专题：深度学习
共147篇相关文章
深度学习大模型如何全景解析多模态大模型学习7？
多模态（Multimodality）是指融合并处理两种或两种以上类型信息或数据的方法与技术。在机器学习和人工智能领域，常见的数据类型包括文本、图像、视频、音频及传感器数据等。多模态系统旨在利用多种模态的信息，以提升任务性能、丰富用户体验，或...
RDK-OE-LLM工具链量化SigLip全流程如何为？
作者：SkyXZ CSDN：SkyXZ～-CSDN博客 博客园：SkyXZ - 博客园 LLM工具链工具包：wget https:d-robotics-aitoolchain.oss-cn-beijing.aliyuncs.comll...
Vision Transformer (ViT) 技术的原理和应用究竟有何奥秘？
论文：[2010.11929] An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale 概述 Vision Transformer (ViT) 将...
如何用RNN实现生成？
读完长文忘头句？RNN就像玩聚会传话游戏，采用接力方式记忆上下文。但因“梯度消失”，导致信息在传递中被不断稀释。结果就像患了健忘症，只能记住最近的词。3分钟通俗带你直观理解RNN的短视与遗忘！...
如何3分钟掌握LSTMGRU实操技巧？
零基础3分钟搞懂LSTM。它解决了基础AI阅读长文“阅后即焚”的痛点。如同给AI大脑配备了“记事本”与负责遗忘、输入、输出的“精明秘书”（门控机制），使AI学会了选择性长期记忆，精准抓住海量数据核心。...
如何用3分钟实操掌握深度学习AI中的Attention机制？
Gemini 说
本博客详解 Attention 机制。从翻译“Apple”的上下文场景出发，揭示它如何克服传统模型记忆瓶颈。通过动态分配“注意力权重”，让 AI 学会精准“聚焦”关键词句，彻底读懂语境。...
PyTorch求余操作如何实现？
本文通过几个示例，介绍了在Python、Numpy和PyTorch三个不同的框架下，对于求余数函数的定义。比较特殊的是pytorch中的fmod函数，并不符合数学上的求余数方法，而是需要使用remainder函数。...
MindSpore的ReduceMax和max操作有何本质区别？
本文介绍了在pytorch和mindspore中两种计算张量最大值的算子，如果直接使用max算子，两者的输出都是最大值元素和最大值索引。但是mindspore中额外的支持了ReduceMax算子，可以允许我们只输出最大值而不输出最大值索引。...
gather算子大不同，具体差异是什么？
本文通过2个实际的案例，演示了一下gather算子在MindSpore框架下PyTorch框架下的异同点。两者的输入都是tensor-axis-index，一个是输入顺序上略有区别，另一个是对于输入的张量索引维度的要求。在PyTorch中，...
Tensor Scatter Add算子异同点有哪些？
本文介绍了MindSpore中的tensor_scatter_add算子的用法，可以对一个多维的tensor在指定的index上面进行加和操作。在PyTorch中虽然也有一个叫scatter_add的算子，但是本质上来说两者是完全不一样的操...
PyTorch中如何实现开立方运算？
本文介绍了在PyTorch中直接使用幂次函数计算有可能导致的计算结果异常的问题。由于PyTorch中并未像Numpy和MindSpore一样直接支持cbrt开立方函数，因此这里也提供了一个在PyTorch中计算开立方的函数。...
PyTorch张量如何实现逆序操作？
本文简单的介绍了一个在Pytorch中对张量进行逆序操作的方法相比于其他的框架，例如numpy和mindspore等的区别。在其他框架中我们可以直接使用slice的方法对一个张量做逆序，但是在Pytorch中，可能需要使用到一个flip函数...
PyTorch的take_along_dim如何为？
接前面一篇take_along_axis的文章，本文主要介绍在PyTorch框架下，功能基本一样的函数take_along_dim。二者除了命名和一些关键词参数不一致之外，用法是一样的。需要注意的是，两者都要求输入的数组和索引数组维度数量一...
Torch中的tensor size是多少呀？
本文重点介绍了一下如何在PyTorch中去计算一个高维tensor的大小，也就是元素的总数。在其他框架中我们需要使用size函数来获取，而在PyTorch框架中这个接口被调整为numel，本文给出了两个具体代码示例。...
CLIP如何成为连接视觉与语言的桥梁的纽带？
什么是 CLIP？ CLIP（Contrastive Language-Image Pre-training，对比语言-图像预训练）是 OpenAI 提出的一种多模态预训练模型。它采用对比学习和双塔架构，实现了视觉与语言的统一表征。 CLI...