@Wufan 个人主页

@weixin_44606139

@Wufan

2022-10-27 12:22:32 加入 DevPress

简介

该用户还未填写简介

擅长的技术栈

未填写擅长的技术栈

可提供的服务

暂无可提供的服务

【机器学习】24 Markov chain Monte Carlo (MCMC) inference

本章介绍了马尔可夫链蒙特卡洛(MCMC)方法，重点探讨了Gibbs采样和Metropolis-Hastings算法两种核心方法，并分析其应用场景、收敛性及优化策略。内容涵盖Gibbs采样在Ising模型、高斯混合模型中的应用，Metropolis-Hastings算法原理及变体，以及收敛诊断、辅助变量MCMC、退火方法和边缘似然估计等技术。章节还涉及并行计算、自适应MCMC等前沿主题，为贝叶斯推断

#机器学习 #人工智能

序言｜从《Machine Learning: A Probabilistic Perspective》出发：我的学习实践

我在博客上开设了一个专栏，记录我系统学习 Kevin P. Murphy 的《Machine Learning: A Probabilistic Perspective》的全过程。学习方式很“工程”：每一章我都会把关键内容交给大模型协助中文翻译 + 解释 + 要点总结，再结合自己的理解与问答，沉淀为章节博客与一份可下载的 PDF 学习记录。这篇序言交代我的动机、方法与规范，方便你了解接下来每篇文章

#机器学习

计算机视觉与深度学习-纹理表示&卷积神经网络

#深度学习 #计算机视觉 #cnn

Windows环境下如何用GPT3微调自己的模型

GPT-3 已经在来自开放互联网的大量文本上进行了预训练。当给出仅包含几个示例的提示时，它通常可以凭直觉判断出您要执行的任务并生成合理的完成。这通常称为“小样本学习”。微调通过训练比提示中更多的示例来改进小样本学习，让您在大量任务中取得更好的结果。对模型进行微调后，您将不再需要在提示中提供示例。这样可以节省成本并实现更低延迟的请求。