silicon

在上一篇《适用于Transformer的图像编码/解码技术探索 ViT/VAE》中，我门开始了一项非常有挑战性的工作，接下来会陆续发布实验测试结果 实验1： 实验1希望尽可...

在之前的文章中，我们花了一年左右的时间对Transformer技术本身进行了较全面的测试，包括： 1、逻辑运算 为何简单的乘法ChatGPT会算错？ 大型语言模型（LLM）...

在使用ChatGPT等语言模型进行对话时，常常会输入带文字的图片，此时需要模型能准确地识别图片中的文本内容，再进一步理解文本内容。识别是基础，对算力要求比较低，本文重点关注...

最近看了篇文章《生成模型大道至简｜Rectified Flow基础概念》，看上去很简单的，决定自己做个实验测试下 很多人喜欢拿MNIST数据集来做入门实验，个人不建议，主要...

正解/逆解 求正解/逆解有现成的库，参考https://github.com/petercorke/robotics-toolbox-python，代码如下： 输出： 可视...

从今天开始准备写《基于深度学习的机器人智能控制算法》 以普通的六轴机器人抓取为例，模型输入是多个摄像头采集到的图像，输出是机器人每个轴的动作或末端执行器的动作 我觉得在这个...

本文使用ResNet+BERT分类模型来实现APA自动泊车算法 首先定义模型的输出动作类别 类别名 说明 S0 停车 S+ 直行前进单位距离 S- 直行后退单位距离 L+ ...

我觉得GPT模型的训练方法本身是存在缺陷的 一般生成式任务，给定输入，会存在多个正确的解，而在一条训练样本中，只会标出一个正确的解。那一定会存在一种情况：在训练过程中，给定...

记得很多次模型无法收敛，最后都是通过调参来解决 调参绝不只是锦上添花，而是系统的关键之一 说调参是核心技术也不为过 再好的模型，若没有与之匹配的调参方法就没法发挥出其潜力 ...

写在前面：本项目暂无任何实用价值，仅用于测试Transformer的学习能力。为了保证测试的合理性，建议在模型的推理过程中不使用任何基于搜索的算法，例如MCTS、BFS、D...

经过多天的写作与实验，今天终于把《基于Transformer的决策智能》系列文章写完了： 基于Transformer的决策智能 第一篇 Decision Intellige...

CRNN论文发表于2015年，最初被设计用于单行文本的识别，因为简单有效，所以直到今天依然应用广泛。 其网络结构较为简单： $ (B, C_{in},H_{in}, W_{...

深度学习就是学习输入与输出之间的映射关系。 深度学习模型本质上只是个参数量很大的函数，其中函数的参数可以通过训练样本进行调整。 根据训练样本的不同，进一步可以分为以下几类：...

上一篇：基于Transformer的决策智能 第三篇 BERT模型优化 我们先看看模型的输入： 2D的状态信息 16×16的状态信息，标记了障碍物位置、当前位置、目标位置 ...

上一篇：基于Transformer的决策智能 第二篇 BERT IS BETTER? 接上一篇，先分析一下失败的原因。随机生成10000条测试样本，错了34个，共三种错误：...

上一篇：基于Transformer的决策智能 第一篇 Decision Intelligence初探 接上一篇，相对于《基于Transformer的路径规划》中使用的GPT...