首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
AI
sidiot
创建于2022-10-30
订阅专栏
记录一些与 AI 相关的内容;
等 17 人订阅
共21篇文章
创建于2022-10-30
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
【项目实战】基于 MobileNetV3 实现恶意文件静态检测(下)
在上篇博文中,博主介绍了关于 MobileNetV3 的网络结构以及主体代码实现;接下来,博主将介绍模型的训练,验证评估以及接口设计。
【项目实战】基于 MobileNetV3 实现恶意文件静态检测(上)
鉴于恶意文件的特殊性,使用 ViT 训练的恶意文件静态检测模型效果并不理想,因此,本篇文章转换思路,使用轻量级模型 MobileNetV3 进行训练。
【AI】用 GPT 帮小兔子画肖像
继帮小兔子完成了作一首诗词,写一篇文章之后,小兔子又有新的想法了;小兔子说,新年到了,她想要一张自画像,但是她自己又画不来,拜托博主用 GPT 帮她画一个;人美心善的博主当然是欣然答应了;
【AI】用 GPT 帮小兔子写文章
继上次帮小兔子完成古诗作业之后,小兔子的老师这次布置作业要写一篇与新春相关的作业,偷懒的小兔子又赖上了博主,让博主再用 GPT 帮她写一篇作文...;
【AI】用 GPT 帮小兔子写首诗
这不兔年到了,薅薅兔毛,作首与 “兔” 相关的诗词; 前不久在网络爆火的 ChatGPT,被网友们玩出了各种花样,基于此训练了一个能作中文古诗词的 GPT 预训练模型,在这儿给大伙作首诗词;
【NLP】入门(五):TF-IDF(拓展篇)
在上篇博文 【NLP】入门(四):TF-IDF(代码篇) 结尾处,博主曾留下疑问:除了搜索匹配之外,TF-IDF 还能干些什么有意思的事情呢?
【问题解决】解决如何在 CPU 上加载多 GPU 训练的模型
因为样本在某台机子上,又恰逢有其他模型在训练,因此 GPU 资源被占满了,不过测试这个模型的话,CPU 也绰绰有余了,当我准备使用 CPU 训练时,却遇到了问题;
【NLP】入门(四):TF-IDF(代码篇)
在上一篇博文 【NLP】入门(三):TF-IDF(理论篇) 中,已经对 TF-IDF 进行了理论介绍,那么接下来,让我们结合代码,对 TF-IDF 有更加深刻的理解吧;
【AI】恶意文件静态检测模型检验及小结
在之前的博文中,博主提及过恶意文件静态检测的一种方法,并因此训练了模型,由于样本量巨大以及资源有限,训练一个 epoch 就需要一周多的时间,因此就先拿训练过一个 epoch 的模型来进行测试;
【NLP】入门(三):TF-IDF(理论篇)
在上篇博文中,博主简单地介绍了搜索引擎的工作原理,并且在文末提到了处理匹配排序最有名的算法之一 TF-IDF。接下来,跟随博主来了解一下 TF-IDF 算法;
【NLP】入门(二):搜索引擎是怎么工作的
生活中我们已经离不开互联网,而互联网也离不开一门技术,这种技术在早期的互联网中发挥着决定性的作用,它连接着人与人,人与网。它,就是我们的搜索引擎。那他们是如何做到把零散的信息组织起来的呢?
【NLP】入门(一):简介
计算机读懂语言,在如今已经不是什么新鲜的事情了,不过你有没有想过计算机是如何读懂人类语言的呢?自然语言处理 NLP 技术在当今变成了最具有挑战性也是最难攻破的人工智能技术之一。
【AI】浅谈使用正则化防止过拟合(下)
对于机器学习问题,我们最常遇到的一个问题便是过拟合。因此,我们需要通过正则化的方法来防止过拟合,接下来跟博主一起来了解一下吧。本篇将重点介绍什么是正则化,以及如何进行权重衰减?
【AI】浅谈使用正则化防止过拟合(上)
对于机器学习问题,我们最常遇到的一个问题便是过拟合。因此,我们需要通过正则化的方法来防止过拟合,接下来跟博主一起来了解一下吧。本篇将重点介绍什么是欠拟合与过拟合,是什么原因造成的,该如何解决?
【AI】浅谈损失函数
在任何深度学习项目中,配置损失函数都是确保模型以预期方式工作的最重要步骤之一。 损失函数可以为神经网络提供很多实用的灵活性,它将定义网络输出与网络其余部分的连接方式。
【AI】浅析恶意文件静态检测及部分问题解决思路
为了应对挑战,恶意文件静态检测的思想被提了出来。基于机器学习算法的防护技术为实现高准确率、自动化的未知恶意文件检测提供了行之有效的技术途径,已逐渐成为业内研究的热点。
【AI】浅谈梯度下降算法(拓展篇)
在求解机器学习算法的模型参数,即无约束优化问题时,梯度下降(Gradient Descent)是最常采用的方法之一,另一种常用的方法是最小二乘法。目前正在学习这方面相关的内容,因此简单谈谈。
【AI】浅谈梯度下降算法(实战篇)
在求解机器学习算法的模型参数,即无约束优化问题时,梯度下降(Gradient Descent)是最常采用的方法之一,另一种常用的方法是最小二乘法。目前正在学习这方面相关的内容,因此简单谈谈。
【AI】浅谈梯度下降算法(理论篇)
在求解机器学习算法的模型参数,即无约束优化问题时,梯度下降(Gradient Descent)是最常采用的方法之一,另一种常用的方法是最小二乘法。目前正在学习这方面相关的内容,因此简单谈谈。
【项目实战】MNIST 手写数字识别(下)
本文将介绍如何在 PyTorch 中构建一个简单的卷积神经网络,并训练它使用 MNIST 数据集识别手写数字,这将可以被看做是图像识别的 “Hello, World!”;
下一页