#人工智能

果冻人工智能

设计和训练人工智能模型的意义是什么？前一篇：《人工智能模型训练技术，正则化！》序言：人工智能模型的真正价值在于其实际应用，而不仅仅停留在理论阶段。本节将通过一个简单而常见的应用场景，展示如何将前面几节所设计和训练的模型应用于实际问题。我们将使用训练好的模型对句子进行分类，具体来说，识别社交平台上用户评论的类别。通过这样的技术，社交平台可以实时分析用户的情绪，迅速采取适当的响应措施，比如缓解冲突、提升用户体验，甚至优化平台的推荐算法。

果冻人工智能

人工智能模型训练技术：随机失活，丢弃法，Dropout前一篇：《探索训练人工智能模型的词汇大小与模型的维度》序言：Dropout 是神经网络设计领域的一种技术，通常我们把它翻译成随机失活或者丢弃法。如果训练神经网络的时候不用 Dropout，模型就很容易“读死书”，也就是过拟合，结果可能导致项目失败。

果冻人工智能

人工智能同样也会读死书----“过拟合”上一篇：《“嵌入”在大语言模型中是解决把句子转换成向量表示的技术》序言：我们常常会说某某人只会“读死书”，题目稍微变一点就不会做了。这其实是我们人类学习中很常见的现象。可是你知道吗？人工智能其实更容易“读死书”。不过在人工智能领域，我们有个听起来高大上的说法，叫“过拟合”。说白了，“过拟合”就是人工智能的“读死书”现象。在这个小节我们就来聊聊怎么让人工智能少“读死书”。注意，我说的是“少”，因为这个问题没办法完全消除，只能尽量降低。

果冻人工智能

斯坦福大学推出线性前沿LLM技术，训练模型成本仅为20美元序言：当前基于 Transformer 架构的大语言模型人工智能技术，由于投入大、成本高、人才需求苛刻，导致许多企业望而却步。动辄几千万甚至上亿的成本，现实中有几家企业能够承担？真正具有竞争力的技术应当在成本上更低、效率上更高，因此，各大院校和商业公司已不再仅仅关注模型的参数规模，而是在积极探索创新方法，显著降低大语言模型的研发与使用成本，使得大多数企业也能轻松采用。斯坦福大学的这一最新研究成果正是朝着这一目标迈出了一大步——将一个 80 亿参数模型的训练成本降至 20 美元。同时，已有中国企业基于这一研

果冻人工智能

“嵌入”在大语言模型中是解决把句子转换成向量表示的技术上一篇：《人工智能是这样理解“情绪”的》序言：这段话要优化吗？““嵌入”是一种将句子、单词或其他语言单位转换为向量表示的技术。这个向量通常位于高维空间中，它以一种能够表达相似性的方式编码出文本的含义或上下文。嵌入层的作用就在于把离散的语言符号（如单词或句子）转换成连续的向量，使得模型能更好地理解和处理语言之间的关系。其实我们人类的大脑也是这样干的，只是我们自己无法感知而已，我们最终得到的就是某个“记忆”，可以供人类随时使用的“记忆”也就是特征，所以让人工智能来识别人类说话中包含的情绪也只是将整句话转换成了

果冻人工智能

研发LLM模型，如何用数值表示人类自然语言？上一篇：《人工智能——自然语言处理简介》序言：人工智能大语言模型（LLM）如何理解人类的自然语言？这个过程的核心在于将文本转化为计算机能处理的数值形式，经过计算，最终达到对语言的理解。起初，我们只是简单的随便用一个数字来表示一个单词或一个词根，但随着研究深入，我们发现，不同的数值表达方式能显著提高模型对语言的理解效果。因此，在构建大语言模型（LLM）时，关键的一步是将人类语言转化成合适的数值表示，以便模型能够接收、处理并生成有效的输出。好了，让我们进入正题。

果冻人工智能

人工智能--自然语言处理简介上一篇：《人工智能模型训练中的数据之美——探索TFRecord》序言：自然语言处理（NLP）是人工智能中的一种技术，专注于理解基于人类语言的内容。它包含了编程技术，用于创建可以理解语言、分类内容，甚至生成和创作人类语言的新作品的模型。在接下来的几章中，我们将会探讨这些技术。此外，现在有许多利用 NLP 的服务来创建应用程序，比如聊天机器人（它们属于应用，属于Agent应用开发），但这些内容不在知识的范围之内——我们将专注于 NLP 的基础知识（实现原理），以及如何进行语言建模，使您可以训练神经网络,教导电

果冻人工智能

构建人工智能模型基础：TFDS和Keras的完美搭配上一篇：《数据工程师，转型人工智能岗位的理想时空通道》序言：本节将带您深入探索 TensorFlow 提供的关键工具和方法，涵盖数据集管理和神经网络模型的构建与训练。在现代人工智能框架中，TensorFlow 的数据集接口 (TensorFlow Datasets, 简称 TFDS) 与 Keras 模型库为深度学习任务提供了极大的便利。本章将具体展示如何使用 TFDS 和 Keras 配合构建神经网络架构，以实现高效的数据处理和模型训练。通过本节的实践操作，您将掌握从数据加载、预处理到模型搭建的核心流程

果冻人工智能

‘随机失活’：人工智能真的在模仿人脑吗？序言：过拟合是人工智能训练中的一个常见问题，类似于一位“读死书”的学生，他只能机械地背诵书本内容，缺乏灵活性，一旦题目稍有变化便无法理解。为了解决这一问题，科学家们从人脑的学习方式中获得启发，设计出“随机失活”方法。在学习过程中，随机关闭部分神经元，避免神经元之间过度依赖，从而提升模型的灵活性与应变能力。

果冻人工智能

搞人工智能开源大语言模型GPT2、Llama的正确姿势（如果想及时收到人工智能相关的知识更新，请点击关注！！）序言：目前我们每一小节的内容都讲解得非常慢，因为这是人工智能研发中的最基础知识。如果我们不能扎实掌握这些知识，将很难理解后续更复杂且实用的概念。因此，我们甚至采用一个概念一节的方式来编排内容，区分得清清楚楚、明明白白，以便大家能够非常明确地了解各知识点之间的关联关系和界限。本节将讲述一种在人工智能领域中被视为“泰斗绝学”的方法，帮助我们高效地完成模型训练——这项绝学就是“迁移学习”。

果冻人工智能

让卷积神经网络来辨识马和人上一篇：《设计卷积神经网络CNN为什么不是编程？》序言：我们已经踏入了设计人工智能（AI）模型的大门，有一个重要概念请大家务必记住：人工智能模型 = 架构 + 特征。任何一个AI模型都是先设计出架构，再通过数据训练获得特征。整合了特征的架构才算是一个完整的人工智能模型，如果没有特征的支撑，架构本身还不能称为人工智能模型。

果冻人工智能

搞清楚这个老六的真面目！逐层‘剥开’人工智能中的卷积神经网络（CNN）第三章：超越基础——图像中的特征检测上一篇《揭开计算机视觉的神秘面纱，原来机器是这样“看图”的！》本篇序言：上一篇我们实现并训练了一个神经网络，成功让计算机“看懂”了图像。可以说，我们已经一只脚跨进了AI研发的大门。不过，虽然我们迈入了AI这个神秘的领域，实际上，我们还只是站在门槛边缘。这里面有太多复杂的东西，连2024年AI领域的诺贝尔人工智能奖得主都无法完全搞明白，因为神经网络实在太复杂了，一个人的能力根本无法解析它所学到的知识。今天这一篇，大家只需要记住两个关键概念：“卷积”和“池化”。“卷积”是神

果冻人工智能

如何优雅地将AI人工智能在线客服嵌入企业网站随着人工智能（AI）技术的飞速发展，越来越多的企业意识到，将AI客服嵌入企业网站是提升客户体验、提高工作效率的重要手段。相比于传统的人工客服，AI客服可以24/7全天候服务，不仅能有效处理大部分用户问题，还能够显著降低运营成本。这种智能化的解决方案已经成为企业竞争力的重要组成部分。本文将详细介绍如何优雅地将AI客服集成到网站中，无论您是技术新手，还是经验丰富的开发者，都能轻松上手。

元启发式算法库 MEALPY 初体验-遗传算法为例MEALPY (MEta-heuristic ALgorithms in PYthon) 是一个提供最新自然启发式元启发算法的Python模块，它是最大的此类Python模块之一。这些算法模仿自然界中的成功过程，包括生物系统以及物理和化学过程。mealPy 的目标是免费向所有人分享元启发领域的知识，帮助各领域的研究者尽快接触到优化算法，并且实现从经典到最先进的元启发算法，涵盖了元启发算法的全部历史。