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
优艾智合与英特尔联合冠名的复合移动机器人蓝皮书正式发布
随着工厂内部制造复杂程度的日益上升,自动化设备柔性化需求更加迫切,相比AGV/AMR和机械臂的单一功能,集合两者特性的复合移动机器人成为打通物流“最后一米”的关键角色,在智能工厂建设中发挥着日益重要的作用。近日,由中国移动机器人(AGV/AMR)产业联盟主办的“2021中国移动机器人(AGV/A
神经网络压缩方法:模型量化的概念简介
在过去的十年中,深度学习在解决许多以前被认为无法解决的问题方面发挥了重要作用,并且在某些任务上的准确性也与人类水平相当甚至超过了人类水平。如下图所示,更深的网络具有更高的准确度,这一点也被广泛接受并且证明。!(https://imghelloworld.osscnbeijing.al
计算 Python 代码的内存和模型显存消耗的小技巧
了解Python代码的内存消耗是每一个开发人员都必须要解决的问题,这个问题不仅在我们使用pandas读取和处理CSV文件的时候非常重要,在我们使用GPU训练的时候还需要规划GPU的显存使用。尤其是我们在白嫖使用kaggle和colab时显得更为重要。本篇文章我们将介绍两个Python库me
开启深度强化学习之路:Deep Q-Networks简介和代码示例
强化学习是机器学习领域的热门子项。由于OpenAI和AlphaGo等公司的最新突破,强化学习引起了游戏行业许多人的注意。我们今天以HillClimbRacing这款经典的游戏来介绍DQN的整个概念,HillClimbRacing需要玩家在不同的地形上驾驶不同的车辆,驾驶距离越长得分越
神工鬼斧惟肖惟妙,M1 mac系统Pytorch的二次元迁移滤镜AnimeGAN+Ffmpeg(图片+视频)
原文转载自「刘悦的技术博客」https://v3u.cn/a_id_201(https://link.segmentfault.com/?encam%2BHGcbVbn2M0VARsEI0Sw%3D%3D.bdGZaGIMjYE%2B%2FziVgnIOabqbelmAh2MpIvYl31YF
Sentence-BERT
记录学习BERT和相关模型历程sentencebert推荐看原文章,本页面只简要记录关键的思想和公式<blockquote<ul<li<ahref"https://www.bilibili.com/video/BV1o54y1k73d/?spm_id_froma
使用卷积神经网络进行实时面部表情检测
在社交互动中,面部表情在非语言交流中起着至关重要的作用。心理学家保罗·埃克曼提出,全世界的人都有七种情绪表达方式:快乐、悲伤、惊讶、恐惧、愤怒、厌恶和蔑视。建立更好的人机交互,例如通过图像检测人类情绪,可能是一项艰巨的任务。面部表情对于社交互动很重要,并且在非语言人机交互方面发挥着重要作用。
BERT 模型的知识蒸馏: DistilBERT 方法的理论和机制研究
如果你曾经训练过像BERT或RoBERTa这样的大型NLP模型,你就会知道这个过程是极其漫长的。由于其庞大的规模,训练此类模型可能会持续数天。当需要在小型设备上运行它们时,就会发现正在以巨大的内存和时间成本为日益增长的性能付出代价。有一些方法可以减轻这些痛苦并且对模型的性能影响很小,
带掩码的自编码器MAE详解和Pytorch代码实现
监督学习是训练机器学习模型的传统方法,它在训练时每一个观察到的数据都需要有标注好的标签。如果我们有一种训练机器学习模型的方法不需要收集标签,会怎么样?如果我们从收集的相同数据中提取标签呢?这种类型的学习算法被称为自监督学习。这种方法在自然语言处理中工作得很好。一个例子是BERT¹,谷歌自2019年以
使用transformers库微调Bert进行文本分类
最近尝试利用HuggingFace🤗的transformers库在pytorch下进行Bert文本分类的微调,找了很多中文blog,主要是对数据的处理这块没有比较详细的说明,不知道怎么处理dataset的格式,因此在这里做一下记录。依赖包<blockquotepytorch<b
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。