人工智能大语言模型起源篇（一），从哪里开始
序言：许多人最初接触人工智能都是在ChatGPT火热之际，并且大多停留在应用层面。对于希望了解其技术根源的人来说，往往难以找到方向。因此，我们编写了《人工智能大语言模型起源篇》，旨在帮助读者找到正确的学习路径，了解大型语言模型的大致起源。本文将分为三个部分，介绍当前主流的大型语言模型架构Transformer（变换器）模型的起源及其发展历程。Transformer并非横空出世，而是人工智能领域研究者们在...
【人工智能基础】【练习题】自然语言处理基础： Word2vec逻辑、与预训练模型
文章目录 一. word2vec向量计算二. word2vec的原理1. 总体思路2. 基于word2vec的原理3. 寻找类似例子的思路 三. 训练写诗四. Word2vec的逻辑五. 什么是预训练语言模型六. GPT和BERT模型 一. word2vec向量计算 对于B 大家的第一反应是B很有可能是一个贬义词，比如“坏”“低劣”等。但是这个推论是错误的。好和坏虽然是反义词，距离应该比较大，但是不应该...
用Python开启人工智能之旅（四）深度学习的框架和使用方法
第四部分：深度学习的框架和使用方法 用Python开启人工智能之旅（一）Python简介与安装 用Python开启人工智能之旅（二）Python基础 用Python开启人工智能之旅（三）常用的机器学习算法与实现 用Python开启人工智能之旅（四）常用的机器学习算法与实现 用Python开启人工智能之旅（五）AI项目实战中Python基础 深度学习作为机器学习的一个分支，涉及到大量的计算和模型训练。在P...
创建用于预测序列的人工智能模型，评估模型的能力。
上一篇：《创建用于预测序列的人工智能模型（三），训练模型》序言：对于当前的动则几千亿的大语言模型来说，训练的过程可以持续几天几周基于几个月，这取决于拥有的硬件数量以及总要训练的参数。模型训练完成后就进入模型的评估验证过程，一般会不断的重复直到优化完成。评估人工智能模型的性能当你训练好了一个 DNN 后，就可以开始用它进行预测了。但请记住，你使用的是窗口化数据集，因此对于某个点的预测是基于之前一定数...
【人工智能】深入理解PyTorch：从0开始完整教程！全文注解
在当今人工智能和深度学习的浪潮中，PyTorch作为一个灵活且强大的深度学习框架，正受到越来越多开发者和研究者的青睐。无论你是初学者还是经验丰富的开发者，这篇文章将带你深入理解PyTorch，从基础概念到高级应用，帮助你在深度学习的道路上更进一步。🌟 为什么选择PyTorch？🤔 在众多深度学习框架中，PyTorch以其动态计算图、简洁的API和强大的社区支持脱颖而出。以下是选择PyTorch的一些理由...
【人工智能基础】计算机视觉
文章目录 一. 什么是计算机视觉二. 图像的形成原理三. 数字图像四. 线性滤波器1. 图像的像素映射成函数f2. 图像处理的两种类型：图像滤波和图像扭曲。3. 滤波器分类 五. 边缘检测1. 图像边缘重要的原因2. 求解图像边缘与噪声处理 六. 物体检测：R-CNN、Fast-RCNN与Faster-RCNN1. RCNN2. Fast RCNN模型3. Faster RCNN4. RCNN、Fast...
【人工智能基础】机器学习基础
文章目录 一. 监督、无监督、半监督学习监督学习无监督学习k-means算法：处理球形簇谱聚类：处理非球形簇和高维数据 三. 损失函数四种损失函数用于回归的损失函数用于分类的损失函数 损失函数的优化 四. 泛化交叉验证:K折验证 五. 过拟合与欠拟合1. 欠拟合解决办法2. 过拟合解决办法 一. 监督、无监督、半监督学习 监督学习 分类：回归问题（=函数拟合）、分类问题 分类模型：决策树、逻辑回归、支持...
【人工智能基础】自然语言处理基础
需要标签属于监督学习。 下面介绍两种最经典的使用Transformer 模型进行预训练的范式：生成式（generative）建模和判别式（discriminative）建模。 1. GPT GPT是由人工智能研究实验室OpenAI提出的一种预训练语言模型，基于Transformer架构设计。 核心思想 引领潮流 零样本和少样本学习，协助大模型推理 2. BERT BERT 全称为双向Transform...
【人工智能】PyTorch、TensorFlow 和 Keras 全面解析与对比：深度学习框架的终极指南
者更加专注于模型设计与优化，而不是底层实现细节。那么，PyTorch、TensorFlow 和 Keras 各自有哪些独特之处？在不同的应用场景下，它们又各自适合什么样的任务？本文将为你一一解答。 【人工智能】深入理解PyTorch：从0开始完整教程！全文注解 【人工智能】深入理解 TensorFlow：从0开始完整教程！打造你的AI模型之路 【人工智能】深入理解 Keras：从0开始完整教程！掌握深度学...
基于ChatGPT 的人工智能代理挖掘化学文献的演变探索
学和纳米技术的发展，也为新药物的开发和生命科学的进步做出了重要贡献。然而，尽管已经积累了大量的化学反应数据，但如何有效利用这些数据来发现新的反应方案，并将其用于材料合成和药物开发，仍是一个挑战。因此，人工智能的应用备受关注。 人工智能可以从大量现有数据中学习并预测新反应的结果，从而识别反应特征和模式。这使化学家能够快速筛选和评估各种反应条件，优化合成途径。此外，通过将人工智能与反应预测和优化算法相结合，还...