小白的博客

• 指数位：BF16的指数位（8位）与FP32对齐，数值范围达±3.4×10³⁸，远超FP16的±65504。实际应用中需根据硬件支持、任务需求和模型规模综合权衡。• 尾数位：FP16尾数位（10位）比BF16（7位）多，精度更高，适合小数值运算（如图像处理），但对大模型训练中的梯度爆炸敏感。• BF16：专为大规模模型设计（如GPT、BERT），在TPU和NVIDIA A100等硬件上优化，支持更大批量训练。• FP16：适合资源受限场景（如移动端）、中小模型训练，需搭配梯度缩放技术防止数值溢出。

【代码】langchain使用向量数据库进行检索时，使用重排序模型。

从零实现一个双向循环神经网络（Bi-directional Recurrent Neural Network, Bi-RNN）。

从零实现一个深度循环神经网络（Deep RNN）

池化

转置卷积

8×88×8。

如何计算计算两个边界框集合（boxes1和boxes2）之间的交并比（IoU）

目标检测 求偏移量

目标检测 锚框

【代码】pytorch学习--使用m1 进行训练。

mxnet安装网址：https://mxnet.incubator.apache.org/get_started?version=v1.6.0&platform=windows&language=python&processor=cpu&environ=pip&进入之后是：选择你要安装的版本，然后下面会出现安装语句：复制安装即可...

tf.keras.layers.Flatten使输入展平，不会影响批处理的大小。如果输入形状为(batch,)，没有特征轴，则展平会增加额外的通道尺寸，输出形状为(batch，1)。tf.keras.layers.Flatten( data_format=None, **kwargs)data_format：一个字符串，是channels _ last(默认)还是channels _ first。输入中尺寸的顺序。channels_last对应于具有形状的输入(batch, ..., ch

PyTorch 是一个基于 Python 的科学计算包，主要定位两类人群：NumPy 的替代品，可以利用 GPU 的性能进行计算。深度学习研究平台拥有足够的灵活性和速度#导入pytorchimport torchimport torchvisionimport numpy as npTensors 类似于 NumPy 的 ndarrays ，同时 Tensors 可以使用 GPU 进行计算。1.张量tensora:各种数值数据称为张量b:常数 scaler 0阶张量c:向量 v