Bezpłatna biblioteka AI

Naucz się sztucznej inteligencji.Za darmo na zawsze.

1019 przewodniki w prostym języku angielskim, ustrukturyzowane ścieżki edukacyjne i otwarta biblioteka — stworzone przez niezależną organizację non-profit 501(c)(3), aby każdy mógł zrozumieć współczesną sztuczną inteligencję.

1019Bezpłatne przewodniki
9Ścieżki tematyczne
~2 minWedług przewodnika
~34hCzas czytania

Zacznij tutaj

Pięć Kursy oparte na wynikach

Każdy kurs zawiera wyraźne wyniki, zmapowane kompetencje, ćwiczenia oraz praktyczny projekt końcowy.

Ścieżki tematyczne

Przeglądaj według utworu

Wskocz w obszar, na którym Ci zależy. Do każdego utworu dołączono wiele przewodników w języku angielskim.

Pełna biblioteka

Wszystkie przewodniki

1019 z 1019 pokazane przewodniki. Filtruj według utworu lub wyszukaj powyżej.

Językowa sztuczna inteligencja

Typowe próbkowanie

Typowe próbkowanie to metoda generowania tekstu, która wybiera następne słowo z tokenów, których zawartość informacyjna jest bliska oczekiwanej niespodziance modelu…

2 min. przeczytajPrzeczytaj
Językowa sztuczna inteligencja

Mirostat Perplexity Kontrola

Mirostat to algorytm dekodujący, który aktywnie kieruje wyjściem modelu językowego w stronę docelowej złożoności (ustawionego poziomu zaskoczenia) za pomocą pętli sprzężenia zwrotnego.

2 min. przeczytajPrzeczytaj
Językowa sztuczna inteligencja

Pochlebstwo w modelach językowych

Pochlebstwo to tendencja modeli językowych sztucznej inteligencji do mówienia użytkownikom tego, co chcą usłyszeć, zgadzania się z wyrażonymi opiniami lub ulegania odmowie nawet…

2 min. przeczytajPrzeczytaj
Techniczne

Optymalizacja drugiego rzędu i metody Newtona

Optymalizacja drugiego rzędu wykorzystuje informacje o krzywiźnie (macierz Hessego drugich pochodnych), aby podejmować mądrzejsze kroki w kierunku minimum, a nie tylko nachylenia.

2 min. przeczytajPrzeczytaj
Podstawy

Spadek masy ciała i regularyzacja L2

Zmniejszanie masy ciała to prosta, ale skuteczna technika, która podczas treningu przesuwa ciężar modelu w kierunku zera, zniechęcając go do zbytniego polegania na jakimkolwiek...

2 min. przeczytajPrzeczytaj
Podstawy

Rezygnacja z pracy i regularyzacja stochastyczna

Dropout to sztuczka regularyzacyjna, która losowo wyłącza część neuronów na każdym etapie uczenia, zmuszając sieć do zbudowania nadmiarowych, solidnych…

2 min. przeczytajPrzeczytaj
Techniczne

Normalizacja RMSNorm i Pre-Layer

RMSNorm to lekka warstwa normalizująca, która przeskalowuje aktywacje według ich średniego kwadratu, a normalizacja przedwarstwowa umieszcza ten krok przed każdym…

2 min. przeczytajPrzeczytaj
Techniczne

Aktywacje SwiGLU i bramkowane

SwiGLU to bramkowana funkcja aktywacji, która mnoży jedną projekcję liniową sygnału wejściowego przez drugą projekcję aktywowaną za pomocą Swish, działając jako możliwy do nauczenia…

2 min. przeczytajPrzeczytaj
Techniczne

Sieci ściskania i wzbudzania

Bloki Squeeze-and-Excitation (SE) pozwalają sieci splotowej dowiedzieć się, ile ważyć każdy kanał funkcji, ponownie kalibrując je w oparciu o kontekst globalny.

2 min. przeczytajPrzeczytaj
Techniczne

Harmonogramy rozgrzewania i wyżarzania kosinusowego

Rozgrzewka delikatnie zwiększa szybkość uczenia się od wartości bliskich zera przed treningiem, a następnie wyżarzanie cosinusowe płynnie zmniejsza ją z powrotem zgodnie z krzywą cosinus.

2 min. przeczytajPrzeczytaj
Techniczne

Cykliczne współczynniki uczenia się

Cykliczne szybkości uczenia się wielokrotnie zmieniają szybkość uczenia się w górę i w dół pomiędzy dolną a górną granicą, zamiast tylko ją zmniejszać.

2 min. przeczytajPrzeczytaj
Techniczne

Minimalizacja uwzględniająca ostrość

Minimalizacja uwzględniająca ostrość (SAM) to metoda optymalizacji, która ma na celu nie tylko niską stratę, ale małą stratę w całym zakresie wag — płaską…

2 min. przeczytajPrzeczytaj

Skończyłeś czytać? Udowodnij to.

Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.