- 博客(10)
- 收藏
- 关注
RSS订阅原创 带你少走弯路：强烈推荐的Pytorch快速入门资料和翻译
这个资源为深度学习研究人员提供了学习PyTorch的教程代码大多数模型都使用少于30行代码实现。（大部分教程是PyTorch0.4实现的，代码与1.0+稍微有点不同，总体影响不大）”为PyTorch官网教程，网上已经有部分翻译作品，随着PyTorch1.0版本的公布，这个教程有较大的代码改动。这是一本开源的书籍，目标是帮助那些希望和使用PyTorch进行深度学习开发和研究的朋友快速入门。第三节 PyTorch 深度学习：60分钟快速入门（官方）第一章 ：PyTorch入门。第一节 PyTorch 基础。
2025-04-28 16:32:17
654
原创 在做算法工程师的道路上，你掌握了什么概念或技术使你感觉自我提升突飞猛进？
在一个研究任务中，我首先尝试了方法A，没搞定，于是改用方法B。组里大哥问：为什么改方法B。我说A没效果，或许B能work。大哥继续问：为什么A不work。我说或许A不适合这个问题？我的思考是，既然做了一件事，就一定要得到反馈，要搞清楚哪里做得好哪里不好，这样这个尝试所投入的时间才是有效的。不然就是在碰运气，如同做题不对答案，如同训练模型不算loss不做backprop。
2025-04-27 17:48:18
1193
原创 机器学习哪个方向好发SCI？一文解析热门领域与期刊选择策略
基因预测、蛋白质结构分析（如AlphaFold启发下的新方法），推荐期刊如《Briefings in Bioinformatics》《PLoS Computational Biology》。：如《Computational Visual Media》（计算机视觉+图像处理交叉）、《Electronic Research Archive》（机器学习+不确定性量化）。● 针对经典算法的缺陷（如决策树过拟合、神经网络训练效率低），提出改进版本，或设计新型轻量化模型（如知识蒸馏、神经网络架构搜索）。
2025-04-25 18:24:45
1952
原创 研究方向是联邦学习，想发一两篇三区四区的文章，但是不知道要创新到什么程度?
对于三区四区的文章，在创新程度上有其自身特点。比如使用常见的基准模型，像联邦学习中的一些基础模型框架，然后搭配一些经典的模块。在这个组合中，LSTM 作为基准模型，Attention 机制选择一些变体形式，再加上位置嵌入，通过这种组合来实现一定的创新。在联邦学习领域想要发表三区四区的文章，并非遥不可及。通过对创新类型的深入理解，把握三区四区文章的创新特点，并遵循合理的创新流程，我们完全有机会实现这一目标。在联邦学习领域，想要发表三区四区文章，关键在于找准创新点。在联邦学习中，创新主要有以下几类：。
2025-04-23 14:43:39
863
原创 研一学生AI算法岗就业学习，该怎么入门AI人工智能
到 GitHub 上找热门的 AI 开源项目，参与其中，跟着项目开发流程，加深对算法的理解，积累项目经验。要熟练掌握 Python 基础语法，如函数、类、模块等，同时精通 NumPy、pandas 和 Matplotlib 等常用库，用于数据处理、分析和可视化。接着，深入理解机器学习的各类算法，监督学习的决策树、支持向量机，无监督学习的 K-Means 聚类等。线性代数中的矩阵运算，在深度学习模型的前向传播和反向传播中必不可少；精心制作简历，突出自己在学习和实践中的成果，像参与的项目、竞赛获奖情况等。
2025-04-22 18:54:15
613
原创 做这个cv做计算机视觉需要哪些技术储备？
我们之前有些类似的模板构建其可能其他数据集的，但是跟你的任务非常相似啊，你的图像任务、视频任务、什么任务的，我们照搬照抄行不行？就好比说我没什么基础，是不是前期我学特别多的东西啊，其实并不是的，直接融入到我们的知识点当中，直接上手做我们的任务。叫Pytorch这个东西。不用说啊，就是我说给你出道题，你能写出来，咱不用到这个地步，只需要我们去理解一些基本的思路基本流程。因为我们更多时候咱们是干什么改我们的模板，套我们自己的数据，不用说像底层开发似的，我们一层一层自己去体验，全部呢大部分情况下都是一个现成的。
2025-04-21 18:05:48
600
原创 PyTorch框架介绍与应用详解
以下是、主要类与函数介绍，以及包含PyTorch 的代码结构可分为和nn.ModulePyTorch 内置了完整的 Transformer 实现（PyTorch 的以下是一个简化的。
2025-04-18 18:01:44
648
原创 从零开始如何学习人工智能？需要准备些什么？
作为一个本科时期安卓开发，研究生转型，三年磕磕绊绊一路走来，到现在已经工作快5年的算法工程师。回首当年的学习之路，常常因为人工智能入门知识繁多，走在半路因看不到终点而焦虑不已，从而怀疑走上这条路的正确性，“要不要转行去做开发”、“要不要转行去做前端” 等半途转行的思想一直萦绕脑海中。这篇文章讲讲入门人工智能的路线和前景，希望能给同样满怀热情想要学习的有志之士，一点点帮助。同时，希望大家认清自己的优劣势，不要用战术上的勤奋，掩盖战略上的懒惰，选择这条路就要全身心all in。
2025-04-17 14:57:00
1160
1
原创 Transformer模型详解（图解最完整版）
Transformer由论文提出，现在是谷歌云TPU推荐的参考模型。论文相关的Tensorflow的代码可以从GitHub获取，其作为Tensor2Tensor包的一部分。哈佛的NLP团队也实现了一个基于PyTorch的版本，并注释该论文。在本文中，我们将试图把模型简化一点，并逐一介绍里面的核心概念，希望让普通读者也能轻易理解。Transformer 与 RNN 不同，可以比较好地并行训练。
2025-04-16 19:31:19
2369
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人