天青禾-优快云博客

原创时序数据分析与PyPOTS工具使用笔记

五大任务支持：插补、预测、分类、聚类、异常检测。算法覆盖：SAITS、BRITS、GRU-D、BTTF等。生态系统TSDB：标准化时间序列数据集（PhysioNet、Air Quality）。PyGrinder：模拟缺失机制（MCAR、MNAR）。BenchPOTS：标准化评估流程（MAE、AUC）。BrewPOTS：教程与示例代码。方法流程优势缺点效果（PhysioNet2012）两阶段处理先插补→再分类可利用高质量插补数据丢失缺失模式信息端到端学习直接处理含缺失数据。

2025-05-12 19:29:45 1064

原创 Datawhale AI青训营发电功率预测（AI+新能源）学习笔记

本次学习笔记将会从baseline和教程出发并从’数据探索分析、数据清洗、特征工程、模型训练、模型验证、结果输出的全部竞赛实践流程‘ 这六个方面来展开。

2025-04-19 11:30:44 670

原创如何快速开始mc联机

含使用教程，Minecraft我的世界开服从入门到入土——服务器搭建全过程教程，【新一代MC开服器】MCSL2开服器官方使用教程，从此开服没有烦恼！我的世界模组服搭建！，3分钟教你免费开一个MC服务器。

2025-04-06 14:56:34 655

原创 Datawhale X 李宏毅苹果书 AI夏令营(第五期-深度学习进阶) Task 3 学习笔记

这篇论文就试了一些其他的方法，发现跟批量归一化表现也差不多，甚至还稍微好一点，这篇论文的作者也觉得批量归一化是一种偶然的发现，但无论如何，其是一个有用的方法。如果选择 sigmoid，比较推荐对 z 做特征归一化，因为 sigmoid 是一个 s 的形状，其在 0 附近斜率比较大，如果对 z 做特征归一化，把所有的值都挪到 0 附近，到时候算梯度的时候，算出来的值会比较大。但是假设系统上线，做一个真正的线上的应用，比如批量大小设 64，我一定要等 64 笔数据都进来，才做一次运算，这显然是不行的。

2024-08-29 22:01:13 1483

原创 Datawhale X 李宏毅苹果书 AI夏令营(第五期-深度学习进阶) Task 2 学习笔记

这个版本里面有动量，其不是顺着某个时刻算出的梯度方向来更新参数，而是把过去所有算出梯度的方向做一个加权总和当作更新的方向。接下来的步伐大小为 m it / σ it。最后通过 ηt 来实现学习率调度。这个是目前优化的完整的版本，这种优化器除了 Adam 以外，还有各种变形。但其实各种变形是使用不同的方式来计算 m it 或 σ it，或者是使用不同的学习率调度的方式。

2024-08-26 11:03:03 729

原创 Datawhale X 李宏毅苹果书 AI夏令营(第五期-深度学习进阶) Task 1 学习笔记

本章介绍了深度学习常见的概念，理解这些概念能够帮助我们从不同角度来更好地优化神经网络。要想更好地优化神经网络，首先，要理解为什么优化会失败，收敛在局部极限值与鞍点会导致优化失败。其次，可以对学习率进行调整，使用自适应学习率和学习率调度。最后，批量归一化可以改变误差表面，这对优化也有帮助。

2024-08-25 19:56:22 759

原创 Datawhale X 李宏毅苹果书 AI夏令营(第五期) Task 3 学习笔记

所以全连接神经网络，可以找出来的函数所形成的集合其实是比较大的，CNN 所找出来的函数，它形成的集合其实是比较小的，其实包含在全连接网络里面的，但是就是因为CNN 给了，比较大的限制，所以 CNN 在图像上，反而会做得比较好。在这 3 个点上面，要让损失低，所以模型的这个曲线会通过这 3 个点，但是其它没有训练集作为限制的地方，因为它的灵活性很大，所以模型可以变成各式各样的函数，没有给它数据作为训练，可以产生各式各样奇怪的结果。横轴指的是训练的过程，就是参数更新的过程，随着参数的更新，损失会越来越低；

2024-08-24 23:45:32 1743

原创 Datawhale X 李宏毅苹果书 AI夏令营(第五期) Task 2 学习笔记

对于之前的原始模型 y=b + wx1 并没有在拟合过程中表现得特别好，于是需要根据样本对其进行更新，得到更符合实际生活的线性模型。

2024-08-23 21:29:43 1726

原创 Datawhale X 李宏毅苹果书 AI夏令营 (第五期)Task 1 学习笔记

通过上述名词，我们很容易理解第一个分号前的词语含义，中间的分别是L1范数，L2范数和交叉熵损失函数。最后是用等高线理解w/b 的误差、用Diag寻找极小点/最小点，步长，过拟合/欠拟合。

2024-08-23 11:09:18 250

原创 Datawhale X 魔搭 AI夏令营 Task3：进阶上分-实战优化

LoRA通过在网络中增加一个旁路结构，该旁路由两个低秩矩阵A和B相乘组成，其中A的维度为dxr，B的维度为rxd，且r远小于d。ComfyUI以其高效的内存管理和出图速度、灵活的工作流定制和可复现性、直观易用的图形/节点界面、多版本支持、高效的异步队列系统、性能优化、跨平台与硬件配置适应性以及创作自由度和工作流定制能力等优点，在AI艺术生成和稳定扩散模型应用中展现出了强大的竞争力和广泛的应用前景。Lora微调是一种高效、灵活且资源友好的模型微调技术，具有广泛的应用前景和重要的研究价值。

2024-08-16 15:25:12 427

原创 Datawhale X AI 夏令营Task2：精读代码，实战进阶

1、合理使用语言大模型如：通义千问、文心一言等，可以在提示词生成、代码报错修改、代码解释和注释等大大小小的方面辅助方便创作。f.根据数据集通过DiffSynth做Lora微调。c.创建并处理一个用于数据清洗的JSONL文件。3、实战（修改提示词prompt和nega-prompt。e.将处理后的数据集转换为CSV格式。h.设置提示词，用微调后的模型生成图片。a.安装和卸载一些Python包。g.加载Lora微调后的模型。-->测试美学打分

2024-08-12 19:44:29 243

原创 Datawhale AI夏令营第四期魔搭-AIGC方向 task01笔记

往下8个cell分别对应八图，最后一个是把所有图以两两对仗的顺序show出来，[concatenate]在(**kwargs)-axis=1时是将之俩俩结合按行方向排列，其外包的[concatenate]则相反，按列方向排列。后，训练程序会在结束时自动上传模型到 ModelScope————【即把上述xxx以yours-id 和yours-token填入就好了，后续应该可以如此上传到阿里云大赛提交渠道】可以控制 LoRA 模型的参数量————调参以改变运行速度、占存和拟合度等。

2024-08-10 18:32:14 307

qq_60533472的博客