乐下星。-优快云博客

原创【Datawhale X 李宏毅苹果书 AI夏令营】Task 3《深度学习详解》-2 机器学习框架&实践攻略

本次的学习内容是一次关于机器学习作业实践的攻略。过程如下面的树状图所示：接下来让我们来具体解释一下图中的内容。

2024-09-02 20:17:29 1052 1

原创【Datawhale X 李宏毅苹果书 AI夏令营】Task 2《深度学习详解》- 1.2 了解线性模型

大于一个数值时，隔天观看次数会变少，但线性模型永远无法模拟这种复杂关系，这称为模型的偏差。在深度学习框架中，如PyTorch，微分的计算由程序自动完成。带入测试集，输出结果存起来，上传到相关平台（如Kaggle）。小于某一个数值时，前一天的观看次数跟隔天的观看次数成正比；：通过计算损失函数对参数的微分，来更新参数，以找到最优的。乘上一个权重，再加上一个偏置就得到预测结果的模型，例如。可能中间有比较复杂的关系，例如当。：线性模型过于简单，

2024-08-31 21:36:05 1790

原创【Datawhale X 李宏毅苹果书 AI夏令营】Task 1 《深度学习详解》- 1.1 通过案例了解机器学习

机器学习，顾名思义，机器具备有学习的能力。从本质来讲，机器学习就是让机器具备找一个函数的能力。语音识别该函数的输入是声音信号，输出是这段声音信号的内容。图像识别图像识别函数的输入是一张图片，输出是这个图片里面的内容。AlphaGo机器下围棋需要的就是一个函数，该函数的输入是棋盘上黑子跟白子的位置，输出是机器下一步应该落子的位置。第 2 个步骤是定义损失（loss），损失也是一个函数，记作LbwL(b,w)Lbw。

2024-08-27 21:40:00 1084

原创【“第二课堂”AI实践课堂笔记】：5__基于大语言模型的智能体入门

一、需求分析与目标确定明确应用场景确定大模型的具体应用领域，如自然语言处理、计算机视觉、推荐系统等。不同的应用场景对模型的性能要求和功能特点有所不同。例如，在智能客服领域，模型需要具备准确理解用户问题、快速给出恰当回答的能力；而在图像识别领域，模型则需要能够准确识别不同物体和场景。定义性能指标根据应用场景确定合适的性能指标，如准确率、召回率、F1 值、响应时间等。这些指标将用于评估模型的性能和效果。例如，对于文本分类任务，可以使用准确率和 F1 值作为主要性能指标；

2024-08-24 21:31:27 776

原创【Datawhale X 魔搭 AI夏令营】AIGC方向——Task03笔记

ComfyUI 是GUI的一种，是基于节点工作的用户界面，主要用于操作图像的生成技术，ComfyUI 的特别之处在于它采用了一种模块化的设计，把图像生成的过程分解成了许多小的步骤，每个步骤都是一个节点。LoRA 的核心思想是在原有模型的基础上添加低秩矩阵作为适配器，这些适配器仅包含少量额外的参数，从而大大减少了微调所需的计算资源和存储空间。采样器可以调节生成过程的速度和质量之间的平衡。：ComfyUI 支持多个不同的生成模型，用户可以在同一平台上集成和切换使用不同的模型，从而实现更广泛的应用场景。

2024-08-17 13:04:26 985

原创【Datawhale X 魔搭 AI夏令营】AIGC方向——Task02笔记GC

自2014年起，GANs的提出极大地促进了图像生成技术的发展。GANs通过两个相互竞争的网络（生成器和判别器）来生成高质量的图像，这一技术迅速成为了图像生成领域的主流方法之一。AI生图的历史可以追溯到较早的技术探索，并随着计算能力的增强和机器学习技术的进步而不断发展。特别是在人物图像生成中，手部和其他精细部位的形状和姿势往往难以准确地生成，容易出现畸形现象。用户希望能够对生成过程有一定程度的控制，例如调整生成图像的具体属性。：生成的图像需要达到一定的视觉美感，同时避免失真或不自然的现象。

2024-08-14 19:40:38 1203

原创【Datawhale X 魔搭 AI夏令营】AIGC方向——Task01笔记

此外，我们会核实选手上传的模型文件，赛选手需提交训练的LoRA 模型文件、LORA 模型的介绍、以及使用该模型生成的至少8张图片和对应 prompt，以便我们能够复现生成效果，对于生成效果明显无法复现的，取消获奖资格。它的主要作用是在不改变大型预训练模型的主体结构和大部分参数的情况下，通过向模型中添加少量的可训练参数，来实现对特定任务或数据的优化和适应。它的工作原理是利用深度学习模型，对输入的文本进行理解和分析，提取关键信息和语义特征，然后根据这些特征生成与之对应的视觉图像。

2024-08-11 21:15:28 891

原创【“第二课堂”AI实践课堂笔记】：4__初识大模型

大模型通常指的是具有大规模参数和复杂架构的机器学习模型，尤其是在自然语言处理和计算机视觉等领域。参数数量巨大：可能包含数十亿甚至数万亿个参数，这使得它们能够学习到极其丰富和细致的模式和特征。强大的表示能力：能够对复杂的数据进行有效的表示和理解，捕捉到数据中的细微差别和复杂关系。泛化能力强：经过在大规模数据上的训练，可以对新的、未见过的数据做出较为准确的预测和处理。以自然语言处理中的大语言模型为例，它们能够：生成高质量的自然语言文本，如文章、故事、对话等。理解各种主题和领域的文本，并回答相关问题。

2024-08-07 17:02:36 914

原创【“第二课堂”AI实践课堂笔记】：3__阿里云天池数据挖掘：二手车交易价格预测——代码分析与相关知识点

在当今数字化时代，数据挖掘已成为从海量数据中提取有价值信息和知识的关键技术。它通过综合运用统计学机器学习和数据库技术，帮助我们发现数据中的隐藏模式、关系和趋势，从而为决策提供有力支持。本笔记所涉及的“二手车交易价格预测”案例，是数据挖掘在实际应用中的一个典型场景。我们将详细探讨从数据的读取与预处理，到构建深度神经网络模型进行训练和优化，再到最终利用训练好的模型进行价格预测的全过程。

2024-07-27 12:06:29 1852

原创【“第二课堂”AI实践课堂笔记】：2__数据分析：Pandas的基础学习及实践操作

数据分析在各个领域都具有重要的意义，并且在 AI 学习中起着至关重要的作用，是实现 AI 技术有效应用和发展的基础。Pandas是 Python 的核心数据分析支持库，它有着数据读取与写入、数据预处理、数据选择与过滤、数据整合等作用。所以，掌握pandas的操作和使用对于学习数据分析、学习AI有很重要的作用。下面我就结合一个例子进行pandas的学习。

2024-07-22 01:37:41 1047

原创【“第二课堂”AI实践课堂笔记】：1__Python 环境配置及基础学习

使用 def 关键字来定义函数。

2024-07-14 23:32:39 1876

2402_84069573的博客