从这里开始
从这里开始
五 成果导向课程
每门课程都包含明确的成果、能力规划、实践活动和应用毕业设计。
主题曲目
按曲目浏览
跳入您关心的领域。每条赛道都有多个简单的英文指南。
- 134 指南基础知识核心概念：人工智能如何在高层次上工作。探索
- 272 指南语言人工智能LLM、NLP、ChatGPT、提示和文本理解。探索
- 298 指南视觉人工智能图像生成、计算机视觉、视频和设计。探索
- 188 指南音频人工智能语音、音乐、播客和音频优先的人工智能。探索
- 145 指南公司OpenAI、Anthropic、Google、Meta 等的配置文件。探索
- 761 指南应用领域人工智能如何出现在编码、搜索、代理和日常生活中。探索
- 244 指南行业医疗保健、金融、教育、能源等领域的人工智能。探索
- 536 指南技术的芯片、微调、RAG、向量和人工智能基础设施。探索
- 422 指南社会偏见、隐私、版权、安全和人工智能的未来。探索
全库
技术的
536 的 3000 显示指南。按曲目过滤或在上方搜索。
- 技术的注意力推出和头部修剪注意力推出是一种跟踪信息如何流经 Transformer 堆叠注意力层的方法，以解释哪些输入标记影响……2 最小阅读量阅读
- 技术的二阶优化和牛顿法二阶优化使用曲率信息（二阶导数的 Hessian 矩阵）来采取更智能的步骤来达到最小值，而不仅仅是斜率。2 最小阅读量阅读
- 技术的RMSNorm 和预层标准化RMSNorm 是一个轻量级归一化层，它通过均方根重新调整激活值，预层归一化将该步骤放在每个……之前2 最小阅读量阅读
- 技术的SwiGLU 和门控激活SwiGLU 是一种在 Transformer 前馈层中使用的门控激活函数：输入被投影两次，其中一个副本通过 Swish 函数……8 最小阅读量阅读
- 技术的挤压和激励网络挤压与激励（SE）模块是卷积神经网络的一种小型附加组件，它汇总了整张图像中每个特征通道的信息，然后……9 最小阅读量阅读
- 技术的预热和余弦退火时间表热身在训练前将学习率从接近于零的位置轻轻地提高，然后余弦退火沿着余弦曲线将学习率平滑地衰减回来。2 最小阅读量阅读
- 技术的周期性学习率循环学习率在下限和上限之间反复循环学习率，而不是仅仅衰减它。2 最小阅读量阅读
- 技术的锐度感知最小化锐度感知最小化（SAM）是一种优化方法，它不仅寻求低损失，而且寻求整个权重邻域的低损失——平坦……2 最小阅读量阅读
- 技术的线性探测和冻结特征评估线性探测通过冻结网络并仅在顶部训练一个简单的线性分类器来测试预训练模型的内部表示的好坏。2 最小阅读量阅读
- 技术的DenseNet 和密集连接DenseNet 是一种卷积网络，每一层都会接收所有前面层的特征图作为输入。免费通俗英文指南。2 最小阅读量阅读
- 技术的瓶颈架构瓶颈架构将数据压缩通过狭窄的中间层，然后再次扩展，迫使网络学习紧凑、高效……2 最小阅读量阅读
- 技术的梯度累积梯度累积可让您在更新之前对几个小批量的梯度求和，从而在有限的 GPU 内存上模拟大批量大小……2 最小阅读量阅读