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
爱睡觉的咋
掘友等级
是一名专注python机器学习的博主啊!
获得徽章 0
动态
文章
专栏
沸点
收藏集
关注
作品
赞
1
文章 1
沸点 0
赞
1
返回
|
搜索文章
最新
热门
Linux常用基础指令大全
在使用Aistudio平台学习PaddlePaddle时,常常会用到linux指令,对于之前没有学习过linux指令的我来说,确实有点难度,在学习了一段时间之后,慢慢也适应了linux指令,这一篇博客主要记录linux中的常用指令。1.绝对路径与相对路径2.ls 列举当前目录下的...
ChatGPT有用到知识图谱吗?它自己是这样回答...
从搜索引擎到个人助手,我们每天都在使用问答系统。问答系统必须能够访问相关的知识并进行推理。通常,知识可以隐式地编码在大型语言模型(LLMs)中,例如ChatGPT、T5 和LaMDA 等大型语言模型,这些模型在未结构化文本上进行预训练,或者显式地表示在知识图谱(KGs)中,例如O...
NLP与ChatGPT的碰撞:大模型和小模型联合发力
随着人工智能的蓬勃发展,大量应用场景中都会涉及到文本内容的理解技术。由于场景的不同,目前文本内容理解没有统一的模板,解决起来并不容易。在市场上有各种各样的机器学习、深度学习、自然语言处理等资料,但是都没有与业务场景紧密地联系起来,即使有联系也很笼统,并没有涉及实际业务场景中非常琐...
机器学习中的数学——学习曲线如何区别欠拟合与过拟合
通过这篇博客,你将清晰的明白什么是如何区别欠拟合与过拟合。前面我们聊了很多过拟合的话题,即模型学习了很多训练集特有的属性。导致模型对于训练集有很好的拟合效果,而对于未知数据的预测能力很差,模型的泛化能力很差。而反过来又有一种叫作欠拟合的状态,用英文说是 underfitting。...
深度学习必备书籍——《Python深度学习 基于Pytorch》
在人工智能时代,如何尽快掌握人工智能的核心—深度学习呢?相信这是每个欲进入此领域的人面临的主要问题。目前,深度学习框架很多,如TensorFlow、PyTorch、Keras、FastAI、CNTK等。面对众多的深度学习框架,初学者应如何选择?哪个框架既易于上手,又在工业界有广泛...
Pycharm一键安装ChatGPT插件,效率蹭蹭往上涨
目前ChatGPT已经更新到4,它给人类带来的便利是难以想象。from keras.from keras.from keras.from keras.preprocessing.model.model.model.model.model.model.model.model.mod...
机器学习中的数学原理——分类的正则化
通过这篇博客,你将清晰的明白什么是分类的正则化。在上一篇问文章中我们介绍了正则化,正则化是减少过拟合的有效手段。之前讨论的是回归的情况,对于分类也可以应用正则化,大家还记得逻辑回归的目标函数吗?也就是对数似然函数: 分类也是在这个目标函数中增加正则化项就行了,道理是相同的。 注意...
机器学习中的数学原理——过拟合、正则化与惩罚函数
通过这篇博客,你将清晰的明白什么是过拟合、正则化、惩罚函数。一、过拟合二、正则化2.1 正则化的方法2.之前我们提到过的模型只能拟合训练数据的状态被称为过拟合,英文是 overfitting。记得在学习回归的时候,过度增加函数 fθ(x)的次数会导致过拟合。过拟合不止在回归时出现,...
机器学习中的数学原理——F值与交叉验证
通过这篇博客,你将清晰的明白什么是F值、交叉验证。在之前的学习中,我们已经学习了精确率Precision和召回率Recall,有没有这样一个值能够综合得考虑这两个值呢?如果只是简单地计算平均值并不算很好的方法。假设现在有两个模型,它们的精确率和召回率是这样的: 模型 B 的召回率...
人工智能|计算机视觉|深度学习CV岗面试经典问题总结
马上又到了金三银四的面试季啦。对于人工智能这个非常卷的行业来说,想找到一份好的实习或者工作还是很有难度的。1.介绍 YOL0,并且解释一下 YOLO 为什么可以这么快?2.介绍一下YOLOv3的原理?3.YOL0、SSD和Faster-RCNN 的区别,他们各自的优和不足分别是什...
下一页
个人成就
文章被点赞
22
文章被阅读
39,971
掘力值
765
关注了
4
关注者
14
收藏集
0
关注标签
3
加入于
2022-11-27