勋章
我关注的人
粉丝
技术能力
暂时未有相关云产品技术能力~
公众号 Deephub-IMBA
-
发表了文章 2023-05-15
数据信息汇总的7种基本技术总结
数据汇总是一个将原始数据简化为其主要成分或特征的过程，使其更容易理解、可视化和分析。本文介绍总结数据的七种重要方法，有助于理解数据实质的内容。
-
发表了文章 2023-05-14
使用RobustPCA 进行时间序列的异常检测
鲁棒主成分分析(Robust Principal Component Analysis, RobustPCA)是一种将时间序列矩阵分解为低秩分量和稀疏分量的技术。这种分解能够识别潜在的趋势，以及检测异常和异常值。
-
发表了文章 2023-05-13
视觉大模型DINOv2:自我监督学习的新领域
本文将介绍DINOv2是如何改进的，以及这些进步可能对整个领域有什么影响。
-
发表了文章 2023-05-12
形态学运算与仿真：图像处理中形态学操作的简单解释
形态学是图像处理领域的一个分支，主要用于描述和处理图像中的形状和结构。形态学可以用于提取图像中的特征、消除噪声、改变图像的形状等。其中形态学的核心操作是形态学运算。
-
发表了文章 2023-05-11
Softmax简介
Softmax是一种数学函数，通常用于将一组任意实数转换为表示概率分布的实数。其本质上是一种归一化函数，可以将一组任意的实数值转化为在[0, 1]之间的概率值，因为softmax将它们转换为0到1之间的值，所以它们可以被解释为概率。如果其中一个输入很小或为负，softmax将其变为小概率，如果输入很大，则将其变为大概率，但它将始终保持在0到1之间。
-
发表了文章 2023-05-10
使用Actor-Critic的DDPG强化学习算法控制双关节机械臂
在本文中，我们将介绍在 Reacher 环境中训练智能代理控制双关节机械臂，这是一种使用 Unity ML-Agents 工具包开发的基于 Unity 的模拟程序。 我们的目标是高精度的到达目标位置，所以这里我们可以使用专为连续状态和动作空间设计的最先进的Deep Deterministic Policy Gradient (DDPG) 算法。
-
发表了文章 2023-05-09
Transformers回顾 ：从BERT到GPT4
人工智能已成为近年来最受关注的话题之一，由于神经网络的发展，曾经被认为纯粹是科幻小说中的服务现在正在成为现实。从对话代理到媒体内容生成，人工智能正在改变我们与技术互动的方式。特别是机器学习 (ML) 模型在自然语言处理 (NLP) 领域取得了重大进展。一个关键的突破是引入了“自注意力”和用于序列处理的Transformers架构，这使得之前主导该领域的几个关键问题得以解决。
-
发表了文章 2023-05-08
使用思维链（Chain-of-thoughts）提示在大型语言模型中引出推理
语言模型(LM)在NLP领域的发展速度非常快，特别是在大型语言模型(LLM)方面：当语言模型具有大量参数或权重/系数时，它们被称为“大型”。这些“大型”语言模型拥有处理和理解大量自然语言数据的能力。
-
发表了文章 2023-05-07
UNeXt：基于 MLP 的快速医学图像分割网络
UNeXt是约翰霍普金斯大学在2022年发布的论文。它在早期阶段使用卷积，在潜在空间阶段使用 MLP。通过一个标记化的 MLP 块来标记和投影卷积特征，并使用 MLP 对表示进行建模。对输入通道进行移位，可以专注于学习局部依赖性。
-
发表了文章 2023-05-06
KNN中不同距离度量对比和介绍
k近邻算法KNN是一种简单而强大的算法，可用于分类和回归任务。他实现简单，主要依赖不同的距离度量来判断向量间的区别，但是有很多距离度量可以使用，所以本文演示了KNN与三种不同距离度量(Euclidean、Minkowski和Manhattan)的使用。
-
发表了文章 2023-05-05
交互式数据分析和处理新方法：pandas-ai =Pandas + ChatGPT
Python Pandas是一个为Python编程提供数据操作和分析功能的开源工具包。这个库已经成为数据科学家和分析师的必备工具。它提供了一种有效的方法来管理结构化数据(Series和DataFrame)。
-
发表了文章 2023-05-04
VLAD Diffusion，一个更好用且易于安装的Stable Diffusion Web UI
VLAD Diffusion 是我们前面介绍过的 AUTOMATIC1111/stable-diffusion-webui的一个定制的更新，它主要是为了更频繁发布的更新和错误修复。
-
发表了文章 2023-05-03
余弦相似度算法进行客户流失分类预测
余弦相似性是一种用于计算两个向量之间相似度的方法，常被用于文本分类和信息检索领域。
-
发表了文章 2023-05-02
医学图像的深度学习的完整代码示例：使用Pytorch对MRI脑扫描的图像进行分割
图像分割是医学图像分析中最重要的任务之一，在许多临床应用中往往是第一步也是最关键的一步。在脑MRI分析中，图像分割通常用于测量和可视化解剖结构，分析大脑变化，描绘病理区域以及手术计划和图像引导干预，分割是大多数形态学分析的先决条件。
-
发表了文章 2023-04-30
使用Dino+SAM+Stable diffusion 自动进行图片的修改
SAM 可以准确识别和提取图像中的对象，与Stable Diffusion 相结合，可以对分割后的图像进行细微的更改。
-
发表了文章 2023-04-29
将时间序列转换为分类问题
本文将以股票交易作为示例。我们用 AI 模型预测股票第二天是涨还是跌。在此背景下，比较了分类算法 XGBoost、随机森林和逻辑分类器。文章的另外一个重点是数据准备。我们必须如何转换数据以便模型可以处理它。
-
发表了文章 2023-04-28
从零开始实现VAE和CVAE
扩散模型可以看作是一个层次很深的VAE(变分自编码器)，前向（forward，或者译为正向）的过程，通过在多个尺度上添加噪声来逐步扰乱数据分布；然后是反向的过程，去学习如何恢复数据结构，上述的破坏和恢复过程分别对应于VAE中的编码和解码过程。所以VAE是一个重要的概念需要掌握，本文将用python从头开始实现VAE和CVAE，来增加对于它们的理解。
-
发表了文章 2023-04-27
ChatGPT的提示的一些高级知识
作为一个大型语言模型(LLM)接口，ChatGPT有令人印象深刻的潜力，但是真正能否用好取决与我们的提示（Prompt ），一个好的提示可以让ChatGPT晋升到一个更好的层次。
-
发表了文章 2023-04-26
AutoGPT也有Web UI了
AutoGPT能够在你的电脑上做任何你想做的事情，并且我们在前面的文章中也介绍了其他的一些类似的应用。
-
发表了文章 2023-04-25
使用PyTorch和Flower 进行联邦学习
本文将介绍如何使用 Flower 构建现有机器学习工作的联邦学习版本。我们将使用 PyTorch 在 CIFAR-10 数据集上训练卷积神经网络，然后将展示如何修改训练代码以联邦的方式运行训练。
-
发表了文章 2023-04-24
参数与非参数检验：理解差异并正确使用
数据科学是一个快速发展的领域，它在很大程度上依赖于统计技术来分析和理解复杂的数据集。这个过程的一个关键部分是假设检验，它有助于确定从样本中获得的结果是否可以推广到总体。
-
发表了文章 2023-04-23
论文推荐：基于联合损失函数的多任务肿瘤分割
以FFANet为主干，加入分类的分支，将模型扩展为多任务图像分割框架，设计了用于分类和分割的联合损失函数。
-
发表了文章 2023-04-22
KL散度和交叉熵的对比介绍
KL散度（Kullback-Leibler Divergence）和交叉熵（Cross Entropy）是在机器学习中广泛使用的概念。这两者都用于比较两个概率分布之间的相似性，但在一些方面，它们也有所不同。本文将对KL散度和交叉熵的详细解释和比较。
-
发表了文章 2023-04-21
AutoGPT、AgentGPT、BabyAGI、HuggingGPT、CAMEL：各种基于GPT-4自治系统总结
ChatGPT和LLM技术的出现使得这些最先进的语言模型席卷了世界，不仅是AI的开发人员，爱好者和一些组织也在研究探索集成和构建这些模型的创新方法。各种平台如雨后春笋般涌现，集成并促进新应用程序的开发。
-
发表了文章 2023-04-20
从Pandas快速切换到Polars ：数据的ETL和查询
对于我们日常的数据清理、预处理和分析方面的大多数任务，Pandas已经绰绰有余。但是当数据量变得非常大时，它的性能开始下降。
-
发表了文章 2023-04-19
Grad-CAM的详细介绍和Pytorch代码实现
Grad-CAM (Gradient-weighted Class Activation Mapping) 是一种可视化深度神经网络中哪些部分对于预测结果贡献最大的技术。它能够定位到特定的图像区域，从而使得神经网络的决策过程更加可解释和可视化。
-
发表了文章 2023-04-18
生成式模型与辨别式模型
分类模型可以分为两大类:生成式模型与辨别式模型。本文解释了这两种模型类型之间的区别，并讨论了每种方法的优缺点。
-
发表了文章 2023-04-17
TensorFlow 决策森林详细介绍和使用说明
使用TensorFlow训练、调优、评估、解释和部署基于树的模型的完整教程
-
发表了文章 2023-04-16
时间序列的平稳性
如何检查时间序列是否平稳，如果它是非平稳的，我们可以怎么处理
-
发表了文章 2023-04-15
用CTGAN生成真实世界的表格数据
随着CLIP和稳定模型的快速发展，图像生成领域中GAN已经不常见了，但是在表格数据中GAN还是可以看到它的身影。
-
发表了文章 2023-04-14
神经网络初学者的激活函数指南
如果你刚刚开始学习神经网络，激活函数的原理一开始可能很难理解。但是如果你想开发强大的神经网络，理解它们是很重要的。
-
发表了文章 2023-04-13
2023年4月的12篇AI论文推荐
GPT-4发布仅仅三周后，就已经随处可见了。本月的论文推荐除了GPT-4以外还包括、语言模型的应用、扩散模型、计算机视觉、视频生成、推荐系统和神经辐射场。
-
发表了文章 2023-04-12
Pandas 2.0 vs Polars:速度的全面对比
前几天的文章，我们已经简单的介绍过Pandas 和Polars的速度对比。刚刚发布的Pandas 2.0速度得到了显著的提升。但是本次测试发现NumPy数组上的一些基本操作仍然更快。并且Polars 0.17.0，也在上周发布，并且也提到了性能的改善，所以我们这里做一个更详细的关于速度方面的评测。
-
发表了文章 2023-04-11
利用强化学习Q-Learning实现最短路径算法
如果你是一名计算机专业的学生，有对图论有基本的了解，那么你一定知道一些著名的最优路径解，如Dijkstra算法、Bellman-Ford算法和a*算法(A-Star)等。
-
发表了文章 2023-04-10
可视化CNN和特征图
卷积神经网络(cnn)是一种神经网络，通常用于图像分类、目标检测和其他计算机视觉任务。CNN的关键组件之一是特征图，它是通过对图像应用卷积滤波器生成的输入图像的表示。
-
发表了文章 2023-04-09
论文推荐：DCSAU-Net，更深更紧凑注意力U-Net
这是一篇23年发布的新论文，论文提出了一种更深、更紧凑的分裂注意力的U-Net，该网络基于主特征守恒和紧凑分裂注意力模块，有效地利用了底层和高层语义信息。
-
发表了文章 2023-04-08
7个最新的时间序列分析库介绍和代码示例
时间序列分析包括检查随着时间推移收集的数据点，目的是确定可以为未来预测提供信息的模式和趋势。我们已经介绍过很多个时间序列分析库了，但是随着时间推移，新的库和更新也在不断的出现，所以本文将分享8个目前比较常用的，用于处理时间序列问题的Python库。他们是tsfresh, autots, darts, atspy, kats, sktime, greykite。
-
发表了文章 2023-04-06
Pandas 2.0正式版发布： Pandas 1.5，Polars，Pandas 2.0 速度对比测试
Pandas 2.0正式版在4月3日已经发布了，以后我们pip install默认安装的就是2.0版了，Polars 是最近比较火的一个DataFrame 库，最近在kaggle上经常使用，所以这里我们将对比下 Pandas 1.5，Polars，Pandas 2.0 。看看在速度上 Pandas 2.0有没有优势。
-
发表了文章 2023-04-05
使用Python实现Hull Moving Average (HMA)
赫尔移动平均线（Hull Moving Average，简称HMA）是一种技术指标，于2005年由Alan Hull开发。它是一种移动平均线，利用加权计算来减少滞后并提高准确性。
-
发表了文章 2023-04-04
用遗传算法寻找迷宫出路
遗传算法是一种基于达尔文进化论的搜索启发式算法。该算法模拟了基于种群中最适合个体的自然选择。
-
发表了文章 2023-04-03
奇异值分解（SVD）和图像压缩
在本文中，我将尝试解释 SVD 背后的数学及其几何意义，还有它在数据科学中的最常见的用法，图像压缩。
-
发表了文章 2023-04-01
基于凸集上投影（POCS）的聚类算法
POCS：Projections onto Convex Sets。在数学中，凸集是指其中任意两点间的线段均在该集合内的集合。而投影则是将某个点映射到另一个空间中的某个子空间上的操作。给定一个凸集合和一个点，可以通过找到该点在该凸集合上的投影来进行操作。该投影是离该点最近的凸集内的点，可以通过最小化该点和凸集内任何其他点之间的距离来计算。既然是投影，那么我们就可以将特征映射到另一个空间中的凸集合上，这样就可以进行聚类或降维等操作。
-
发表了文章 2023-03-31
使用Unit Scaling进行FP16 和 FP8 训练
Unit Scaling 是一种新的低精度机器学习方法，能够在没有损失缩放的情况下训练 FP16 和 FP8 中的语言模型。
-
发表了文章 2023-03-30
时间序列特征提取的Python和Pandas代码示例
使用Pandas和Python从时间序列数据中提取有意义的特征，包括移动平均，自相关和傅里叶变换。
-
发表了文章 2023-03-28
使用Pytorch实现对比学习SimCLR 进行自监督预训练
SimCLR（Simple Framework for Contrastive Learning of Representations）是一种学习图像表示的自监督技术。 与传统的监督学习方法不同，SimCLR 不依赖标记数据来学习有用的表示。 它利用对比学习框架来学习一组有用的特征，这些特征可以从未标记的图像中捕获高级语义信息。
-
发表了文章 2023-03-27
高斯混合模型 GMM 的详细解释
高斯混合模型（后面本文中将使用他的缩写 GMM）听起来很复杂，其实他的工作原理和 KMeans 非常相似，你甚至可以认为它是 KMeans 的概率版本。 这种概率特征使 GMM 可以应用于 KMeans 无法解决的许多复杂问题。
-
发表了文章 2023-03-26
使用树状图可视化聚类
一般情况下，我们都是使用散点图进行聚类可视化，但是某些的聚类算法可视化时散点图并不理想，所以在这篇文章中，我们介绍如何使用树状图（Dendrograms）对我们的聚类结果进行可视化。
-
发表了文章 2023-03-25
Half-UNet:用于医学图像分割的简化U-Net架构
Half-UNet简化了编码器和解码器，还使用了Ghost模块(GhostNet)。并重新设计的体系结构，把通道数进行统一。
-
发表了文章 2023-03-24
10个Pandas的另类数据处理技巧
本文所整理的技巧与以前整理过10个Pandas的常用技巧不同，你可能并不会经常的使用它，但是有时候当你遇到一些非常棘手的问题时，这些技巧可以帮你快速解决一些不常见的问题。
-
发表了文章 2023-03-23
Huggingface微调BART的代码示例：WMT16数据集训练新的标记进行翻译
BART模型是用来预训练seq-to-seq模型的降噪自动编码器（autoencoder）。它是一个序列到序列的模型，具有对损坏文本的双向编码器和一个从左到右的自回归解码器，所以它可以完美的执行翻译任务。
-
发表了文章
2025-09-11
解决推理能力瓶颈，用因果推理提升LLM智能决策
-
发表了文章
2025-09-10
量子机器学习入门：三种数据编码方法对比与应用
-
发表了文章
2025-09-09
深度学习调参新思路：Hyperband早停机制提升搜索效率
-
发表了文章
2025-09-08
Proximal SFT：用PPO强化学习机制优化SFT，让大模型训练更稳定
-
发表了文章
2025-09-07
从零开始构建图注意力网络：GAT算法原理与数值实现详解
-
发表了文章
2025-09-06
LangGraph实战：从零构建智能交易机器人，让多个AI智能体像投资团队一样协作
-
发表了文章
2025-09-05
GPU集群扩展：Ray Serve与Celery的技术选型与应用场景分析
-
发表了文章
2025-09-04
DINOv3上手指南：改变视觉模型使用方式，一个模型搞定分割、检测、深度估计
-
发表了文章
2025-09-03
微软rStar2-Agent：新的GRPO-RoC算法让14B模型在复杂推理时超越了前沿大模型
-
发表了文章
2025-09-02
Memento：基于记忆无需微调即可让大语言模型智能体持续学习的框架
-
发表了文章
2025-09-01
AI推理方法演进：Chain-of-Thought、Tree-of-Thought与Graph-of-Thought技术对比分析
-
发表了文章
2025-08-31
多智能体系统设计：5种编排模式解决复杂AI任务
-
发表了文章
2025-08-30
神经架构搜索NAS详解：三种核心算法原理与Python实战代码
-
发表了文章
2025-08-29
多智能体协作为什么这么难：系统频繁失败的原因分析与解决思路
-
发表了文章
2025-08-28
NVFP4量化技术深度解析：4位精度下实现2.3倍推理加速
-
发表了文章
2025-08-27
R-Zero：通过自博弈机制让大语言模型无需外部数据实现自我进化训练
-
发表了文章
2025-08-26
数据分布平滑化技术：核密度估计KDE解决直方图不连续问题
-
发表了文章
2025-08-25
匹配网络处理不平衡数据集的6种优化策略：有效提升分类准确率
-
发表了文章
2025-08-24
HiRAG：用分层知识图解决复杂推理问题
-
发表了文章
2025-08-22
PyTorch 2.0性能优化实战：4种常见代码错误严重拖慢模型
