跟李沐学AI，一个不错AI学习的专栏

最新推荐文章于 2025-12-03 08:43:36 发布
原创 最新推荐文章于 2025-12-03 08:43:36 发布 · 265 阅读 · 0 ·
CC 4.0 BY-SA版权
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。
文章标签：

#人工智能

此链接为一个B站用户的个人空间页面，未提供具体博客内容。该页面主要用于展示用户的视频、动态和个人信息等。

https://space.bilibili.com/1567748478?from=search&seid=12338964042432565376&spm_id_from=333.337.0.0

啊哈2020
关注
AI人工智能领域深度学习的在线学习方法
AI智能探索者的博客
05-23 886
深度学习是AI领域最热门的技术方向之一，从人脸识别到ChatGPT，其应用已渗透到生活的每个角落。但很多人在学习时遇到“资料太多无从下手”“理论听懂了但不会写代码”“学完就忘”等问题。本文聚焦在线学习场景，覆盖从0到1入门、进阶实战、持续提升的全流程，帮你用最少的时间成本建立系统化的深度学习知识体系。
AI人工智能深度学习的发展趋势剖析
AI天才研究院
04-12 1196
本文旨在全面分析人工智能领域中深度学习技术的发展趋势，涵盖从基础理论到前沿应用的各个方面。深度学习算法的演进路径模型架构的创新方向计算范式的转变趋势行业应用的扩展边界技术挑战与解决方案本文采用系统性分析方法，首先介绍深度学习的基础概念，然后深入探讨技术发展趋势，包括算法优化、架构创新和应用扩展。最后，我们将展望未来可能的发展方向和技术挑战。深度学习(Deep Learning)：一种基于多层神经网络的机器学习方法，能够自动学习数据的层次化特征表示。
MoCo 论文逐段精读【论文精读】--跟李沐学AI
qq_42014059的博客
04-06 3627
视频链接：MoCo 论文逐段精读【论文精读】_哔哩哔哩_bilibili MoCo: CVPR 2020 最佳论文，视觉 + 对比学习的里程碑式的工作 对比学习： 简单、好用； 19年以来，视觉领域乃至整个 ML 领域最火的方向之一； 盘活了从17年很卷的CV领域，MoCo是其中的优秀工作之一 MoCo：无监督的表征学习工作 在 CV上表现怎么样？ 分类：逼近了有监督的 baseline 检测、分割、人体关键点检测：大幅超越有监督预训练的模型 (ImageNet 上预训练的模型) CV ...
跟李沐学AI-动手学深度学习1
qq_15821487的博客
10-20 738
神经网络可以理解为是一种语言数学和代码的结合，道术结合，关键在动手是什么，怎么做，为什么这样发展知识和应用广告点击预测三个步骤预测和训练模型控制广告展现。
02深度学习介绍（跟李沐学AI）
qq_40785521的博客
03-27 1110
感知：人看到的几秒钟就能反应过来的。 推理：根据看到的东西，能去延伸到其他东西上。 知识：根据看到的东西，形成自己的知识。 nlp还是处于一个比较基础的感知，如机器翻译。 深度学习是机器学习的一种。 机器学习的两个步骤：特征提取，模型预测。 训练模块：把过去的数据 进行特征提起，然后训练 完整的流程 是一个循环 领域专家：更关心机器学习结果对产品的一个影响。 数据科学家：把原始数据转换为机器能够理解的数据，然后训练模型。 AI专家：就某，一个点当数据达到一定模...
动手学习深度学习-跟李沐学AI-自学笔记(2)
weixin_44079186的博客
05-13 1403
一、PyTorch神经网络基础 1. 模型构造 本应在jupytor里实现，现在还在跑模型，因此先在此记录一下 1.1 层和块 # 多层感知机 import torch from torch import nn from torch.nn import functional as F net = nn.Sequential(nn.Linear(20, 256), nn.ReLU(), nn.Linear(256, 10)) # Sequential定义了一种特殊的`Module` X = torch.
跟李沐学AI：chapter_preliminaries/calculus下的笔记以及课后练习
qq_44970343的博客
07-29 321
跟李沐学AI：chapter_preliminaries/calculus下的笔记以及课后练习。
《人工智能基础》[常识篇3]：人工智能相关学习资料&书籍和课程平台社区推荐
专注大数据、云计算、人工智能、机器人领域技术传播
10-06 414
本文精选了机器学习与人工智能领域的优质学习资源，涵盖入门到进阶的书籍、在线课程平台及学习社区。推荐《机器学习入门必备》《人工智能极简说》等零基础读物，以及《深度学习》《强化学习》等专业著作；Coursera、edX等平台提供吴恩达《机器学习》等经典课程；Kaggle、GitHub等社区提供实战机会。配套推荐数学基础教材和信息论相关书籍，形成完整学习路径。资源类型丰富，兼顾理论与实践，适合不同基础的学习者系统掌握AI技术。
AI人工智能与图像处理技术的协同创新
AI天才研究院
04-06 1284
本文旨在全面剖析人工智能(AI)与图像处理技术之间的协同创新关系。两种技术的基本原理和相互关系核心算法和数学模型实际应用案例未来发展趋势研究范围涵盖从基础理论到前沿应用的完整知识体系，特别关注深度学习在图像处理领域的创新应用。首先介绍背景知识和基本概念然后深入分析核心算法和数学模型接着通过实际案例展示技术应用最后探讨未来趋势和挑战附录提供常见问题解答和扩展资源人工智能(AI): 模拟人类智能的计算机系统，能够执行通常需要人类智能的任务图像处理。
AI应用架构师转型指南：从传统架构师到企业AI创新生态圈架构师的学习路径
AI天才研究院
07-26 1080
本文将以“传统架构师转型AI应用架构师”为核心，系统拆解从“技术架构设计者”到“企业AI创新生态圈架构师”的完整学习路径。我们会从认知升级（理解AI架构与传统架构的本质差异）开始，到知识体系构建（AI基础、数据架构、模型工程等核心领域），再到技能培养（AI应用全生命周期设计能力）、实践落地（从项目到平台的进阶），最终抵达生态构建（跨部门协作与AI创新文化培育）。
动手学深度学习-笔记-跟李沐学AI
CSPhD-winston的博客
12-02 1737
CSV全称：Comma-Separated Values。·# 62 序列到序列学习（seq2seq）
【跟李沐学AI】
qq_44733876的博客
07-03 484
安装配置anaconda时遇到的问题
跟李沐学AI：目标检测、锚框
Landy_Jay的博客
08-16 605
物体检测或目标检测之别图片中多个物体的类别和位置。位置常用边缘框表示。一类目标检测算法基于锚框进行预测。首先生成大量锚框并赋予标号，每个锚框作为一个样本进行训练。在预测时，使用NMS去除冗余的预测。
【跟李沐学AI 实用机器学习】全部笔记
qq_53223504的博客
08-11 1199
简单来说，就是一个玄学，没法科学解释每个参数的作用，只能靠经验和直觉介绍了几个记录实验数据的工具，如tensorboard、weights&bias。
动手学深度学习笔记day3
m0_56770663的博客
07-14 1468
线性回归
动手学习深度学习-跟李沐学AI-自学笔记(1)
weixin_44079186的博客
05-09 3932
个人学习笔记，如有错误欢迎指正！ 预备课 课程必备网站：[课程主页][https://courses.d2l.ai/zh-v2]，[教材][https://zh-v2.d2l.ai/]，[课程论坛讨论][https://discuss.d2l.ai/c/16]，[Pytorch论坛][https://discuss.pytorch.org/] 深度学习是人工智能最热门的领域，核心是神经网络，应该想学习一门语言一样学习它。 课程中每一个章节是一个jupyter记事本，可以在[这里][https:/
TensorRT笔记（5）：研究timingCache
ouliten的博客
12-02 812
在里出现了大量的timingCache，但是当时没有取研究这是干啥的，本文就来解析一下。样例都基于上面的文章。
向量嵌入：RAG系统背后的语义引擎
uncle_ll的博客
11-29 1523
向量嵌入技术将高维语义信息压缩为低维向量，使相似概念在向量空间中聚集。作为RAG系统的核心，嵌入质量直接影响语义检索效果。从静态词嵌入到动态上下文嵌入，技术不断演进，解决了多义词等难题。现代嵌入模型基于Transformer架构，通过对比学习优化检索性能。选型需考虑MTEB排名、语言支持等维度，并结合业务测试。未来趋势包括多模态融合、知识图谱增强和轻量化部署。嵌入技术已成为NLP领域的关键支柱，其优化对提升RAG系统性能至关重要。
大模型应用：大模型 MapReduce 全解析：核心概念、中文语料示例实现.12
最新发布
minhuan的专栏
12-03 860
本文介绍了MapReduce编程模型及其在大模型训练中的应用。MapReduce通过"分治-并行-聚合"思想处理大规模数据，传统Hadoop MapReduce侧重结构化数据计算，而大模型MapReduce则针对自然语言处理任务。文章详细对比了两者在架构、处理对象和核心算力等方面的差异，并提供了中文词频统计的Python实现示例，包括单机版和分布式版本。分布式实现利用多进程模拟集群计算，展示了数据分片、Map、Shuffle和Reduce的完整流程。
跟李沐学ai安装pytorch
10-15
要安装PyTorch，可以按照以下步骤进行： 1. 确认已经安装了Python环境，建议使用Python 3.6或以上版本。 2. 打开PyTorch官网（https://pytorch.org/），选择合适的PyTorch版本和对应的CUDA版本（如果需要GPU加速）。 3. 根据官网提供的命令，使用pip或conda安装PyTorch。 例如，如果要安装PyTorch 1.9.0版本，CUDA 11.1版本，可以使用以下命令： ``` pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/cu111/torch_stable.html ``` 安装完成后，可以在Python中导入torch模块进行测试。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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