【杂谈】模型设计书看完了感觉不过瘾?这些拓展模型相关内容值得你关注一下...

Robot Framework 7.0 报告解析 本文深入解析 Robot Framework 7.0 新增的 JSON 报告功能,手把手教你如何从 output.xml 转换为结构清晰的 output.json,并通过 Python 脚本提取关键测试指标。文章附完整示例、命令、解析脚本,支持导出为 CSV 和 Markdown,方便接入可视化看板、群通知和 CI 流程。适用于测试自动化、质量平台建设和回归趋势分析场景。 阅读详情

相信许多朋友都看过我这本模型设计的书籍了,内容涵盖了模型的深度宽度理解,残差模型,分组模型,多尺度模型,多输入模型,时序模型,注意力机制与动态模型,GAN模型等领域,详情可以阅读:

言有三新书来袭!业界首次深入全面讲解深度学习模型设计

下图展示了书中的各个章节的内容。

因为书籍内容总是会滞后于市场和最新研究,所以有一些小伙伴也表示不过瘾,这次给大家汇总一下我们还有哪些模型相关的拓展资料可以供大家进行学习。

为什么要学习模型设计

好的模型结构是深度学习成功的关键因素之一,不仅是非常重要的学术研究方向,在工业界实践中也是模型是否能上线的关键。对各类底层深度学习模型设计和优化技术理解的深度是决定我们能否在深度学习项目中游刃有余的关键。

模型设计和优化,本身就是当前使用深度学习技术必须掌握的能力,在各类招聘中,也是被重点考察的内容。甚至许多的研究组,创业公司,都有专门做模型优化的岗位。而由于较高的门槛,能将模型优化做好的从业者却非常少。

学好模型设计与优化,对于深度学习相关行业的从业,自然是不会错的。那么除了我写的这本书,我们生态还有哪些资源可以学习呢。

有三AI知识星球模型设计与优化方向

有三AI知识星球是我们的付费图文社区,里面的内容是公众号和书籍内容的升级,自然会包含大量模型设计与优化相关的内容,主要是模型各个方向的最新模型解读,下面是部分内容的汇总图。

包括网络的起源,经典的ImageNet网络,残差网络,分组与分支网络,三维卷积,时序网络,注意力机制,形变网络,多输入网络,多尺度网络等。

还有很多东西在书上是没有的,包括模型剪枝,模型量化,模型蒸馏,卷积优化,动态推理等内容,需要大家在对模型理解有一定的基础才看得懂。因此,这些内容都会采取在知识星球动态更新的方式,从公众号和书入门,到知识星球深造,满足不同需求的小伙伴。

知识星球的完整介绍可以看:

【杂谈】有三AI知识星球指导手册出炉!和公众号相比又有哪些内容?

模型设计视频课

还有一些同学不习惯看文字,所以我们也给大家推出了视频课。

内容是在书籍的基础上,补充理论的讲解,并且添加实战内容,具体的介绍大家可以看下面的文章,以及视频课本身的目录:

【视频课】一课掌握模型设计核心理论与实战技巧

另外,关于理论部分,我们联合阿里开设的深度学习课程中,也有部分内容,扫码可直达:

有三AI秋季划-模型优化组

当然,如果你觉得上面的各种东西挨个添加太麻烦,并且希望能够经常一起讨论模型相关的内容,就可以考虑有三AI秋季划-模型优化小组了。

一句话,永久包含我们生态所有和模型相关的内容,包括但不限于图文,直播与视频,书籍,答疑,项目研发,详情请阅读:

【CV秋季划】模型优化很重要,如何循序渐进地学习好?

转载文章请后台联系

侵权必究

往期精选

高通SDX35:SGMII接口PHY RTL8211FSI-CG驱动适配 高通SDX35 RTL8211F SGMII 阅读详情

相关推荐

跨阻放大器(TIA)的输入输出阻抗的定义、分析和影响因素

跨阻放大器(Transimpedance Amplifier,简称TIA)是一种常用于将电流信号转换为电压信号的放大器。在TIA电路中,输入阻抗是指输入端对电流信号的响应能力,输出阻抗是指输出端对负载电阻的驱动能力。本文将分别介绍TIA的输入和输出阻抗的定义、分析以及影响因素。

weixin_44378594的博客 1万+

python torch 自定义神经网络NN

经过epochs次训练,每次epoch训练多个batch_size个样本,Loss逐渐减少。自定义全连接神经网络需要继承Model,重写__init__ 和forward方法。

frt的博客 243

QT+SOEM主站协议库实战指南—从编译到嵌入式应用

本文提供了一份QT与SOEM开源EtherCAT主站协议库的集成实战指南。详细介绍了在Windows和Linux平台下编译SOEM库的步骤,并讲解了如何将其无缝集成到QT项目中,构建具备实时监控与控制功能的工业上位机应用。内容涵盖从环境搭建、核心协议开发到嵌入式部署与优化的全流程,为开发高性价比、自主可控的工业控制解决方案提供完整路径。

u6v7w8x的博客 442

基于神经网络的机器人导航系统的设计与执行!

基于神经网络的机器人导航系统,本质上是一个“感知-规划-控制”的闭环。它的核心优势在于强大的泛化能力和端到端的简洁性,能够处理传统几何方法难以解决的复杂场景(如密集人群、非结构化地形)。

m0_65595995的博客 238

kettle从入门到精通 第九十二课 ETL之kettle 使用Kettle的Carte对外发布读写接口

场景:使用kettle实现将查询结果返回给客户端,也就是说kettle暴露查询接口供外围系统调用。前提必须是使用carte服务才可以提供接口供外部系统调用。具体实操方法如下:1、设计转换根据具体需求设计转换,主要用到的步骤有获取变量(从请求参数中获取变量)、json输入(解析入参),json 输出将结果转换为json格式输出到客户端。如下图所示:2、接收参数使用获取变量步骤来接收接口请求参数,变量通过${}方法进行获取,如下图${PARAM}则是获取PARAM参数,将参数赋值为req字段。

zhangjin1222的博客 955

基于UCD3138的数字控制硬开关全桥DC-DC电源设计实战解析

在开关电源设计中,数字控制技术正逐步取代传统模拟方案,以其卓越的灵活性、可编程性和强大的数据处理能力,成为应对复杂动态响应与智能化需求的关键。其核心原理在于通过高精度模数转换器(ADC)实时采样电压、电流信号,经由数字信号处理器(如ARM内核)运行PID等控制算法,动态调整数字脉宽调制(DPWM)输出,从而实现对功率级的精确控制。这种技术价值体现在能够轻松实现高级算法(如输入电压前馈、非线性补偿)、灵活配置保护参数,并通过PMBus等接口实现智能化监控与管理。其典型应用场景包括通信基站、服务器电源以及工业设

1313

神经网络与深度学习笔记_Day6

神经网络与深度学习笔记_Day6,包含 ANN案例、CNN概述、卷积层 与 池化层。 写于2026/02/12。

ZZHow Blog 345

Apache Paimon快照管理实战:如何避免Flink作业中的反压问题?

本文深入探讨了如何通过优化Apache Paimon的快照管理机制来避免Flink作业中的反压问题。详细解析了同步与异步快照过期模式的适用场景及配置建议,并提供了Checkpoint策略与状态后端的协同优化方案,帮助提升实时数据处理的性能和稳定性。

i1j2k的博客 178

2027年神经网络、智能信息与数据科学国际会议(NNIDS 2027)

2027年神经网络、智能信息与数据科学国际会议(NNIDS 2027)将在中国·合肥举行,会议围绕神经网络、智能信息处理与数据科学等研究方向展开学术交流,关注人工智能算法、数据分析技术以及智能信息系统的发展。

Yangxshy的博客 210

5、高级综合技术:从调度到优化的全面解析

本文深入解析了高级综合技术,涵盖从控制/数据流图构建、调度算法、分配绑定策略到编译器优化的全流程。通过案例分析和对比,探讨了不同优化策略对性能和资源利用的影响,并总结了关键要点及未来发展趋势,为高效利用FPGA实现数字设计提供了全面指导。

night的博客 119

【C#程序员入门AI】向量数据库入门:C#集成Chroma/Pinecone,实现AI知识库检索(RAG基础)

向量存语义,检索补知识!向量数据库:解决AI知识库存储和语义检索问题,让AI有据可查C#集成:Chroma轻量本地练手,Pinecone企业云端落地,一套逻辑无缝切换RAG闭环:检索+大模型,让AI回答精准不瞎编,是AI落地的必经之路咱C#程序员有.NET生态加持,集成向量数据库比Python更简洁、更稳定,不管是个人做智能助手,还是企业做知识库,这套技术栈都能直接落地,2026年必学技能!

人工智能AI技术 1005

第 02/24 期:从线性模型到多层感知机:神经网络的表示能力

本文探讨了线性模型的表达局限,指出其函数族仅能表示超平面边界,无法解决非线性可分问题(如XOR)。通过多层感知机引入非线性激活函数(如ReLU、tanh),网络可构建分段线性或光滑非线性函数,显著提升表示能力。实验表明,单隐藏层MLP在拟合复杂目标函数时优于仿射模型。但需区分表示能力、优化可达性与泛化性能三者:即使模型理论上可逼近任意函数,实际训练仍受初始化、优化路径和样本限制。

weixin_47502228的博客 355

【Flink on k8s】- 1 - Flink Kubernetes Operator 简介 2023

Flink Kubernetes Operator 可以与 Kubernetes 的其他功能和工具集成,可以帮助用户快速定位和解决问题。Flink Kubernetes Operator可以在Kubernetes上实现高可用性,以确保 Flink 集群的稳定性和可靠性。Flink Kubernetes Operator 可以快速地部署 Flink 集群,而无需手动配置和管理集群。Flink Kubernetes Operator可以将Flink集群与其他应用程序隔离,以避免资源争用和干扰。

欢迎来到我的博客,一起探索代码里的世界! 1351

Pytorch 【5】神经网络基础(nn.Module、卷积层、池化层、线性层)

前面我们学习了张量Tensor、自动求导Autograd,这两个是Pytorch最底层的基石。在真实项目中,我们不会手动去写大量求导逻辑,torch.nn模块封装好了神经网络各类层、损失函数,让我们快速搭建网络。本篇重点讲解nn.Module以及常用网络层:卷积Conv、池化Pool、全连接Linear。,和opencv、PIL的HWC相反!卷积之后进全连接,一定要flatten展平,否则维度对不上padding的作用:控制特征图尺寸不变,same padding池化层不改变通道数,只缩小高宽。

Beforthing的博客 208

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

神经网络与深度学习笔记_Day5

神经网络与深度学习笔记_Day5,包含 梯度下降优化方法、学习率衰减策略、正则化 与 ANN案例。 写于2026/02/07。

ZZHow Blog 321

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

神经网络是如何学习的?(关于损失函数,梯度下降,反向传播,梯度消失详解)

神经网络的学习本质是一场“瞎子下山”的试错游戏:通过前向传播预测,损失函数评分,反向传播计算梯度,梯度下降更新参数,循环数万次。单个神经元如直线分割,难以解决复杂问题(如XOR),但多层感知机(MLP)叠加非线性激活后,可拟合任意复杂边界。损失函数定义“错误”程度,梯度下降则沿最陡方向迭代优化,学习率决定步幅。反向传播利用链式法则高效分配误差责任,但深层网络中梯度逐层衰减,导致“梯度消失”,使浅层参数难以更新。核心在于:模型靠不断试错,在参数空间中寻找最低损失点,最终学会“看懂世界”。

JYF2007ABC的博客 399

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

ai药物 对应的D-MPNN(有向消息传递神经网络) Chemprop Python 库,实现了 D-MPNN

前 49 讲是通用图机器学习体系;D-MPNN 这一新模块是把消息传递机制"从节点搬到有向边上",专门为分子性质预测设计的高效变体。学它之前,建议确保已掌握第 3 章 MPNN 的消息传递三要素(消息函数、聚合函数、更新函数),再学 D-MPNN 会非常顺。需要我进一步展开 D-MPNN 的完整数学推导、Chemprop 代码结构,或者帮你制定一份这门课的学习计划(按每天学习时长排期)吗?

AI 前沿技术实战博客:LLM / Agent / AI 制药 / 生信四大栏目日更,硬核干货 + 可复现代码,看完就能上手 345

从“人工智障”到“智能”,没有激活函数的神经网络只是在叠直线

没有激活函数的神经网络仅能表示线性关系,即使堆叠多层也无法拟合复杂非线性模式,导致模型表现如“人工智障”。激活函数(如ReLU)引入非线性,使网络能分段拟合复杂边界,实现从“画直线”到“拼曲线”的跃迁。正确使用激活函数、避免输出层重复激活、合理选择损失函数,是解决模型失效的关键。

JYF2007ABC的博客 415

神经网络与深度学习笔记_Day2

神经网络与深度学习笔记_Day2,包含 张量 与 自动微分。 写于2026/01/21。

ZZHow Blog 121

为什么神经网络经过剪枝后仍能保持较高性能,稀疏性、冗余参数与泛化之间是什么关系?

神经网络之所以能在移除大量参数(甚至高达 90% 以上)后仍保持较高性能,根本原因在于深度模型普遍存在**严重的过参数化(Over-parameterization)**现象。在实际操作中,为了在保持性能的同时实现高稀疏度,通常采用**迭代式剪枝(Iterative Pruning)**策略:先评估权重重要性,移除一部分,微调恢复性能,再循环此过程。稀疏性不仅仅是压缩模型的手段,它通过改变优化景观(Optimization Landscape)和正则化效应,直接提升了模型的泛化能力。

2402_84593233的博客 224

DeepXDE 物理信息神经网络(PINN):自动微分嵌入 PDE 求解的计算特征与 UltraLAB 图形工作站选型

单卡显存决定单任务上限,CPU 高主频多核决定试验吞吐。入门者一张 12—16 GB 显卡即可开展研究;做三维反问题与算子学习的团队建议 24 GB 级单卡起步、64 GB 以上内存;需要批量反演与不确定度量化的实验室按"多卡多任务"扩展,并把预算优先给显存与内存,而非盲目堆卡数。DeepXDE 多后端特性使同一环境可服务 TensorFlow/PyTorch/JAX 三类技术栈,部署时注意 CUDA 版本与后端版本的匹配。

197

从万物互联到万物智联:6G,下一代数字世界的神经网络

网络 “长眼睛、有大脑”,可以实现厘米级定位、障碍物探测、动态环境识别,支撑自动驾驶、低空无人机、工业机器人、沉浸式XR等业务,也是AI-RAN的底层核心能力新华网。6G的核心目标:万物智联,网络原生具备感知、计算、AI推理能力,服务对象从人、机、物延伸到智能体,覆盖空间从地面拓展到空、天、地、海全域国际科技创...。面向6G通信、通感一体、毫米波 / 太赫兹、信道仿真、相控阵雷达全场景,模块化可扩展SDR平台,是科研院所、通信企业、设备厂商开展6G技术预研、原型开发、标准验证的首选硬件底座。

V3_Bs的博客 234

PINN-LSTM物理信息神经网络的CO2羽流分布预测方法,四模型对比MATLAB代码

PINN-LSTM物理信息神经网络的CO2羽流分布预测方法,四模型对比MATLAB代码

机器学习之心的博客,关注并私信文章链接,获取对应文章源码和数据。 511

1,944 Star 的浏览器人声合成器 CHIMERA:不用采样、不用神经网络,靠物理建模“唱”出歌来

开源项目 CHIMERA(1,944 Star/7 天)在浏览器里物理建模了一副完整气道(肺、声带、声道、唇、鼻):Rust 编译 WASM 跑 AudioWorklet,零采样零神经网络,可拖舌头演奏、按 IPA 说话、钢琴卷帘唱歌、姿态化打 beatbox,还自带鸣禽与大象发声模型。本文拆解其确定性引擎设计、对真人歌手的校准方法与上手命令。

话梅糖の优快云 Blog 290

为什么神经网络在训练集损失已接近零后继续训练,测试性能仍可能继续提升,而不是单纯地越来越过拟合?

神经网络在训练集损失接近零后测试性能仍能提升,是因为模型正处于**“零误差流形上的隐式正则化”阶段。此时,优化算法正在众多能完美拟合训练数据的解中,寻找间隔最大、权重最平滑、特征最鲁棒**的最优解。正面效应:继续训练可以 sharpen 特征表示,扩大分类间隔,从而提升泛化能力。负面风险:一旦越过临界点,模型将开始记忆噪声,导致权重爆炸和决策边界尖锐化,引发过拟合。最佳实践:绝不能以训练集 Loss 为零作为停止信号。必须依赖验证集监控和早停策略(Early Stopping)

2402_84593233的博客 241

视频隐私脱敏工程化:CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中,动态遮挡(Dynamic Masking)是高频且高耗时的环节。传统手动关键帧打码不仅效率低下,且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度,解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 354
上一篇: 【阿里云课程】模型设计之动态网络,原理与设计
下一篇: 【通知】3月当当购书大额优惠券赠送,仅限今明两天
言有三
言有三 领域专家: 人工智能技术领域 领域专家: 人工智能技术领域
博客等级 码龄15年 3635粉丝 976原创
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
 
 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

打赏作者

言有三

三人行必有AI

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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