导言最近在入门机器学习，学了一段时间觉得需要尝试做一个案例，巩固学过的知识，查漏补缺。想到刚刚入门数学建模时《数学模型》中统计学习的第一章，孕妇吸烟与胎儿健康问题。数据集在这这里以孕妇吸烟与胎儿健康为例，建立模型，希望通过各类特征预测新生儿体重。（注：因为此问题中各特征与新生儿体重间并无强烈相关性，导致各类模型效果可能都不会特别理想，这里只讨论方法）代码我基本一行一行注释，应该不会出现看不明白的情

超轻量级目标检测模型NanoDet-Plus微调、ONNRuntime部署保姆级教学！

EMA算法代码一览以及实例运用。

强化学习（探险者寻宝藏）

使用LoRA和QLoRA微调LLMs模型的最佳实践，以及调参建议

大语言模型（LLMs）通常需要在数十亿个tokens上进行预训练，一旦有了新数据，又要重新开始训练。更有效的解决方案是增量预训练（Continue PreTraining）这些模型，这与重新训练相比可以节省大量的计算资源。然而，新数据带来的分布偏移通常会导致在旧数据上的性能下降或者对新数据的适应性不佳。

Dolma论文翻译

微软发布的Phi-2模型在kaggle平台上的QLoRa微调教程

本文通过实验比较了Qwen3-0.6B和Bert在文本分类任务中的表现。实验使用AG News数据集，Bert通过添加线性层进行微调，而Qwen3-0.6B则通过构造Prompt进行SFT训练。结果显示，Bert在测试集上的F1得分为0.945，而Qwen3-0.6B的F1得分为0.944，两者表现接近。实验表明，尽管Qwen3-0.6B参数量较大，但在文本分类任务中并未显著优于Bert。实验还指

在kaggle平台上使用P100 GPU微调Hugging Face中图像分类模型vit-base-patch16-224