大模型黑话指南（一） 千帆社区
自监督学习 大型语言模型本质上就是神经网络，也就是一种机器学习的方法。机器学习中的监督学习需要人类帮助标注数据。然而遗憾的是，ChatGPT 底层的大型语言模型参数如此的多，如果使用监督学习，必然需要大量的人类标记数据，这几乎是不可能的。自监督学习主要是利用辅助任务（pretext）从大规模的无监督数据中挖掘自身的监督信息，通过这种构造的监督信息训练模型，从而学习到对下游任务有价值的表征。
创建传输任务 - 日志服务BLS | 百度智能云文档
目录递归：默认关闭，开启后，最多可传输指定目录(包含所有层次的子目录)下5个符合匹配文件规则的活跃文件。 开启目录递归会增加CPU占用。 采集元数据：添加与日志一起上传的元数据，主机支持自定义环境变量，在日志集日志中以@tag_元数据形式展示，在Kafka和BES中以Json形式展示！
概述 - FPGA云服务器 | 百度智能云文档
FPGA云服务器提供了基于FPGA的深度卷积神经网络加速服务，单卡提供约3TOPs的定点计算能力，支持典型深度卷积网络算子，如卷积、逆卷积、池化、拼接、切割等。有效加速典型网络结构如VggNet、GoogLeNet、ResNet等。 我们基于FPGA的深度学习硬件，定制优化了主流深度学习平台，如caffe等，您可以直接将深度学习业务切换到FPGA平台，而无需考虑底层硬件细节。
使用Nsight工具分析优化应用程序 - GPU云服务器 | 百度智能云文档
Nsight System使用示例 以手写数字数据库MNIST作为训练数据集，使用PyTorch框架进行神经网络训练。通过Nsight System对训练过程进行性能分析，进而找到性能瓶颈，指导优化训练过程。 1、下载训练所需的数据集和脚本 数据集采用MNIST，训练脚本我们采用该位置的PyTorch代码，基于单块NVIDIA Volta GPU我们将完成多batches和epochs的训练。
【千帆AppBuilder】零代码+组件+代码节点方式实现AI应用《法定退休年龄计算器》 千帆社区
momo技术侠 28 看过
数据模型可视化功能说明 - BML 全功能AI开发平台 | 百度智能云文档
VisualDL工具 VisualDL 是一个面向深度学习任务设计的可视化工具，利用丰富的图表来展示数据，用户可以更直观、清晰地查看数据的特征与变化趋势，有助于分析数据、及时发现错误，进而改进神经网络模型的设计。
【千帆AppBuilder】使用Python调用基于官方的API创建图片故事的应用，一起体验下全代码 千帆社区
momo技术侠 28 看过
查看Bucket中的Object 对象存储（BOS）
递归列出模拟文件夹下所有文件 可以通过设置 Prefix 参数来获取某个模拟文件夹下所有的文件： ); // 递归列出fun文件夹下的所有文件 listObjectsRequest.setPrefix("fun/"); ListObjectsResponse listing = client.listObjects(listObjectsRequest); // 遍历所有Object
Database 操作 - 向量数据库
删除数据库 功能介绍 删除指定的目标数据库，仅支持删除空库，不支持对尚有表存在的库进行递归删除，即删除之前需提前删除该数据库中的所有表，否则报错。 请求示例 package main import ( log github.com/baidu/mochow-sdk-go/mochow ) func main ( ) { clientConfig := & mochow .
应用场景 - GPU云服务器 | 百度智能云文档
人工智能训练 针对深度学习的训练负载，有大批量的数据，例如图片、语音、文本等，需要不断更新、迭代神经网络中的参数以满足业务对预测精度的要求。 可选择高性能的GPU型号来缩短网络模型的收敛时间，深度学习中存在大量矩阵计算，建议选择支持Tensor Core功能的GPU做计算加速。 进一步提高计算效率可选择分布式训练并选择支持高速GPU互联能力的型号.
