AI [3]
深度学习 - 网络的优化 Optimisation for Training Deep Networks
深度学习 - 网络的优化 Optimisation for Training Deep Networks 深度学习问题需要一个损失函数，我们的目标就是通过优化算法来最小化损失，即最小化目标（损失）函数。需要注意的是，优化和深度学习的本质目标有差异，优化关注的是最小（最大）化目标，深度学习更关注模型。
多传感器融合——后融合
多传感器融合的方案可以分成前融合（Early Fusion）方案和后融合（Late Fusion）方案。 前融合也叫特征级融合，不同传感器的数据会在特征级别进行合并，也就是说，不同模态的数据经过处理和合并后会得到一个特征集合。一般来说，每个模态数据的特征会被分别提取，然后被提取到的特征会被合并为一个
Windows11 4070Ti部署Deepseek
本来以为难度颇高，没想到还挺简单... 需要的软件就两个： ollama Chatbox AI 模型的部署 进入两个软件的官网并下载Windows版本，下载完成后安装。 使用win+R 呼出Windows的终端，然后进入ollama的模型页面，选择你需要使用的模型分支，b前的数字越大，模型参数越多，