DJL 与引擎无关的深度学习 Java 框架 引言 想象一下，你要在 Java 项目中集成深度学习模型： 方法1：为每个框架（PyTorch、TensorFlow、MXNet）分别写代码，维护多套代码（工作量大、维护困难） 方法2：使用统一的 API，一套代码支持所有框架，轻松切换和部署 DJL（D
发布于 2025-12-08
ONNX Runtime 跨平台模型推理引擎 引言 想象一下，你要在不同平台上部署机器学习模型： 方法1：为每个平台（Python、Java、C#、移动端）分别实现模型（工作量大、维护困难） 方法2：使用统一的格式和运行时，一次训练，到处运行 ONNX Runtime 就像方法2——它是一个跨平台的
发布于 2025-12-08
机器学习 Java 实现 Smile 库 引言 想象一下，你要在 Java 项目中实现机器学习： 方法1：从零开始实现所有算法（耗时且容易出错） 方法2：使用现成的库，快速高效地完成项目 Smile 就像 Java 机器学习的"专业工具包"，提供了丰富的算法、统一的 API 和优秀的性能，让你能够在
发布于 2025-12-08
DreamSim 模型：学习人类视觉相似性的新维度 引言 想象一下，你是一位专业的艺术品鉴定师，需要判断两幅画作的相似程度。传统的计算机可能会说："这两幅画的像素值差异很大，所以它们完全不同。"但你作为人类专家会说："虽然像素不同，但它们在风格、主题和情感表达上非常相似。" DreamSim 就是这
发布于 2025-12-04
ICT&HP提升高质量图像生成的奖励模型 概述 在高质量图像生成领域，现有的奖励模型存在一个关键问题：它们会不恰当地给具有丰富细节和高美学价值的图像分配低分，这与人类实际的美学偏好存在显著差异。为了解决这一问题，ICTHP 项目提出了一个双组件框架，通过两个互补的奖励模型来全面评估生成图像的质量：
发布于 2025-12-04
通过 HF-Mirror 镜像访问 Hugging Face 引言 对于国内 AI 开发者来说，访问 Hugging Face 下载模型和数据集时经常会遇到网络不稳定、下载速度慢甚至无法访问的问题。HF-Mirror 是一个公益项目，专门为国内开发者提供稳定、快速的 Hugging Face 镜像服
发布于 2025-12-03
ImageReward 文本到图像生成中的人类偏好预测 ImageReward是第一个通用的文本到图像人类偏好RM，它总共经过137k对专家比较的训练，在理解文本到图像合成中的人类偏好方面优于现有的文本图像评分方法，如CLIP（38.6%）、Aesthetic（39.6%）和BLIP（31.6%）。
发布于 2025-12-02
.jpg)
多元线性回归正规方程解 前面我们对一元线性回归正规方程解进行了推导，这里我们过渡到线性回归的一般形式，也就是多元线性回归。 多元线性回归，输入特征变成了多个，输出任然是一个，也就是观察多个输入特征对结果的影响。 在回忆一下线性回归公式： $y = kx + b$ 其中： $y$ 是预测值，即房屋价格
发布于 2025-12-02
一元线性回归正规方程解 线性回归(Linear Regression) 是通过找到输入和输出之间的线性关系（通过拟合一条直线或超平面），来预测未知的结果。 一元线性回归是最简单的线性回归形式，只有一个输入特征和一个输出。 比如房屋面积和房屋价格之间的线性关系，输入房屋面积输出房屋价格，来进行价格预测
发布于 2025-11-27
