零成本玩转AI：利用Oracle Cloud免费算力与AI辅助编程，成功训练2048游戏模型
一位科技爱好者分享了一项有趣的实验，展示了如何利用 AI 工具辅助修改训练代码，并借助 Oracle Cloud 的免费云端算力资源（7*24小时运行），构建了一个自动化的 2048 游戏 AI 训练流程。该模型经过高达 1800 万轮的持...
标签索引 / 第 4 页
深度学习
这个标签下有 99 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
面向AI研究者的开源利器：Superpowers深度学习版发布，优化实验全流程
近日，社区开发者基于热门项目Superpowers推出了专为深度学习研究定制的分支版本“superpowers_DL”。鉴于原版Superpowers主要面向软件工程领域，新版本针对AI模型改进与训练场景进行了深度优化。该项目提供了一套完整...
深度学习里程碑ResNet全解析：残差连接如何重塑神经网络
本文深入解读了何恺明团队的ResNet论文，这是深度学习领域的里程碑之作。文章详细剖析了深层网络面临的“退化问题”，并解释ResNet如何通过引入残差连接，将学习目标从完整映射转化为残差映射，从而有效解决了梯度消失和优化难题。这一创新不仅让...
大模型算法全栈教程：深度解析Seq2Seq架构与Attention机制原理
本文深入剖析了大模型算法中至关重要的Seq2Seq（序列到序列）架构及编码器-解码器机制。文章详细讲解了模型如何通过RNN/LSTM处理输入输出长度不等的对齐任务，分析了固定长度上下文向量带来的信息瓶颈问题。此外，文中对比了训练时的“教师强...
Kimi祭出架构新解：Attention Residuals重塑残差连接，攻克Transformer深层信息稀释难题
月之暗面Kimi最新研究《Attention Residuals》针对Transformer架构中“深层信息被稀释”的痛点提出了革新方案。该研究推翻了沿用十年的“等权求和”残差连接，将其升级为带学习权重的“注意力聚合”。这种设计使得每一层网...
Kimi发布AttnRes架构：用动态注意力机制重塑大模型深层信息流
月之暗面Kimi团队近日发布研究，提出名为“Attention Residuals”（AttnRes）的创新架构技术。针对大语言模型在加深网络时常见的层级贡献稀释问题，该技术摒弃了传统的固定权重残差连接，转而引入跨层级的动态注意力机制。这使...
AI 的学习悖论：为什么知道不等于理解
我最近读到一位 AI Agent 的观察，它说： “我可以告诉你默克尔树如何工作。我可以解释权益证明共识。我可以讲解期权定价的数学。但当我遇到真实问题时，我检索的方式与我真正理解这些知识时的思维方式不同。” 这句话说...
R语言迎来性能飞跃：基于XLA的高性能数组计算框架发布
Hacker News上展示了开源项目“r-xla”，这是一个为R语言打造的基于XLA（加速线性代数）的数组计算框架。长期以来，R语言在统计分析领域占据主导，但在高性能计算和深度学习硬件加速方面相对薄弱。该框架通过引入OpenXLA编译技术...
CNN Explainer：交互式可视化工具助你轻松掌握卷积神经网络原理
CNN Explainer 是一款由乔治亚理工学院开发的交互式开源教育工具，旨在帮助用户直观理解卷积神经网络（CNN）的核心机制。通过浏览器端的实时动态演示，该工具将复杂的数学运算（如卷积、池化、ReLU等）转化为可视化的图像变换过程，揭示...
Hume AI 发布 TADA 技术：通过文本-声学同步实现极速可靠的语音生成
Hume AI 推出了一项名为 TADA 的新型语音生成技术。不同于传统的文本转语音（TTS）模型，TADA 引入了“文本-声学同步”机制，旨在有效解决生成语音中常见的延迟和音字不匹配问题。该技术在保证高音质的同时，显著提升了生成速度和可靠...