Datawhale冬令营第二期-Task2：学AI编程的Prompt工程，提升效果

Datawhale冬令营第二期-Task1：动手体验AI辅助编程

学习目标：跟着学习手册体验AI嬛嬛，学习定制专属模型创建自己的AI应用学习内容：如何定制大模型构建数据集微调模型评价模型效果学习时间：12月10日–跑通demo12月11日–学习数据集构建，如何定制大模型学习总结：定制专属大模型：通过投喂特定语料，改造大模型，让模型在某些专

1.注册星火maas平台账号2.选择训练模型类型 细分类型为文本对话模型  文生图模型  图像分类模型 文本分类模型此处我们选择 文本对话模型 选择基础模型此处选择sparklite 轻量训练成本低3.选择训练方式: 零代码精调  训练方法:LoRALoRA：LoRA在

Datawhale2025AI冬令营+动手定制你的专属大模型前言：‌大模型是指具有大规模参数和复杂计算结构的机器学习模型‌。它们通常拥有数百万到数十亿的参数，需要大量的数据和计算资源进行训练和推理。大模型在深度学习领域中占据重要地位，能够处理复杂的任务，如自然语言处理、计算机视

conda安装以及环境配置创建conda环境condacreat-ndatawhalepython=3.11#-n代表的是---name创建的环境名，这里是datawhale,python的版本是3.11激活刚刚创建的conda环境condaactivatedatawhale如果要删除某个conda环境condadeactuvate#退出该环境condaremove-nda

这期我们从不同角度切入探讨赛题的进阶思路思路1：对比不同大模型首先我们可以选择尝试不同的大模型，使用更复杂的大模型可以提高文本改写的质量和效果。随着模型大小的增加，其表示能力也随之增强，能够捕捉更细微的语言特征和语义信息。这意味着大型模型在理解和生成文本时可以更

官方学习文档：datawhalechina往期task01：枚举算法链接：DatawhaleLeecode基础算法篇task01：枚举算法递归算法递归简介递归（Recursion）：指的是一种通过重复将原问题分解为同类的子问题而解决的方法。在绝大数编程语言中，可以通过在函数中再次调用函数自身的方式来实现递归。举

今天学的有些小兴奋，终于解锁了很多熟悉但不明就里的术语。天呢，原来ReLU是“修正线性单元”的意思！RectifiedLinearUnit！但是呢，也有不大对付的地方：好几个地方前言不搭后语。容我一一道来。今天就顺序边读边记：线性模型（linearmodel）==把模型输入的特征x乘上一个权重，再加

写今天的学习笔记之前，我要好好表达对Datawhale的感谢。记不清这是第几次跟着组织学习了。虽然也只是从懵懂小白0.1到萌萌小白0.2，虽然很多词汇还都不懂，但没有Datawhale的学习氛围和小伙伴的积极表现，我的这一点点进步也可能不会有。正文开始：各种词汇定义：模型（model）== 带有未

2、实践方法论（DatawhaleX李宏毅苹果书AI夏令营）在应用机器学习算法时，实践方法论能够帮助我们更好地训练模型。如果在Kaggle上的结果不太好，虽然Kaggle上呈现的是测试数据的结果，但要先检查训练数据的损失。2.1模型偏差有时候把模型设置的太过简单，使得函数的集合太小了，没

一.实践方法论(一)模型偏差模型偏差可能会影响模型训练。若模型过于简单，一个有未知参数的函数代θ1得到一个函数fθ1(x)，同理可得到另一个函数fθ2(x)，把所有的函数集合起来得到一个函数的集合。但是该函数的集合太小了，没有包含任何一个函数，可以让损失变低的函数不在模型可以描

本章介绍深度学习常见的概念，主要包括3.1局部极小值与鞍点；3.2批量和动量。知识点讲解：3.1局部极小值和鞍点我们在做优化的时候，有时候会发现随着参数不断更新，函数的损失值却不再下降的现象，但这个优化结果离我们想要的理想值还差距很大。这是什么原因呢？接下来我们就研究这个问

cv方向的task3结束了，对其进行了一些简单的梳理并进行相应的一些扩展教程：DatawhaleTask 3 1. 数据集增强1.数据增强的目的    对现有数据集进行扩充和变换，从现有数据集中生成新的训练样本，增加数据的多样性和丰富性，从而提高模型的泛化能力和鲁棒性。 

官方学习文档：https://linklearner.com/activity/16/14/55往期task01链接：https://mp.csdn.net/mp_blog/creation/editor/141535616李宏毅老师对应视频课程可供食用：https://www.bilibili.com/video/BV1JA411c7VT/?p=3机器学习基础线性模型        w跟b的值上期ta

官方学习链接：https://linklearner.com/activity/16/14/42机器学习基础导读        通俗来讲，机器学习就是让机器具备找一个函数的能力。这里指的“找一个函数”，指的是找一个能够描述一个场景数学规律的函数模型，具体方法大致是：让机器运行算法，通过输入的数据，确定合适的

一、阅读小结        yolo不仅要识别物体的种类还要识别物体的位置1.1、物体检测介绍：1.输入：照片可以利用opencv来提取照片的每一帧，在循环下对视频中每一帧的照片进行处理cap=cv2.VideoCapture(video_path)whileTrue:ret,frame=cap.read()

一、baseline上分思路1.数据集划分1.1原划分代码pyimportosimportcv2importpandasaspdimportglobdefsetup_directories():base_dir="yolo-dataset"subdirs=["train","val"]forsubdirinsubdirs:dir_path=os.pa

一、赛事背景        城市治理赛道——随着城市化进程的加快，城市管理面临着前所未有的挑战。占道经营、垃圾堆放和无照经营游商等问题对城市管理提出了更高的要求。本赛道聚焦城市违规行为的智能检测，要求选手研究开发高效可靠的计算机视觉算法，提升违规行为检测识别的

一、YOLO模型简介        YOLO模型是在图像和视频中识别感兴趣物体对象，通常通过边界框形式来识别物体。以下是物体检测的一些关键概念和步骤：输入：物体检测算法的输入通常是一张图像或视频帧。特征提取：算法使用深度学习模型（如卷积神经网络CNN）来提取图像的特征。这些

机器学习是一种人工智能的分支，它主要涉及通过经验和数据来训练计算机模型以自动处理任务或进行预测。这些模型可以利用算法和数学模型来分析和学习数据，然后使用这些知识来执行特定的任务，如图像识别、语音识别、自然语言处理、数据分类、趋势预测等。深度学习是人工智能(AI)中的

《深度学习详解》3.2节中关于批量和动量的主要内容总结： 批量的概念：在深度学习训练过程中，数据不是一次性全部用于计算梯度，而是被分成多个小批量（batch），每个批量包含一定数量的数据。每个批量的损失函数用于计算梯度并更新模型参数。批量大小对梯度下降法的影响：两种极端情况：