AI:人工智能概念之机器学习、深度学习中常见关键词、参数等中英文对照(绝对干货)(七)

简介: 本博主基本收集了网上所有有关于ML、DL的中文解释词汇,机器学习、深度学习中常见关键词、参数等中英文对照,如有没有涉及之处,请留言,本博主将持续续修改、更新!圆小白自学ML、DL之梦!

A


approximations近似值

arbitrary随意的

affine仿射的

arbitrary任意的

amino acid氨基酸

amenable经得起检验的

axiom公理,原则

abstract提取

architecture架构,体系结构;建造业

absolute绝对的

arsenal军火库

assignment分配

algebra线性代数

asymptotically无症状的

appropriate恰当的


B


bias偏差

brevity简短,简洁;短暂

broader广泛

briefly简短的

batch批量


C


convergence 收敛,集中到一点

convex凸的

contours轮廓

constraint约束

constant常理

commercial商务的

complementarity补充

coordinate ascent同等级上升

clipping剪下物;剪报;修剪

component分量;部件

continuous连续的

covariance协方差

canonical正规的,正则的

concave非凸的

corresponds相符合;相当;通信

corollary推论

concrete具体的事物,实在的东西

cross validation交叉验证

correlation相互关系

convention约定

cluster一簇

centroids 质心,形心

converge收敛

computationally计算(机)的

calculus计算


D


derive获得,取得

dual二元的

duality二元性;二象性;对偶性

derivation求导;得到;起源

denote预示,表示,是…的标志;意味着,[逻]指称

divergence 散度;发散性

dimension尺度,规格;维数

dot小圆点

distortion变形

density概率密度函数

discrete离散的

discriminative有识别能力的

diagonal对角

dispersion分散,散开

determinant决定因素

disjoint不相交的


E


encounter遇到

ellipses椭圆

equality等式

extra额外的

empirical经验;观察

ennmerate例举,计数

exceed超过,越出

expectation期望

efficient生效的

endow赋予

explicitly清楚的

exponential family指数家族

equivalently等价的


F


feasible可行的

forary初次尝试

finite有限的,限定的

forgo摒弃,放弃

fliter过滤

frequentist最常发生的

forward search前向式搜索

formalize使定形


G


generalized归纳的

generalization概括,归纳;普遍化;判断(根据不足)

guarantee保证;抵押品

generate形成,产生

geometric margins几何边界

gap裂口

generative生产的;有生产力的


H


heuristic启发式的;启发法;启发程序

hone怀恋;磨

hyperplane超平面


L


initial最初的

implement执行

intuitive凭直觉获知的

incremental增加的

intercept截距

intuitious直觉

instantiation例子

indicator指示物,指示器

interative重复的,迭代的

integral积分

identical相等的;完全相同的

indicate表示,指出

invariance不变性,恒定性

impose把…强加于

intermediate中间的

interpretation解释,翻译


J


joint distribution联合概率


L


lieu替代

logarithmic对数的,用对数表示的

latent潜在的

Leave-one-out cross validation留一法交叉验证


M


magnitude巨大

mapping绘图,制图;映射

matrix矩阵

mutual相互的,共同的

monotonically单调的

minor较小的,次要的

multinomial多项的

multi-class classification二分类问题


N


nasty讨厌的

notation标志,注释

naïve朴素的


O


obtain得到

oscillate摆动

optimization problem最优化问题

objective function目标函数

optimal最理想的

orthogonal(矢量,矩阵等)正交的

orientation方向

ordinary普通的

occasionally偶然的


P


partial derivative偏导数

property性质

proportional成比例的

primal原始的,最初的

permit允许

pseudocode伪代码

permissible可允许的

polynomial多项式

preliminary预备

precision精度

perturbation 不安,扰乱

poist假定,设想

positive semi-definite半正定的

parentheses圆括号

posterior probability后验概率

plementarity补充

pictorially图像的

parameterize确定…的参数

poisson distribution柏松分布

pertinent相关的


Q


quadratic二次的

quantity量,数量;分量

query疑问的


R


regularization使系统化;调整

reoptimize重新优化

restrict限制;限定;约束

reminiscent回忆往事的;提醒的;使人联想…的(of)

remark注意

random variable随机变量

respect考虑

respectively各自的;分别的

redundant过多的;冗余的


S


susceptible敏感的

stochastic可能的;随机的

symmetric对称的

sophisticated复杂的

spurious假的;伪造的

subtract减去;减法器

simultaneously同时发生地;同步地

suffice满足

scarce稀有的,难得的

split分解,分离

subset子集

statistic统计量

successive iteratious连续的迭代

scale标度

sort of有几分的

squares平方


T


trajectory轨迹

temporarily暂时的

terminology专用名词

tolerance容忍;公差

thumb翻阅

threshold阈,临界

theorem定理

tangent正弦


U


unit-length vector单位向量


V


valid有效的,正确的

variance方差

variable变量;变元

vocabulary词汇

valued经估价的;宝贵的


W


wrapper包装

相关文章
|
10月前
|
人工智能 自然语言处理 IDE
模型微调不再被代码难住!PAI和Qwen3-Coder加速AI开发新体验
通义千问 AI 编程大模型 Qwen3-Coder 正式开源,阿里云人工智能平台 PAI 支持云上一键部署 Qwen3-Coder 模型,并可在交互式建模环境中使用 Qwen3-Coder 模型。
1494 109
|
机器学习/深度学习 人工智能 监控
AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程
本系列文章深入讲解了从Seq2Seq、RNN到Transformer,再到GPT模型的关键技术原理与实现细节,帮助读者全面掌握Transformer及其在NLP中的应用。同时,通过一个房价预测的完整案例,介绍了算法工程师如何利用数据训练模型并解决实际问题,涵盖需求分析、数据收集、模型训练与部署等全流程。文章适合初学者和开发者学习AI基础与实战技能。
1425 25
AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程
|
机器学习/深度学习 人工智能 API
AI-Compass LLM训练框架生态:整合ms-swift、Unsloth、Megatron-LM等核心框架,涵盖全参数/PEFT训练与分布式优化
AI-Compass LLM训练框架生态:整合ms-swift、Unsloth、Megatron-LM等核心框架,涵盖全参数/PEFT训练与分布式优化
|
人工智能 监控 测试技术
云上AI推理平台全掌握 (1):PAI-EAS LLM服务一键压测
在AI技术飞速发展的今天,大语言模型(LLM)、多模态模型等前沿技术正深刻改变行业格局。推理服务是大模型从“实验室突破”走向“产业级应用”的必要环节,需直面高并发流量洪峰、低延时响应诉求、异构硬件优化适配、成本精准控制等复杂挑战。 阿里云人工智能平台 PAI 致力于为用户提供全栈式、高可用的推理服务能力。在本系列技术专题中,我们将围绕分布式推理架构、Serverless 弹性资源全球调度、压测调优和服务可观测等关键技术方向,展现 PAI 平台在推理服务侧的产品能力,助力企业和开发者在 AI 时代抢占先机,让我们一起探索云上 AI 推理的无限可能,释放大模型的真正价值!
|
机器学习/深度学习 PyTorch API
昇腾AI4S图机器学习:DGL消息传递接口的PyG替换
DGL (Deep Graph Learning) 和 PyG (Pytorch Geometric) 是两个主流的图神经网络库,它们在API设计和底层实现上有一定差异,在不同场景下,研究人员会使用不同的依赖库,昇腾NPU对PyG图机器学习库的支持亲和度更高,因此有些时候需要做DGL接口的PyG替换。
|
机器学习/深度学习 PyTorch API
昇腾AI4S图机器学习:DGL图构建接口的PyG替换
本文探讨了在图神经网络中将DGL接口替换为PyG实现的方法,重点以RFdiffusion蛋白质设计模型中的SE3Transformer为例。SE3Transformer通过SE(3)等变性提取三维几何特征,其图构建部分依赖DGL接口。文章详细介绍了两个关键函数的替换:`make_full_graph` 和 `make_topk_graph`。前者构建完全连接图,后者生成k近邻图。通过PyG的高效实现(如`knn_graph`),我们简化了图结构创建过程,并调整边特征处理逻辑以兼容不同框架,从而更好地支持昇腾NPU等硬件环境。此方法为跨库迁移提供了实用参考。
|
机器学习/深度学习 人工智能 运维
阿里云PAI人工智能平台介绍、优势及收费标准,手动整理
阿里云人工智能平台PAI是面向开发者和企业的机器学习与深度学习工程平台,提供数据标注、模型构建、训练、部署及推理优化等全链路服务。内置140+优化算法,支持PyTorch、TensorFlow等多种框架,具备高性能训练与推理能力,适用于自动驾驶、金融风控、智能推荐、智慧医疗等多个行业场景。PAI提供零代码开发、可视化建模、大模型一键部署等功能,助力企业快速构建AI应用。支持多种购买方式,如按量付费、预付费等,满足不同业务需求。
|
机器学习/深度学习 人工智能 资源调度
AI大模型训练管理工具:千亿参数时代的指挥中枢
本内容揭示了大模型训练中三大核心挑战:实验复现难、资源利用率低、合规风险高,并提出“三维控制塔”解决方案,涵盖实验管理、资源调度与合规追踪。推荐Immuta + 板栗看板等工具组合助力不同规模团队实现高效、合规、低成本的AI训练。
|
9月前
|
消息中间件 人工智能 安全
云原生进化论:加速构建 AI 应用
本文将和大家分享过去一年在支持企业构建 AI 应用过程的一些实践和思考。
2308 89

热门文章

最新文章