HelloWorld 开发者社区
科技资讯
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
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
开源项目
全部项目推荐好文
常用的ControlNet以及如何在Stable Diffusion WebUI中使用
上一次我们已经介绍了如何通过代码的方式使用ControlNet,StableDiffusionWebUI里面包含了很详细的使用设置,我们可以直接在上面进行操作,所以本文将介绍如何以傻瓜的方式直接使用ControlNet。如果你用过StableDiffusion,可能已经注意到图像的输出有无
深度学习基础入门篇[一]:神经元简介、单层多层感知机、距离计算方法式、相似度函数
深度学习基础入门篇一:神经元简介、单层多层感知机、距离计算方法式、相似度函数1.神经元在生物学中,神经元细胞有兴奋与抑制两种状态。大多数神经元细胞在正常情况下处于抑制状态,一旦某个神经元受到刺激并且电位超过一定的阈值后,这个神经元细胞就被激活,处于兴奋状态,并向其他神经元传递信
深度学习基本理论
深度学习基本理论注:1、本文为个人学习笔记,所以内容大多比较简练不做过多解释2、文章参考书籍:1、《python深度学习》美弗朗索瓦·肖莱 著张亮译;2、《深度学习》(花书)3、部分内容自己阅读参考文献进行补充4、大部分代码都是基于py
深度学习 preprocess 预处理图片方式去 pytorch 化
我的模型需要线上部署了,想直接使用onnx,而不是pytorch,所以我需要把代码中关于pytorch的都删除了,比如下面这段代码,怎么使用其他库替代?<pre<codefromtorchvisionimporttransformspreprocesstransf
使用Unit Scaling进行FP16 和 FP8 训练
UnitScaling是一种新的低精度机器学习方法,能够在没有损失缩放的情况下训练FP16和FP8中的语言模型。使用FP16和BFLOAT16替代FP32可以将内存、带宽和计算需求的大幅减少,这也是目前越来越大的模型所需要的。背景介绍随着支持fp8的硬件的发展,在不
构建基于深度学习神经网络协同过滤模型(NCF)的视频推荐系统(Python3.10/Tensorflow2.11)
毋庸讳言,和传统架构(BS开发/CS开发)相比,人工智能技术确实有一定的基础门槛,它注定不是大众化,普适化的东西。但也不能否认,人工智能技术也具备像传统架构一样“套路化”的流程,也就是说,我们大可不必自己手动构建基于神经网络的机器学习系统,直接使用深度学习框架反而更加简单,深度学习可以帮助我们自动地
pytorch 中 Tensor 的 pow 方法是干嘛的?
在PyTorch中,Tensor的pow方法可以用来计算张量的幂次方,即将张量中的每个元素提升为指定幂次的值。例如,如果t是一个包含2,3,4的一维张量,那么t.pow(2)将返回一个新的张量,其中的元素为4,9,16。pow方法还可以接受一个可选的指数参数,用于指定幂次。例如,
扩散模型的Prompt指南:如何编写一个明确提示
Prompt(提示)是扩散模型生成图像的内容来源,构建好的提示是每一个StableDiffusion用户需要解决的第一步。本文总结所有关于提示的内容,这样可以让你生成更准确,更好的图像一个好的提示首先我们看看什么是好的提示,好的提示必须是详细和具体的。最好的办法是查看关键字类别和
图神经网络统一图算子抽象 uGrapher,大幅提高计算性能
开篇近日,阿里云机器学习PAI平台关于图神经网络统一高性能IR的论文《uGrapher》被系统领域顶会ASPLOS2023接收。为了解决当前图神经网络中框架中不同的图算子在不同图数据上静态kernel的性能问题,uGrapher通过将所有图算子抽象为统一的中间表达形式,解耦图算子的
使用Pytorch实现对比学习SimCLR 进行自监督预训练
SimCLR(SimpleFrameworkforContrastiveLearningofRepresentations)是一种学习图像表示的自监督技术。与传统的监督学习方法不同,SimCLR不依赖标记数据来学习有用的表示。它利用对比学习框架来学习一组有用的特征,这些特征可以从未
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。