iT邦幫忙

deep learning相關文章
共有 210 則文章

技術 Rust與AI/Python完美的結合 (2)

前言 上一篇【Rust與AI/Python完美的結合 (1)】介紹Rust與Python的整合,接著我們再來介紹【Rust與AI的整合】。 9/12 在【Hel...

鐵人賽 AI/ ML & Data DAY 1

技術 Day1: 前言 - 什麼是Chatbot之我們會不會被取代?

Chatbot,翻成中文就是聊天機器人,現在我們無時無刻都在使用Chatbot,無論是聊天,還是改文章、生圖片,甚至連做題目、邏輯思考都做的到,不信你看 我們先...

鐵人賽 AI/ ML & Data DAY 29
30 Days of AI Research 系列 第 30

技術 [Day 29] Talk like a Graph: Encoding Graphs for Large Language Models

Paper link | Note link | Code link | ICLR 2024 整體想法 在這項研究中,他們首次全面性地探討了將圖結構資料編碼...

鐵人賽 AI/ ML & Data DAY 27
30 Days of AI Research 系列 第 28

技術 [Day 27] StructGPT: A General Framework for Large Language Model to Reason over Structured Data

Paper link | Note link | Code link | EMNLP 2023 整體想法 本篇提出了一個通用框架,用於提升LLM在結構化數據...

技術 vikit-learn・圖像辨識・入門

下面學習如何使用 vikit-learn 訓練一個圖像分類器。我們將使用貓狗圖像數據集 OxfordIIITPet 來進行實踐操作。 安裝 vikit-lea...

鐵人賽 AI/ ML & Data DAY 25
30 Days of AI Research 系列 第 26

技術 [Day 25] Reasoning on graphs: Faithful and interpretable large language model reasoning

Paper link | Note link | Code link | ICLR 2024 整體想法 這篇論文提出了圖推理(RoG),通過將大型語言模型(...

鐵人賽 AI/ ML & Data DAY 24
30 Days of AI Research 系列 第 25

技術 [Day 24] LLM-to-LM Interpreter for Enhanced Text-Attributed Graph Representation Learning

Paper link | Note link | Code link | ICLR 2024 整體想法 隨著文本和關係整合的重要性日增,以及大型語言模型(L...

鐵人賽 AI/ ML & Data DAY 21
30 Days of AI Research 系列 第 22

技術 [Day 21] ILLUME: Rationalizing Vision-Language Models through Human Interactions

Paper link | Code link | ICML 2023 整體想法 這項研究採用了人機互動的解釋方法來處理多模態 Transformers 模型...

鐵人賽 Kubernetes DAY 20

技術 [Day 20] K8S Lab - 基於 MS COCO 的圖像分類系統 (3)

系統架構 k8slab/ │ ├── app.py ├── coco_predictions.pth └── templates/ └── index....

鐵人賽 Kubernetes DAY 19

技術 [Day 19] K8S Lab - 基於 MS COCO 的圖像分類系統 (2)

在這篇文章中,我們將介紹如何使用 ResNet18 模型訓練 COCO MS 資料集,並將訓練好的模型儲存為 model.pth,以供未來網頁的影像辨識使用。...

鐵人賽 AI/ ML & Data DAY 9
30 Days of AI Research 系列 第 10

技術 [Day 9] Reward Design with Language Models

Paper link | Note link | Code link | ICLR 2023 整體想法 這項研究探討了使用提示策略配合大型語言模型(LLM)...

鐵人賽 AI/ ML & Data DAY 8
30 Days of AI Research 系列 第 8

技術 [Day 8] Diversify Question Generation with Retrieval-Augmented Style Transfer

Paper link | Code link | EMNLP 2023 整體想法 這項新任務是透過一種定義了兩階段訓練過程(監督學習和強化學習)的方法來生成...

鐵人賽 AI/ ML & Data DAY 7
30 Days of AI Research 系列 第 7

技術 [Day 7] Benchmarking Large Language Models in Retrieval-Augmented Generation

Paper link | Note link | Code link | AAAI 2024 整體想法 本研究提出了一個基準來評估大型語言模型在檢索增強生成...

鐵人賽 AI/ ML & Data DAY 6
30 Days of AI Research 系列 第 6

技術 [Day 6] Recitation-Augmented Language Models

Paper link | Note link | Code link | ICLR 2024 整體想法 這項研究使用背誦相關段落來解決知識密集型任務。 然而...

鐵人賽 AI/ ML & Data DAY 4
30 Days of AI Research 系列 第 4

技術 [Day 4] Fine-grained Late-interaction Multi-modal Retrieval (FLMR)

Paper link | Note link | Code link | NeurIPS 2023 Paper title: Fine-grained La...

鐵人賽 AI/ ML & Data DAY 3
30 Days of AI Research 系列 第 3

技術 [Day 3] Retrieval-Augmented Multimodal Language Modeling

Paper link | Note link | ICML 2023 整體想法 這項研究提出了首個檢索增強的多模態模型,能夠檢索和生成文本和圖像。 它可以應...

鐵人賽 AI/ ML & Data DAY 2
30 Days of AI Research 系列 第 2

技術 [Day 2] Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

Paper link | Note link | Code link | NeurIPS 2020 整體想法 這項研究開發了一個檢索增強生成(RAG)模型,...

鐵人賽 AI/ ML & Data DAY 1

技術 【AI筆記】30天從論文入門到 Pytorch 實戰:序章與學習計畫 Day 0

前言 歡迎來到這個為期30天的AI和機器學習課程。在這系列文章中,我們將從論文閱讀簡單入門,逐步深入了解 Deep Learning 還包含生成式T2I核心概念...

鐵人賽 AI/ ML & Data DAY 1
30 Days of AI Research 系列 第 1

技術 [Day 1] About this series

近年來,人工智能(AI),尤其是生成式AI,逐步受到重視。 本系列希望通過閱讀發表在國際會議的 paper,撰寫精簡內容,讓讀者了解近年來AI的研究方向。 本系...

技術 ㊙️Hello KAN, 建構深度學習模型的另一種思維

前言 今年五月一篇論文【KAN: Kolmogorov-Arnold Networks】引發廣泛的討論,因為,它突破神經網路的框架,提出建構深度學習模型的另一種...

鐵人賽 AI & Data DAY 21

技術 Day 21 卷積的好哥們 - 池化

在圖像處理中,可以對圖像進行降採樣以減少像素數量,從而減少圖像的大小,而仍然保留足夠的細節以進行分析或顯示,平均池化(average pooling)和最大池化...

鐵人賽 AI & Data DAY 20

技術 Day 20 認識卷積神經網路中的"卷積"

之前有介紹過,在nn.Linear線性層中,輸入的圖片會攤平成 1D 的向量,並與權重進行矩陣相乘,模型輸出張量的值代表:針對該輸入圖片,求出所有像素的加權總合...

鐵人賽 AI & Data DAY 25

技術 [從Keras框架與數學概念了解機器學習] - 25. 必學概念 - Logistic Regression Multi-class Classification

上一篇文章提到了 logistic single classification,解釋如何實現的一些細節。接下來要探索的是邏輯斯多類別分類。 如果Logisti...

鐵人賽 AI & Data DAY 19

技術 Day 19 卷一卷或許準一點 - 卷積神經網路

Day 17 煉丹爐開始煉丹啦 - 訓練神經網路 介紹整個訓練的流程,但是準確率大概在 75% 左右就到極限了,因此今天加入了卷積神經網路。 定義網路時會寫兩個...

鐵人賽 自我挑戰組 DAY 9
不同的AI 系列 第 9

技術 和偶像合照不在是夢!AI換臉

AI換臉原理 AI換臉是🐸的臉去取代🐷的臉,會從提供的素材中個別提取🐷的面部特徵和表情進行編碼,例如:🐷特徵:皺紋、黑眼圈、痣、大餅臉等.....進行編碼⁠→🐷...

鐵人賽 AI & Data DAY 24

技術 [從Keras框架與數學概念了解機器學習] - 24. 必學概念: Logistic Regression Classification

將概念擺在這個位置的目的,就是希望能夠呼應建構keras模型時的運作,並於自己呼叫keras API 時,知道自己在做什麼。 當概念在腦海裡,搭配前面的章節,...

鐵人賽 AI & Data DAY 17

技術 Day 17 煉丹爐開始煉丹啦 - 訓練神經網路

現在我們有了一個模型和數據,是時候通過優化模型的參數來訓練、驗證和測試我們的模型了。訓練模型是一個迭代的過程;在每一次迭代中,模型對輸出進行猜測,計算其猜測的錯...

鐵人賽 自我挑戰組 DAY 6
不同的AI 系列 第 6

技術 別太常用chat gpt了!!!!聽聽‘它’的想法吧

指令:以第一人稱介紹chat gpt 我是ChatGPT,一個智能語言模型。我可以回答問題、提供建議、寫作文字,並參與有意義的對話。請隨時問我任何你想知道的事情...

鐵人賽 AI & Data DAY 21

技術 [從Keras框架與數學概念了解機器學習] - 21. 實例應用-集團銷售資料分析

經過前20節的文章,了解模型訓練與預測相關運作後,接著實例應用並比較幾種損失函數與optimizer的搭配比較。這邊拿某集團企業的銷售資料訂單來做訓練範例。...