前有李沐大神的动手学深度学习现有上海交大的动手学大模型教程，对大模型感兴趣的直接冲！就在4月份上交大发布了动手学大模型教程，这份教程来自上海交大《人工智能安全技术》课程讲义拓展，教师是是张倬胜教授。朋友们如果有需要全套《上海交大的动手学大模型教程》，

来了来了！上海交通大学的大模型超超超级牛掰的大模型编程实战课公开了，课件+教程,本套实战教程旨在提供大模型相关的入门编程参考。通过简单实践，帮助同学快速入门大模型，更好地开展课程设计或学术研究。上海交大大模型实验室整了一份针对入门阶段的大模型教程，已经看完了非常不

来了来了！上海交通大学的大模型超超超级牛掰的大模型编程实战课公开了，课件+教程,本套实战教程旨在提供大模型相关的入门编程参考。通过简单实践，帮助同学快速入门大模型，更好地开展课程设计或学术研究。上海交大大模型实验室整了一份针对入门阶段的大模型教程，已经看完了非常不

没想到今年六月是园子与阿里云的推广合作季，同时有好几个推广项目在合作，比如：阿里云开发者社区有奖征文活动，期待您出文相助「指间灵动，快码加编」：阿里云通义灵码，再次降临博客园阿里云618创新加速季，5亿补贴享不停，上云礼包抢先领再加上今天发布的PolarDB与AI函数计算动手活动

1、案例演示文末有软件下载地址，以某游戏巡山为例，2、工具介绍2.1、应用场景点击类型的游戏辅助其它重复性鼠标键盘操作少儿编程2.2、界面介绍2.3、脚本操作介绍新增脚本后，选择脚本后，鼠标右键出来一个菜单，有如下几种操作3、脚本操作3.1、选择区域3.1.1、简介选

Tips：当你看到这个提示的时候，说明当前的文章是由原emlog博客系统搬迁至此的，文章发布时间已过于久远，编排和内容不一定完整，还请谅解`生活为什么总是对我动手？日期：2019-4-22阿珏谈天说地浏览：1668次评论：8条睡衣出门取外卖，不想遇见熟人，偏偏被好多熟人看见；

CNN应用demoCNN实现简单的手写数字识别importtorchimporttorch.nn.functionalasFfromtorchvisionimportdatasets,transformsfromtqdmimporttqdmtorch.zeros(8)defrelu(x):returntorch.clamp(x,min=0)deflinear(x,weight,bias):out=torch.matmul

卷积卷积概念卷积原属于信号处理中的一种运算，引入CNN中，作为从输入中提取特征的基本操作补零：在输入端外侧填补0值使得卷积输出结果满足某种大小，在外侧的每一边都添加0值，使得输出可以达到某种预定形状跨步：卷积核在输入上滑动时每次移动到下一步的距离使用张量实现卷积impor

基本张量运算张量张量可以被看做多维数组，高维矩阵，可以进行多种数据操作和数学运算importtorchtorch.tensor([[1.,-1.],[1.,-1.]])创建张量tensor([[1.,-1.],[1.,-1.]])a=torch.randn(2,3)torch.sigmoid(a)a处理张量tensor([[-0.1690,-0.2554,-0.4

预备知识2.1数据操作importtorchx=torch.arange(12)print(x.shape)print(torch.Size(x))print(x.numel())X=x.reshape(3,4)print(X)print(torch.ones((2,3,4)))print(torch.randn(3,4))print(torch.tensor([[2,1,3,4],[1,2,3,4],[3,4,5,

0.笔记仓库AI入门路线Task01：初识深度学习深度学习介绍和环境安装配置1.深度学习介绍1.1AI地图x轴：模式y轴：想做的东西感知：所见（人能够快速反应）推理：基于所见的想象知识：根据所见形成自己的知识规划：根据知识进行长远的规划自然语言处理：感知，用的最多的是机器翻译计算机视

1、学习深度学习，首先第一点要亲自动手。2、相关anacoda的环境的安装方法，用来隔绝相关的依赖关系，防止安装包冲突。3、机器学习程序不同于一般程序，能够随着数据的增加，通过调节内部的参数，展现出一定的智能的想象。4、机器学习中的核心组件：数据、模型、目标函数、算法。5、常用的

找到最小的数满足里面有n个不被x整除的整数，m个不被y整除的数，且这n个数和m个数完全不重合。x和y都是质数intn,m,a,b;//inta[N];boolcheck(intx){ intn1=x/a; intm1=x/b; intc=x/(a*b); intp=n1-c,q=m1-c; intlf=x-n1-m1+c; intp1=max(m-p,0LL); intq1=max(n

求导数、画图代码导入包importmatplotlib_inline#jupyternotebook用法#%matplotlibinlineimportnumpyasnp#安装命令：pipinstallIPythonfromIPythonimportdisplayfromd2limporttorchasd2limportmatplotlib.pyplotasplt求导数代码#导数#

动手学习数据分析Task05本文是Datawhale的组队学习动手学习数据分析的学习笔记，课件内容来源于Datawhale的团队；代码部分参考了b站up主橘子冰的一隅角落的系列视频模型搭建确定数据集是进行监督学习还是无监督学习由任务、数据样本量以及特征的稀疏性来决定模型先尝试使用一

tensor.gather()的作用就是按照索引取对应的数据出来。之前看图解PyTorch中的torch.gather函数，那个图示看得我有点懵逼，所以自己画了两张图总结了一下规律来理解一下。首先新建一个3*3的二维矩阵。importtorch​t1=torch.tensor([[1,2,3],[4,5,6],

一、代码importrandomimportgymimportnumpyasnpimporttorchimporttorch.nn.functionalasFimportmatplotlib.pyplotaspltimportrl_utilsfromtqdmimporttqdmclassQnet(torch.nn.Module):'''只有一层隐藏层的Q网络'''de

第7章DQN算法7.1简介在第5章讲解的Q-learning算法中，我们以矩阵的方式建立了一张存储每个状态下所有动作\(Q\)值的表格。表格中的每一个动作价值\(Q(s,a)\)表示在状态\(s\)下选择动作\(a\)然后继续遵循某一策略预期能够得到的期望回报。然而，这种用表格存储动作价值的做

第6章Dyna-Q算法6.1简介在强化学习中，“模型”通常指与智能体交互的环境模型，即对环境的状态转移概率和奖励函数进行建模。根据是否具有环境模型，强化学习算法分为两种：基于模型的强化学习（model-basedreinforcementlearning）和无模型的强化学习（model-freereinforcementlearn

一、策略迭代importcopyclassCliffWalkingEnv:"""悬崖漫步环境"""def__init__(self,ncol=12,nrow=4):self.ncol=ncol#定义网格世界的列self.nrow=nrow#定义网格世界的行#转移矩阵P[state][action]=[(p,next_state,

第4章动态规划算法4.1简介动态规划（dynamicprogramming）是程序设计算法中非常重要的内容，能够高效解决一些经典问题，例如背包问题和最短路径规划。动态规划的基本思想是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到目标问题的解。动态规划会保存已解决

一、greedyimportnumpyasnpimportmatplotlib.pyplotaspltclassBernoulliBandit:"""伯努利多臂老胡机,输入K表示拉杆个数"""def__init__(self,K):self.probs=np.random.uniform(size=K)#随机生成K个0～1的数,作为拉动每根拉杆的获奖

转载自：https://hrl.boyuai.com/chapter/1/马尔可夫决策过程3.1简介马尔可夫决策过程（Markovdecisionprocess，MDP）是强化学习的重要概念。要学好强化学习，我们首先要掌握马尔可夫决策过程的基础知识。前两章所说的强化学习中的环境一般就是一个马尔可夫决策过程。与多臂老胡机问题

《程序是怎样跑起来的》这本书的第六章“自己动手压缩数据”为读者揭示了一个神奇而又实用的世界——数据压缩。在阅读这一章之后，我不仅对数据压缩的原理有了更深入的理解，也对计算机科学中的实用技术产生了浓厚的兴趣。这一章首先介绍了文件是以字节为单位记录的。文件是在磁盘等

当我们用电子邮件附件发送较大的文件时，文件就会压缩。文件是以字节为单位记录的，文件是字节数据的集合体，1字节能够表示的字节数据共有256中，无论是文本文件还是图片文件，我们都可以认为文件就是一串连续存储的字节数据。用数据*重复次数来表示的压缩方法称为游程编码。游程编码是一种