训练1 : 老头

最新推荐文章于 2025-06-14 17:18:45 发布
最新推荐文章于 2025-06-14 17:18:45 发布
阅读量420 收藏 10
点赞数 11
分类专栏： 建模日记 文章标签： blender
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Computer_Tech/article/details/136404258
版权
  • 在这里插入图片描述
  • 在这里插入图片描述
  • 以前用blender做的特效在这里插入图片描述

总结

  • 头发很费时间, 需要参考和练习
  • 眼窝周边结构还有些待准确把握
  • 从光与影中揣摩轮廓形状 从少量面掌握大体, 从多数面雕刻细节
llm dpo loss 实现 训练实例
东方佑
04-06 2426
提取new_net模型输出中与促发器对应的部分，并计算其log_softmax值，然后与一个对角矩阵相乘，并进行求和操作得到new_prompt_logits。提取new_net模型输出中与新标签对应的部分，并计算其log_softmax值，然后与一个对角矩阵相乘，并进行求和操作得到new_label_logits。提取ref模型输出中与参考标签对应的部分，并计算其log_softmax值，然后与一个对角矩阵相乘，并进行求和操作得到ref_label_logits。构造函数中初始化了一个参数beta。
设计了一个最佳分词自回归模型训练方案
东方佑
04-21 1253
设计
训练自己的yolox
salewang的博客
05-19 372
标注用 labelme 标注完成以后放在一个文件夹里面 创建一个文件夹 比葫芦画瓢和我这样放 import os import numpy as np import codecs import json from glob import glob import cv2 import shutil from sklearn.model_selection import train_test_split # 1.标签路径 labelme_path =r"F:\1\2/" # 原始lab...
自渡:125首
热门推荐
AI天才研究院
08-24 1万+
自渡:125首 任何年龄的爱情都是合情合理的。心灵的爱情在腰部以上，肉体的爱情在腰部往下。任何年龄段的女人，都有她在那个年龄阶段所呈现出来的无法复刻的美。她因年龄而减损的，又因性格而弥补回来，更因辛勤劳动赢得了更多。 ——马尔克斯 那是他们如痴似狂地相爱的一年，他们天天都是白天思念，夜晚梦见，急切地等信和回信，除此之外他们什么也没有干。 ——马尔克斯 ...
2019.1.30自主训练日志
qq_43627094的博客
01-31 153
训练第十天，今天看了一下贪心算法的例题，怎么说呢，没怎么看懂( ｰ̀εｰ́ )，就连最基础的数据结构都要看好几遍才能理解个皮毛，如果从课件中摘出来压根就不知道那是贪心算法。写的明明白白都看不懂（＃－.－）怎么拿贪心算法解题。另外还有许多专用名词不知道含义，比如运算符"."，刚看到这个符号的时候我以为是编者失手打错了，后来发现许多地方都用到了这个运算符，一查才知道是结构体...
《老头滚动条5》买屋 周详方案向导
逐日者的博客
03-29 2625
《老头滚动条5》买屋 周详方案向导 　　1·地点[雪漫城Whiterun-风宅Breezehome]·购屋：5000·装饰费用：1800 　　2·地点[马卡斯城Markath-林德尔会堂Vlindrel Hall]·购屋：8000·装饰费用：4200 　　3·地点[裂谷城Riften-甜蜜湾Honeyside]·购屋：8000·装饰费用：4200 　　4·地点[风盔城Windhelm-海
新生模拟赛-拯救贺老头
qq_48344603的博客
10-11 179
这是一个简单的思维题 题意给你一个 l 和 n ，表示从l开始的长度为n的连续整数，删去偶数位置的数后，用剩下的数组成一个新串，再继续操作。 不妨给你 l = 5，n =5 得到的一串整数是 5 6 7 8 9 我们第一次删除并重新排列后 剩下 5 7 9 然后再次操作为 5 9 再次操作为 5 只剩下一个数的时候就没有偶数位置的数了 所以输出5 当n = 0时，表示长度为0，就没有整数，所以输出-1 下面是代码实现： #include <iostream> using namespace s.
基于tensoflow2.x训练mnist数据集神经网络模型优化
qq_42010726的博客
07-23 361
tensoflow2.x训练mnist较高识别率代码基于的版本 基于的版本 本次训练的程序是基于python3.8和tensorflow2.0来训练mnist数据集的，前几天有专门写过这方面博客，近几天进行调试时，觉得有必要再进行优化一下，包括识别率和模型储存方面的。具体优化有以下几个方面： 1.对模型的超参数进行了调整 2.网络结构做了部分调整 3.对训练好的模型进行保存和加载 1)超参数调整为： #设置超参数 learn_rate = 0.005 batch_size = 256 epoch = 150
电影：雷神
m0_61149488的博客
06-16 1242
作为北欧诸神之王奥丁的儿子，托尔很快就会从年迈的父亲那里继承阿斯加德的王位。然而，在他即将加冕的那天，当众神的敌人冰霜巨人违反他们的条约进入宫殿时，托尔做出了残酷的反应。作为惩罚，奥丁将雷神驱逐到地球。当托尔的兄弟洛基在阿斯加德策划恶作剧时，现在被剥夺了权力的托尔面临着他最大的威胁。......
【创新设计】2014届高考语文第一轮复习 4-1-2 分析环境描写配套限时训练 新人教版
08-19
2014届高考语文第一轮复习中的【创新设计】4-1-2 部分，就是针对如何分析环境描写进行的专题训练。通过这一训练，学生可以更深入地理解环境描写在塑造人物形象、营造氛围、推动情节发展以及揭示主题方面的独特功能。...
九年级英语上册Unit4StoriesandPoemsLesson23TheGiantⅡ课时训练新版冀教版
08-06
这篇资料是针对九年级英语上册Unit4 Stories and Poems Lesson 23 "The Giant (Ⅱ)" 的课时训练，适用于新版冀教版教材。资料涵盖了单词、短语、句型以及词汇练习，旨在帮助学生巩固和理解课文内容。 在单词部分，...
中考语文考点跟踪训练 15文学常识与名著阅读精选.doc
09-27
1. 文学常识： - 尼摩船长：《海底两万里》中的主角，他是反对殖民压迫的战士，而非引起战争的人。 - 《伊索寓言》中的蚂蚁与蝉：蚂蚁代表勤奋，蝉则象征着享受当下，原故事中蚂蚁勤劳储备，蝉则在冬天求助于蚂蚁...
江苏省连云港市岗埠中学初中语文《童年》名著阅读训练3
08-19
1. 《童年》是20世纪俄罗斯文学的重要作品，作者是高尔基。 2. 高尔基在人生中有四位老师，依次为厨师、律师、民意党人和文学家，这些经历对他的成长产生了深远影响。 3. 《童年》是高尔基的自传体小说，描绘了他...
三年级语文上册1奇思妙想火烧云第2课时课时练习长春版
08-06
在练习中，原句“喂猪的老头儿笑盈盈地看着他的两头小白猪变成小金猪了”被简化为“老头看着白猪变成金猪了”。这个练习通过省略形容词和副词，让学生明白了句子的主要成分（主语、谓语和宾语）是句子意义表达的核心...
fbx导入blender结构错乱，但在threejs中加载正常
AllBluefm的专栏
06-12 191
原因：FBX 是 Autodesk 的专有格式，是面向 3ds Max / Maya 的格式，Blender 支持不完善，而Three.js 的 FBXLoader 兼容 Autodesk FBX SDK 的结构，对某些不标准 FBX 有容错能力。描述：在 Blender 中打开 FBX：结构乱了，比如零件位置不对、车轮飞了、方向盘错位等。但在threejs中加载是正常的。解决方案：用 FBX2glTF 工具。
Blender——建构、粒子、灯光、动画
最新发布
2401_83210138的博客
06-14 714
Blender是一款开源的三维建模和动画软件，可用于创建3D模型、动画、渲染图像和视频，还支持雕刻、纹理绘制、粒子系统等功能。
Blender 简介 ~ 总结,如何下载Blend格式模型
m0_67926782的博客
06-13 513
由于 Blender 不是那么容易使用，我们只用立方体制作一个简单的模型，只是为了适应 Blender。这一次，我们只学习如何通过展开立方体并为其附加纹理来制作 UV 布局，而无需任何复杂的作。您将学习如何添加动画、导出带有动画的模型、将其导入 Unity 并播放动画。现在，你已经开始能够制作形状的细节，所以你也想给模型上色，不是吗？您将学习如何使用 Rigify，将骨骼关联到网格，然后调整权重。您将学习一个作 'Extrude' 来制作一个复杂的形状。一旦你学会了如何制作模型，我确定你想要为它制作动画。
Blender 案例及基础知识点
2301_82089146的博客
06-14 500
Blender 是一款免费、开源的，支持等多种功能。它跨平台支持 Windows、macOS 和 Linux，被广泛应用于影视制作、游戏开发、建筑可视化、产品设计等领域。
2025pmx文件怎么打开blender和虚幻
wsdchong的博客
06-12 223
一坑接一坑。意思很简单，就是给Blender、3dsmax装插件，然后就可以打开了。但是报错就要多走很多错路。记录一下。
gpt3.5 基础技术原理
04-15
<think>好的，我现在需要详细解释GPT-3.5的基础技术原理。首先，我得回顾一下用户提供的引用内容，确保信息准确。根据引用[2]和[3]，GPT-3.5是基于GPT-3的升级版本，主要改进包括模型结构优化、训练策略调整和引入强化学习微调（RLHF）。用户提到要详细说明技术原理，可能需要分模块讲解，比如架构、训练方法、关键技术和优化点。 首先，架构方面，GPT-3.5仍然使用Transformer的解码器结构，但层数可能有所增加。引用[3]提到它有96层Transformer编码层，这比之前的版本更多，因此需要解释自注意力机制和多头注意力的作用。然后，预训练和微调的部分需要详细说明，包括预训练的数据规模和任务，以及微调阶段如何应用RLHF。 接着，关键技术部分，比如自回归生成和长文本优化。自回归生成意味着模型逐个生成token，保持文本连贯性。长文本优化可能涉及改进的注意力机制或更有效的位置编码，以处理更长的上下文。 还要提到代码生成能力的提升，这可能与训练数据中代码相关的语料增加有关。此外，引用[3]还提到参数训练策略更高效，可能需要解释分布式训练或混合精度训练等技术。 用户的问题可能还涉及GPT-3.5与之前版本的差异，比如参数规模，但引用[2]指出GPT-3.5有175B参数，和GPT-3相同，但通过微调和结构优化提升性能。需要强调RLHF的作用，尽管在GPT-4中效果不显著，但在GPT-3.5中效果明显，如引用[2]所述。 最后，确保回答结构清晰，分点说明，并引用相关引用内容。可能的问题需要涵盖模型架构、训练方法、优化技术、应用场景等。</think>### GPT-3.5 基础技术原理详解 #### 1. 模型架构 GPT-3.5 延续了 **Transformer 解码器架构**，采用纯自回归生成模式，核心组件包括： - **自注意力机制**：通过 $Q(K^T)V$ 计算上下文关联性，支持并行处理序列数据[^3]。 - **多头注意力**：扩展为多个子空间，增强对不同语义特征的捕捉能力。 - **前馈神经网络**：每个注意力层后接全连接层，进行非线性变换。 - **层标准化与残差连接**：缓解梯度消失问题，加速模型收敛。 模型结构示意图： ``` 输入文本 → Token 化 → Transformer 解码器层 × 96 → 概率分布输出 → 生成文本 ``` （共包含 96 层 Transformer 解码器，参数规模达 **1750 亿**，与 GPT-3 一致[^2]） --- #### 2. 训练流程 ##### 2.1 预训练阶段 - **训练目标**：最大化文本序列的似然函数，即 $P(w_t | w_{<t})$。 - **数据规模**：使用数十 TB 的互联网文本，涵盖多语言、代码、学术文献等[^2]。 - **硬件配置**：基于分布式训练框架，混合使用 GPU/TPU 集群。 ##### 2.2 微调阶段 - **监督微调 (SFT)**：用标注数据调整模型输出格式（如对话场景）。 - **强化学习 (RLHF)**：通过人类反馈优化模型行为，显著提升对话安全性和有用性[^2]。 - 奖励模型训练：人工标注对比数据，学习人类偏好。 - PPO 算法：迭代优化策略，公式为 $\max_\pi \mathbb{E}_{x \sim \pi} [R(x)]$。 --- #### 3. 关键技术优化 | 技术方向 | 改进内容 | |-----------------|--------------------------------------------------------------------------| | 长文本处理 | 优化注意力计算窗口，支持 8k token 上下文理解[^3] | | 计算效率 | 引入稀疏注意力、混合精度训练，降低显存占用 | | 代码能力 | 增加 GitHub 代码库数据权重，提升 Python/JS 等语言的生成质量[^3] | | 安全机制 | 通过 Moderation API 过滤有害输出，结合 RLHF 减少偏见[^5] | --- #### 4. 数学原理示例 自注意力计算过程可表示为： $$ \text{Attention}(Q,K,V) = \text{softmax}\left(\frac{QK^T}{\sqrt{d_k}}\right)V $$ 其中 $d_k$ 为键向量维度，用于缩放点积防止梯度消失。 --- #### 5. 性能表现 在基准测试中，GPT-3.5 相比 GPT-3 的改进包括： - **文本生成连贯性**：困惑度 (Perplexity) 降低 15% - **代码任务准确率**：HumanEval 测试从 28% 提升至 47%[^3] - **多轮对话能力**：平均对话轮次增加 3 倍以上 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值