LEA: Improving Sentence Similarity Robustness to Typos Using Lexical Attention Bias 论文阅读 KDD 2023 原文地址 Introduction 文本噪声，如笔误(Typos), 拼写错误(Misspelling)和缩写(abbreviations), 会影响基于 Transformer 的模型. 主要表现在两个

人工智能 2024年01月26日  72

本文深入探讨了自编码器（AE）的核心概念、类型、应用场景及实战演示。通过理论分析和实践结合，我们详细解释了自动编码器的工作原理和数学基础，并通过具体代码示例展示了从模型构建、训练到多平台推理部署的全过程。 关注TechLead，分享AI与云服务技术的全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕，复旦机器人智能实验室成员，阿里云认证的资深架构师，项目

人工智能 2024年01月22日  68

强化学习Chapter2——优化目标（1） 上节涉及强化学习基本思路以及利用数学方式表征强化学习，但对强化学习的目标并没有进行详尽的定义。本节的目标旨在介绍 algorithm-free 的优化目标，即本文将不涉及算法地详述强化学习的目标。 强化学习一般性目标 上文提到，强化学习的目标可以解释为：在一个 Trajectories \(\tau\) 中积累的 Reward 尽可能高，也即是 Retu

人工智能 2024年01月22日  63

关注公众号TechLead，分享AI与云服务技术的全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕，复旦机器人智能实验室成员，阿里云认证的资深架构师，项目管理专业人士，上亿营收AI产品研发负责人。 摘要 尽管通过扩展导致具有数千亿参数的大型网络在统治和效率方面表现突出，但训练过参数化模型的必要性仍然难以理解，且替代方法不一定能使训练高性能模型的成本降低

人工智能 2024年01月14日  68

前言 图像分割可以分为两类：语义分割（Semantic Segmentation）和实例分割（Instance Segmentation），前面已经给大家介绍过两者的区别，并就如何在labview上实现相关模型的部署也给大家做了讲解，今天和大家分享如何使用labview 实现deeplabv3+的语义分割，并就 Pascal VOC2012 (DeepLabv3Plus-MobileNet) 上的

人工智能 2024年01月07日  74

这篇“怎么用Pytorch实现ResNet网络构建及模型训练”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“怎么用Pytorch实现ResNet网络构建及模型训练”文章吧。 构建网络 ResNet由一系列堆叠的残差块组成，其主要作用是通过无限制地增加网络深度，从而使其更加强大。在建立R

人工智能 2024年01月06日  66

本篇内容介绍了“如何使用TensorFlow创建生成式对抗网络GAN”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！ 导入必要的库和模块 以下是使用TensorFlow创建一个生成式对抗网络（GAN）的案例： 首先，我们需要导入必要的库和模块： import tensorflow as tf fro

人工智能 2024年01月03日  67

这篇文章主要讲解了“怎么使用Pytorch+PyG实现GraphSAGE”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“怎么使用Pytorch+PyG实现GraphSAGE”吧！ GraphSAGE简介 GraphSAGE（Graph Sampling and Aggregation）是一种常见的图神经网络模型，主要用于结点级别的表征学习。该模型基于

人工智能 2024年01月01日  48

注：文章的原文有11个章节，分别是： 摘要 (Abstract) 引言(Introduction) 概述(Overview) 大语言模型资源( Resources of LLMs) 预训练(Pre-trainng) 大语言模型的适配微调( Adaptation of LLMs) 使用(Utilization) 能力评价(Capacity and Evaluation) 快速设计实

人工智能 2023年12月29日  53

本文分享自华为云社区《创新 = 颠覆？AI创新如何做大蛋糕》，作者： 华为云PaaS服务小智 。 最近随着AI的风靡，各行各业都充斥着近乎疯狂的言论，“AI必将替代一切”，“人工智能必定会把现有体系全部摧毁”，“新的AI市场必定建立在旧产业的废墟上”。而这些言论的出现，和我们日常最常听到的诸如“每次创新必然会带来狂风骤雨”，“创新和增长的唯一途径就是颠覆行业”这些言论也有直接的关系。 但是，我们不

人工智能 2023年12月29日  43