一，什么是Prompt 在人工智能領(lǐng)域，Prompt指的是用戶給大型語言模型發(fā)出的指令。作用是引導(dǎo)模型生成符合預(yù)期主題或內(nèi)容的文本，從而控制生成結(jié)果的方向和內(nèi)容。 大模型是根...
發(fā)簡信
IP屬地：湖南
-
LLM（二）：Prompt -
LLM（一）：大語言模型自2022年，ChatGPT發(fā)布之后，大語言模型（Large Language Model），簡稱LLM掀起了一波狂潮。作為學(xué)習(xí)理解LLM的開始，先來整體的理解一下大語言模型...
-
NLP（三）：詞向量自然語言處理，處理的是自然的需要，通過分詞后得到我們想要的詞，但是不可能直接把這種自然語言傳遞給計算機來理解。這時候就有一個概念叫詞向量，用來表示詞的特征向量或表征。 一，詞...
-
-
NLP（一）：RNN&LSTM&GRU一，RNN 在BP神經(jīng)網(wǎng)絡(luò)和CNN中，輸入輸出都是互相獨立的，但是在實際應(yīng)用中有些場景輸出內(nèi)容和之前的內(nèi)容是由關(guān)聯(lián)的，比較典型的就是在處理序列信息的時候。 循環(huán)神經(jīng)網(wǎng)絡(luò)，在全...
-
深度學(xué)習(xí)（十一）：注意力機制在自然語言處理中，序列數(shù)據(jù)的輸入包括一系列文本、語音信號、圖像或視頻等。 傳統(tǒng)的循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）模型已經(jīng)在這些任務(wù)中取得了很好的效果，但是該模型存在著兩個主要問題：一是...
-
深度學(xué)習(xí)（十）：循環(huán)神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)可以有效地處理空間信息， 循環(huán)神經(jīng)網(wǎng)絡(luò)就是專門為更好地處理序列信息而生，如時間等。循環(huán)神經(jīng)網(wǎng)絡(luò)通過引入狀態(tài)變量存儲過去的信息和當(dāng)前的輸入，從而可以確定當(dāng)前的輸出。...
-
深度學(xué)習(xí)（九）：現(xiàn)代卷積神經(jīng)網(wǎng)絡(luò)在之前已經(jīng)介紹了卷積神經(jīng)網(wǎng)絡(luò)的基本原理，這一節(jié)主要介紹一下現(xiàn)代的現(xiàn)代卷積神經(jīng)網(wǎng)絡(luò)模型，包括 AlexNet。它是第一個在大規(guī)模視覺競賽中擊敗傳統(tǒng)計算機視覺模型的大型神經(jīng)網(wǎng)絡(luò)；...
-
深度學(xué)習(xí)（八）：深度學(xué)習(xí)框架
一，基礎(chǔ)介紹 在前面的內(nèi)容中，所有的包括函數(shù)、各種層的封裝都是我們自己手動碼出來的，在實際的工程應(yīng)用中，其實有很多東西是可以重復(fù)利用的，所以有些大佬就將其封裝了起來，方便使用...
-
深度學(xué)習(xí)（七）：卷積神經(jīng)網(wǎng)絡(luò)一，整體結(jié)構(gòu) 卷積神經(jīng)網(wǎng)絡(luò)，英文為Convolutional Neural Network，所以也被簡稱為CNN CNN和之前介紹的神經(jīng)網(wǎng)絡(luò)一樣，也可以通過組裝層來構(gòu)建，只是...
-
深度學(xué)習(xí)（六）：實現(xiàn)誤差反向傳播法
通過組裝已經(jīng)實現(xiàn)的層來構(gòu)建神經(jīng)網(wǎng)絡(luò)。 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的步驟如下所示： 1，從訓(xùn)練數(shù)據(jù)中隨機選擇一部分?jǐn)?shù)據(jù)。 2，計算損失函數(shù)關(guān)于各個權(quán)重參數(shù)的梯度。 3，將權(quán)重參數(shù)沿梯度方向進(jìn)...
-
深度學(xué)習(xí)（五）：誤差反向傳播法在四中，采取了數(shù)值微分的方式求損失函數(shù)關(guān)于權(quán)重參數(shù)的梯度，但是比較耗時間，這一節(jié)講一個能夠高效計算權(quán)重參數(shù)的梯度的方法——誤差反向傳播法。 一，計算圖 計算圖指的就是將計算過...
-
深度學(xué)習(xí)（四）：神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)這里所說的“學(xué)習(xí)”是指從訓(xùn)練數(shù)據(jù)中自動獲取最優(yōu)權(quán)重參數(shù)的過程。 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)可以結(jié)合機器學(xué)習(xí)，如導(dǎo)入損失函數(shù)這一指標(biāo)，學(xué)習(xí)的目的就是找到使損失函數(shù)的值最小使的權(quán)重參數(shù) 一，...
-
深度學(xué)習(xí)（三）：手寫數(shù)字識別
在之前神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)基礎(chǔ)上，來試著解決實際問題。進(jìn)行手寫數(shù)字圖像的分類。假設(shè)學(xué)習(xí)已經(jīng)全部結(jié)束，我們使用學(xué)習(xí)到的參數(shù)，先實現(xiàn)神經(jīng)網(wǎng)絡(luò)的“推理處理”。這個推理處理也稱為神經(jīng)網(wǎng)絡(luò)的...
-
深度學(xué)習(xí)（二）：神經(jīng)網(wǎng)絡(luò)在之前的感知機中，雖然它有著理論上能表示很多復(fù)雜函數(shù)的可能，但是設(shè)定權(quán)重等都是人工進(jìn)行的。而神經(jīng)網(wǎng)絡(luò)的出現(xiàn)就是為了解決這個問題，神經(jīng)網(wǎng)絡(luò)是可以自動地從數(shù)據(jù)中學(xué)習(xí)到合適的權(quán)重參...
-
深度學(xué)習(xí)（一）：感知機感知機是作為神經(jīng)網(wǎng)絡(luò)的起源算法，因此，學(xué)習(xí)感知機的構(gòu)造也是很有幫助的。 一，感知機是什么 感知機接收多個輸入信號，輸出一個信號。信號只有0和1兩種取值。如下是一個接收兩個輸入...
-
機器學(xué)習(xí)（九）：決策樹算法實現(xiàn)
在 sklearn 庫中與決策樹相關(guān)的算法都存放在sklearn.tree模塊 決策樹實現(xiàn)步驟 確定純度指標(biāo)確定純度指標(biāo)，用它來衡量不同“特征屬性”所得到的純度，并選取使得純...
-
機器學(xué)習(xí)（八）：決策樹算法一，if-else原理 決策樹算法是以if-else來形成的，if-else它的用法就是：if 后跟判斷條件，如果判斷為真，也即滿足條件，就執(zhí)行 if 下的代碼段，否則執(zhí)行 ...
-
機器學(xué)習(xí)（七）：樸素貝葉斯分類算法
一，貝葉斯公式 在統(tǒng)計學(xué)中，有兩個較大的分支，一個是頻率，一個是貝葉斯。貝葉斯公式如下所示： P(A)表示A出現(xiàn)的概率； P(B|A)表示A發(fā)生的條件下，發(fā)生B的概率，也被稱...