LLaMA-Factory 是一个开源的大规模语言模型（LLM）训练与微调框架，它能够简化大型语言模型的微调过程，使用户能够在无需编写代码的情况下，对多种预训练模型进行定制化训练和优化。 预训练模型：https://hu...
在 Transformer 模型中，输入的词向量是没有顺序信息的，比如：我爱你 和 你爱我 两个含义不同句子，在注意力计算时，每个 Token 的表示是相同的，即：模型理解这两个句子的含义是相同的，这就很不合理。所以需要...
变分自编码器（VAE）是一种深度生成模型。它主要由 编码器（Encoder） 和 解码器（Decoder） 两部分组成： 1. 基本思想 假设模型想要知道如何生成一张图像，首先得知道该图像的分布，例如：图像由 4 个像素...
在自然语言处理（NLP）里，中英翻译是个常见的任务。但中文和英文在 语法、词序、表达方式 上差别很大，所以想要让机器做好翻译并不容易。不过，随着大模型技术的发展，这个难题已经比以前简单了很多。 现在，我们可以利用 mT5...
对联是中国传统文化中的一项独特艺术形式，它不仅要求上下句字数相同，还要对仗工整、意义相对。随着人工智能和自然语言处理技术的进步，如何让机器自动生成符合对联规律的文本，变得越来越有趣也越来越可行。接下来，我们将一起探讨如何...
GPT-2（Generative Pre-trained Transformer 2）是 OpenAI 开发的一种基于 Transformer 结构的自回归语言模型。它以无监督学习的方式在大规模文本数据上进行训练，能够生...
近年来，随着大型语言模型（LLM）的发展，基于文本语义的图像检索技术取得了显著进步。这些模型通过理解复杂的自然语言描述，能够更准确地捕捉文本的语义，从而提高检索的精度和效率。 基于文本语义的图像检索是一种利用自然语言描述...
Zero-Shot Learning（零样本学习，ZSL） 是机器学习中的一种技术，指的是模型在没有见过某些类别的训练数据的情况下，仍然能够对这些新类别进行正确的预测。这种能力使得模型能够泛化到未见类别，减少对标注数据的...
对抗生成网络（Generative Adversarial Network）是一种深度学习模型，它通过两个神经网络生成器（Generator）和判别器（Discriminator）之间的对抗过程进行训练。通过这种对抗过程...
本文将从零开始，详细讲解如何使用递归神经网络（RNN/GRU/LSTM）实现文本情感分类。我们将基于 PyTorch 从头构建一个模型，并应用于情感分析任务。内容涵盖数据预处理、构建词汇表、分词器、模型搭建与训练，最终完...
直接微调（全量微调）会更新模型的所有参数，根据特定数据集对模型的权重进行全面优化。这种方式能够充分利用模型的全部参数来适应新任务，理论上可以获得最佳性能，但需要大量的计算资源和时间。 LoRA（Low-Rank Adap...
Qwen2.5-0.5B-Instruct 是阿里云 Qwen 团队开发的 Qwen2.5 系列语言模型中的一个指令微调模型，参数规模为 0.5B，类型为因果语言模型，经过了预训练（Pretraining）和后续训练（P...
AutoAWQ（Automatic Aware Quantization）是一个基于 AWQ（Activation-aware Weight Quantization for LLM） 算法的自动化量化工具，通过智能选择...
Ollama 是一个开源的人工智能平台，它主要用于提供强大的 AI 模型接口，并帮助开发者和团队快速构建、集成和管理 AI 应用。Ollama 通过提供本地化的 AI 模型，可以帮助用户在不依赖外部 API 的情况下运行...
冀公网安备13050302001966号
