文章
Prompt、RAG、微调还是重新训练?如何选择正确的生成式AI的使用方法
生成式人工智能正在快速发展,许多人正在尝试使用这项技术来解决他们的业务问题。一般情况下有4种常见的使用方法:PromptEngineeringRetrievalAugmentedGeneration(RAG检索增强生成)微调从头开始训练基础模型(FM)本文将
R语言VAR模型的不同类型的脉冲响应分析|附代码数据
原文链接:http://tecdat.cn/?p9384(https://link.segmentfault.com/?encPV%2F1VjJj5D6X%2BUwpuiNcqg%3D%3D.LNztFW%2FVcZZNyUl96hBWTnz2LoeR0Tu1M72iiTbwDaI%3
R语言进行支持向量机回归SVR和网格搜索超参数优化|附代码数据
全文链接:http://tecdat.cn/?p23305(https://link.segmentfault.com/?encUy%2F%2Fa4hiAq0uRN6hr8WjhA%3D%3D.vvyF2yHAY5dCP4M9UWEQWuV34FJ4XsWrM2vjDIkXxc8%3D
R语言实现MCMC中的Metropolis–Hastings算法与吉布斯采样|附代码数据
原文链接:http://tecdat.cn/?p3772(https://link.segmentfault.com/?encKIm%2FbuFPJ4BOgw%2FW0BWmjw%3D%3D.J%2B2wn00P%2BmPLOCqTO%2FGBE3Ez6Nw3xn5A%2BDqCCJ
ARIMA模型,ARIMAX模型预测冰淇淋消费时间序列数据|附代码数据
全文下载链接:http://tecdat.cn/?p22511(https://link.segmentfault.com/?encnvlW%2FP%2FExonlWFrU9Ncjww%3D%3D.36G0HhfoLNeGnqtJxO2E4YZCjwgoGE%2BeLWcM5GuRea
Python用PyMC贝叶斯GLM广义线性模型、NUTS采样器拟合、后验分布可视化
全文链接:https://tecdat.cn/?p33436(https://link.segmentfault.com/?encytEToWik9N5kaDmR4mwqHw%3D%3D.6uOBgoBSqAYTV3Xy8UiAUb5DeQYL0kigy8BFQ4%2Bv0i4%3D)
【炼丹侠】如何使用GPU服务器实现CNN训练
CNN是一种深度学习神经网络结构,特别适用于处理和分析具有网格结构数据的任务,如图像和视频数据。CNN在计算机视觉领域广泛应用,能够自动学习图像中的特征,并在各种视觉任务中表现出色。CNN的设计灵感来源于生物学中的视觉皮层的工作原理,它使用了卷积操作来捕捉图像中的局部特征,并通过池化操作来减少数据的
Principal Component Analysis|细看成岭又成峰:动力学轨迹的主成分分析
<blockquote横看成岭侧成峰,远近高低各不同。<br/不做选择全都要,又要看岭还看峰。<br/三维庐山变两维,还得问问PCA。</blockquote在本期 Notebook中,我们为你精心打造了一份以主成分分析(PrincipalComponentAnalysi
当我们说起神经网络的等变性,我们在谈论什么
在 AIforScience 技术已经颇为成熟的当下,神经网络被大量用于分子结构建模,成为了量子力学模拟、材料发现、药物设计、反应设计等等领域的一种新的范式。具体而言,这些神经网络往往以分子结构作为输入,预测分子势能、原子受力、分子毒性等等人们关心的性质。分子结构在本质上是三维欧氏空间的
NLP文本匹配任务Text Matching 有监督训练:PointWise(单塔)、DSSM(双塔)项目实践
NLP文本匹配任务TextMatching无监督训练:SimCSE、ESimCSE、DiffCSE项目实践文本匹配多用于计算两个文本之间的相似度,该示例会基于ESimCSE实现一个无监督的文本匹配模型的训练流程。文本匹配多用于计算两段「自然文本」之间的「相似度」。例如,
已加载文章中没有匹配内容,试试其他关键词或清空搜索。