发表评论
831 views
发表评论
1724 views
随着 AI 模型的能力提升，人类需要一些更有趣的测试集来刁难他们~
GAIA：466个精心设计的问题和答案
SWE-BENCH：2294 个 GitHub 真实问题
SWE-bench 是一个在现实软件工程（GitHub）环境中评估 LMs 的基准
- 模型的任务是解决提交到流行 GitHub 项目的问题（通常是错误报告或功能请求）
- 每个任务的解决方案都会生成一个 PR，描述要应用于现有代码库的更改
- 最后，使用当前 GitHub 项目的测试框架评估修改后的代码
SWE-ben
发表评论
952 views
发表评论
795 views
广告形式
信息流广告：最传统的互联网广告方式，在2006年由Facebook 首先推出
Feeds流广告：原本是信息流广告的英文叫法，后逐步演变为直播间信息流广告
Feedslive：抖音直播间的一种广告形式，实时直播画面或实时画面+卡片
Banner：网页广告形式，通常以图像或多媒体的形式展示在网页上的特定位置
基础平台
DSP（Demand-Side Platform，需求方平台）：为甲方提供的跨媒介跨平台跨终端广告投放平台
DMP（Data Management Platform，数
发表评论
944 views
1 基本信息
1.1 书籍名称：《深度学习500问》
1.2 撰写作者：众包
1.3 出版日期：在线书籍
1.4 品读时间：2023-11
1.5 整体耗时：约10h
1.6 摘要
本书系统地描述了深度学习的基本理论算法及应用.以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，以帮助自己及有需
发表评论
881 views
第十二章 网络搭建及训练
框架对比：Tensorflow VS Pytorch VS Caffe
第十三章 优化算法
没有免费午餐定理(No Free Lunch，简称NFL)：
- 在所有可能的问题上，没有一个算法的平均性能可以超过任何其他算法
- 没有“免费的午餐”，不可能有一个万能的算法可以在所有问题上都表现最好
- 优化算法本质：寻找和探索更符合数据集和问题
发表评论
904 views
第八章 目标检测
Two Stage 目标检测模型（效果好，但速度相对慢）：
- R-CNN：R-CNN系列的第一代算法，结合了传统的“计算机视觉”知识；将预训练模型（比如CNN）的隐藏层输出作为图像特征，特征输入支持向量机用于预测分类，图像特征+候选边界框输入线性回归模型用于预测真实边界框
- Fast R-CNN：基于R-CNN和SPPnets进行的改进；1. 只对整幅图像进行一次特征提取，避免R-CNN中的冗余特征提取 2. 用RoI pooling（兴趣区域池化）层替换最后一层的max pooling层， 并引
发表评论
768 views
第四章 经典网络
LeNet-5：用于识别手写数字和机器印刷字符的卷积神经网络
- 使用卷积提取空间特征，使用映射的空间均值进行下采样
- 使用 $tanh$ 或 $sigmoid$ 进行非线性映射（LeNet-5最重要的特性）
- MLP 作为最终的分类器；层间的稀疏连接矩阵以避免巨大的计算开销
AlexNet：首个应用于图像分类的深层卷积神经网络
- 在2012年 ILSVRC 图像分类竞赛中以 15.3% 的top-5测试错误率获胜
- 所有卷积层都使用ReLU作为非线性映射函数，使模型
发表评论
871 views
（仅对书中部分内容进行摘录和补充）
第一章 数学基础
理解张量（麻辣烫 x，tensor √）
- 标量（scalar）没有方向，也称为0阶张量（Tensors of rank 0）
- 向量每个分量只由一个基向量构成，也称为1阶张量（Tensors of rank 1）
- 考虑固体物体中某点的受力情况，空间表示需要引入1组（3个）基向量来表示一个向量，受力表示也需要引入1组（3个）基向量来表示第二个向量，共3x3个基向量组合
- 如果想要表示所有的平面与平面上的力的组合，需要9个分量，每个分量有2个下标（index）来表示该分量由哪两
发表评论
1619 views