人工智能

计算机前沿技术-人工智能算法-生成对抗网络-算法原理及应用实践生成对抗网络（Generative Adversarial Networks，简称GANs）是由Ian Goodfellow等人在2014年提出的一种深度学习模型，主要用于数据生成任务。在GAN出现之前，传统的生成模型（如变分自编码器VAE）虽然能够生成数据，但生成的样本往往质量不高，缺乏多样性。

机器学习-模型集成三个臭皮匠顶一个诸葛亮。将多个模型融合在一起，得到一个单一模型。应用：分类，回归，聚类，推荐…结论：将多个模型融合会得到更好的精确度。

数造科技荣获“2024爱分析·数据智能优秀厂商”近日，2024年第六届·爱分析数据智能高峰论坛圆满举办。会议期间，“2024爱分析·数据智能优秀厂商”榜单正式揭晓，数造科技凭借其卓越的技术创新能力与丰富的实践应用案例，脱颖而出，成功入选“数据智能优秀厂商”。

智源研究院官方账号

智源研究院与百度达成战略合作共建AI产研协同生态2024年9月24日，北京智源人工智能研究院（简称“智源研究院”）与北京百度网讯科技有限公司（简称“百度”）正式签署战略合作协议，双方将充分发挥互补优势，在大模型等领域展开深度合作，共同构建人工智能产研协同生态。

自然语言处理在人工智能领域的发展历程，以及NLP重点模型介绍大家好，我是微学AI，今天给大家介绍一下自然语言处理在人工智能领域的发展历程，以及NLP重点模型介绍。本文详细介绍了自然语言处理的发展历程，同时深入探讨了各种自然语言处理模型的原理与应用。文章首先回顾了自然语言处理技术的发展背景及其在不同阶段的重要成果，然后重点介绍了包括规则模型、统计模型以及深度学习模型在内的多种自然语言处理模型，分析了它们的优势与局限性。通过对比各类模型，本文为读者呈现了自然语言处理领域的丰富研究成果，为相关研究和应用提供了有益的参考。

AI名词扫盲本篇章主要介绍一些AI研究方向的名词以及解释，后续会持续补充，名词解释与时间顺序无关，欢迎各位大佬们在评论区查漏补缺。

深度学习经典模型之BERT(下）深度学习经典模型之BERT(上)在"深度学习经典模型之BERT(上)"我们描述了BERT基本信息、意义、与GPT和Transformer的区别、预训练、自监督等相关信息后，本章节将介绍BERT的输入、Encoder、微调及两个主流变种。

基于STM32与OpenMV的智能垃圾分类系统：SSD目标检测算法的设计与流程随着城市化进程的加快，垃圾分类变得越来越重要。本文设计了一套基于STM32F103单片机、图像处理技术和传感器技术的智能垃圾分类系统。该系统能够自动识别垃圾类型，并通过机械装置进行准确分类，有效提升垃圾分类的效率和准确性。

【ShuQiHere】探索自然语言处理的世界：从基础到应用自然语言处理（Natural Language Processing, NLP）是人工智能（Artificial Intelligence, AI）的一个分支，旨在使计算机能够理解、分析、生成并处理人类自然语言。换句话说，NLP的目标是使计算机“学会”像人类一样处理语言。自然语言的复杂性，包括语法、语义、上下文和模糊性，给计算机处理语言带来了巨大挑战。NLP技术在日常生活中的许多场景中得到了广泛应用，如语音助手、自动翻译和智能问答等。

神经网络激活函数神经网络的激活函数（Activation Function）神经网络可以用在分类问题和回归问题上，不过需要根据情况改变输出层的激活函数。一般而言，回归问题用恒等函数，分类问题用softmax函数。

【AI基础】pytorch lightning 基础学习传统pytorch工作流是首先定义模型框架，然后写训练和验证，测试循环代码。训练，验证，测试代码写起来比较繁琐。这里介绍使用pytorch lightning 部署模型，加速模型训练和验证，记录。

新闻文本分类识别系统Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+TensorFlow+Django网页界面文本分类识别系统。本系统使用Python作为主要开发语言，首先收集了10种中文文本数据集（“体育类”, “财经类”, “房产类”, “家居类”, “教育类”, “科技类”, “时尚类”, “时政类”, “游戏类”, “娱乐类”），然后基于TensorFlow搭建CNN卷积神经网络算法模型。通过对数据集进行多轮迭代训练，最后得到一个识别精度较高的模型，并保存为本地的h5格式。然后使用Django开发Web网页端操作界面，实现用户上传一段文本识别其所属的类别。

普通攻击往后拉

深度学习与数学归纳法最近发现，深度学习可以分为两个主要的阶段，分别是前向推理以及反向传播，分别对应着网络的推理和参数训练两个步骤。其中推理有时候也称为归纳推理。

代码讲故事

谷歌发布Imagen 3，超过SD3、DALL・E-3，谷歌发布新RL方法，性能提升巨大，o1模型已证明谷歌发布Imagen 3，超过SD3、DALL・E-3，谷歌发布新RL方法，性能提升巨大，o1模型已证明。

将Pytorch环境打包，快速部署到另一台机器上（在没有网络，或者网络环境不好的情况下推荐使用）当您需要在不同的机器上快速部署包含PyTorch的Python环境时，使用conda-pack是一个很好的选择。conda-pack可以打包一个完整的Conda环境，包括所有已安装的包和依赖项，使其能够轻松地在其他机器上还原。

青石横刀策马

从0开始深度学习（6）——Pytorch动态图机制（前向传播、反向传播）PyTorch 的动态计算图机制是其核心特性之一，它使得深度学习模型的开发更加灵活和高效。计算图（Computation Graph）是一种用于表示数学表达式或程序流程的图形结构，可以将复杂的表达式分解成一系列简单的操作，并以节点和边的形式展示这些操作及其之间的关系，能够清晰地展示计算过程中的依赖关系

【PyTorch】环境配置进入官网下载Link，然后点击Archive of Previous CUDA Releases，找到对应版本11.8。

04 面部表情识别：Pytorch实现表情识别-表情数据集训练代码总目录：人脸检测与表情分类 https://blog.csdn.net/whiffeyf/category_12793480.html

PyTorch自定义学习率调度器实现指南在深度学习训练过程中，学习率调度器扮演着至关重要的角色。这主要是因为在训练的不同阶段，模型的学习动态会发生显著变化。

AI大模型-王哥

转行大模型：我的转型理由与心得最近研究了一下大模型相关的内容，决定从互联网的推荐算法转行做大模型推理工程化相关的工作。所以简单说说我在这个决定中的思考过程。