深度学习

爱打球的白师傅

python机器学习工程化demo（包含训练模型，预测数据，模型列表，模型详情，删除模型）支持线性回归、逻辑回归、决策树、SVC、随机森林等模型用python写的一个机器学习工程化项目，目前仅将模型保存至文件夹下，包括数据读取、删除等全通过文件的形式。不建议用于生产环境当中。

Python 第三方库：TensorFlow（深度学习框架）TensorFlow 是由 Google 开发并开源的机器学习与深度学习框架。它最初为大规模分布式训练和推理设计，如今已成为 AI 研究和生产部署的主流工具之一。

第七篇：深度学习SLAM——端到端的革命－－从深度特征到神经辐射场的建图新范式1.1 传统SLAM的局限性1.2 深度学习SLAM分类1.3 监督与自监督学习· 监督学习：· 自监督学习：

面向超声半监督分割的类别特异性无标记数据风险最小化|文献速递-文献分享Title题目Category-specific unlabeled data risk minimization for ultrasoundsemi-supervised segmentation

CMake Error at fc_base/gflags-src/CMakeLists.txt:73完整日志：在构建 wenet runtime 时报错，如上。构建命令为：构建命令指定版本即可解决：需要将原本的 build 目录删了

重生归来，我要成功 Python 高手--day35 深度学习 PytorchPyTorch：基于python语言的深度学习框架，将数据封装为张量下载包：pip istall 报名 -i 镜像

齐齐大魔王

深度学习系列（二）深度学习理论基础的奠基阶段及其代表性技术。这一阶段为现代深度学习的爆发式发展奠定了坚实的数学、算法和概念基础。

深度学习：学习率衰减（Learning Rate Decay）学习率衰减（Learning Rate Decay）是一种在训练过程中逐步降低学习率的技术。其核心思想是：

【CANN】开启AI开发新纪元，释放极致计算效率【作者主页】Francek Chen 【专栏介绍】 ⌈ ⌈ ⌈人工智能与大模型应用 ⌋ ⌋ ⌋ 人工智能（AI）通过算法模拟人类智能，利用机器学习、深度学习等技术驱动医疗、金融等领域的智能化。大模型是千亿参数的深度神经网络（如ChatGPT），经海量数据训练后能完成文本生成、图像创作等复杂任务，显著提升效率，但面临算力消耗、数据偏见等挑战。当前正加速与教育、科研融合，未来需平衡技术创新与伦理风险，推动可持续发展。

结构化数据迎来“ChatGPT时刻”！LimitX：一个模型统一所有表格任务在大语言模型如ChatGPT、GPT-4重塑自然语言处理范式，多模态模型征服图像、视频之后，人工智能的下一个前沿阵地正悄然浮现——结构化数据。

ppo爬坡代码及解释代码来源参考：PPO-小车爬坡-迭代500次收敛https://blog.csdn.net/qq_42670001/article/details/135025811

教程上新丨Deepseek-OCR 以极少视觉 token 数在端到端模型中实现 SOTA众所周知，大语言模型在处理千字、万字或是更长文本时，计算量往往急剧增加，甚至直接导致算力的「烧钱」游戏，也因此制约了 LLM 在处理高密度文本信息场景中的效率边界。

【论文笔记】R-HORIZON：重塑长周期推理评估与训练范式原文链接：《R-Horizon: How Far Can Your Large Reasoning Model Really Go in Breadth and Depth?》

愿没error的x

深度学习基础知识总结（一）：深入理解卷积（Convolution)在深度学习的世界中，卷积（Convolution）无疑是最核心的概念之一。无论是图像识别、目标检测，还是语音处理、自然语言理解，卷积操作都扮演着“特征提取”的重要角色。今天我们就从最基础的角度，带你彻底搞懂卷积的原理与作用。

咋吃都不胖lyh

激活函数是什么，神经网络中为什么要有激活函数如果说权重和偏置是神经网络的“骨架”和“肌肉”，那么激活函数（Activation Function）就是赋予这个网络“生命”的关节。

深度学习实战（基于pytroch）系列（五）线性回归的pytorch实现实践中，我们通常可以用比上一节深度学习实战（基于pytroch）系列（四）更简洁的代码来实现同样的模型。在本节中，我们将介绍如何使用pytorch提供的接口更方便地实现线性回归的训练。

算法与编程之美

探究pytorch中多个卷积层和全连接层的输出方法1 问题问题1: 多个卷积层连续输出方法问题2: 多个卷积层加上多个全连接层的输出方法。2 方法问题1: 多个卷积层连续输出方法

深度学习_神经网络中最常用的学习率优化算法在梯度下降中加入“惯性”思想，让参数更新时考虑过去的方向，从而加快收敛、减少震荡。vt=βvt−1+(1−β)∇θJ(θt)v_t = \beta v_{t-1} + (1 - \beta) \nabla_\theta J(\theta_t)vt=βvt−1+(1−β)∇θJ(θt)

【IQA技术专题】基于多模态大模型的IQA Benchmark：Q-BENCH本文将围绕《Q-BENCH: A BENCHMARK FOR GENERAL-PURPOSE FOUNDATION MODELS ON LOW-LEVEL VISION》展开完整解析。为填补多模态大型语言模型（MLLMs）在低层次视觉感知与理解能力评估上的空白，研究团队提出Q-Bench 基准，从低层次视觉感知、低层次视觉描述、整体视觉质量评估三大维度系统评估 MLLMs 能力：构建含 2,990 张图像的LLVisionQA 数据集评估感知能力（通过问答正确性衡量），创建含 499 张图像及专家标注黄