AI

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。

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。

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；

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...；

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；

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？

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；

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；

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；

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；

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？

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。

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？

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？

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。

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。

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。

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。

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。

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!”；