主页

索引

模块索引

搜索页面

AI相关

AI

• 1. 常用
  • 1.1. 常用
  • 1.2. AIGC
  • 1.3. 机器学习machine learning
  • 1.4. BI(Business Intelligence)
  • 1.5. 深度学习
    • 1.5.1. 常用
    • 1.5.2. 历史
  • 1.6. monitor
  • 1.7. 相关算法
  • 1.8. 工具
  • 1.9. 常见问题
  • 1.10. 机器人领域
• 2. 理论
  • 2.1. 关键定义
    • 2.1.1. 协同过滤（Collaborative Filtering, CF）
    • 2.1.2. MF(Matrix Factorization，矩阵分解)
    • 2.1.3. PMF（Probabilistic Matrix Factorization，概率矩阵分解）
    • 2.1.4. Two-Tower Models（双塔模型）
    • 2.1.5. 通用
    • 2.1.6. Pipeline Parallelism
    • 2.1.7. Tensor Parallesim
    • 2.1.8. 激活函数-Sigmoid
    • 2.1.9. 激活函数-ReLU
    • 2.1.10. 激活函数-Leaky ReLU
    • 2.1.11. 激活函数-Tanh
    • 2.1.12. 激活函数-GELU
    • 2.1.13. 归一化-L1
    • 2.1.14. 归一化-L2
    • 2.1.15. 概率分布-Softmax
    • 2.1.16. 概率分布-logsoftmax
    • 2.1.17. 概率分布-Sparsemax
    • 2.1.18. 损失函数-分类-cross-entropy(交叉熵)
    • 2.1.19. 损失函数-分类-负对数似然损失NLL Loss
    • 2.1.20. 损失函数-分类-对数损失(Log Loss)
    • 2.1.21. 损失函数-分类-KL 散度(KL Loss)
    • 2.1.22. 损失函数-回归-均方误差(MSE)
    • 2.1.23. 损失函数-回归-平均绝对误差(MAE)
    • 2.1.24. 损失函数-回归-Huber 损失
    • 2.1.25. 损失函数-回归-对数余弦损失(Log-Cosh Loss)
    • 2.1.26. 权重衰减(L2正则化)
    • 2.1.27. GD(梯度下降)
    • 2.1.28. SGD随机梯度下降
    • 2.1.29. RMSprop
    • 2.1.30. Adam
    • 2.1.31. AdamW
    • 2.1.32. Momentum
    • 2.1.33. HMM-隐马尔可夫模型
    • 2.1.34. WWM-Whole Word Masking
    • 2.1.35. CRF-条件随机场
    • 2.1.36. ANN(NN)
    • 2.1.37. 深度神经网络(Deep Neural Network, DNN)
    • 2.1.38. 卷积神经网络(Convolutional Neural Network, CNN)
    • 2.1.39. RNN: 循环神经网(Recurrent Neural Network, RNN)
    • 2.1.40. LSTM: 长短时记忆(Long Short Term Memory, LSTM)
    • 2.1.41. 前向/反向传播
    • 2.1.42. Linear Layer
    • 2.1.43. Feedforward Network-前馈网络
    • 2.1.44. LayerNorm(层归一化)
    • 2.1.45. Weight Tying
    • 2.1.46. Greedy Decoding
    • 2.1.47. Image Grounding
    • 2.1.48. Perplexity(PPL)困惑度
    • 2.1.49. Manhattan World(曼哈顿世界)
    • 2.1.50. Hough Transform（霍夫变换）
    • 2.1.51. 极坐标表示法(Polar Coordinate System)
    • 2.1.52. Gaussian Sphere（高斯球）
    • 2.1.53. 边缘方向 Edge Direction
    • 2.1.54. NormalVector法向量
    • 2.1.55. AllReduce
    • 2.1.56. BPE
    • 2.1.57. Embedding 模型
    • 2.1.58. K-Means聚类算法
    • 2.1.59. LLM
    • 2.1.60. 深度学习相关
    • 2.1.61. 其他
    • 2.1.62. 判别式模型vs生成式模型
    • 2.1.63. 欧几里得空间(Euclidean space)
    • 2.1.64. 矢量化计算(Vectorize calculations)
  • 2.2. 临时
    • 2.2.1. ReAct框架
    • 2.2.2. Reflection反思
    • 2.2.3. 数学
    • 2.2.4. bag-of-words
    • 2.2.5. Word2Vec
    • 2.2.6. Doc2Vec
    • 2.2.7. FastText
    • 2.2.8. LDA-Latent Dirichlet Allocation(潜在狄利克雷分配)
    • 2.2.9. overfitting&underfitting
    • 2.2.10. RAG
    • 2.2.11. Agent
    • 2.2.12. LLM
    • 2.2.13. RL-强化学习
    • 2.2.14. Prompt Engineering
    • 2.2.15. LLM调优(finetune)
    • 2.2.16. Workflow
    • 2.2.17. 通用
• 3. 大模型
  • 3.1. 常用
    • 3.1.1. 常用
    • 3.1.2. 依赖安装
    • 3.1.3. 编码-解码器
    • 3.1.4. 使用
    • 3.1.5. 临时
  • 3.2. 著名模型
    • 3.2.1. Qwen3
    • 3.2.2. DeepSeek-R1-推理模型
    • 3.2.3. LLaMA
    • 3.2.4. ChatGLM
    • 3.2.5. BERT
    • 3.2.6. OpenAI
    • 3.2.7. BART
    • 3.2.8. T5
    • 3.2.9. ChatRWKV
    • 3.2.10. Open-Assistant
    • 3.2.11. OpenGVLab
  • 3.3. 调优
  • 3.4. 模型量化(Quantization)
    • 3.4.1. 常用
    • 3.4.2. GGUF 文件
  • 3.5. 文件格式
    • 3.5.1. 通用
    • 3.5.2. GGML系列文件格式
    • 3.5.3. ONNX
      • 常用
      • ONNX
      • onnxruntime
      • skl2onnx
    • 3.5.4. NCNN
  • 3.6. 商业项目
    • 3.6.1. 常用
    • 3.6.2. OpenAI
  • 3.7. Prompt 提示词
    • 3.7.1. 中文
    • 3.7.2. English
    • 3.7.3. 示例
  • 3.8. Android版LLM相关
    • 3.8.1. 常用
    • 3.8.2. Android版部署
    • 3.8.3. GPU
• 4. RAG相关
• 5. NLP
  • 5.1. 常用
  • 5.2. 预处理
    • 5.2.1. 常用
    • 5.2.2. 关键词提取
    • 5.2.3. 分词
    • 5.2.4. 情感分析
    • 5.2.5. 文本表示
    • 5.2.6. 注意力机制
    • 5.2.7. 语言模型
  • 5.3. NER-命名实体识别
    • 5.3.1. 常用
    • 5.3.2. 序列标注
    • 5.3.3. BiLSTM+CRF
    • 5.3.4. 历史
  • 5.4. 总结-摘要
    • 5.4.1. 通用
• 6. 函数库
  • 6.1. 常用
  • 6.2. Image图像处理
  • 6.3. Video视频
  • 6.4. IPython
    • 6.4.1. 常用
    • 6.4.2. 魔法命令
    • 6.4.3. display函数
  • 6.5. Jupyter
  • 6.6. NumPy
    • 6.6.1. 通用
    • 6.6.2. Ndarray 对象
    • 6.6.3. 通用函数
  • 6.7. Pandas
    • 6.7.1. 常用
    • 6.7.2. 实例-subset
    • 6.7.3. 实例-统计分析
    • 6.7.4. 利用pandas实现SQL操作
    • 6.7.5. 实例-缺失值的处理
    • 6.7.6. 多层索引的使用
    • 6.7.7. 实践
      • 实践-2012年奥巴马总统连任选举
    • 6.7.8. API-输入输出
    • 6.7.9. API-General functions
    • 6.7.10. API-Series
    • 6.7.11. API-DataFrame
    • 6.7.12. API-index
  • 6.8. Matplotlib
    • 6.8.1. 基本
    • 6.8.2. 安装
    • 6.8.3. pyplot
    • 6.8.4. matplotlib.patches
    • 6.8.5. 实例
      • 折线图plot
      • 条形图bar
      • 直方图hist
      • 散点图scatter
      • 面积图stackplot
      • 饼图pie
      • 箱型图box
      • 多图合并multi
    • 6.8.6. pylab子包
  • 6.9. SciPy
    • 6.9.1. 常用
  • 6.10. sklearn
    • 6.10.1. 常用
    • 6.10.2. 监督学习
      • 广义线性模型
    • 6.10.3. 无监督学习
  • 6.11. statsmodels
  • 6.12. OpenCV
    • 6.12.1. 常用
    • 6.12.2. 实例
    • 6.12.3. 代码类结构
  • 6.13. Seaborn
    • 6.13.1. 常用
  • 6.14. jieba中文分词
  • 6.15. gensim: 文本主题建模和相似性分析
    • 6.15.1. 常用
    • 6.15.2. Core Tutorials
    • 6.15.3. Tutorials: Learning Oriented Lessons
    • 6.15.4. How-to Guides: Solve a Problem
  • 6.16. LAC-百度词法分析工具
• 7. 学习框架
  • 7.1. 常用
  • 7.2. PyTorch
    • 7.2.1. 常用
    • 7.2.2. nn模块
    • 7.2.3. PyTorch
    • 7.2.4. ExecuTorch
    • 7.2.5. torchrun (Elastic Launch)
  • 7.3. huggingface
    • 7.3.1. 常用
      • Hugging Face Hub
      • Hub Python Library
      • Datasets
      • TGI: Text Generation Inference
      • Evaluate
    • 7.3.2. Transformers
      • Transformers
      • Transformers 4.45.2
    • 7.3.3. Tokenizers
    • 7.3.4. PEFT
      • PEFT
      • PEFT 0.13.0
    • 7.3.5. Accelerate
    • 7.3.6. TRL - Transformer Reinforcement Learning
    • 7.3.7. 收集
      • resources
      • model
      • 博文: decoding methods of LLM with transformers
  • 7.4. vLLM
    • 7.4.1. 常用
    • 7.4.2. vLLM官方文档
  • 7.5. llama.cpp框架
    • 7.5.1. 常用
    • 7.5.2. Python bindings for llama.cpp
  • 7.6. DeepSpeed
    • 7.6.1. huggingface
    • 7.6.2. Zero Redundancy Optimizer (ZeRO)
    • 7.6.3. DeepSpeed
  • 7.7. mxnet库
    • 7.7.1. nd模块
      • ndarray
      • ndarray.random
    • 7.7.2. gluon模块
    • 7.7.3. autograd模块
  • 7.8. tensorflow
  • 7.9. Keras
    • 7.9.1. 常用
    • 7.9.2. 实例
      • 二分类问题
      • 多分类问题
      • 回归问题
  • 7.10. 其他
• 8. 关键网站
  • 8.1. Papers with Code
  • 8.2. Kaggle
  • 8.3. ArXiv 学术论文预印本平台
  • 8.4. 视频相关
  • 8.5. 通用
• 9. 实践
  • 9.1. OCR
    • 9.1.1. 常用
  • 9.2. AIML
    • 9.2.1. 常用
    • 9.2.2. AIML 2.1 Documentation
• 10. 开源项目
  • 10.1. Agent
  • 10.2. RAG
  • 10.3. 常用
  • 10.4. UI界面
  • 10.5. 调优
  • 10.6. 搜索
  • 10.7. LLM Inference Engines
  • 10.8. 模型推理平台
  • 10.9. LLM推理加速
  • 10.10. LLM评估
  • 10.11. AI平台
• 11. 数据集
  • 11.1. 常用
  • 11.2. 中文数据集
  • 11.3. 中文图片相关数据集
  • 11.4. dataset
  • 11.5. 数据集相关网站
• 12. 常见模型
• 13. 图形&计算加速技术
  • 13.1. 常用
  • 13.2. cuda
• 14. Evaluate评测
  • 14.1. 通用
  • 14.2. TruLens
  • 14.3. Ragas
  • 14.4. DeepEval
  • 14.5. UpTrain
  • 14.6. evaluate
• 15. 传统AI

主页

索引

模块索引

搜索页面