挑战CUDA霸权：AMD显卡能否成为深度学习的平替首选？
面对英伟达显卡价格高昂且货源紧缺的现状，社区发起了关于利用AMD显卡进行深度学习模型训练的讨论。文章汇总了Bilibili及知乎上的实操案例，探讨了在非CUDA环境下运行PyTorch的可行性与具体方案。这一趋势不仅反映了开发者对降低算力成...
标签索引 / 第 6 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
大模型微调全攻略：从LoRA优化到RLHF对齐的硬核实战图谱
本资源整理了一套大模型（LLM）微调全流程实战课程，内容涵盖Transformer底层原理、LoRA/QLoRA高效微调算法，以及Flash Attention和模型量化等性能优化技术。课程还深入探讨了分布式训练与RLHF人类反馈强化学习，...
深度解析国际象棋引擎的“怪异”训练法：LLM研究者的宝贵启示
本文探讨了现代国际象棋引擎（如lc0）采用的非常规训练技术，揭示了其与大模型（LLM）研究的深刻联系。文章指出，一旦具备强大搜索能力的引擎存在，昂贵的强化学习（RL）训练可被“蒸馏”替代，验证了搜索算力的极高价值。更具启发的是，利用SPSA...
给Transformer浇冷水：AI大模型的“思考”或仅为统计学假象
本文回顾了AI从AlphaGo到GPT-3.5再到DeepSeek-R1的演进历程，指出强化学习虽提升了模型可用性，但也带来了“走捷径”等缺陷。作者认为，当前所谓“思考模型”的突破本质上是通过消耗更多Token来提高概率匹配的准确性，而非真...
【硬核资源】深度学习全栈实战：医学影像处理、图像分割与Django部署教程
本文分享了一份极具实用价值的深度学习项目课程资源，专注于解决医学影像处理与图像分割的实际问题。课程内容详实，涵盖了从SimpleITK库读取NIfTI文件、医学图像预处理与特征提取，到核心Unet模型训练与预测的完整AI算法流程。此外，课程...
用动画详解Lance：专为AI大模型与自动驾驶打造的新一代数据格式
Lance 是一种专为人工智能和机器学习工作流程设计的开源数据格式，旨在解决传统格式（如 Parquet）在处理海量非结构化数据时的性能瓶颈。该文章通过简洁的动画演示，生动展示了 Lance 如何利用列式存储和复杂的索引技术，实现对大规模数...
程序员深度自省：过度依赖AI与短视频，正在摧毁大脑“注意力机制”
一位开发者近日感叹自身专注力与逻辑思维能力出现断崖式下跌，并尝试用Transformer深度学习原理形象地解释了这一现象。他指出，短视频等碎片化信息强行压缩了大脑的上下文窗口，导致处理复杂逻辑时频繁“上下文丢失”；同时，过度依赖AI写代码使...
致敬丹尼尔·卡尼曼：2025年视角下的心理学遗产与科技启示
本文是对诺贝尔奖得主、著名心理学家丹尼尔·卡尼曼的深度回顾与纪念。文章重点探讨了卡尼曼在行为经济学和判断决策领域的开创性贡献，特别是关于“系统1（快思考）”与“系统2（慢思考）”的双系统理论。在2025年的当下，随着人工智能特别是大模型的爆...
拒绝枯燥理论：这个交互式可视化让你秒懂神经网络原理
本文介绍了一个旨在帮助初学者直观理解神经网络工作原理的交互式可视化项目。作者通过“识别手写数字”这一经典案例，生动演示了数据如何从输入层经过权重计算、激活函数判断，最终在输出层给出预测的全过程。该项目将复杂的数学运算转化为可视化的逻辑流，有...
探索超网络：利用贝叶斯思维解决层级数据的建模难题
本文探讨了“超网络”在处理层级结构数据（如跨医院临床试验）中的应用价值。作者指出，单一模型难以捕捉数据的过度离散，而简单拆分数据会导致样本不足，超网络能够实现类似贝叶斯模型的“部分池化”效果。然而，社区讨论对此提出质疑，认为标准神经网络配合...