15分钟完成CNN图像分类的Homework3：步骤与代码详解 - 飞书文档
https://docs.feishu.cn/v/wiki/Ckraw5bgYiU5wnkZhCTc9vEHnDc/a2优化网络结构是提升卷积神经网络（CNN）性能的重要步骤。CNN通常由多个模块或组块结构组成，通过合理设计和优化这些结构，可以显著增强模型的学习能力和泛化性能。以下是几种 ...
飞搜侠
热门搜索
用5行代码训练图像识别AI - 飞书文档
https://docs.feishu.cn/v/wiki/NHJNwI24dikw5ZkLWuMc9bOHnzd/ac第三行代码很可能是模型的定义。虽然只有一行代码，但它可能是利用了框架中预定义的模型结构或者是一种简化的模型定义方式。这个模型可能是一个小型的CNN架构，包含了几个卷 ...
深度学习训练全流程：数据、算法与模型优化 - 飞书文档
https://docs.feishu.cn/v/wiki/Ex6xwU77yiJzUakhqI7c79VInJb/a6通常使用在大规模数据集上预训练的模型作为起点，例如在ImageNet数据集上预训练的卷积神经网络（CNN）。 在预训练模型的基础上 ...
大模型如何优化数据质量？ - 飞书文档
https://docs.feishu.cn/v/wiki/L5kMwktF8iZuN3kGWdec1MJMnhe/a72024年3月25日 ... 因为GitHub 或Copilot 生成代码分析和代码片段的能力已经很完美，国内 ... CNN 方法，它可能会比使用RAG 方法更加经济高效。 5、未来发展趋势. 随 ...
10行代码目标检测模型的优势与不足 - 飞书文档
https://docs.feishu.cn/v/wiki/LvqewrvQCiukdSk6kAhcESF9nWd/a4其中可能涉及到的关键技术包括卷积神经网络（CNN）。CNN是一种专门用于处理图像数据的深度学习模型，它通过卷积层、池化层和全连接层等结构 ...
如何运用简单的面向对象编程提升深度学习原型的锐度 - 飞书文档
https://docs.feishu.cn/article/wiki/CdQ3wOPU3i5eIzkQOCFc0KSKnHb在这个类中，我们可以定义每个层的参数和计算方法，以及整个模型的前向传播和反向传播过程。这样，当我们需要构建一个具体的CNN 模型时，只需要实例化这个类，并设置相应的参数 ...
2.6 卷积神经网络CNN - 书生大模型开源社区 - 飞书
https://aicarrier.feishu.cn/wiki/Fh9swzuvCigMy0k2YDpcA1ZOnff... 模型对平移、扭曲、缩放具有一定程度的不变性，并具有强鲁棒性和容错能力，且也易于训练和优化网络结构。因此它在各种信号和信息处理任务中的性能优于标准的全连接神经 ...
Transformer 训练中如何优化模型参数？ - 飞书文档
https://docs.feishu.cn/v/wiki/Uh44wWpVvilC90kthydc2I23nSe/ak通常直接对每个单词创建一个向量表示。由于Transfomer模型不再使用基于循环的方式建模文本输入，序列中不再有任何信息能够提示模型单词之间的相对位置关系。在送入编码器端 ...
AutoCoder：代码生成模型准确率超GPT-4 Turbo - 飞书文档
https://docs.feishu.cn/v/wiki/YyRDwmOj2i9ddkkPJNhcZdQRnie/ah通过结合多个模型的拒绝采样样本，RFT 性能得到进一步提升，例如LLaMA-7B 在GSM8K 数据集上的准确率从35.9 提升至49.3。这些发现对于大模型在数学推理领域的应用和优化具有 ...
XGBoost官方仓库的优化技术对机器学习的影响 - 飞书文档
https://docs.feishu.cn/v/wiki/HSG7wshzJiT4ClkKayDcYwv8n6y/a8从图像识别方面来看，这里有经典的卷积神经网络（CNN）模型的实现。例如，对于常见的图像分类任务，我们可以通过研究这些代码了解如何构建CNN的架构，包括卷积层、池化 ...