新闻中心 
-
01-22用示例演示如何理解二进制类的混淆矩阵混淆矩阵是一种评估模式，帮助机器学习工程师更了解模型性能。本文以一个二元类不平衡数据集为例，测试集由60个正类样本和40个负类样本组成，用于评估机器学习模型。二...
-
01-22少样本学习（FSL）的定义及实际应用少样本学习（FSL），也称为低样本学习（LSL），是一种机器学习方法，其特征是使用有限数据集来训练。机器学习常见做法是尽可能提供大量数据来训练模型，因为数据量越...
-
01-22GPT模型是如何遵循提示和指导的？GPT（GenerativePre-trainedTransformer）是一种基于Transformer模型的预训练语言模型，其主要目的是生成自然语言文本。在...
-
01-22使用卷积神经网络实现图像风格迁移的示例代码基于卷积神经网络的图像风格迁移是一种将图像的内容与风格结合生成新图像的技术。它利用卷积神经网络（CNN）将图像转换为风格特征向量的模型。本文将从以下三个方面对此...
-
01-17ReSimAD：如何通过虚拟数据提升感知模型的泛化性能写在前面&笔者的个人理解自动驾驶车辆传感器层面的域变化是很普遍的现象，例如在不同场景和位置的自动驾驶车辆，处在不同光照、天气条件下的自动驾驶车辆，搭载了...
-
01-17浅析 LLM 可观测性大家好，我是Luga。今天我们继续探讨人工智能生态领域中与技术相关的主题——LLM（大型语言模型）的可观测性。本文将继续深入分析LLM的可观测性，以帮助大家了解...
