- 博客(15)
- 收藏
- 关注
RSS订阅原创 Datawhale冬令营--AI辅助编程Task1
Task1是速通AI编程，就是来体验一下的。整个教程的目标是利用Marscode来实现一个番茄时钟。首先需要登录注册Marscode，随后进入Marscode提供的在线工作台，类似与云端IDE。在工作台里面选择前端模版，就可以进行开发了。教程中提供了prompt，具体内容如下：请你基于html、tailwind css和javascript，帮我设计一个“番茄时钟”。要求UI简洁美观大方，同时具有呼吸感，点击开始计时、点击暂停计时和重置计时的功能能够完美实现。
2024-12-25 14:37:59
320
原创 datawhale冬令营-AI agent
本次的AI agent 是利用星火大模型微调平台进行实践的，可以利用平台所提供的服务进行零代码的大模型训练。我们可以选定自己想要的模型配置自己的数据集，本次datawhale提供的是关于甄嬛的数据集，再选择完想要的大模型和上传自己的数据集之后，就可以开始训练自己的agent了。说到具体训练出来的agent的体验我感觉还是不太好，agent感觉有些不太聪明，这应该跟模型本身的能力和数据集有关系。继上次参加完datawhale的夏令营之后，终于等来了冬令营里面还包括了我很感兴趣的AI agent部分。
2024-12-11 22:44:15
244
原创 datawhale吃瓜教程Task02，学习笔记
也是梯度下降的一种，跟梯度下降的方法基本一致，一样是通过不断的迭代来寻找最优解。梯度下降法的通病容易陷入局部最优解的问题中，无法的到全局最优解。以为机器学习是通过算法也就是数学来探究隐藏在数据集中的规律，所以需要将数据集的属性映射成数据进行运算。比如区分好瓜和坏瓜可以用01来表示、甜度就用{0.1，0.2，0.3}之类的来代替。简单来说就是不停的寻找，使整个函数结果最贴近实际数据集的参数，通过不停的迭代。“min”和“arg min”的区别在于，前者输出目标函数的最小值，
2024-10-20 00:00:05
1116
原创 datawhale吃瓜教程学习Task01
2、样本空间：由于样本属性的取值利用它们的特征向量来替代，所以称样本的特征向量所在的空间为样本空间。用花式的大写X来表示。4、模型：数据集在应用了某一种机器学习算法之后，所训练后产出的学习器，代表数据集背后的规律。在训练模型阶段用到标记信息的算法称之为监督学习，用不到的称之为无监督学习。利用线性代数中的向量来描述样本的各个属性，并赋予属性值便于计算机计算。5、泛化能力：算法所训练出来的模型代表的规律面对未知数据的表现能力。3、数据集：样本的集合，Xij表示Xi变量在第j个特征的取值。
2024-10-16 20:17:47
251
原创 datawhale算法学习
基本思想：通过选择和撤销选择的方式，系统地搜索所有可能的解。步骤选择元素：从可选列表中选择一个元素。递归搜索：基于选择的元素继续进行搜索，直到找到一个完整解或无法继续。撤销选择：在回到上一步后，尝试其他可能的选择。回溯算法通过系统地尝试所有可能性，能够有效解决组合、排列等问题。理解其基本思想和实现步骤，有助于在实际问题中应用回溯算法。
2024-09-24 23:04:37
257
原创 datawhale leetcode算法Task02
递归算法的本质，就是将一个大问题拆解成很多个重复的小问题来解决，通过自身调用自身来解决问题。递归一共分成三步：1、拆分问题，将问题拆分为一个个重复的小问题2、给出结束条件，在拆分时一定要考虑，结束条件否则会无限的运行下去3、将以上两步转化成代码。
2024-09-21 21:52:36
237
原创 Datawhale AI训练营深度学习入门，Task3
过拟合的描述我更倾向于用实际例子来说明：一个学生只会自己做过的题目，当这些题目做过一些小的修改，则完全不会。一般来说如果更深的模型损失比浅层模型的损失更大，那么说明更深模型的优化做的不够好，它的梯度下降不给力。1、增加训练集（只要考试的题目我全部做过，那我在考试的时候发挥很好）2、减少神经元的数量给出一些限制，不让模型完全发挥。用验证集来验证模型所训练出来的效果，根据效果来选择合适的模型。一种特别的错误，跟训练方式、模型和数据集无关，没办法通过增加数据集来解决，是因为训练集和测试集的分布不同。
2024-09-03 20:45:39
218
原创 Datawhale 深度学习训练营cv方向 Task3
在听完Task3的直播讨论之后，让我了解了更多关于如何提升比赛分数的方法，我也再直播结束之后尝试了一些直播中提到的方法，比如增强数据和调整YOLO模型的参数，不断地进行调整使代码所得到的结果越来越好。对于文档中所提到的第三点，YOLO模型的预测行为和特性，我在当时的直播就没有听懂，后来也没在实际的进行尝试，也是自己的一个小遗憾，还是深度学习的代码能力不行导致的。
2024-08-31 22:45:16
147
原创 Datawhale训练营 深度学习笔记Task2
针对线性模型还是有很多优化方法，比如分段线性模型：“由于线性模型的表达式过于简单，当x越大时y一定越大，不能很好的将x与y之间的复杂关系完美地表达出来，所以加上一个 Hard Sigmoid 函数以及不同的w和b之间的排列组合可以得到一个曲线函数图像，能更好地展示出x与y之间的复杂关系。先随便选择一个初始值，之后不断地更新，从而找到正确的w权重和b偏置的调整方向，之后一直调整直到得到一组最合适的w和b。将输入的数据乘上一个权重w再配上一个偏置b所得到的模型就是线性模型，比较简单。
2024-08-31 20:38:02
182
原创 Datawhale AI训练营 cvTask2学习心得
经过了Task1的学习，对于cv方向的深度学习有了一定了解，再加上看了训练营的直播经过学长对于比赛赛题的讲解和代码的介绍，让我更好的理解和阅读代码。经过修改后所得出的结果比最开始的代码得分提高了0.3，由0.4提升到了0.7左右，虽然还是一般都是对于我这个没什么深度学习代码基础的人来说，已经很不错了。我将训练所用的模型换成了YOLO8s，并且根据更新的代码仓库中针对YOLO进阶代码，对之前给出的baseline中的代码进行了修改。
2024-08-29 21:54:01
275
原创 Datawhale AI训练营深度学习入门班学习心得 Task1
在机器学习中，含有未知变量的函数即是模型前面提到，机器学习本质上是在寻找函数，如何寻找函数呢？通常根据具体问题和输入，可以得到一个含有未知变量的函数，机器学习会进行不断地尝试，从而得到正确的函数未知变量。例如面对回归问题 y = b + wx,这就是一个模型x和y为已知数据，通过不断地尝试可以得到一系列的b和w，b为偏置w为权重，在一系列的b和w中使模型损失最小的一组数据即是最适合的。这就提到了损失，那么什么是损失呢？在机器学习中损失是指，输出的结果与实际结果之间的偏差。
2024-08-27 21:03:38
159
原创 Datawhale AI 训练营 cv方向Task1
因为自己没什么深度学习的代码基础，所以很难理解代码中的细节，需要更多的去学习。不过好在有baseline能够直接一键运行，起码给出一些正向反馈。参加这个训练营，我希望可以对人工智能的理解更深一点。之前只是单纯对人工智能有些了解，但是只会一些基本的算法，并没有涉及到具体的应用层面。今天刚刚开始学习，跟着文档将代码运行了一遍，也报名了比赛。自己对代码的理解还是不够，有很多部分是看不懂的，还需要不断地去学习。针对YOLO这个库，是我第一次了解对于我而言有挺大的挑战的。
2024-08-26 15:27:46
159
原创 学生信息管理系统
这是一个函数，用于向学生数组中添加新的学生信息。它接受一个指向学生结构体指针的指针、一个指向学生数量的指针以及一个新的学生结构体作为参数。这个函数首先增加学生数量，然后重新分配内存以适应新的学生，最后将新学生信息添加到数组的末尾。函数比较每个学生的名字与给定的名字。如果找到匹配的学生，则返回该学生的信息；否则，返回一个空的学生信息结构体作为默认值。这个函数用于显示所有学生的信息。它遍历学生数组并打印每个学生的名字、年龄和分数。这个函数用于根据学生的名字查找学生信息。的结构体，用于存储学生的信息。
2023-12-23 15:49:43
391
1
原创 求助怎么办？
欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入MarkdownText-to-HTMLAuthorsJohnLuke。
2023-05-23 23:59:07
85
1
空空如也
大数据学习应该从哪开始
2024-04-01
TA创建的收藏夹 TA关注的收藏夹
TA关注的人