每日AI值得看--2023-11-18

[CSDN-Ada助手]

① 【AI视野·今日CV 计算机视觉论文速览 第279期】Tue, 31 Oct 2023（hitrjj:[博客] [成就]） [质量分：91；难度等级：高(关键词：论文)；新鲜技术：99]
摘要：此外，我们提出了 GaitFormer，一种基于 Transformer 的模型，在 DenseGait 上以多任务方式进行预训练后，在 CASIA B 上达到 92.5 的准确率，在 FVG 上达到 85.33 的准确率，而无需使用任何手动注释的数据。

② pytorch单精度、半精度、混合精度、单卡、多卡（DP / DDP）、FSDP、DeepSpeed模型训练（胖胖大海:[博客] [成就]） [质量分：93；难度等级：中；新鲜技术：99]
摘要：pytorch单精度、半精度、混合精度、单卡、多卡（DP / DDP）、FSDP、DeepSpeed（环境没搞起来）模型训练代码，并对比不同方法的训练速度以及GPU内存的使用。单卡半精度训练的准确率只有75%，单精度的准确率在85%左右。

③ 机器学习：十大算法快速回顾（无水先生:[博客] [成就]） [质量分：91；难度等级：初；新鲜技术：97]
摘要：人们发现，两者都可以在许多实际应用中产生高度准确的模型，但它们的计算成本可能很高，并且对基础模型和学习率的选择很敏感。尽管如此，重要的是要记住，线性回归是在变量之间存在线性连接的假设下运行的，并且可能会受到异常值的影响，从而可能影响模型的精度。

④ OpenCV快速入门：绘制图形、图像金字塔和感兴趣区域（92岁高龄码农:[博客] [成就]） [质量分：95；难度等级：初(关键词：入门)；新鲜技术：99]
摘要：OpenCV是一个强大的计算机视觉库，广泛应用于图像处理、计算机视觉和机器学习等领域。本文将介绍OpenCV中的一些基础功能，包括如何绘制图形、创建图像金字塔以及如何处理感兴趣区域（ROI）。

⑤ Pytorch深度学习环境配置（GPU版本）（侯静川:[博客] [成就]） [质量分：94；难度等级：初；新鲜技术：99]
摘要：首先在我们计算机上先安装Anaconda，使用Anaconda配置虚拟环境，配置完成以后安装Pycharm创建一个项目，在创建项目时Pycharm会选择配置的解释器，这时就可以引用我们之前Anaconda中配置好的环境。

⑥ 大型语言模型中的幻觉研究综述：原理、分类、挑战和未决问题11.15+11.16+11.17（露葵025:[博客] [成就]） [质量分：94；难度等级：初；新鲜技术：99]
摘要：大型语言模型（LLM）的出现标志着自然语言处理（NLP）的重大突破，导致文本理解和生成的显着进步。然而，除了这些进步之外，LLM还表现出产生幻觉的关键倾向，导致内容与现实世界的事实或用户输入不一致。

⑦ 5分钟理解机器学习并上手实践（机器学习的喵:[博客] [成就]） [质量分：92；难度等级：初；新鲜技术：99]
摘要：随着GPU、TPU等算力的发展，算法技术的进步，甚至出现了自动选模型、自动调参的技术。我们先学习传统机器学习而非直接学习深度学习的好处是，我们可以通过对“黑盒”的拆箱来理解机器学习过程，掌握机器学习的概念，我会对其中应用的数学模型进行解释。

⑧ 大模型之十二十-中英双语开源大语言模型选型（shichaog:[博客] [成就]） [质量分：93；难度等级：初；新鲜技术：99]
摘要：从ChatGPT火爆出圈到现在纷纷开源的大语言模型，众多出入门的学习者以及跃跃欲试的公司不得不面临的是开源大语言模型的选型问题。基于开源商业许可的开源大语言模型可以极大的节省成本和加速业务迭代。

⑨ 数据挖掘复习（二）（Lcx559:[博客] [成就]） [质量分：93；难度等级：初；新鲜技术：99]
摘要：现实生活中的数据往往是dirty的，包含了数据缺失，数据错误等，对质量较差的数据进行数据挖掘，通常不能获得一个好的pattern，因此preprocessing十分重要。

⑩ 自动驾驶-BEV感知综述（xiaoooli:[博客] [成就]） [质量分：92；难度等级：初；新鲜技术：99]
摘要：纯视觉3D感知最初的任务是如何从PV视角预测Object的位置，因为基于PV的检测任务已经成熟，所以核心任务就成了如何在2D检测能力基础上增加3D场景的认知能力。