所有文章
> 当前分类:AI驱动
一文彻底搞懂机器学习 - Softmax回归（Softmax Regression）
2024/12/31
混淆矩阵（Confusion Matrix）是机器学习中评估分类模型性能的重要工具。通过混淆矩阵，可以直观地了解模型在各个类别上的表现，包括正确分类和错误分类的样本数量。基于混淆矩阵，我们可以计算准确率、精确率、召回率、F1分数以及真正率和...
一文彻底搞懂机器学习 – 混淆矩阵（Confusion Matrix）
【AI驱动】
混淆矩阵（Confusion Matrix）是机器学习中评估分类模型性能的重要工具。通过混淆矩阵，可以直观地了解模型在各个类别上的表现，包括正确分类和错误分类的样本数量。基于混淆矩阵，我们可以计算准确率、精确率、召回率、F1分数以及真正率和...
2024/12/31
时间序列+预训练大模型！
【AI驱动】
大家好，我是泳鱼。时间序列预测可以使用经典预测方法和深度学习方法。经典预测方法如ETS、ARIMA等为每个时间序列独立地拟合模型，而深度学习方法在给定的数据集中学习时间序列。如今，大型语言模型（LLM）在自然语言处理任务中表现出色，基于tr...
2024/12/31
手把手拆解：从零实现Llama3大模型（Python）
【AI驱动】
自Meta 发布了开源大模型 llama3 系列，在多个关键基准测试中优于业界 SOTA 模型，并在代码生成任务上全面领先。太强了！10大开源大模型！此后，开发者们便开始了本地部署和实现，比如 llama3 的中文实现、llama...
2024/12/31
神经网络算法 – 一文搞懂ANN（人工神经网络）
【AI驱动】
本文将从生物神经网络、人工神经网络、神经网络训练、分类与应用四个方面，带您一文搞懂人工神经网络ANN。 一、生物神经网络 基本定义： 百度百科：生物神经网络（Biological Neural Networks）一般指生...
2024/12/31
一文彻底搞懂大模型 – LLM四阶段技术
【AI驱动】
在探讨大模型（LLM）的四阶段技术时，我们可以从Prompt Engineering（提示工程）、AI Agent（人工智能代理）、Fine-tuning（微调）以及Pre-training（预训练）这四个关键阶段来详细阐述，这四个阶段技术...
2024/12/31
一文彻底搞懂大模型 – Fine-tuning三种微调方式
【AI驱动】
在生成式AI和大语言模型（如GPT、LLaMA）的广泛应用中，微调（Fine-tuning）作为模型适应特定任务的关键步骤，其重要性不言而喻。以下将详细介绍三种流行的微调方式：Prompt-tuning、Prefix-tuning和LoRA...
2024/12/31
一文彻底搞懂大模型 – RAG（检索、增强、生成）
【AI驱动】
RAG（Retrieval-Augmented Generation，检索增强生成） 是一种结合了信息检索技术与语言生成模型的人工智能技术。该技术通过从外部知识库中检索相关信息，并将其作为提示（Prompt）输入给大型语言模型（LLMs），...
2024/12/31
一文彻底搞懂多模态 – 多模态学习
【AI驱动】
多模态学习（Multimodal Learning）是一种利用来自不同感官或交互方式的数据进行学习的方法，这些数据模态可能包括文本、图像、音频、视频等。多模态学习通过融合多种数据模态来训练模型，从而提高模型的感知与理解能力，实现跨模态的信息...
2024/12/31
一文彻底搞懂深度学习(4)
【AI驱动】
激活函数（Activation Function） 神经网络中的线性组合（即加权求和）本身只能表示线性关系。然而，现实世界中的大多数问题都是非线性的。通过引入激活函数，决定神经元是否应该被激活（将信号传递给下一个神经元）以及信号的强度...
2024/12/31
一文彻底搞懂深度学习(3)
【AI驱动】
超参数（Hyperparameter） 超参数（Hyperparameter），是深度学习算法中的调优参数，用于控制模型的学习过程和结构。与模型参数（Model Parameter）不同，模型参数是在训练过程中通过数据学习得到的，而超...
2024/12/31
一文彻底搞懂深度学习(2)
【AI驱动】
优化器（Optimizer） 在深度学习中，优化器（Optimizer）是一个核心概念，它负责调整神经网络的权重和偏置，以便最小化损失函数，从而提高模型的准确性和性能。 常见的优化器，包括梯度下降系列（批量梯度下降BGD、随机梯...
2024/12/31
一文彻底搞懂深度学习(1)
【AI驱动】
归一化（Normalization） 在深度学习中，归一化是数据预处理中一个至关重要的步骤。归一化技术通过调整输入数据的尺度，使得数据具有相似的分布范围，提高模型的求解速度和泛化能力。 常用的归一化方法，包括批量归一化（Batc...
2024/12/31
大模型开发 – 一文搞懂 LangChain（二）：Model I/O
【AI驱动】
一、Model I/O的本质 Model I/O是什么？在LangChain中，模型输入/输出（Model I/O）是指与 LLM 进行交互的组件，它弥合了原始输入数据和结构化输出之间的鸿沟。 格式化（Format）：负责格式...
2024/12/30
大模型开发 – 一文搞懂 LangChain（一）：总体介绍
【AI驱动】
一、LangChain的本质 LangChain是什么？LangChain是一个用于开发由 LLM 支持的应用程序的框架。它使应用程序能够： 具有上下文感知能力：将语言模型连接到上下文源（提示说明、few shot examp...
2024/12/30
大模型开发 – 一文搞懂Fine-tuning（大模型微调）
【AI驱动】
一、Fine-tuning的本质 Fine-tuning（微调）：通过特定领域数据对预训练模型进行针对性优化，以提升其在特定任务上的性能。 一、微调的定义大模型微调是利用特定领域的数据集对已预训练的大模型进行进一步训练的过程。...
2024/12/30
搜索文章
热门话题
