强化学习从基础到进阶-案例与实践[5]：梯度策略、添加基线（baseline）、优势函数、动作分配合适的分数（credit） 1 策略梯度算法 如图 5.1 所示，强化学习有 3 个组成部分：演员（actor）、环...

前言 大型语言模型 (LLMs) 最近在代码层面的一系列下游任务中表现十分出彩。通过对大量基于代码的数据 (如 GitHub 公共数据) 进行预训练，LLM 可以学习丰富的上下文表征，这些表征可以迁移到各...

随着ChatGPT的爆火以及最近各种爆发的大模型竞争，人工智能行业逐渐走入了大众的眼球。作为喜欢折腾各种技术的爱好者，自然也希望能了解一些其中的原理。但想要更好的了解AI领域的知识，我想从...

文本情感分析方法研究综述 1. 引言 文本情感分析是自然语言处理领域的一个重要分支，其广泛应用于舆情分析、情感对话、商品和服务评论等方面。现阶段，随着人工智能不断进步，通过情感计算实现...

强化学习从基础到进阶-案例与实践[4.1]：深度Q网络-DQN项目实战CartPole-v0 1、定义算法 相比于Q learning，DQN本质上是为了适应更为复杂的环境，并且经过不断的改良迭代，到了Nature DQN（即Vo...

  本文介绍在Anaconda环境中，配置可以用GPU运行的Python新版tensorflow库的方法。   在上一篇文章# CPU、GPU通用tensorflow库在Anaconda中的配置中，我们详细介绍了CPU、GPU通用的新版tens...

强化学习从基础到进阶-案例与实践[4]：深度Q网络-DQN、double DQN、经验回放、rainbow、分布式DQN 传统的强化学习算法会使用表格的形式存储状态价值函数 V(s)V(s)V(s) 或动作价值函数 Q(s,a)Q(s...

前言 用一张人像直接打造3D数字人最大的挑战是什么？或许就是兼顾稳定性和自由度。 本文转载自量子位 仅用于学术分享，若侵权请联系删除 欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结...

源码: www.hedaoapp.com/goods/goods… 【应用介绍】 车辆检测与跟踪在交通监控、自动驾驶等方向都具有广泛应用，PP-Vehicle中集成了检测跟踪模块，是车牌检测、车辆属性识别等任务的基础。我们...

FruitRecognition DeepLearning深度学习大作业，利用CNN和MobileNetV2搭建的水果识别模型。 github地址 Lab文件夹中有七个深度学习课程相关实验以及文档。（github） fruit为本次大作业使用的数...

强化学习从基础到进阶-案例与实践[3]：表格型方法：Sarsa、Qlearning；蒙特卡洛策略、时序差分等以及Qlearning项目实战 策略最简单的表示是查找表（look-up table），即表格型策略（tabular pol...

  本文介绍在Anaconda环境中，下载并配置Python中机器学习、深度学习常用的新版tensorflow库的方法。   在之前的两篇文章# Python中TensorFlow实现基于DNNRegressor的深度学习回归与# Pytho...

本文分享自华为云社区《深度学习应用篇-推荐系统[12]：经典模型-DeepFM模型、DSSM模型召回排序策略以及和其他模型对比》，作者：汀丶。 DeepFM模型 1.1模型简介 CTR预估是目前推荐系统的核心技...

第一板块：开篇 近日，阿里云机器学习平台PAI和北京大学杨智老师团队合作的论文《GoldMiner: Elastic Scaling of Training Data Pre-Processing Pipelines for Deep Learning》被数据库领域顶会...

# 强化学习从基础到进阶-案例与实践[2]：马尔科夫决策、贝尔曼方程、动态规划、策略价值迭代 图 2.1 介绍了强化学习里面智能体与环境之间的交互，智能体得到环境的状态后，它会采取动作，并把这...

深度学习实践篇[17]：模型压缩技术、模型蒸馏算法：Patient-KD、DistilBERT、DynaBERT、TinyBERT 1.模型压缩概述 1.2模型压缩原有 理论上来说，深度神经网络模型越深，非线性程度也就越大，相应...

本文首发于公众号【DeepDriving】，欢迎关注。 CV-CUDA简介 随着深度学习技术在计算机视觉领域的发展，越来越多的AI算法模型被用于目标检测、图像分割、图像生成等任务中，如何高效地在云端或者...

强化学习从基础到进阶-案例与实践[1]：强化学习概述、序列决策、动作空间定义、策略价值函数、探索与利用、Gym强化学习实验 1.1 强化学习概述 强化学习（reinforcement learning，RL） 讨论的问...