HomeArchivesCategoriesLabelMomentsPhotosLinkAbout

学习

常见的机器算法原理及优缺点
常见的机器算法原理及优缺点 算法 基础原理 优点 缺点
学习
2023-09-16

什么是无监督学习？
#什么是无监督学习？ 顾名思义，“无监督”学习发生在没有监督者或老师并且学习者自己学习的情况下。 例如，考虑一个第一次看到并品尝到苹果的孩子。她记录了水果的颜色、质地、味道和气味。下次她看到一个苹果时，她就知道这个苹果和之前的苹果是相似的物体，因为它们具有非常相似的特征。她知道这和橙子很不一样。但是
学习
2023-08-16

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

注意力机制（Attention Mechanism）
注意力机制（Attention Mechanism） 注意力机制（Attention Mechanism）是一种在深度学习中模拟人类视觉注意力的方法，它能够帮助模型集中于输入数据中最重要的部分，从而提高处理效率和准确性。注意力模型在自然语言处理（NLP）、图像识别和语音识别等多个领域都有广泛的应用。
学习
2023-05-20

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

随机森林和Bagging算法区别
随机森林和Bagging算法区别 随机森林（Random Forest）和Bagging（Bootstrap Aggregating）算法都是机器学习中用于提高模型稳定性和准确率的集成学习方法，但它们之间存在一些区别： Bagging算法： 基础概念：Bagging是一种通过对原始数据集进行多次重采
学习
2023-05-01

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
上一页 下一页