模型
0 人感兴趣 · 84 次引用
- 最新
- 推荐
PAI-Diffusion 中文模型全面升级，海量高清艺术大图一键生成
PAI-Diffusion中文模型大幅升级，本文详细介绍PAI-Diffusion中文模型的新功能和新特性。
数据标注，优化模型辅助标注、Label 库管理｜ModelWhale 版本更新
ModelWhale 将编程建模、模型训练、数据＆算力管理等功能深度整合，通过逐级开放的基础设施，与 Jupyter Notebook 交互式、Canvas 低代码拖拽式、CloudIDE 三种即开即用的云分析环境，为研究者团队解决数据安全应用、底层工程繁复、研究成果流转困难等问题。
AI 推理服务平台升级，阿里云机器学习 PAI 推出新规格
随着生成式AI模型不断拓宽AI应用的场景边界，模型在线服务的数量级快速增长，AI推理环节亟需精细化的资源管理。
架构蓝图 -- 软件架构的“4+1”视图模型
企业架构包含业务架构和IT架构两个部分。本文介绍了IT架构设计中的"4+1"视图模型。"4+1"视图模型诞生于上个世纪90年代，至今对我们进行业务架构到IT架构的映射仍然具有指导和借鉴意义。
阿里云 PAI-DeepRec CTR 模型性能优化天池大赛——获奖队伍技术分享
超硬核解题思路快来看看吧！本期邀请“创新大师杯”全球AI极客挑战赛——PAI-DeepRec CTR模型性能优化挑战赛获奖队伍分享解题思路，共同推动实际工业实际场景中点击率预估模型的训练效率的提升。
通用信息抽取技术 UIE 产业案例解析，Prompt 范式落地经验分享！
UIE系列模型已发布UIE、UIE-X、UIE-senta三大模型，凭借其强大的零样本与小样本能力、多任务统一建模能力，成为业界在信息抽取、情感分析等任务上的首选方案。
搜索 EE 场景排序链路升级
EE模块是搜索系统中改善生态、探索商品的重要链路，其目标是缓解数据马太效应导致模型对商品排序丰富性、探索性不足，带来的系统非最优解问题。以下分别从模型迭代、在线实验指标、离线评估体系介绍相应模块的优化。
飞桨特色产业级模型库助力 AI 开发与落地更简单
大家好，今天带来的分享是关于飞桨特色产业级模型库的内容~你在使用开源模型项目时是否也遇到以下问题呢？快来看看飞桨特色产业级模型库如何解决这些问题吧~
模型精度再被提升，统一跨任务小样本学习算法 UPT 给出解法！
UPT（Unified Prompt Tuning）是一种面向多种NLP任务的小样本学习算法，致力于利用多任务学习和预训练增强技术，在仅需要标注极少训练数据的情况下，提升大规模预训练语言模型在多种场景下的模型精度。
声网深度学习时序编码器的资源预测实践丨 Dev for Dev 专栏
随着深度学习技术的发展，编码器的结构在构建神经网络中成为了热门之选，在计算机视觉领域有众多成功案列。
李白：你的模型权重很不错，可惜被我没收了
按照现在的趋势来说，模型越来越大了，大到一张GPU甚至装不下完整的模型，必须得上分布式并行技术，但是分布式代码在很多框架下都是高度定制化的，对于新手来说根本读不懂，也不知道应该怎么使用，导致大家上手非常的困难，让自己珍贵的发际线显得更加珍贵。
五大模型揭秘深度学习用于时序预测的最新进展
近年来，学术界针对时间序列的特点，设计了一系列的深度学习架构模型。本篇文章将介绍 N-BEATS、N-BEATSx、N-HiTS、FEDformer 以及 DeepTiMe 五个最新深度学习架构模型。
【融云出海白皮书免费看】出海洞察之美国的「高线市场模型」
在全球化的大旗下，中国互联网出海经历了不同地区的价值迁徙，完成着在新兴市场如东南亚建立信心后，到成熟市场如美国的进阶。关注【融云全球互联网通信云】查看原文了解更多
EasyCV DataHub 提供多领域视觉数据集下载，助力模型生产
EasyCV汇总了不同领域的常用数据集的介绍和下载地址，方便用户快速下载数据集进行论文指标对齐、模型效果对比、以及实际场景下的模型训练。
逆向工程：揭示 Google Colab 未公开的秘密
Google Colaboratory，简称 “Colab” ，是一个免费的Jupyter notebook云平台。Colab 不仅可以为用户提供 Python 和 R notebooks 的运行环境，而且还允许用户免费共享部分 GPU 和 TPU 资源。
一块 GPU 训练 TB 级推荐模型不是梦，OneEmbedding 性能一骑绝尘
针对现代推荐系统的种种痛点，OneFlow 团队推出了一款高性能、可扩展、灵活度高的推荐系统组件 OneEmbedding。它的使用方式和通用深度学习框架一样简单，性能却远超通用框架，甚至超过了 NVIDIA HugeCTR 这样为推荐场景定制开发的系统。
让预训练语言模型读懂数字：超对称技术发布 10 亿参数 BigBang Transformer [乾元] 金融大规模预训练语言模型
导读：超对称技术公司发布10亿参数金融预训练语言模型BigBang Transformer[乾元]。BBT大模型基于时序-文本跨模态架构，融合训练文本和时序两种模态数据，下游任务准确率较T5同级别模型提升近10%，并大幅提高时序预测的R2 score。跨模态架构能让语言模型识别时
并行计算的量化模型及其在深度学习引擎里的应用
天下武功，唯快不破。怎么更快地训练深度学习模型是业界一直关注的焦点，业界玩家或开发专用硬件，或开发软件框架，各显神通。本文将介绍对深度学习计算效率最关键的一些基本定律，这有助于用户理解深度学习引擎的瓶颈在哪里以及如何解决这些挑战。
机器学习实践：基于支持向量机算法对鸢尾花进行分类
List item使用scikit-learn机器学习包的支持向量机算法，使用全部特征对鸢尾花进行分类。
