深度学习模型部署的关键要点 - 飞书文档
https://docs.feishu.cn/v/wiki/OBfiwsjdXiHnrnkWmtvc5MXKnAd/a3例如，对于图像分类任务，如果模型推理速度过慢，无法满足实时性需求，那么这样的模型在实际应用中就会大打折扣。其次，训练模型时我们可能会使用各种不同的框架，如PyTorch、 ...
飞搜侠
热门搜索
10行代码构建深度学习模型的训练过程解析 - 飞书文档
https://docs.feishu.cn/v/wiki/LPqGwIp0wiBY9dklukgc8KsBnLd/a4... 模型，它允许我们按照顺序堆叠不同的层。我们可以添加全连接层（Dense层），并指定每层的神经元数量。这一步就像是搭建一座大厦的框架，确定了各个部分的基本布局。
降水预测模型搭建与深度学习应用 - 飞书文档
https://docs.feishu.cn/v/wiki/OdXjwwUNYifP76ktaBLcPYPonJc/a1深度学习则是机器学习中神经网络算法的进阶版。神经网络算法通过模拟人脑神经元的信息传递，逐层递进, 从而形成一个机器学习模型，而深度学习有着更深的层数, 有对大规模数据 ...
LSTM模型构建与训练方法 - 飞书文档
https://docs.feishu.cn/v/wiki/R0A4wfg4wim7CGk52QrciGUFny8/a5深度的定义是相对的。针对某具体场景和学习任务，若学习器的处理单元总数和层数分别为M 和** N** ，学习器所保留 ...
从零手搓大模型的一切 - 飞书云文档
https://datawhaler.feishu.cn/wiki/TILfwiS6MitI0skxsgRcPuoQnqc适合谁来学：希望从底层出发、“纯手搓”搭建一个清晰、可用的大模型系统的学习者 · 一站式手搓大模型的最佳指南，包括大模型本身、RAG 框架、Agent 系统及大模型评估体系.
深度学习框架综述：从TensorFlow到PyTorch等的特点与应用
https://docs.feishu.cn/v/wiki/YdlNwoDrdiKEYwky9LMcIqVcnle/a1它具有高度的灵活性和可扩展性，能够在不同的硬件平台上运行，包括CPU、GPU和TPU等。TensorFlow采用了计算图的方式来表示神经网络的计算过程，这种方式使得模型的构建和训练 ...
学习规划表：从零入门大模型开发 - 飞书文档
https://docs.feishu.cn/v/wiki/SuppwSfFZi5KvYkiffUcygVNnPe/a8第一步：下载如下两个代码文件！ · baseline1：在CPU 上部署并进行大模型推理. [初赛baseline1-使用ipex-llm推理大语言模型.ipynb] · baseline2：在CPU 上部署大模型并运行检索 ...
AI工程师的模型构建与训练要点 - 飞书文档
https://docs.feishu.cn/v/wiki/Ad9PwpXkuisuwekdFJycpWcAn3D/a3同时，对深度学习框架如TensorFlow和PyTorch的深入理解和应用也是必不可少的。这些框架提供了便捷的工具和接口，帮助工程师快速搭建和训练复杂的神经网络模型。例如，在图像 ...
小白如何在10分钟内搭建大模型应用？ - 飞书文档
https://docs.feishu.cn/v/wiki/XJA9w5be6iiSDLk58LvcKhZvngh/aj预训练指使用海量的数据进行模型参数的初始学习，旨在为模型参数寻找到一个优质的“起点”。这一概念最初在计算机视觉领域萌芽，通过在ImageNet（一个大型图像数据集）上的训练， ...
模型训练和推理是怎样的过程？ - 飞书文档
https://docs.feishu.cn/v/wiki/QKk3wSRF7in78hk7PeCcxY15n8d/ac深度学习对特征工程要求更低，强调模型架构的设计。 · 经典机器学习如lr等，模型容量有限，存在模型bias，弹性不足。 · 深度学习模块化更好，能够以统一的模式更好得搭建复杂的 ...