重要的超参数深度学习网络有很多超参数，下面列出了一些比较重要，常常需要调节的超参数。最重要学习率较重要mini-batch sizehidden units网络层数动量参数学习率衰减算力不同的调参算力不同、网络规模、数据量不同，也有不同的调参方法，当模型和计算量较小时，可以使用网格调参；在算力足够的情况下，使用多组参数并行训练模型；反之，如果算力不足，且模型和数据较大，可能需要手动调参，比如训练几

在缺乏专业指导的情况下，大模型的专业能力、分析能力，以及构建知识体系的能力帮助我跨越了此前难以逾越的障碍。

提出了一种基于蒸馏大型语言模型的财务新闻情绪分析方法，用于预测股价趋势。

 对于训练深度学习，设计神经网络结构是其中技术含高最高的任务，优秀的网络架构往往依赖建构模型的经验，专业领域知识，以及大量的算力试错。实际应用中往往基于类似功能的神经网络微调生成新的网络结构。 Auto-Keras是一个离线使用的开源库，用于构建神经网络结构和搜索超参数，支持RNN，CNN神经网络，它使用了高效神经网络搜索ENAS，利用迁移学习的原理将在前面任务中学到的权值应用于后期的模型中，..

Whisper 是 OpenAI 的语音识别系统（几乎是最先进），它是免费的开源模型，可供本地部署。

AutoGPT 目标是建立和使用 AI Agent，设定一个或多个目标，AutoGPT 自动拆解成相对应的任务，并派出 Agent 执行任务直到目标达成，无需编程。

本篇解读的论文发表于2020年，主要介绍基于深度学习的异常检测技术，可作为2009年发表的那篇高引的传统异常检测综述的互补。

OpenRouter 是一个开放协议的“大语言模型接入平台”。用户可以在一个平台上使用统一的 API 接口和统一的 APIKey 调用各种模型。

1. 赛题说明 天池精准医疗大赛——人工智能辅助糖尿病遗传风险预测，这是明天即将开始的天池大数据比赛。赛题名字看起来很高深，其实是根据年龄，性别，肝功，血常规等体验指标，预测血糖值。数据挺少的，特征40个左右，训练集5000多个实例，测试集1000个实例。任何机器都能很快跑完。比赛地址：https://tianchi.aliyun.com/competition/introduction.

深度学习：Tensorflow, Theano, Keras库的安装使用及特点介绍