HelloWorld 开发者社区
科技资讯
微软 MAI Code 2 系列进入 Copilot:按工程任务选择编程模型
OpenAI 发布 GPT-6.2 Astra 与 Sol:专业交付、编程效率与团队选型
Qwen4-Max 发布:百万 Token 上下文、多模态与长任务如何落地
Jync 2.2.1 发布:完善告警通知,修复 CDC 与 ETL 可靠性问题
phimint 0.10.0 发布:终端智能体加入交互输入处理
Cursor 更新安全事件调查:扩展分发、历史凭据与团队排查
SoduWork 开源,尝试用独立审查与插件治理组织智能体交付
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
开源项目
全部项目推荐好文
CAP:多重注意力机制,有趣的细粒度分类方案 | AAAI 2021
<blockquote<p论文提出细粒度分类解决方案CAP,通过上下文感知的注意力机制来帮助模型发现细微的特征变化。除了像素级别的注意力机制,还有区域级别的注意力机制以及局部特征编码方法,与以往的视觉方案很不同,值得一看</p<p来源:晓飞的算法工程笔记公众号</p</blockqu
如何比较两个或多个分布:从可视化到统计检验的方法总结
比较一个变量在不同组中的分布是数据科学中的一个常见问题。当我们想要评估一项策略(用户体验功能、广告活动、药物等)的因果效应时,因果推断的黄金标准便是随机对照试验,也就是所谓的A/B测试。在实践中,我们为研究选择一个样本,并将其随机分为对照组(controlgroup)和实验组(treatment
CVPR 2022 | 美团技术团队精选论文解读
<blockquote计算机视觉国际顶会CVPR2022近日在美国新奥尔良召开,今年美团技术团队有多篇论文被CVPR2022收录,这些论文涵盖了模型压缩、视频目标分割、3D视觉定位、图像描述、模型安全、跨模态视频内容检索等研究领域。本文将对6篇精选的论文做简要的介绍(附下载链接),希望能对从事
再突破!阿里云进入Gartner云AI开发者服务挑战者象限
日前,国际权威研究机构Gartner发布2022年《云AI开发者服务魔力象限》。凭借达摩院领先的AI算法和阿里云丰富的产品体系,继2021年入围远见者象限之后,阿里云进一步跃升至挑战者象限,且成为报告中执行能力最强的中国企业。!图片(https://imghelloworld.oss
NFNet:NF-ResNet的延伸,不用BN的4096超大batch size训练 | 21年论文
<blockquote<p论文认为BatchNormalization并不是网络的必要构造,反而会带来不少问题,于是开始研究NormalizerFree网络,希望既有相当的性能也能支持大规模训练。论文提出ACG梯度裁剪方法来辅助训练,能有效防止梯度爆炸,另外还基于NFResNet的思想将S
评估和选择最佳学习模型的一些指标总结
在评估模型时,虽然准确性是训练阶段模型评估和应用模型调整的重要指标,但它并不是模型评估的最佳指标,我们可以使用几个评估指标来评估我们的模型。因为我们用于构建大多数模型的数据是不平衡的,并且在对数据进行训练时模型可能会过拟合。在本文中,我将讨论和解释其中的一些方法,并给出使用Python代码的
使用Databricks+Mlflow进行机器学习模型的训练和部署【Databricks 数据洞察公开课】
简介:介绍如何使用Databricks和MLflow搭建机器学习生命周期管理平台,实现从数据准备、模型训练、参数和性能指标追踪、以及模型部署的全流程。作者:李锦桂阿里云开源大数据平台开发工程师ML工作流的痛点1.png机器学习工作流中存在诸多痛点:首先,很难对机器学习的实验进行追踪。
预约直播|机器学习PAI:AI加速计划
直播信息●直播时间:2022年06月28日(周二)16:0017:30●主讲:谭锋(峰奇)阿里云AI资深技术专家,机器学习PAI的平台架构师●直播议题:《云端开发环境DSW深入浅出》●直播议程:16:0016:30PAIDSW,PAIDLC等的产品介绍与功能展示16:3
NF-ResNet:去掉BN归一化,值得细读的网络信号分析 | ICLR 2021
<blockquote<p论文提出NFResNet,根据网络的实际信号传递进行分析,模拟BatchNorm在均值和方差传递上的表现,进而代替BatchNorm。论文实验和分析十分足,出来的效果也很不错。一些初始化方法的理论效果是对的,但实际使用会有偏差,论文通过实践分析发现了这一点进行补充,贯
位置编码(PE)是如何在Transformers中发挥作用的
在人类的语言中,单词的顺序和它们在句子中的位置是非常重要的。如果单词被重新排序后整个句子的意思就会改变,甚至可能变得毫无意义。Transformers不像LSTM具有处理序列排序的内置机制,它将序列中的每个单词视为彼此独立。所以使用位置编码来保留有关句子中单词顺序的信息。什么是位置编
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。


