-
结语——我们该怎么迎接新一代人工智能革命？
结语——我们该怎么迎接新一代人工智能革命？ 结语——我们该怎么迎接新一代人工智能革命？ 从2009年到2018年，我曾经长期在工信部工作，对工业制造业的发展历程较为熟悉。经常有人问我，工业制造业在GDP中的占比为何不断下滑，是政策上不鼓励工业制造业而要大力发展服务业吗？其实不然，经过改革开放40多年的大规模工业化迅猛增长，工业制造业面临着能源消耗大、污... -
torch.nn到底是什么？
torch.nn 到底是什么？ MNIST 数据集 从零开始的神经网络（没有torch.nn ） 使用torch.nn.functional 使用nn.Module 重构 使用nn.Linear 重构 使用optim 重构 使用Dataset 重构 使用DataLoader 重构 添加验证 创建fit() 和get_data() 切换... -
用基于注意力机制的seq2seq神经网络进行翻译
用基于注意力机制的seq2seq神经网络进行翻译 加载数据文件 Seq2Seq模型 编码器 解码器 简单的解码器 注意力解码器 训练模型 绘制结果 评估 训练和评估 可视化注意力 练习 用基于注意力机制的seq2seq神经网络进行翻译 译者：@EWilsen 作者 : Sean Robertson 这个教程主要讲解... -
07 关于ChatGPT的其他疑问
07 关于ChatGPT的其他疑问 07 关于ChatGPT的其他疑问 ChatGPT会取代搜索引擎吗 人们经常会把谷歌、百度等搜索引擎拿来和ChatGPT进行比较。但是ChatGPT并不是一个搜索引擎。相对于传统的搜索引擎，ChatGPT更像是一个智能助手，可以帮助用户获得有关某些主题的信息，并以对话的形式回答问题。它不仅提供了信息，而且还可以根据... -
强化学习（DQN）教程
强化学习（DQN）教程 回放记忆 DQN 算法 Q 网络 输入提取 训练 超参数和工具 训练循环 强化学习（DQN）教程 原文：https://pytorch.org/tutorials/intermediate/reinforcement_q_learning.html 作者 ： Adam Paszke 本教程说明如何使用... -
第八章 高级的应用场景
第八章 高级的应用场景 第八章 高级的应用场景 AIGC在我们的日常生活中越来越常见。如今，画作、文章、音乐、游戏乃至代码，任何一个需要人类原创能力的创作都可能出自AIGC之手。但是，我们需要了解的是，AIGC的出现，不是为了替代人类，而是为了帮助人们更快、更好、更低成本地创作。 AIGC技术还将颠覆现有内容生产模式，它仅用十分之一的成本，就能以百倍... -
7.1 K 近邻算法
7.1 K 近邻算法 1.1、什么是K近邻算法 1.2、近邻的距离度量表示法 1.3、K值的选择 7.1 K 近邻算法 1.1、什么是K近邻算法 何谓K近邻算法，即K-Nearest Neighbor algorithm，简称KNN算法，单从名字来猜想，可以简单粗暴的认为是：K个最近的邻居，当K=1时，算法便成了最近邻算法，即寻找最近的那个邻居... -
torch.nn
torch.nn class torch.nn.Parameter() class torch.nn.Module add_module(name, module) apply(fn) children() cpu(device_id=None) cuda(device_id=None) double() eval() float() fo... -
十三、树和森林
十三、树和森林 Adaboost 分类器 决策树分类器 决策树回归 特征的重要性 使用随机森林的特征选择 在随机森林中处理不平衡类别 随机森林分类器 随机森林分类器示例 数据的注解 随机森林回归 在随机森林中选择特征重要性 泰坦尼克比赛和随机森林 性别 年龄 可视化决策树 十三、树和森林 作者：Chris Albon 译... -
torchvision对象检测微调教程
torchvision 对象检测微调教程 定义数据集 为 PennFudan 编写自定义数据集 定义模型 1-将预训练模型用于微调 2-修改模型以添加其他主干 PennFudan 数据集的实例细分模型 将所有内容放在一起 测试forward() 方法（可选） 总结 torchvision 对象检测微调教程 原文：https://py...
