月球背面

Hello，大家好，祝JYM中秋快乐，阖家团圆。节前最后一篇，陪你走到最后一刻。🥗🥗🥗本节将为大家介绍GPT和BERT的原理，一起来学学叭。🍚🍚🍚

今天给小伙伴介绍一个轻量化的卷积神经网络——ShuffleNet V1，它特别设计用于在资源受限的设备上进行高效的图像分类任务，采用了一些创新设计来减少模型计算量和参数量，广泛应用在人脸解锁、短视频、

今天这节将为大家介绍LSTM、ELMO和Transformer模型，学完今天这些内容，在下一讲我们就来介绍我们的正主了————GPT和BERT。🍄🍄🍄

如果给你一个小型数据集让你实现图像分类任务，为了尽可能提高准确度，你会怎么做呢？有过训练模型经验的小伙伴肯定会选择将在大型公共数据集上训练得到的模型作为自己任务的预训练模型。其实这就是迁移学习的运用

对比扩散模型DDPM，配合详细的图例，具象化地数学原理解读，带大家从博弈论双人游戏的视角，重新了解一次GAN

NLP的内容很多，你如果在网上搜NLP学习路线的话你会看的眼花缭乱，本系列主要会介绍一些重要的知识点，一些老模型就不介绍了，感觉用处不大，我们的目标是向经典模型看齐，如GPT系列，BERT家族等等。

上期介绍了知识蒸馏的核心原理，一句话概括——将教师模型的知识通过soft targets传递给学生模型。今天就来实战一下，看看教师模型、学生模型是怎样用代码构建的，学习如何用知识蒸馏提高学生模型的性能

小伙伴有没有遇到过因深度学习模型太大而导致训练部署困难呢🧐🧐🧐今儿就给大家介绍一个AI领域重要的模型压缩方法——知识蒸馏。它基于“教师-学生网络思想”训练方法，通过师徒传授，将大规模知识传递给轻

在CV大模型系列中，我们介绍了扩散模型的运作原理介绍了Transformer架构下做CV任务的方法，也介绍了多模态大模型CLIP。有了这么多的前置知识，今天，我们终于可以来一探文生图模型的奥秘了。