人工智能技术文章
-
- JiWER 怎样让参考文本与识别文本使用相同正规化规则
- JiWER 计算语音识别误差时，参考文本与识别文本必须经过相同的正规化规则。本文用 Compose 组合清理与替换步骤，并将同一个变换对象同时传给两侧，说明 WER、CER 和自定义词替换的写法。
- 科技周边 · 人工智能 | 1星期前 | 413浏览 收藏
-
- JiWER 怎样输出语音识别结果的逐词对齐
- JiWER 不只返回 WER 数字，还能通过 process_words 得到逐句的 AlignmentChunk 对齐对象。本文说明 WordOutput.alignments 的结构、四类词位操作、四个索引字段，以及如何用 visualize_alignment 输出可读的对齐文本。
- 科技周边 · 人工智能 | 1星期前 | python · 人工智能 · 语音识别 JiWER process_words AlignmentChunk 逐词对齐 WER 392浏览 收藏
-
- SHAP Explanation 怎样区分样本特征与输出维度
- SHAP Explanation 的 values 形状需要结合样本、特征和模型输出一起读取。本文用单输出与多输出示例说明 shape、feature_names、output_names 的对应关系，以及如何按样本和输出安全切片。
- 科技周边 · 人工智能 | 1星期前 | python · 人工智能 · SHAP shap.Explanation output_names feature_names 多输出模型 438浏览 收藏
-
- SHAP Explainer 怎样为表格模型提供背景数据
- SHAP Explainer 可以用 NumPy 数组或 pandas DataFrame 作为表格背景数据。本文比较 Independent 与 Partition 的遮罩假设，说明 max_samples、特征相关性和字段一致性如何影响解释基线，并给出可直接改造的初始化代码。
- 科技周边 · 人工智能 | 1星期前 | 455浏览 收藏
-
- Captum SmoothGrad 与 SmoothGradSquared 有什么区别
- Captum NoiseTunnel 的 SmoothGrad 与 SmoothGradSquared 都会对加噪输入重复计算归因，但前者聚合原始归因均值，后者聚合平方后的归因均值。本文用公式、代码和选型表说明符号、强度与参数边界。
- 科技周边 · 人工智能 | 1星期前 | 450浏览 收藏
-
- Captum NoiseTunnel 怎样用多次加噪平滑归因
- 通过固定权重示例说明Captum NoiseTunnel如何包装Saliency完成多次加噪归因，介绍采样数、噪声幅度、分批处理，以及解释服务的资源限制与配置记录。
- 科技周边 · 人工智能 | 1星期前 | 500浏览 收藏
-
- Captum Saliency 的 abs 参数怎样改变梯度含义
- Captum Saliency 的 abs 默认会把输入梯度取绝对值。本文用固定线性分类器对比 abs=True 与 abs=False，说明方向、幅度、target 和输入形状各自代表什么，以及如何避免把梯度误当成概率或因果结论。
- 科技周边 · 人工智能 | 1星期前 | 303浏览 收藏
-
- Captum Saliency 怎样为多分类模型指定目标输出
- Captum Saliency 对多分类输出需指定归因目标。本文用线性三分类模型演示统一类别与逐样本 target，说明梯度形状、abs 参数及真实模型接入条件。
- 科技周边 · 人工智能 | 1星期前 | 385浏览 收藏
-
- Captum 的 convergence delta 怎样帮助判断积分近似误差
- Captum IntegratedGradients 返回的 convergence delta 是完整性差值的逐样本近似误差信号。本文说明它比较什么、如何读取，以及怎样结合 n_steps 和 method 做有边界的判断。
- 科技周边 · 人工智能 | 1星期前 | 399浏览 收藏
-
- Captum IntegratedGradients 怎样选择输入基线
- Captum IntegratedGradients 的 baseline 决定解释从哪里出发。本文按图像、表格、多输入和文本场景说明基线选择、参数对齐与 convergence delta 复盘方法。
- 科技周边 · 人工智能 | 1星期前 | PyTorch Baseline Captum IntegratedGradients 284浏览 收藏
-
- PEFT 怎样分别启用和停用模型中的 LoRA 层
- PEFT 中启用和停用 LoRA，关键是区分临时禁用全部适配器、按名称切换活动适配器，以及永久卸载模块。本文用 PeftModel 和 Transformers 两种接口说明调用边界，并给出状态检查清单。
- 科技周边 · 人工智能 | 1星期前 | 483浏览 收藏
-
- PEFT 怎样在合并适配器后恢复基础模型接口
- PEFT通过merge_and_unload返回保留适配器效果的普通模型。文章说明返回值使用、完整导出、可撤销合并，以及恢复接口与还原原始权重的区别。
- 科技周边 · 人工智能 | 1星期前 | LoRa PEFT merge_and_unload 185浏览 收藏
-
- Hugging Face Tokenizers 怎样为句对配置后处理模板
- 用 TemplateProcessing 为 Hugging Face Tokenizers 配置 single 与 pair 模板，说明 $A、$B、special_tokens 和 type_id 的对应关系，并整理句对长度与常见配置错误。
- 科技周边 · 人工智能 | 1星期前 | 420浏览 收藏
-
- Hugging Face Tokenizers 怎样组合多个文本正规化器
- 用 tokenizers.normalizers.Sequence 按顺序组合 NFD、Lowercase、StripAccents 等正规化器，说明如何挂到 Tokenizer、观察结果并保留对齐信息。
- 科技周边 · 人工智能 | 1星期前 | 415浏览 收藏
-
- Sentence Transformers 怎样用 CrossEncoder 对候选文档重排
- 用CrossEncoder重排候选文档，保留corpus_id与业务ID映射，并区分召回缺失、分数含义、语言不匹配和长文本截断问题。
- 科技周边 · 人工智能 | 1星期前 | ai · CrossEncoder Sentence Transformers 文档重排 224浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。
- 485次学习
-
- Golang深入理解GPM模型
- Golang深入理解GPM调度器模型及全场景分析，希望您看完这套视频有所收获；包括调度器的由来和分析、GMP模型简介、以及11个场景总结。
- 474次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集，涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用，助力提升NLP模型性能。
- 924次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台，提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能，助您快速选择最适合项目的高性能大语言模型。
- 931次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制，用户可对比不同大模型回答并生成实时排行榜，助力开发者优化模型及用户选择最佳AI工具。
- 1030次使用
-
- HELM
- 深入了解斯坦福推出的HELM（Holistic Evaluation of Language Models）大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景，涵盖准确性、公平性、鲁棒性等多维度指标，助力开发者全面优化语言模型性能。
- 1009次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台，提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景，助力开发者全面评估多模态模型性能。
- 840次使用
