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
达观携手CCF BDCI举办第六届“达观杯”知识图谱自动化构建比赛
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/5a12ffe5f22e3f2ccf956f24cc05619c.png)!(https://imghelloworld.osscnbeijing.aliyuncs.
【MindSpore易点通】如何将PyTorch源码转成MindSpore低阶APIP,并在Ascend芯片上实现单机单卡训练
文章来源:华为云论坛_云计算论坛_开发者论坛_技术论坛华为云1 概述本文将介绍如何将PyTorch源码转换成MindSpore低阶API代码,并在Ascend芯片上实现单机单卡训练。下图展示了MindSpore高阶API、低阶API和PyTorch的训练流程的区别。!图片(https://im
如何估算transformer模型的显存大小
在微调GPT/BERT模型时,会经常遇到“cudaoutofmemory”的情况。这是因为transformer是内存密集型的模型,并且内存要求也随序列长度而增加。所以如果能对模型的内存要求进行粗略的估计将有助于估计任务所需的资源。如果你想直接看结果,可以跳到本文最后。不过在阅读本文前请
最全自动驾驶数据集分享系列六 | 定位与地图数据集
目前关于自动驾驶数据集你想知道的,应该都在这里了,这是「整数智能」自动驾驶数据集八大系列分享之系列六:「本期划重点」支持端到端的深度强化学习的研究:StreetLearn包含城市和郊区驾驶的新特性,如高度动态环境、回旋、斜坡道路、建筑绕行、激进驾驶等:UTBMRob
为什么基于树的模型在表格数据上仍然优于深度学习
在这篇文章中,我将详细解释这篇论文《Whydotreebasedmodelsstilloutperformdeeplearningontabulardata》这篇论文解释了一个被世界各地的机器学习从业者在各种领域观察到的现象——基于树的模型在分析表格数据方面比深度学习/神经网络
将特征转换为正态分布的一种方法示例
正态(高斯)分布在机器学习中起着核心作用,线性回归模型中要假设随机误差等方差并且服从正态分布,如果变量服从正态分布,那么更容易建立理论结果。统计学领域的很大一部分研究都是假设数据是正态分布的,所以如果我们的数据具有是正态分布,那么么则可以获得更好的结果。但是一般情况下我们的数据都并不是正态分布,
Pytorch中获取模型摘要的3种方法
在pytorch中获取模型的可训练和不可训练的参数,层名称,内核大小和数量。Pytorchnn.Module类中没有提供像与Keras那样的可以计算模型中可训练和不可训练的参数的数量并显示模型摘要的方法。所以在这篇文章中,我将总结我知道三种方法来计算Pytorch模型中可训练和不可训练的参
20 行代码!带你快速构建基础文本搜索引擎 ⛵
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/b25225624859ab6bc569e1a94a289470.png)本文使用tfidf(词频逆文件频率)、lsi(潜在语义索引)和doc2vec(文档向量化嵌
AI听曲识歌!哼曲、口哨吹,都能秒识! ⛵
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/20896d0783ef3e0b93eaeeca4a4feffa.png)本文讲解音频检索技术及其广泛的应用场景。以『听曲识歌』为例,技术流程为具对已知歌曲抽取特征并构建
【视频】量化交易陷阱和R语言改进股票配对交易策略分析中国股市投资组合
全文链接:http://tecdat.cn/?p22034(https://link.segmentfault.com/?encOx6uSBEXseF3Ob11YqAP9g%3D%3D.a82vppcHmi7PXDjpMLHLn5j5tv0huQ%2BYQCS0KZ4UYZI%3D)
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。


