HomeArchivesCategoriesLabelMomentsPhotosLinkAbout

深度学习

#Vanna 4 #Ollama 1 #分布式存储 2 #k8s 8 #nginx 2 #docker 4 #LInux 1 #FastApi 1 #日报 0 #爬虫 12 #pandas 3 #数据处理 3 #大模型 18 #AIGC 17 #金融 33 #量化交易 8 #Swagger2 1 #Spring Boot 7 #LeetCode 9 #课程作业 1 #软件测试 2 #bert 1 #计算机网络 0 #操作系统 4 #数据结构 0 #go 0 #redis 0 #python 10 #java 30 #证据理论 1 #多标签 3 #机器学习 14 #深度学习 39 #单纯记录 0

Anaconda相关配置及命令
Anaconda相关配置及命令 提供了一个方便的环境管理工具，使得用户可以轻松地创建、管理和切换不同的 Python 环境
学习
2024-11-01

BERT 模型
BERT 模型 BERT 模型可以作为公认的里程碑式的模型，但是它最大的优点不是创新，而是集大成者，并且这个集大成者有了各项突破，下面让我们看看 BERT 是怎么集大成者的。 BERT 的意义在于：从大量无标记数据集中训练得到的深度模型，可以显著提高各项自然语言处理任务的准确率。 近年来优秀预训练语
学习
2024-04-02

chatGLM的模型架构
chatGLM的模型架构
学习
2024-04-01

LSTM原理介绍
LSTM原理介绍 什么是RNN RNN，顾名思义，是包含循环的神经网络。它与传统神经网络模型最大不同之处是加入了对时序数据的处理。以股票多因子为例，传统神经网络在某一时间截面的输入因子数据，输出下期超额收益预测；而RNN是将某支股票的长期因子数据作为时间序列，取过去一段时间内的数据作为输入值。资本市
学习
2023-11-16

BERT 之无监督训练
BERT 之无监督训练 和 GPT 一样，BERT 也采用二段式训练方法： 第一阶段：使用易获取的大规模无标签余料，来训练基础语言模型； 第二阶段：根据指定任务的少量带标签训练数据进行微调训练。 不同于 GPT 等标准语言模型使用 P(wi|w1,⋯,wi−1)P(wi|w1,⋯,wi−1) 为目标
学习
2023-05-27

embedding
embedding Embedding是一种将离散数据（如单词、图片、物品等）映射到连续向量空间的技术。在这个连续向量空间中，数据的相似性可以通过计算向量之间的距离来表示。以下是关于embedding的一些详细信息和用途： 什么是Embedding？ 向量表示：Embedding将数据转换成固定长度
学习
2023-05-24

微调
微调 微调（Fine-tuning）： 微调是在预训练的基础上进行的，它是针对特定任务（如情感分析、问答、文本分类等）对模型进行进一步训练的过程。微调通常使用较少量的标注数据来完成，这些数据与特定任务直接相关。 微调阶段的关键点包括： 在预训练模型的基础上添加一个或多个输出层，以适应特定任务。 使用
学习
2023-05-24

端到端模型指什么？
端到端模型指什么？ 端到端的模式是什么意思？如何理解？ 理解：端到端的模型本质是解决复杂问题的一种方法、思路。 端到端的模型解决问题的办法和非端到端模型解决复杂问题的区别 端到端 VS 流程化处理的区别 非端到端解决办法 在处理复杂任务的时候，倾向于将复杂任务拆解成多个子模块，分布的解决问题 比如:
学习
2023-05-16

Lora微调（Lora Fine-tuning）
Lora微调（Lora Fine-tuning） LoRA（Low-Rank Adaptation）是一种用于大型预训练模型（如Transformer模型）的微调方法，旨在通过引入低秩矩阵来高效地适应特定任务，而不需要全面微调整个模型。这种方法在保持预训练模型大部分参数不变的同时，只对一小部分参数进
学习
2023-05-04

BERT 之下句预测（NSP）
BERT 之下句预测（NSP） 下一句预测（Next Sentence Prediction，NSP）是 BERT（Bidirectional Encoder Representations from Transformers）预训练过程中的第二个任务，旨在帮助模型理解句子之间的关系。 工作原理 数
学习
2023-04-14
下一页