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

GAN 生成对抗网络 (Generative Adversarial Network)

GAN 是通过让一个“造假者”(生成器)和一个“警察”(判别器)不断对抗,最终让造假者学会生成以假乱真的数据。

#生成对抗网络#人工智能#神经网络
AIGC之扩散模型Diffusion Model

简单说:以前是 “人创作内容,AI 辅助处理”(比如用 PS 修图),现在是 “人给 AI 指令,AI 直接创作内容”(比如给 AI 说 “画一只会飞的熊猫”,AI 直接出图)—— 这就是 AIGC 的核心。你只需要知道,它是在利用预测的噪声,来“计算”出上一步更清晰的图像。c. 根据一个特定的公式(基于我们前向过程的数学推导),利用预测出的噪声 ϵθ​,计算出去除一部分噪声后的图片 xt−1​。

#AIGC#人工智能
Python 中匿名函数(lambda 表达式)的用法详解

Lambda 表达式(也称为匿名函数)是 Python 中用于创建小型、一次性使用的匿名函数的一种简洁方式。它们使用lambda关键字定义,不需要使用def关键字来正式定义函数。

#python
视觉词袋(Bag of Visual Words, BoVW)向量生成

原始图像 → 提取局部描述子(ORB/SIFT) → 量化为视觉单词ID → 统计基础频次BoW → TF-IDF加权 → L2归一化 → 最终BoW向量 → 输入分类器(SVM)→ 分类结果量化是 “降维映射” 的核心,将变长描述子转为固定长度的单词 ID;TF-IDF 加权是图像分类的 “精度关键”,突出有区分度的视觉单词;归一化是 “稳定性保障”,消除向量尺度差异对分类器的干扰。

#python
大模型幻觉

它有时不知道答案,但仍然会根据上下文继续往下生成,于是就可能生成一个听起来很合理、实际上却不存在或不正确的内容。结论:当事实缺失时,模型倾向于选择语境下最高频的词,生成看似合理实则错误的输出。

#机器学习#人工智能#深度学习
开发中常见概念整理

看到这个词第一反应GPU做大量并行计算的硬件RTX 4090一种 NVIDIA GPUVRAM / 显存GPU 自己的内存Driver控制 GPU 的驱动CUDA让程序使用 NVIDIA GPU 计算PyTorch深度学习框架nvidia-smi查看 GPU 状态nvccCUDA 编译器Conda管理独立软件环境pip安装 Python 包环境安装配方Sandbox权限受限的安全运行环境Check

#transformer
Python JSON 模块核心函数超详细指南

结合你的学习需求,我会把json模块的 4 个核心函数json.dumpsjson.dump。

#json
Python 模块(Module)与包(Package)

类型示例获取方式内置模块jsonossysPython 自带,无需安装直接导入即可本质:Python 官方提前写好的、编译进解释器的 “功能文件”(大部分是 .py,核心模块是 C 实现)自定义模块自己写的.py文件,按路径导入本质:你自己写的 .py 文件第三方模块pandasrequests需用pip install 模块名安装后导入本质:开发者写好的 .py 文件,通过 pip 安装到你的

#python
Python文件操作

核心流程:文件操作的基础是打开→操作→关闭,优先用with语句自动关闭文件,避免内存泄漏;核心模式:读取用r,覆盖写入用w,追加写入用a,二进制文件用rb/wb;核心方法:读取用read()(小文件)/(大文件),写入用write(),批量写入用;避坑要点:写入内容必须是字符串,中文乱码指定w模式会覆盖原有内容需慎用。3.1 读取方法(文本文件)方法作用适用场景f.read()一次性读取文件全部内

#python#开发语言
CoT 思维链

CoT 是的缩写,中文通常叫。通俗地说,就是让大模型不要直接给答案,而是把问题拆成多个中间步骤,再一步一步得到结论。例如:小明有 5 个苹果,又买了 3 个,送给别人 2 个,还剩多少个?直接回答:6 个。使用 CoT:原来有 5 个,买了 3 个后有 5+3=85+3=85+3=8 个;又送出 2 个,所以剩下 8−2=68-2=68−2=6 个。这里的“先加法,再减法,最后得出答案”,就是一条

#人工智能
    共 38 条
  • 1
  • 2
  • 3
  • 4
  • 请选择