搜索[模型训练]结果-低调大师优秀个人博客

精选列表

搜索[模型训练]，共10000篇文章

我把 WorkBuddy 训练成了「超级管家」：从零搭建 AI 管家工作流

我把 WorkBuddy 训练成了「超级管家」：能力矩阵与职责边界全公开作为重度 AI 工具使用者，我最近给 WorkBuddy 定了一个明确的角色——超级管家助理。

2026-08-08

腾讯混元开源 AngelSpec：支持投机解码训练及部署，推理加速最高2.4倍

一个覆盖 drafter 训练、架构设计到线上部署的投机解码框架，并同步开源Hy3-A21B的MTP与DFly drafter 权重及训练代码。

2026-07-30

YOLO26 vs RF-DETR默认训练配方，谁更适合工业小数据？

不再只问「模型能不能检出」，而是问：在最新训练栈上，默认配方到底长什么样、贵不贵、准不准。底座选定两套当下最热的检测训练框架——

2026-07-27

CVPR 2026 SubspaceAD：单样本 97.1% AUROC，无需训练即达少样本异常检测新 SOTA

💡💡💡本文核心贡献如下：重写预测函数，支持单张图像预测和可视化（代码已开源）

2026-07-22

Ornith-1 开源：基于 Qwen 3.5 + RL 训练的编码 Agent，SWE-bench 82.4%

路线不是从零训练。

2026-06-30

基于 MoonBit 的开源深度学习训练框架 MoonXi-net ，性能达 PyTorch 2 倍

在不到一个月的业余开发时间里，开发者借助国产大模型与开源 Agent 工具链完成了框架原型设计、训练系统搭建、GPU 支持与性能优化。

2026-06-25

智元机器人开源 VideoDataset：基于 GPU 硬件解码的 VLM 训练加速利器

智元机器人团队宣布开源基于 GPU 硬件解码的高性能视频数据加载库 VideoDataset，旨在解决海量视频数据训练中的存储和计算瓶颈问题。

2025-12-09

麻省理工推出可调节的生成 AI 工具，助力机器人虚拟训练

这款新工具能够创建虚拟训练环境，如厨房、客厅和餐厅，以供工程师测试机器人如何处理现实生活中的任务。

2025-10-11

GPU 网络通信基础，Part 1（横向与纵向扩展；训练中的通信环节...）

编者按：当我们谈论训练万亿参数的大语言模型时，除了惊叹于其算力需求，是否曾深入思考过：如何让成千上万甚至数十万块 GPU 高效协同工作，像超级大脑般实时共享信息？

2025-09-26

从 MLPerf Storage v2.0 看 AI 训练中的存储性能与扩展能力

，从而全面评估存储系统在 AI 训练任务中的实际表现。

2025-09-17

清华大学与蚂蚁集团发布异步强化学习训练平台 AReaL-boba²

清华大学与蚂蚁集团InclusionAI团队联合发布了一款名为AReaL-boba²的异步强化学习（RL）训练平台。

2025-06-06

PyTorch 官宣适配 Apple M1，支持 GPU 加速，训练速度提升 7 倍

PyTorch 宣布，通过与 Apple 的 Metal 工程团队合作，目前已实现在搭载 Apple M1 芯片的 Mac 上使用 GPU 加速训练。

2022-05-20

高效使用Pytorch的6个技巧：为你的训练Pipeline提供强大动力

在这篇文章中，我们将介绍以下技巧：用高级框架代替自己写的循环使用另外的度量标准监控训练的进展使用TensorBoard 使模型的预测可视化使用Dict作为数据集和模型的返回值检测异常和解决数值的不稳定性

2020-09-08

从 GPU、TPU，到 Web 端、移动端，深度学习框架部署训练开始变简单

深度学习框架提供一系列的深度学习组件，开发者选择一套框架之后，可以自定义数据集、算法、参数等，通过训练得到模型参数。就像一套供自由拼装的积木，玩家可直接搭建模型，而不用先去做木工，造方块。

2020-07-07

深入云原生 AI：基于 Alluxio 数据缓存的大规模深度学习训练性能优化

在此背景下，用户在云上训练大规模深度学习模型引发的数据缓存需求日益旺盛。

2020-05-13

字节跳动开源高性能分布式训练框架 BytePS：兼容 TensorFlow 等主流框架

深度学习的效果取决于模型与数据，目前行业内不断刷新深度学习准确率的最新研究，大多都基于更大的模型以及更大的数据集。

2019-06-27

基于PyTorch，训练速度是原来2倍

除了更改框架，Mask R-CNN Benchmark相比它的“前辈”Detectron，训练速度提高了一倍。

2018-10-25

【大咖・来了第7期】10月24日晚8点观看《智能导购对话机器人实践》人类最古老的领域农业与AI结合，将会擦出怎样的火花? 12月20日，在云栖大会北京峰会上，阿里云同隆平高科、中信云宣布达成战略合作，计划将ET推进到农业领域，主要用于筛选育种、基建数据化、农事管理、基地选址及农作物生产预测。隆平高科作为中国种业龙头企业，主营业务以杂交水稻、玉米、蔬菜、小麦等种子为核心，主要农作物研发创新能力居国内领先水平。 ET将会被赋予强大的基因大数据分析能力，可对海量基因数据特征维度和离散值建模，同时能深度挖掘作物基因组-土壤-环境-表型的关系，选择理想表型对应的模拟基因组，大幅提升育种效率。受限于基地规模和管理成本等，一个育种项目每年只能从成千上万可用选项中选出大约有限的组合数进行试验，效率很低。ET则能够帮助研究人员评估育种决策，并预测哪一个杂交品种将在试验的***年表现出***的性能。除了育种之外，ET还计划对种植基地进行数据化改造。这包括收集农业生产过程中的各种结构化和非结构化数据，并将其系统化上云。农业中的结构化数据包括地块面积、种植品种、种植时间、土壤传感器数据、水肥药数据记录、自动气象站数据记录、农事信息等;非结构化数据包括无人机照片、摄像头照片等。基于这些数据，ET将可以进行聪明的农事管理。田间工程师将可以随时随地查看基地的土壤数据、气象实况数据和预报数据、摄像头、无人机照片等信息源，以直观和全面的数据辅助决策。在收获前1-2个月，ET可基于跨农作物生产基地跨生长季的多维度数据，对任意新品种农作物的生长态势进行深度学习，预测产量和品质。 ET还将参与到前期的基地选择和种植品种选择上。比如，ET可以结合物候、气象、海拔数据以及各种农作物的已知产地，预测某种作物最适合在哪里种植，以此辅助隆平高科进行基地选址。于此同时，ET还可以对现有基地适合种哪一种作物做出判断。阿里云在全球一直是将AI推进到产业应用的先锋队。除了农业之外，他们已经将AI技术成功应用在环境保护、工业、医疗、城市管理等多个领域，并且帮助行业取得了巨大的经济效益。以ET工业大脑为例，目前已帮助协鑫光伏、天合光能等全球龙头企业增加了数亿元的利润。【责任编辑：赵立京 TEL：（010）68476606】

2017-12-21

学界 | 超少量数据训练神经网络：IEEE论文提出径向变换实现图像增强

相比于简单的架构，更大、更复杂的神经网络需要更多的训练数据满足适当的收敛。然而，可用于训练网络的数据要么有限、要么不均衡。

2017-07-31

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。

精选列表

我把 WorkBuddy 训练成了「超级管家」：从零搭建 AI 管家工作流

腾讯混元开源 AngelSpec：支持投机解码训练及部署，推理加速最高2.4倍

YOLO26 vs RF-DETR默认训练配方，谁更适合工业小数据？

CVPR 2026 SubspaceAD：单样本 97.1% AUROC，无需训练即达少样本异常检测新 SOTA

Ornith-1 开源：基于 Qwen 3.5 + RL 训练的编码 Agent，SWE-bench 82.4%

基于 MoonBit 的开源深度学习训练框架 MoonXi-net ，性能达 PyTorch 2 倍

智元机器人开源 VideoDataset：基于 GPU 硬件解码的 VLM 训练加速利器

麻省理工推出可调节的生成 AI 工具，助力机器人虚拟训练

GPU 网络通信基础，Part 1（横向与纵向扩展；训练中的通信环节...）

从 MLPerf Storage v2.0 看 AI 训练中的存储性能与扩展能力

清华大学与蚂蚁集团发布异步强化学习训练平台 AReaL-boba²

PyTorch 官宣适配 Apple M1，支持 GPU 加速，训练速度提升 7 倍

基于领域预训练和对比学习SimCSE的语义检索

高效使用Pytorch的6个技巧：为你的训练Pipeline提供强大动力

从 GPU、TPU，到 Web 端、移动端，深度学习框架部署训练开始变简单

深入云原生 AI：基于 Alluxio 数据缓存的大规模深度学习训练性能优化

字节跳动开源高性能分布式训练框架 BytePS：兼容 TensorFlow 等主流框架

基于PyTorch，训练速度是原来2倍

种地也要输给人工智能了阿里云联手隆平高科训练ET

学界 | 超少量数据训练神经网络：IEEE论文提出径向变换实现图像增强

资源下载

Mario

Spring

Sublime Text

WebStorm

欢迎您来访！

精选列表

我把 WorkBuddy 训练成了「超级管家」：从零搭建 AI 管家工作流

腾讯混元开源 AngelSpec：支持投机解码训练及部署，推理加速最高2.4倍

YOLO26 vs RF-DETR默认训练配方，谁更适合工业小数据？

CVPR 2026 SubspaceAD：单样本 97.1% AUROC，无需训练即达少样本异常检测新 SOTA

Ornith-1 开源：基于 Qwen 3.5 + RL 训练的编码 Agent，SWE-bench 82.4%

基于 MoonBit 的开源深度学习训练框架 MoonXi-net ，性能达 PyTorch 2 倍

智元机器人开源 VideoDataset：基于 GPU 硬件解码的 VLM 训练加速利器

麻省理工推出可调节的生成 AI 工具，助力机器人虚拟训练

GPU 网络通信基础，Part 1（横向与纵向扩展；训练中的通信环节...）

从 MLPerf Storage v2.0 看 AI 训练中的存储性能与扩展能力

清华大学与蚂蚁集团发布异步强化学习训练平台 AReaL-boba²

PyTorch 官宣适配 Apple M1，支持 GPU 加速，训练速度提升 7 倍

基于领域预训练和对比学习SimCSE的语义检索

高效使用Pytorch的6个技巧：为你的训练Pipeline提供强大动力

从 GPU、TPU，到 Web 端、移动端，深度学习框架部署训练开始变简单

深入云原生 AI：基于 Alluxio 数据缓存的大规模深度学习训练性能优化

字节跳动开源高性能分布式训练框架 BytePS：兼容 TensorFlow 等主流框架

基于PyTorch，训练速度是原来2倍

种地也要输给人工智能了 阿里云联手隆平高科训练ET

学界 | 超少量数据训练神经网络：IEEE论文提出径向变换实现图像增强

资源下载

Mario

Spring

Sublime Text

WebStorm

欢迎您来访！

种地也要输给人工智能了阿里云联手隆平高科训练ET