人工智能知识总结

上篇文章通过MVTEC数据的的提出者公开的方法简单学习了基于特征提取的教师学生网络进行异常匹配，这篇文章将通过另一篇由北航及百度联合发表的一篇论文进行教师学生网络进行异常匹配的学习，一起来看看吧

教师学生网络模型通常用于进行知识蒸馏任务，该任务的目的通常是为了避免模型过大而无法部署，进而通过教师模型（即已在数据集训练好的模型）进行知识蒸馏，但本文将介绍另一更具挑战性的任务。

这次比赛基于伏羲气象大模型，主要是为了进一步优化和提升未来三天的极端降水预测，并以一个由多个符合结构的pt文件组成的zip文件进行提交

最近一个偶然的机会，老师盯上了CIFAR-10数据集，既然如此，就借此锻炼一下自己代码能力吧！！！！

上一篇文章说到参加kaggle中的Deepfake比赛中使用baseline模型进行数据集训练及提交评估分数，这篇文章将带来如何构建一个CNN模型进行训练并完成任务。

大家有没有试过在找到别人复现的人工智能论文代码后，迫不及待地在自己数据集上跑一下试试效果，但是为什么找到的总是cpu版本的代码，偏偏这份代码还很合自己的缝合意向（🤯🤯🤯）。

发展历程 机器学习是人工智能研究发展到一定阶段的必然产物。二十世纪五十年代到七十年代，人工智能研究处于‘推理期’，人们认为只要赋予机器逻辑推理能力，机器就具有智能。