机器学习共0篇 第2页
机器学习
排序
部署模型并与 TVM 集成
本篇文章译自英文文档 Deploy Models and Integrate TVM tvm 0.14.dev0 documentation 更多 TVM 中文文档可访问 →Apache TVM 是一个端到端的深度学习编译框架，适用于 CPU、GPU 和各种机器学习...
2年前如何使用?hugging face的模型库?
? 开始你的Hugging Face?之旅: 1天快速上手 背景 Hugging Face 是一个流行的自然语言处理 (NLP) 模型库和社区，提供了大量预训练模型、工具和资源，使得 NLP 的开发者和研究人员能够快速高效地...
2年前聊聊日志聚类算法及其应用场景
阅读《基于 Flink ML 搭建的智能运维算法服务及应用》一文后，对其中日志聚类算法有了些思考。 概述 日志聚类，简而言之是对海量日志的分析；其分析处理链路可以分为如下流程：日志采集 -> ...
2年前机器学习基础-监督学习-标签编码
在有监督学习中，标签编码是将标签映射为计算机可处理的格式的过程。通常，在分类问题中，我们需要将每个类别的标签映射为一个独热向量。这样做的好处是可以使得模型更容易学习到类别之间的关系...
2年前
《深入浅出OCR》前言知识：机器学习基础全面总结
⚠️本文为稀土掘金技术社区首发签约文章，30天内禁止转载，30天后未获授权禁止转载，侵权必究！ ✨专栏介绍： 经过几个月的精心筹备，本作者推出全新系列《深入浅出OCR》专栏，对标最全OCR教程...
2年前
掌握镜像声音克隆魔法：用MockingBird让你的声音无限延伸
掌握镜像声音克隆魔法：用MockingBird让你的声音无限延伸 以前陪孩子睡觉时，我讲故事嗓子都快说沙哑了！现在有了MockingBird，我可以用自己的声音无限复制，像个不知疲倦的讲故事专家。比如，...
2年前
ACL 2021 best paper | VOLT：自动化词表学习
概述 对于从业者来说，大家无时无刻不在使用词表对语言进行向量化表示。在深度学习时代，词表构建基本上是所有自然语言处理任务的第一步工作。尽管现今也有了一些比较通用的词表处理方法，但是...
2年前机器学习基础-监督学习-目标函数之均方误差（Mean Squared Error，MSE）
均方误差（Mean Squared Error，MSE）是在回归问题中常用的目标函数，用于衡量预测值与真实值之间的平均差异。下面将详细讲解均方误差，并提供相应的公式和代码示例。 在回归问题中，假设有 N ...
2年前
机器学习洞察 | 挖掘多模态数据机器学习的价值
在过去的数年里，我们见证了机器学习和计算机科学领域的很多变化。人工智能应用也愈趋广泛，正在加速融入人们的日常生活之中。机器学习作为技术核心，也在持续地发展进化，在更多领域发挥出越来...
2年前
「量化」快乐：UC Berkeley 利用 AI 追踪多巴胺释放量及释放脑区
内容一览：多巴胺是神经系统中重要的神经递质，与运动、记忆和奖赏系统息息相关，它是快乐的信使，当我们看到令人愉悦的东西时，体内就会分泌多巴胺，诱导我们向它追寻。然而，多巴胺的准确定量...
2年前
【CaiT】如何才能使VIT网络往更深层发展
论文： Going deeper with Image Transformers 代码： Deit 前言 近些天综合看CNN 领域内的文章以及VIT领域内的文章，在比对这两大类模型设计的特点时有一篇文章提醒到我了，它与CNN领域内...
2年前
机器学习从入门到放弃：我们究竟是怎么教会机器自主学习的？
合集 - 机器学习(2)1.机器学习从入门到放弃：Transfomer-现代大模型的基石07-312.机器学习从入门到放弃：我们究竟是怎么教会机器自主学习的？08-28收起 一、前言简介 我相信你一定听过一个说法...
2年前
编织人工智能：机器学习发展历史与关键技术全解析
本文全面回顾了机器学习的发展历史，从早期的基本算法到当代的深度学习模型，再到未来的可解释AI和伦理考虑。文章深入探讨了各个时期的关键技术和理念，揭示了机器学习在不同领域的广泛应用和潜...
2年前
仪酷LabVIEW AI视觉工具包及开放神经网络交互工具包常见问题解答
前言 哈喽，各位朋友，好久不见~ 我是virobotics（仪酷智能） 之前给大家分享了基于LabVIEW开发的AI视觉工具包及开放神经网络交互工具包，不少朋友私信说在安装和使用过程中会遇到一些问题，今...
2年前
Python和PyTorch深入实现线性回归模型：一篇文章全面掌握基础机器学习技术
1. 简介 1.1 线性回归模型概述 线性回归是一种统计学中的预测分析，该方法用于建立两种或两种以上变量间的关系模型。线性回归使用最佳的拟合直线（也称为回归线）在独立（输入）变量和因变量（...
2年前【机器学习】DecisionTree – 决策树中的数学原理
前言 决策树：一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果。 请确保已经了解决策树的基本工作流程再进行阅读。 最...
2年前机器学习基础-监督学习-目标函数之交叉熵损失（Cross-Entropy Loss）
交叉熵损失（Cross-Entropy Loss）是一种常用的目标函数，主要用于二分类或多分类问题中衡量预测结果与真实标签之间的差异。它是基于信息论的概念，通过比较两个概率分布的差异来计算损失。 在...
2年前
机器学习洞察 | JAX，机器学习领域的“新面孔”
在之前的《机器学习洞察》系列文章中，我们分别针对于多模态机器学习和分布式训练、无服务器推理进行了解读，本文将为您重点介绍 JAX 的发展并剖析其演变和动机。下面，就让我们来认识一下 JAX ...
2年前
机器学习中的几种交叉验证方法（5种）
参考自Kaggle大神approachingalmost的书籍《Approaching (Almost) Any Machine Learning Problem》 交叉验证 在机器学习的有监督训练中，我们通常需要将训练集的一部分划分为验证集，用于评估当...
2年前
一文详解自然语言处理两大任务与代码实战：NLU与NLG
自然语言处理（NLP）涵盖了从基础理论到实际应用的广泛领域，本文深入探讨了NLP的关键概念，包括词向量、文本预处理、自然语言理解与生成、统计与规则驱动方法等，为读者提供了全面而深入的视角...
2年前