跟着吴恩达学习AI视觉大模型教程笔记总结

多模态（Multimodality）是指集成和处理两种或两种以上不同类型的信息或数据的方法和技术。在机器学习和人工智能领域，多模态涉及的数据类型通常包括但不限于文本、图像、视频、音频和传感器数据。多模态系统的目的是利用来自多种模态的信息来提高任务的性能，提供更丰富的用户体验，或者获得更全面的数据分析结果。顾名思义，多模态研究的就是这些不同类型的数据的融合的问题。多模态研究的是视觉语言问题，其任务是

在 TensorFlow 中，定义神经网络通常使用 tf.keras.Model 或 tf.keras.Sequential。以下是一个基于 TensorFlow 的实现，等效于你描述的 MindSpore 神经网络结构。这个网络包含一个输入层、一个 Flatten 层将输入数据压平为一维向量，然后是三个全连接层，最后输出层有 10 个神经元，对应于 MNIST 数据集中的 10 个类别。# 定义

第一步：判断能否按照gpu版本，如果是英伟达的显卡，就可以安装，如果不是英伟达的就不可以安装gpu版本，只可以安装cpu版本。

多模态（Multimodality）是指集成和处理两种或两种以上不同类型的信息或数据的方法和技术。在机器学习和人工智能领域，多模态涉及的数据类型通常包括但不限于文本、图像、视频、音频和传感器数据。多模态系统的目的是利用来自多种模态的信息来提高任务的性能，提供更丰富的用户体验，或者获得更全面的数据分析结果。顾名思义，多模态研究的就是这些不同类型的数据的融合的问题。多模态研究的是视觉语言问题，其任务是

【 DCIS与IBC的关联】乳腺导管原位癌（DCIS）可发展为同侧浸润性乳腺癌（IBC），但超过 75% 的 DCIS 病变如不治疗则不会发展。【深度学习模型的探索】为筛选低风险DCIS，利用组织学全切片图像（WSI）和临床病理数据开发了深度学习模型。

多模态（Multimodality）是指集成和处理两种或两种以上不同类型的信息或数据的方法和技术。在机器学习和人工智能领域，多模态涉及的数据类型通常包括但不限于文本、图像、视频、音频和传感器数据。多模态系统的目的是利用来自多种模态的信息来提高任务的性能，提供更丰富的用户体验，或者获得更全面的数据分析结果。顾名思义，多模态研究的就是这些不同类型的数据的融合的问题。多模态研究的是视觉语言问题，其任务是

多模态对齐与融合是人工智能处理跨模态数据的关键技术。多模态对齐通过构建统一语义空间（如CLIP模型），让不同模态数据在向量空间中建立关联。多模态融合则通过注意力机制实现信息整合，包含早期、中期和晚期三种融合方式，应用于视频理解、医疗诊断等领域。两者结合使AI能更全面地理解和处理图像、文本、音频等多模态信息。

Yaml是一种所有编程语言可用的友好的数据序列化标准。语法和其他高阶语言类似，并且可以简单表达字典、列表和其他基本数据类型的形态。

文章目录一、实践流程二、问题识别三、数据准备 3.1数据文件（csv文件） 3.2数据特征 3.3数据样本示例四、数据分析处理 4.1数据分析前的准备 4.2基础流程 4.3正式进行数据处理 4.3.1导入数据集，进行数据读取 4.3.2数据分析处理考虑的维度 4.3.3数据深入分析五、数据可视化 5.1 绘制条形图 5.2 绘制饼状图 5.3 绘制关系图六、模型选择及训练 6.1数据集的划分 6