Публикации по теме 'artificial-intelligence'
Создайте приложение для написания кода AI с помощью ChatGPT: пошаговое руководство для начинающих
Предпосылки
Прежде чем мы начнем, вам необходимо иметь следующее:
Python 3.6 или выше Джанго 3.2 или выше Пакет openai Python (его можно установить с помощью pip install openai ) API-ключ для ChatGPT API (можно получить на https://beta.openai.com/docs/quickstart ) Возвышенный текст Гит Баш
Шаг 1. Настройте проект Django.
Сначала мы создадим новый проект и приложение Django: в Git Bash перейдите в каталог, в котором вы хотите сохранить все файлы, и выполните..
Как ведут себя вариационные квантовые алгоритмы, часть 1 (квантовые вычисления)
Исследование теории возмущений с помощью вариационного квантового алгоритма (arXiv)
Автор: Х. Давуди Егане
Аннотация: Вариационные квантовые алгоритмы являются одними из наиболее многообещающих систем для реализации квантовых вычислений в рамках технологии Noisy-Intermediate Scale Quantum (NISQ). В вариационном квантовом алгоритме волновая функция, представленная параметризованным анзацем, и вариационные параметры обновляются итеративно с помощью классического компьютера на..
Топ-5 тенденций ИИ в автомобильной промышленности в 2022 году
"Искусственный интеллект"
Топ-5 тенденций ИИ в автомобильной промышленности в 2022 году
Ведущие технологии искусственного интеллекта, влияющие на архитектуру автомобиля
Данные являются важным компонентом машинного обучения
Данные становятся все более влиятельными с каждым днем. Это связано с тем, что алгоритмы машинного обучения становятся все более и более мощными для изучения и анализа данных и повышения ценности предприятия. Данные — это новая логика, если их правильно и..
Последние обновления в части 8 генерации графа сцены (машинное обучение)
SrTR: самообучающийся преобразователь с визуально-лингвистическими знаниями для создания графа сцены (arXiv)
Автор: Юйсян Чжан , Чжэньбо Лю , Шуай Ван .
Аннотация: Объекты в сцене не всегда связаны между собой. Эффективность выполнения одноэтапных подходов к генерации графа сцены довольно высока, что позволяет вывести эффективную связь между парами сущностей с использованием разреженных наборов предложений и нескольких запросов. Однако они фокусируются только на отношении между..
Введение в обучение с подкреплением. Часть 4. Двойной DQN и дуэльный DQN.
Двойной DQN и Дуэльный DQN
В части 3 мы увидели, как работает алгоритм DQN и как с его помощью можно научиться решать сложные задачи. В этой части мы увидим два алгоритма, улучшающих DQN. Они называются Double DQN и Dueling DQN . Но сначала давайте познакомимся с некоторыми терминами, которые мы до сих пор игнорировали.
Все алгоритмы обучения с подкреплением (RL) можно разделить на несколько семейств. Первый зависит от того, изучает ли алгоритм и / или использует ли он динамику..
Стабильная диффузия с помощью Hugging Face
Используйте меню Runtime вверху и выберите от Change runtime type до GPU .
!nvidia-smi
!pip install diffusers==0.8.0
!pip install transformers scipy ftfy
!pip install "ipywidgets>=7,<8"
!pip install accelerate
Необязательно
Поскольку Google Colab отключил внешние виджеты, необходимо включить их явно. Запустите следующую ячейку, чтобы иметь возможность использовать notebook_login
from google.colab import output
output.enable_custom_widget_manager()
from..
Как работают молекулярные сети часть 2
Траекторная интерпретация доказательства Мозером неравенства Гарнака (arXiv)
Автор: Лукас Нибель , Рико Захер
Аннотация: В 1971 году Мозер опубликовал упрощенную версию своего доказательства параболического неравенства Харнака. Основным новым ингредиентом является фундаментальная лемма Бомбьери и p∞1 Джусти, которая объединяет L − L -оценку со слабой L -оценкой для логарифма сверхрешений. В этой заметке мы даем новое доказательство этой слабой L1-оценки. В представленном..
Новые материалы
Как развивается смешанно-целочисленное программирование, часть 7
Унифицированная техника раннего завершения для первично-двойственных алгоритмов в смешанно-целочисленном коническом программировании (arXiv)
Автор : Ювэнь Чэнь , Кэтрин Нин , Поль Гулар..
Как научить модель Keras распознавать текст переменной длины
Я некоторое время играл с официальным примером Keras image_ocr.py и хочу поделиться своими выводами в этом посте.
В официальном примере выполняется только обучение модели, но отсутствует..
Практическая пакетная нормализация
История начинается после использования инициализации He вместе с ELU (или любым вариантом ReLU) может значительно снизить опасность проблем с исчезающими/взрывающимися градиентами в начале..
Поэзия онлайн-кодирования: путешествие пикселей и страсти
В мире, наполненном инновациями, онлайн-обучение программированию становится холстом, на котором обретает форму полотно вашей мечты. Это больше, чем просто создание строк кода; это сродни..
Обработка изображений с помощью Python - размытие и повышение резкости для начинающих
Как применить ядра свертки к цветным изображениям?
В этой статье мы обсудим, как применять ядра размытия и повышения резкости к изображениям. Эти базовые ядра составляют основу многих более..
Ограничение скорости в .NET Core 7 Web API
Что такое ограничение скорости?
Ограничение скорости — это процесс, используемый для ограничения количества запросов, разрешенных для определенного ресурса в указанном временном окне. .NET..
Стабильная Diffusion 1.0 выдаёт более красивые картинки, чем SD 2.1?! Почему?
Удивительные открытия, которые я сделал недавно. Смотрите в видео: https://youtu.be/PakgD6FewoU
Есть одно логичное объяснение — что у вас?