Hugging Face 之 Datasets使用

Datasets​ 是 Hugging Face 生态中的一个轻量级数据处理工具库🧰，专门为自然语言处理任务优化设计。它在模型训练流程中，能够高效完成数据的加载...

GPT预训练模型介绍

还记得当年AI模型“一个任务一个模型”、训练费时费力的日子吗？😩 2018年OpenAI扔出的GPT-1，就像在平静的湖面投下了一颗深水炸弹💣。它用一套极其聪明...

Transformer架构解码器详解

Transformer 的编码器是整个模型的“理解中枢”，它就像一位专业的文本分析师，专门负责 深度解读输入序列（比如一句话或一段文字），并为其中的每个词元（T...

简单形象带你了解Attention机制

还记得传统的机器翻译模型（Seq2Seq）吗？它处理句子的方式，就像一个健忘又“一根筋”的厨师👨🍳：

Seq2Seq模型解析

传统的自然语言处理任务，如文本分类、序列标注，通常是在做“选择题”或“填空题”。它们的核心是理解与判断，目标是给输入文本打上一个或多个固定的标签。

LSTM基本介绍

循环神经网络（RNN）存在的弊端：虽然在序列建模方面具有天然的架构优势，但其在实际训练过程中会面临显著的长期依赖衰减问题。具体表现为：当输入序列长度增加时，模型...

RNN循环神经网络基本介绍

想象一下，我们平时读一句话，理解每个词的意思都离不开它前面的词。传统神经网络像个健忘的人，每次只看当前这个词，不管上下文。而RNN的设计思路就是让网络能记住前面...

基于Gensim获取Word2Vec词向量

词向量是NLP任务的基础组件，常见的获取方式包括使用公开的通用预训练词向量，或在自有领域的语料上专门训练。前一种方式省时省力，适合快速验证或对通用语义要求较高的...

ResNet的基础架构–残差块

残差网络之所以强大，核心就在于那个“加法”。它不要求网络从零学起，而是让它学会“微调”——在已有信息的基础上做小的修正。这让网络有了“保底”：最差情况下，它至少...

GoogLeNet之inception模块

在 Inception 之前，VGG 等网络通过使用更小尺寸的卷积核（3x3）和增加网络深度来提升性能，但这种方式很快遇到了瓶颈：

基于pytorch框架搭建经典的LeNet-5架构

LeNet的提出并非出于纯粹的理论兴趣，而是为了解决一个非常具体且具有巨大商业价值的实际问题：自动识别银行支票上的手写数字。

DHCP协议概述

DHCP（Dynamic Host Configuration Protocol，动态主机配置协议）是一种网络管理协议，用于自动为网络中的设备分配IP地址以及其...

计算机网络常见协议总结

计算机网络协议是指在计算机网络中进行通信时，设备之间所遵循的规则和标准。它们确保了不同设备之间能够有效地传输数据并进行相互理解。以下是一些常见的计算机网络协议及...

Springboot自动配置原理中注解解读

TDSQL数据库介绍

TDSQL是腾讯云自研企业级分布式数据库，旗下涵盖金融级分布式、云原生、分析型等多引擎融合的完整数据库产品体系，提供业界领先的金融级高可用、计算存储分离、数据仓...

Redis起源

磁盘作为存储介质，I/O瓶颈是最大的问题，当文件越来越大，磁盘寻址和带宽远低于内存，磁盘比内存寻址慢了10w倍

MySQL 前世今生

MySQL数据库的历史可以追溯到1979年，那时比尔·盖茨退学没多久，微软公司也才刚刚起步，而Larry Ellison的Oracle公司也才成立不久。那个时候...