机器学习/深度学习

首页 标签 机器学习/深度学习
# 机器学习/深度学习 #
关注
73917内容
|
5天前
| |
ES|QL|全文函数能写进 OR 了,同字段多词还是别这么写
9.0 之前,ES|QL 里 MATCH(或其它全文函数)不能出现在 OR 里——写了会报错。
基于规则与NLP的智能报告质控纠错系统实践
本系统是面向金融、法律、医疗等专业领域的报告质控工具,基于规则引擎与NLP技术(jieba、difflib等),自动检测格式错误、术语误用、标点混用及语义不一致问题,并提供精准修改建议,显著提升报告质量与撰写效率。(239字)
基于阿里云 PAI 的 AI 工艺实时优化与预测系统实践
本文介绍基于阿里云PAI构建的AI工艺实时优化系统:通过IoT平台接入工业传感器数据,利用LSTM模型预测关键指标(如反应转化率),实现秒级在线推理与闭环优化。方案支持云边协同、模型持续迭代,显著提升制造过程的稳定性、安全性与智能化水平。(239字)
GAO 的底层逻辑:生成式 AI 认知优化的机制、度量与工程化
GAO(生成式AI认知优化)聚焦模型对主体的“内在认知”——非排名、非引用,而是知识的准确性、完整性、一致性与可验证性。本文系统拆解其三层载体(参数记忆/检索上下文/会话状态)、四大形成机制、五类失真根因,提出可度量、可工程化的闭环方法论,明确能力边界:重证据供给,而非修改模型。
The size of tensor a (133) must match tensor b (10):分类任务换 MSELoss 后先查标签含义
原帖网络输出133类logits,CrossEntropyLoss支持类别索引输入(如`[10]`),而MSELoss要求`outputs`与`target`形状严格匹配(如`[10,133]`)。报错因`target`为`[10]`,无法广播匹配`[10,133]`输出,本质是两类损失对标签格式约定不同。
Trying to backward through the graph a second time:GRU 跨批 hidden 要明确截断边界
该文详解PyTorch中RNN(GRU/LSTM)跨批次训练时常见的`RuntimeError: Trying to backward through the graph a second time`错误。核心原因:未在批次间`detach()`隐藏状态,导致反向传播沿已释放的计算图回溯。文中给出正确截断BPTT方案——每次前向前提前`hidden.detach()`切断梯度流,并强调:不同序列需重置hidden、日志用`.item()`、禁用`retain_graph=True`滥用于跨批。
Expected scalar type Long for argument #2 'target':单输出二分类别只改标签类型
该帖解析 PyTorch 中 `CrossEntropyLoss` 报错“expected scalar type Long but got Float”的根本原因:末层单输出(`Linear(…,1)`)却误用交叉熵——它要求标签为 `long` 且输出通道数≥类别数。正确方案二选一:① 改用 `BCEWithLogitsLoss`(单输出+浮点标签);② 改末层为 `Linear(…,2)` 并确保标签∈{0,1}。需同步校验形状、类型与类别映射。(239字)
CUBLAS_STATUS_EXECUTION_FAILED when calling cublasSgemm:在首个 Linear 前检查真实特征
该帖描述一维信号CNN在GPU上执行fc1层时触发cuBLAS执行失败错误。重点强调:勿凭空猜测展平维度,应通过打印输入/权重形状、dtype、设备及启用`CUDA_LAUNCH_BLOCKING=1`定位真实首错点,再系统排查设备一致性、内存压力或环境兼容性问题。(239字)
免费试用