预测的功能步骤如下，就是我已经训练好了一个感知器模型，...

系列文章目录深度学习GAN（一）之简单介绍深度学习GAN（二）之DCGAN基于CIFAR10数据集的例子深度学习GAN（三）之DCGAN基于手写体Mnist数据集的例子深度学习GAN（四）之cGAN (Conditional GAN)的例子深度学习GAN（五）之PIX2PIX GAN的例子深度学习GAN（六）之CycleGAN的例子Pix2Pix GAN的例子系列文章目录1. Pix2Pix介绍2

使用Tensorflow的Keras搭建卷积神经网络来进行情感分析在自然语言领域，卷积的作用在于利用文字的局部特征。一个词的前后几个词必然和这个词本身相关，这组成该词所代表的词群。词群进而会对段落文字的意思进行影响，决定这个段落到底是正向的还是负向的。对比传统方法，利用词包，和TF-IDF 等，其思想有相通之处。但最大的不同点在于，传统方法是人为构造用于分类的特征，而深度学习中的卷积让神经网络去构

LeNet5LeNet5不是CNN的起点，但却是它的hello world，让大家看到了卷积神经网络商用的前景。AlexNet是CNN向大规模商用打响的第一枪，夺得ImageNet 2012年分类冠军，宣告神经网络的王者归来。VGG以其简单的结构，在提出的若干年内在各大计算机视觉领域都成为了最广泛使用的benchmark。它们都有着简单而又优雅的结构，同出一门。诠释了增加深度是如何提高了深度...

深度学习的训练过程是指通过大量的数据来调整神经网络的参数，以使其能够对输入数据进行准确的预测或分类.

前言BP(back propagation)神经网络1. 什么是人工神经网络？首先给出一个经典的定义：“神经网络是由具有适应性的简单单元组成的广泛并行互连网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应”[Kohonen, 1988]。这种说法虽然很经典，但是对于初学者并不是很友好。比如我在刚开始学习的时候就把人工神经网络想象地很高端，以至于很长一段时间都不能理解为什么神经网络能够

1. 什么是 RNN循环神经网络（Recurrent Neural Network，RNN）是一种以序列数据为输入来进行建模的深度学习模型，它是 NLP 中最常用的模型。2. RNN 的结构RNN 有多种结构如下图所示：我们从基础的神经网络中知道，神经网络包含输入层、隐层、输出层，通过激活函数控制输出，层与层之间通过权值连接。激活函数是事先确定好的，那么神经网络模型通过训练“学“到的东西就蕴含在“