-
Karpathy复现GPT-2:从基础版到350M版本,训练成本和效率分析
Karpathy最新挑战:复现OpenAI经典成果GPT-2,从基础版到350M版本的训练成本和效率分析,教程分享和训练技巧。- 321
- 0
-
Sharpness-Aware Minimization (SAM):锐度与泛化能力的平衡
本文讨论了Sharpness-Aware Minimization (SAM)对损失函数锐度和泛化能力的平衡以及训练损失的优化方法。了解如何通过SAM方法提高模型的训练效果和泛化能力。- 402
- 0
-
TensorFlow模型迁移和训练详解
本文详细介绍了TensorFlow模型迁移和训练的两种方式,包括自动迁移和手工迁移,同时提供了相关学习文档和迁移步骤,旨在帮助读者更好地利用昇腾AI处理器进行训练。- 427
- 0
-
-
高效的图像分类训练技巧
本文介绍了图像分类训练中的高效技巧,包括大Batch训练和训练优化方法。通过实验不同batch大小来探讨最佳值,以提高模型性能和收敛速度。同时,还介绍了图像分类中的训练优化方法。- 278
- 0
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
-
¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!