1 推理大模型與普通大模型的區(qū)別 推理大模型普通大模型目標(biāo)側(cè)重于推理能力、解決復(fù)雜問(wèn)題的能力側(cè)重于語(yǔ)言生成、上下文理解和自然語(yǔ)言處理運(yùn)算原理運(yùn)算原理是基于鏈?zhǔn)剿季S（Chain...
發(fā)簡(jiǎn)信
IP屬地：陜西
-
DeepSeek-R1論文學(xué)習(xí) -
如何做一個(gè)好運(yùn)營(yíng)之匯報(bào)
我的背景偏BD/銷(xiāo)售，我以前不用做匯報(bào)，老板看到業(yè)績(jī)結(jié)果就是最大的匯報(bào)。所以我從來(lái)都沒(méi)有匯報(bào)思維，直到轉(zhuǎn)崗做運(yùn)營(yíng)，才發(fā)現(xiàn)匯報(bào)真是門(mén)學(xué)問(wèn)，不僅影響自己在老板心中的位置，還影響績(jī)...
-
深度學(xué)習(xí)第七篇---Pytorch 循環(huán)神經(jīng)網(wǎng)絡(luò)-實(shí)現(xiàn)情感極性判定之前所學(xué)的全連接神經(jīng)網(wǎng)絡(luò)(DNN)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)，他們的前一個(gè)輸入和后一個(gè)輸入是沒(méi)有關(guān)系的（從輸入層到隱含層再到輸出層，層與層之間是全連接的，每層之間的節(jié)點(diǎn)是無(wú)連接...
-
深度學(xué)習(xí)第八篇---正則化
什么叫過(guò)擬合和欠擬合？ 我們?cè)谀Ｐ陀?xùn)練的時(shí)候，通過(guò)把數(shù)據(jù)劃分成訓(xùn)練集和測(cè)試集，然后選擇Loss函數(shù)來(lái)評(píng)估訓(xùn)練效果怎么樣，其loss函數(shù)在訓(xùn)練集上的值叫訓(xùn)練誤差，在測(cè)試集上叫泛...
-
深度學(xué)習(xí)第四篇--- Pytorch 線(xiàn)性回歸模型-波士頓房?jī)r(jià)預(yù)測(cè)波士頓房?jī)r(jià)預(yù)測(cè)是一個(gè)經(jīng)典案例，類(lèi)似于XX語(yǔ)言的Hello World。本文我們學(xué)習(xí)這個(gè)案例，體會(huì)深度學(xué)習(xí)的過(guò)程。波斯頓房?jī)r(jià)可能受影響的因素一共有下面13個(gè)，如下圖所示。 我們...
-
深度學(xué)習(xí)第五篇---Pytorch 邏輯回歸模型-乳腺癌預(yù)測(cè)上篇波士頓房?jī)r(jià)預(yù)測(cè)使用了線(xiàn)性回歸模型，適用于連續(xù)型目標(biāo)變量的回歸問(wèn)題，其取值范圍（-∞，＋∞）。邏輯回歸模型（Logistic回歸模型）常用于二分類(lèi)問(wèn)題，比如有一些經(jīng)典的二分...
-
深度學(xué)習(xí)第三篇---數(shù)據(jù)加載
Pytorch的數(shù)據(jù)加載主要依賴(lài)torch.utils.data.Dataset和torch.utils.data.DataLoader兩個(gè)模塊，可以完成如下格式的傻瓜式加載...
-
我是init進(jìn)程為何要寫(xiě)系列文章 自己從事Android開(kāi)發(fā)已經(jīng)有很多年了，從App開(kāi)發(fā)到Android framework層甚至再底層 自己還算有一些經(jīng)驗(yàn)。時(shí)常想著能通過(guò)寫(xiě)文章的方式把自己...
-
運(yùn)營(yíng)怎么寫(xiě)復(fù)盤(pán)
運(yùn)營(yíng)寫(xiě)文章要有結(jié)構(gòu)性（容易讓別人一眼看明白） 模板一： 一、核心指標(biāo)達(dá)成 結(jié)論先行：指標(biāo)達(dá)成與否+環(huán)比情況 根據(jù)業(yè)務(wù)/指標(biāo)分類(lèi)展示具體體數(shù)據(jù)數(shù)據(jù)達(dá)成情況（指標(biāo)名稱(chēng)+目標(biāo)+實(shí)際...
