您的位置:首页 > 游戏 > 手游 > 机器学习基础入门(1)

机器学习基础入门(1)

2024/10/4 0:32:36 来源:https://blog.csdn.net/weixin_42056745/article/details/140550553  浏览:    关键词:机器学习基础入门(1)

最近也在努力的想要学习些机器学习的知识,目前正在了解各个概念及术语,下面就把学习到的概念都列出来。

  • 人工智能 (AI) Artificial intelligence

  • 人工智能生成内容(AIGC)

  • 机器学习(ML) Machine Learning

是人工智能 (AI) 的一个分支,专注于使用数据和算法来模仿人类的学习方式,从而随着时间的推移逐渐提高准确性

Machine Learning 共分为四类,分别是:监督式 非监督式 半监督式学习强化学习

  • 深度学习(DL)Deep Learning

  1. 深度学习是机器学习的一个分支(最重要的分支)
  2. 机器学习是人工智能的一个分支
  • 自然语言处理(NLP)Natural Language Processing

  • 语言模型(LM)Language Model

  • 大预言模型(LLM)Large Language Model

  • 小语言模型(SLM)Small Language Model

  • 神经网络语言模型(NNLN)Neural Network Language Model

深度学习算法:

  • 卷积神经网络(CNN)Convolutional Neural Network

        参考资料: CNN

  • 循环神经网络(RNN)

        参考资料:  RNN

  • 生成式对抗网络(GAN)

  • 深度强化学习 (RL)

  • Transformer架构

Transformer架构是大型语言模型背后的核心架构。它采用了自注意力机制来捕捉输入序列中的长距离依赖关系,避免了传统循环神经网络(RNN)中存在的梯度消失问题。Transformer包括编码器和解码器两个部分,其中编码器用于将输入序列编码为隐藏表示,而解码器则用于根据编码器的输出生成目标序列。

  • 自注意力机制(Self-Attention)

自注意力机制是Transformer架构的核心之一。它允许模型在处理每个输入位置时都可以关注到其他位置的信息,并且可以动态地调整不同位置的重要性。通过计算每个位置与其他位置的相关性,自注意力机制可以有效地捕捉序列中的语义关系,从而提高模型在自然语言处理任务中的性能。

  • 微调(Fine-tuning)

在预训练模型的基础上,通过在特定任务上进行少量训练以调整模型参数,以适应特定任务的需求。

  • 泛化(Generalization)

模型在未见过的数据上表现良好的能力,避免过拟合于训练数据。

  • 文本转语音(TTS)Text To Speech

将书面文字转换为可听见的语音的技术

  • 语音转文字(STT)Speech To Text

算力单位:

OPS (operations per second)  

每秒处理次数,通常是默认对INT8整数型数据的处理次数(INT8省略不写)

TOPS(Tera Operations Per Second)

GPU每秒可以执行的深度学习推理操作次数,1TOPS=处理器每秒钟可进行一万亿次(10^12)操作。

FLOPS (Floating point number operations per second) 

每秒处理浮点数次数,加上FL后FLOPS指的是对FP32浮点数的处理次数

TFLOPS (Tera Floating point number operations per second

每秒处理浮点数的万亿次数

FLOPs (Floating point number operations)

模型参数的处理次数,注意s是小写

MOPS (Million Operation Per Second)  一百万次(10^6)   兆;百万

GOPS (Giga Operations Per Second)  十亿次     (10^9)   千兆;十亿(billion,B)

TOPS (Tera Operations Per Second)  一万亿次   (10^12) 兆兆

换算:

1 TOPS = 10^12 FLOPS  

1 GOPS = 10^9 FLOPS

1 MOPS = 10^6 FLOPS

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com