Infinite learning Learn Explore Progress

注意力机制(一)|Attention

一、 动物的注意力 动物需要在复杂环境下有效关注值得注意的点。 心理学框架:人类根据随意线索(主观)和不随意(客观)线索选择注意点。 当我们走进一个拥挤的街道时,四周有很多人、车、广告牌、商店等各式各样的东西。我们的视野很广,但并不是所有的信息都能同时被注意到。假设你正准备去某家餐厅吃饭,在这个场景

Berlin Berlin 发布于 2025-03-30

python中导入图片让 ChatGPT 进行评价

1. 引言 在本部分,我们详细介绍如何在代码中导入图片,并让 ChatGPT 进行评价。重点包括如何遍历文件夹中的图片、如何对图片进行处理(转换为 Base64 编码)、如何构造 API 请求、如何解析 ChatGPT 的返回结果并保存。 2. 代码修改 在原有调用 ChatGPT 进行文本交互的代

Berlin Berlin 发布于 2025-03-20

基于python调用ChatGPT

1. 引言 ChatGPT API 是 OpenAI 提供的一种强大工具,可以用于文本处理、对话系统、自动化任务等。本教程将介绍如何使用 Python 代码调用 ChatGPT API,实现简单的文本交互,并解析 API 请求的关键参数。 2. 环境准备 2.1 获取 OpenAI API Key

Berlin Berlin 发布于 2025-03-19

非监督学习|Unsupervised Learning

一、非监督学习的定义 | The definition of unsupervised learning 非监督学习的核心思想是: 不依赖标签,仅通过输入数据本身的分布结构来发现潜在的规律、结构或模式。

Berlin Berlin 发布于 2025-03-03

监督学习|Supervised Learning

一、监督学习的定义 | The definition of supervised learning 左边是输入 X,右边是对应的输出标签 Y。 箭头表示模型从输入 X 学习如何预测输出 Y。 最下方一句话:“Learns from being given

Berlin Berlin 发布于 2025-03-01

自然语言处理(NLP)

一、 NLP基本概念 自然语言处理(NLP,Natural Language Processing)是人工智能领域的一个重要研究方向,旨在使计算机能够理解、处理和生成自然语言。NLP的独特之处在于它跨越了多个计算研究领域,从人工智能到计算语言学,涵盖了计算机与人类语言之间的相互作用。其核心任务是如何

Berlin Berlin 发布于 2025-01-24

图神经网络(GNN)

一、 GNN基本概念 GNN 可以理解为是由 Graph(图) + Nerual Networks 组合而成的 图神经网络(Graph Neural Network,GNN)是一类用于处理图结构数据的深度学习模型。图结构数据中的实体以节点的形式表示,实体之间的关系以边的形式表示。GNN的目标是从图结

Berlin Berlin 发布于 2025-01-22