我们选取了一些线性代数，高等数学和概率论的知识点，来唤醒大家的记忆。同时，我们也介绍了它们在JAX上的实现和加速。 虽然我们的例子都不起眼，但它们是确确实实在TPU上跑起来的。

什么是元学习呢？ 元学习通俗的来说，就是去学习如何学习（Learning to learn）,掌握学习的方法，有时候掌握学习的方法比刻苦学习更重要！

Federated Graph Neural Networks: Overview, Techniques and Challenges 论文信息 联邦图神经网络：概述、技术和挑战 摘要 图神经网络(

论文信息 摘要 图神经网络( GNNs )凭借其强大的处理实际应用中广泛存在的图数据的能力，受到了广泛的研究关注。然而，随着社会越来越关注数据隐私，GNNs面临着适应这种新常态的需要。这导致了近年来联

我正在参加「掘金·启航计划」 论文信息 时间和上下文对比的时间序列表示学习 摘要 从具有时间动态性的未标记时间序列数据中学习合理的表示是一项非常具有挑战性的任务。本文提出一种无监督的时间序列表示学习框

闲来无事研究了百度图像识别 API，发现该功能还算强大，在此将其使用方法总结成教程，提供大家学习参考 首先预览下效果 从以上预览图中可看出，每张图片识别出5条数据，每条数据根据识别度从高往下排，每条数

作为最近热门的生成式大模型的基石，Transformer自2017年诞生以来，就成为nlp研究者必须掌握的基本模型。本系列将通过图解方式，全方面展示Transformer的细节。

大模型的能力最另人惊讶的，一个是强大的能力，另一个就是时不时一本正经地胡说八道。如果你用的是小一点的模型，可能还见过输出循环内容之类的情况。我们将这种生成不良内容的现象称为幻觉

作为最近热门的生成式大模型的基石，Transformer自2017年诞生以来，就成为nlp研究者必须掌握的基本模型。本系列将通过图解方式，全方面展示Transformer的细节。

作为最近热门的生成式大模型的基石，Transformer自2017年诞生以来，就成为nlp研究者必须掌握的基本模型。本系列将通过图解方式，全方面展示Transformer的细节。

暗光图像处理 这篇论文最大的贡献之一就是提供了一个真实世界的低光照图像和对应reference的数据集，但这些图像不是传统的类型，属于raw sensor data，低光照图像是短曝光下得到的，对应的

本章节主要讲述chatglm相较于transformer的一些改进点，以及在gpu机器上的本地化部署和运行效果。

二叉搜索树 什么是二叉搜索树 二叉搜索树（Binary Search Tree，BST）是一种常用的数据结构，它是一棵二叉树，其中每个节点的值都大于其左子树中任意节点的值，小于其右子树中任意节点的值。

虽然我们都说当下大模型最引人瞩目令人浮想联翩的神奇能力在于它的推理判断能力，但是如果提一个问题，“这种通过语言、文本信息学习到的推理判断能力真的可以面对现实世界的复杂情况吗？”，换言之以一个人类视角如

基于深度学习的高精度动物检测识别系统可用于日常生活中或野外来检测与定位动物目标（狼、鹿、猪、兔和浣熊），利用深度学习算法可实现图片、视频、摄像头等方式的动物（狼、鹿、猪、兔和浣熊）目标检测识别

本文提出了一种新颖的网络架构CTO，即Convolution, Transformer 和 Operator，通过结合卷积神经网络、视觉 Transformer 和显式边界检测操作，实现高精度性能。

本文主要介绍了一种用于改进夜间辅助驾驶场景分割的方法，该方法通过使用双图像自适应可学习滤波器（DIAL-Filters）来提高夜间驾驶条件下的语义分割性能。

本文介绍了一个开源语音识别工具包FunASR，旨在弥合学术研究和工业应用之间的差距。FunASR提供了在大规模工业语料库上训练的模型，并能够将其部署到应用程序中。

Kadane 算法 Kadane 算法（Kadane's algorithm）是一种用于解决最大子数组问题的动态规划算法。最大子数组问题的目标是在一个整数数组中找到一个连续的子数组，使得该子数组的和最