撰写于:  浏览:2264 次  分类:大模型电子书
1、封面介绍2、出版时间2023年12月3、内容介绍《实战AI大模型》是一本旨在填补人工智能(AI)领域(特别是AI大模型)理论与实践之间鸿沟的实用手册。书中介绍了AI大模型的基础知识和关键技术,如Transformer、BERT、ALBERT、T5、GPT系列、InstructGPT、ChatGPT、GPT 4、PaLM和视觉模型等,并详细解释了[...]

撰写于:  浏览:3305 次  分类:大模型电子书
1、封面介绍2、出版时间2024年9月3、内容介绍这是一本全面讲解RAG技术原理、实战应用与系统构建的著作。作者结合自身丰富的实战经验,详细阐述了RAG的基础原理、核心组件、优缺点以及使用场景,同时探讨了RAG在大模型应用开发中的变革与潜力。书中不仅揭示了RAG技术背后的数学原理,还通过丰富的案例与代码实现,引导读者从理论走向实践,轻松掌握RAG系[...]

撰写于:  浏览:1919 次  分类:PyTorch 教程
CUDA_VISIBLE_DEVICES环境变量的简单介绍CUDA 编程模型中的环境变量在 CUDA 应用程序开发中具有重要作用,如需使用,需要在程序运行前在系统中进行设置。环境变量 CUDA_VISIBLE_DEVICES 用于指定 CUDA 应用程序将在哪些 GPU 设备上运行,通常用于控制程序在多 GPU 系统上的 GPU 使用情况,对于单 [...]

撰写于:  浏览:1216 次  分类:PyTorch 教程
在PyTorch中,DataParallel 是一个模块,它允许你在多个GPU上分布式地训练模型。为了让输入数据自动移动到GPU,你需要做的是将模型和数据包装在 DataParallel 中。以下是一个简单的例子,展示如何使用 DataParallel:import torch import torch.nn as nn from torch.ut[...]

撰写于:  浏览:1843 次  分类:PyTorch 教程
前言做为深度学习从业者,最基本的要求是要会配置PyTorch的开发环境。我们在配置环境的时候都知道有显卡驱动、CUDA、cuDNN、CUDA Toolkit、PyTorch等组件,而且不同的组件还有不同的版本,搞得人十分头大,彻底明白这些东西如何选择和配置对我们来说是十分有必要的,下面我给大家介绍一下这些组件的定义与相互关联。显卡驱动(GPU Dr[...]

撰写于:  浏览:2188 次  分类:PyTorch 教程
transforms.normalize()函数介绍transforms属于torchvision模块的方法,它是常见的图像预处理的方法,以提升泛化能力。transforms包括的数据预处理方法有:数据中心化、数据标准化、缩放、裁剪、旋转、翻转、填充、噪声添加、灰度变换、线性变换、仿射变换、亮度、饱和度及对比度变换等transforms.norma[...]

撰写于:  浏览:1032 次  分类:PyTorch 教程
在深度学习中,卷积神经网络用于处理图像。为了构建训练神经网络,我们需要处理大量图像。有几种方法可以在 PyTorch 中加载计算机视觉数据集,具体取决于数据集的格式和项目的具体要求。一种流行的方法是使用内置的 PyTorch 数据集类,例如 torchvision.datasets。它提供了一种方便的方法来加载和预处理常见的计算机视觉数据集,例如C[...]

撰写于:  浏览:4038 次  分类:强化学习电子书
1、封面介绍2、出版时间2024年8月3、内容介绍本书系统介绍了基于强化学习的多智能体协同技术,涉及进化算法、纳什均衡等相关主题,讨论了基于强化学习的多智能体协同理论、一致性学习算法、基于协同Q学习算法的多智能体规划技术等,并给出了针对多机器人协同问题的应用实例。本书不仅包含多智能体强化学习协同研究的最新进展,而且提供了一种相对于传统方法更加高效的[...]

撰写于:  浏览:1065 次  分类:强化学习电子书
1、封面介绍2、出版时间2022年7月3、内容介绍本书系统介绍了基于强化学习的多智能体协同技术,涉及进化算法、纳什均衡等相关主题,讨论了基于强化学习的多智能体协同理论、一致性学习算法、基于协同Q学习算法的多智能体规划技术等,并给出了针对多机器人协同问题的应用实例。本书不仅包含多智能体强化学习协同研究的最新进展,而且提供了一种相对于传统方法更加高效的[...]

撰写于:  浏览:1587 次  分类:强化学习电子书
1、封面介绍2、出版时间2022年7月3、内容介绍我们在与环境交互的过程中进行学习,经历的奖励或惩罚将指导我们未来的行为。深度强化学习将该过程引入人工智能领域,通过分析结果来寻找最有效的前进方式。DRL智能体可提升营销效果、预测股票涨跌,甚至击败围棋高手和国际象棋大师。《深度强化学习图解》呈现生动示例,指导你构建深度学习体系。Python代码包含详[...]

撰写于:  浏览:1053 次  分类:PyTorch 教程
数据准备import torch import torch.nn as nn import numpy as np import matplotlib.pyplot as plt # Set random seed for reproducibility np.random.seed(0) torch.manual_seed(0) # Gene[...]

撰写于:  浏览:1072 次  分类:PyTorch 教程
代码如下:import torchvision from PIL import Image import torchvision.transforms as transforms from matplotlib import pyplot as plt from torchvision.models.feature_extraction impor[...]

撰写于:  浏览:1319 次  分类:PyTorch 教程
在深度学习项目中,数据的预处理、加载和批处理是至关重要的步骤。PyTorch 提供了多个实用工具以简化这些过程,其中TensorDataset和DataLoader是最常用的类之一。TensorDataset和DataLoader是 PyTorch 中处理数据的强大工具,它们简化了数据加载和批处理的复杂性,是进行深度学习模型训练时不可或缺的组件。掌[...]

撰写于:  浏览:1787 次  分类:PyTorch 教程
在深度学习的训练过程中,经常需要调整模型的学习率以及其他超参数。PyTorch 提供了调度器(scheduler)来自动调整学习率,这对于优化模型的训练过程非常重要。PyTorch 提供了多种学习率调度器,常用的有 StepLR、MultiStepLR、ExponentialLR、CosineAnnealingLR 等。StepLR 调度器将学习率[...]

撰写于:  浏览:1006 次  分类:PyTorch 教程
在pytorch中,提供了一种十分方便的数据读取机制,即使用torch.utils.data.Dataset与torch.utils.data.DataLoader组合得到数据迭代器。在每次训练时,利用这个迭代器输出每一个batch数据,并能在输出时对数据进行相应的预处理或数据增强等操作。1、torch.utils.data.Datasettorc[...]

关注公众号,感悟技术与人生

飞燕网
一个踏实、严谨的网站!

专注于PyTorch、强化学习和大模型技术

    友情链接