-
05 AIGC的模型发展
05 AIGC的模型发展 05 AIGC的模型发展 AIGC的模型通过学习已有数据的特征，利用随机数生成、概率预测等方式来生成新的内容。AIGC的模型发展可以说是一个漫长且不断进化的过程。下页上图所示是AIGC的模型发展过程中一些重要的里程碑。 AIGC的模型一直在不断升级，有以下几种主要的模型。 生成对抗网络（GAN）：这是一种对抗生成模型，由生... -
06 AIGC模型产品之间的竞争
06 AIGC模型产品之间的竞争 06 AIGC模型产品之间的竞争 AIGC领域的模型之间存在一定的竞争。这是因为不同的AIGC模型都在努力成为最优解，以期占据更大的市场份额。 竞争的主要方式是通过改进模型的准确性和效率，以及提供更丰富的功能和特性。同时，不同的AIGC模型也在不断地拓展新的应用领域，以满足不同行业需求，如表6-1所示。 下面以AI... -
自动求导机制
自动求导机制 从后向中排除子图 requires_grad volatile 自动求导如何编码历史信息 Variable上的In-place操作 In-place正确性检查 自动求导机制 本说明将概述Autograd如何工作并记录操作。了解这些并不是绝对必要的，但我们建议您熟悉它，因为它将帮助您编写更高效，更简洁的程序，并可帮助您进行调... -
三、数据预处理
三、数据预处理 为 Scikit-Learn 转换 Pandas 类别数据 删除带缺失值的观测 删除缺失值 检测离群点 离散化特征 编码序数类别特征 创建比例映射 使用下采样处理不平衡类 使用上采样处理不平衡类别 处理离群点 选择 1：丢弃 选择 2：标记 选择 3：重缩放 使用均值填充缺失值 拟合填充器 填充缺失的类标签 ... -
十四、K 最近邻
十四、K 最近邻 确定 K 的最佳值 KNN 分类 注 基于半径的 KNN 分类器 十四、K 最近邻 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 确定 K 的最佳值 # 加载库 from sklearn . neighbors import KNeighborsClassif... -
02 打造自己的创新创业新风口
02 打造自己的创新创业新风口 02 打造自己的创新创业新风口 如果需要在未来的商业世界中占有一些之地，对于大多数中小企业和创业型企业来说就是利用OpenAI（或者其他企业）的接口和自己手里的数据形成一个小领域的优势。这可能就属于一个“多快好省干创业”的好机会。除了上一个话题中提到的OpenAI公司已经做好的一些示例接口以外，还可以使用微调训练（Fin... -
空间转换网络 (Spatial Transformer Networks) 教程
空间转换网络 (Spatial Transformer Networks) 教程 读数据 描述空间转换网络 (spatial transformer networks) 训练模型 可视化空间转换网络 (STN) 的结果 空间转换网络 (Spatial Transformer Networks) 教程 译者：@Twinkle 原作者 :... -
torchvision.datasets
torchvision.datasets MNIST COCO LSUN ImageFolder Imagenet-12 CIFAR STL10 SVHN PhotoTour 译者署名 torchvision.datasets torchvision.datasets 中包含了以下数据集 MNIST COCO（用于图像标注和目... -
多进程的最佳实践
多进程的最佳实践 共享 CUDA 向量 最佳实践和提示 避免和抵制死锁 重用经过队列的缓冲区 异步多进程训练 (例如 Hogwild) Hogwild 多进程的最佳实践 译者：@冯斐 校对者：@Twinkle torch.multiprocessing 是 Python 中 multiprocessing 模块的替代....
