模型

根据给定输入创建 3D 内容（例如，根据文本提示、图像或 3D 形状）在计算机视觉和图形领域具有重要应用。然而这个问题是具有挑战性的，现实中通常需要专业艺术家（Technical …

在消费级 GPU 上运行大规模模型是机器学习社区正面临的挑战。 语言模型的规模一直在变大，PaLM 有 540B 参数，OPT、GPT-3 和 BLOOM 有大约 176B 参数，…

我们知道，基于分数的模型和去噪扩散概率模型（DDPM）是两类强大的生成模型，它们通过反转扩散过程来产生样本。这两类模型已经在 Yang Song 等研究者的论文《Score-bas…

麻省理工人工智能实验室的研究人员发表了一篇新论文，旨在谴责在某些场景下使用选择性回归，因为这种技术会降低数据集中代表性不足的群体模型的整体性能。 这些代表性不足的群体往往是女性和有…

​根据Appen本周发布的《人工智能和机器学习状况》报告，各机构仍在努力获取良好、干净的数据，以维持其人工智能和机器学习计划。 根据Appen对504名商业领袖和技术专家的调查，在…

预训练网络通常是在大量数据集上进行训练的大型深度神经网络，迁移学习的优势在于预训练网络已经学会识别数据中的大量模式。这使得学习新任务更快更容易，因为网络已经做了很多基础工作。 迁移…

本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。 明明是只斑马，AI为什么说它是一条狗？ 分类模型在归类图像时有时会错误地判断类别。 经过学习的AI，还…

译者 | 朱先忠 审校 | 孙淑娟 引言 模型超参数（或模型设置）的优化可能是训练机器学习算法中最重要的一步，因为它可以找到最小化模型损失函数的最佳参数。这一步…

不知不觉间，大模型+小样本成为了小样本学习领域的主流打法，在许多的任务背景下，一套通用的思路是先标注小数据样本，再从预训练大模型的基础上使用小数据样本进行训练。尽管如我们所见，大模…

机器学习或深度学习模型的训练的目标是成为“通用”模型。这就需要模型没有过度拟合训练数据集，或者换句话说，我们的模型对看不见的数据有很好的了解。数据增强也是避免过度拟合的众多方法之一…

在Ian Goodfellow和其他研究人员在一篇论文中介绍生成对抗网络两年后，Yann LeCun称对抗训练是“过去十年里ML最有趣的想法”。尽管GANs很有趣，也很有前途，但它…

近年来，基于深度学习的模型在目标检测和图像识别等任务中表现出色。像ImageNet这样具有挑战性的图像分类数据集，包含1000种不同的对象分类，现在一些模型已经超过了人类水平上。但…