更多精彩内容,欢迎继续阅读
身边搞模型部署的同事,十有八九都遇到过这种事:PyTorch里明明跑得稳稳当当的模型,导出成ONNX后精度就像被偷偷削了一刀。轻则差百分之零点几,反正就是不对劲;重则直接整个模型崩掉,输出全是垃圾。好消息是&…
阅读更多 →简介:面向机器学习与网络安全方向的科研人员及工程师,这份关于CLE-TFE加密流量分类框架的复现资料提供了详细可运行代码及解释。框架以监督对比学习和多任务学习为核心,同时处理数据包级与流级分类任务,并通过字节级流量图增强捕获…
阅读更多 →把PyTorch模型转成ONNX,再拿到ONNX Runtime或者各个端侧框架上推理,已经成了模型上线的标配流程。但很多人第一次做转换的时候都会遇到一个让人抓狂的问题:PyTorch里测着好好的模型,导出成ONNX之后,精度明显下降&#…
阅读更多 →大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…
阅读更多 →当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:
阅读更多 →📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…
阅读更多 →文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…
阅读更多 →一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…
阅读更多 →文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…
阅读更多 →