人工智能技术文章
-
- Hugging Face Datasets set_transform 怎样按需生成样本字段
- Hugging Face Datasets 的 set_transform 可以在索引或切片取样时按需生成模型输入和派生字段。本文说明 columns、output_all_columns、reset_format 与 with_transform 的边界,并给出保留原始列和生成 tokenizer 字段的原创示例。
- 科技周边 · 人工智能 | 1天前 | python · 数据处理 · 人工智能 · 数据集 dataset Hugging Face Datasets set_transform 模型输入 258浏览 收藏
-
- Transformers AutoConfig 怎样在加载模型前查看配置
- Transformers 的 AutoConfig.from_pretrained 可以在加载模型权重前读取配置对象。本文用一个窄而实用的流程说明如何查看 model_type、hidden_size、num_hidden_layers 和 max_position_embeddings,怎样覆盖配置字段,以及如何用 return_unused_kwargs 识别拼写或边界错误。
- 科技周边 · 人工智能 | 1天前 | 人工智能 · Transformers AutoConfig from_pretrained 模型配置 不加载权重 132浏览 收藏
-
- Transformers generate 怎样限制重复 n-gram
- 介绍 Transformers generate 中 no_repeat_ngram_size 的工作边界、最小配置和取值思路,解释 token 级 n-gram 约束与 repetition_penalty 的区别,并给出短文本、术语密集文本和 encoder-decoder 场景的落地清单。
- 科技周边 · 人工智能 | 1天前 | 人工智能 · 文本生成 Transformers generate no_repeat_ngram_size n-gram 202浏览 收藏
-
- Transformers BatchEncoding 怎样读取溢出序列映射
- 说明 Transformers BatchEncoding 的 overflow_to_sample_mapping 如何关联分块与原批样本,给出 truncation、stride 和业务文档 ID 的处理示例,并澄清分块编号与样本下标的区别。
- 科技周边 · 人工智能 | 1天前 | 309浏览 收藏
-
- Transformers Trainer 怎样从 checkpoint 继续训练
- Transformers Trainer 继续训练时,不能只加载模型权重,而要把完整 checkpoint 交给 train(resume_from_checkpoint=...)。本文说明优化器、调度器、global_step、检查点目录和 ignore_data_skip 的关系,并给出显式路径与自动寻找最近检查点的写法。
- 科技周边 · 人工智能 | 1天前 | 人工智能 · Transformers checkpoint Trainer resume_from_checkpoint 继续训练 优化器状态 258浏览 收藏
-
- Hugging Face Accelerate PartialState 怎样获取当前进程和设备
- 只需要读取分布式脚本的当前设备、全局进程编号、本机进程编号和进程总数时,可以直接使用 Hugging Face Accelerate 的 PartialState。本文用一个最小示例拆开四个属性的区别,并说明主进程输出与多机逻辑的写法。
- 科技周边 · 人工智能 | 1天前 | Hugging Face device 分布式训练 Accelerate PartialState process_index 389浏览 收藏
-
- PyTorch torch.is_grad_enabled 怎样读取当前线程的梯度开关状态
- torch.is_grad_enabled() 用于读取当前执行上下文是否开启梯度记录。本文用最小示例说明它在默认模式、no_grad 和 enable_grad 中的变化,并区分它与 requires_grad、model.eval()、inference_mode 的职责。
- 科技周边 · 人工智能 | 2天前 | 人工智能 · PyTorch autograd torch.is_grad_enabled 梯度模式 346浏览 收藏
-
- PyTorch Tensor.storage_offset 怎样读取张量视图的存储起始偏移
- 用切片和转置示例说明 PyTorch Tensor.storage_offset() 的读取方式,解释返回值是底层 storage 的元素偏移而非字节数,并把 storage_offset、stride、numel 与 contiguous() 放在同一套布局排查方法中。
- 科技周边 · 人工智能 | 2天前 | 人工智能 · PyTorch Tensor.storage_offset storage_offset Tensor View 张量布局 316浏览 收藏
-
- Transformers BaseModelOutput.hidden_states 怎样区分各层隐藏状态与最后一层输出
- 区分 Transformers BaseModelOutput 的 hidden_states 层集合与 last_hidden_state 最终特征,说明开启方式、嵌入输出索引和张量形状,并提醒跨模型不保证二者末项恒等。
- 科技周边 · 人工智能 | 2天前 | 429浏览 收藏
-
- Transformers BatchEncoding.sequence_ids 怎样区分双句编码中的词元来源
- Transformers 的 BatchEncoding.sequence_ids 可以把双句编码中的词元映射回来源序列:特殊词元为 None,第一句为 0,第二句为 1。本文说明 Fast tokenizer、批量下标、padding 以及它和 token_type_ids 的边界。
- 科技周边 · 人工智能 | 2天前 | python · 人工智能 · Transformers tokenizer BatchEncoding sequence_ids 双句编码 词元来源 283浏览 收藏
-
- Hugging Face ClassLabel.str2int 怎样把类别名称映射为标签编号
- 用 Hugging Face Datasets 的 ClassLabel.str2int 把类别名称转换成整数标签,说明 names 顺序、单值与批量返回、空白和数字字符串处理,以及非法标签的边界。
- 科技周边 · 人工智能 | 2天前 | 人工智能 · Hugging Face Datasets ClassLabel str2int 标签编码 222浏览 收藏
-
- PyTorch torch.is_inference_mode_enabled 怎样判断当前是否启用了推理模式
- 用局部上下文和预测入口示例说明 PyTorch 推理模式查询,解释布尔返回、线程局部性,并区分梯度开关、模型训练标记与推理状态。
- 科技周边 · 人工智能 | 2天前 | PyTorch inference_mode is_inference_mode_enabled 249浏览 收藏
-
- PyTorch Tensor.is_contiguous 怎样检查张量在指定内存格式下是否连续
- PyTorch Tensor.is_contiguous() 默认检查 contiguous_format,也可以传入 channels_last 等 memory_format。本文用 shape、stride 和对照代码说明怎样判断布局,以及尺寸为 1 时的边界。
- 科技周边 · 人工智能 | 2天前 | 人工智能 · PyTorch Tensor.is_contiguous memory_format 170浏览 收藏
-
- Transformers ModelOutput.to_tuple 怎样把非空模型输出字段转换为元组
- 说明 Transformers ModelOutput.to_tuple 如何按字段声明顺序收集非 None 值,给出模型输出转元组的写法,并解释可选字段、位置错位和 return_dict=False 的边界。
- 科技周边 · 人工智能 | 2天前 | python · 人工智能 · Transformers ModelOutput to_tuple 模型输出 192浏览 收藏
-
- Transformers BatchEncoding.word_ids 怎样关联子词与原始单词位置
- 介绍 BatchEncoding.word_ids 如何把 token 关联到原词位置,提供 fast tokenizer 批次示例和首子词标签对齐写法,并解释 None、填充、截断与句对的限制。
- 科技周边 · 人工智能 | 2天前 | 人工智能 · Transformers word_ids BatchEncoding 子词对齐 462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。
- 1149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。
- 1136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。
- 1313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。
- 1252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。
- 1106次使用

