Pompeii BL
2025
03
27
BLIP2 & Q-former BLIP2 & Q-former
Q-former 是 BLIP2 中提出的一个模块，目的在于从视觉编码器中提取出与文本最相关的视觉表示，而这种表示能够为大语言模型所解释。 1.BLIP2 1.1 组成 BLIP-2 由以下三个主要组件组成： Image Encoder：
2025-03-27 深度学习
Q-former BLIP2
26
分类任务中用MSE和CE损失的区别 分类任务中用MSE和CE损失的区别
1. 分类任务的解释 1.1 二分类 对于一个二分类任务来说，输出层通常使用sigmoid函数，输出一个0-1之间的标量，表示分类为正例的概率。损失函数习惯使用二元交叉熵损失（Binary Cross Entropy Loss）： \[ L
2025-03-26 机器学习
MSE CE
18
13
13
12
12
11
10
大模型动力引擎-定位性能瓶颈的工具 大模型动力引擎-定位性能瓶颈的工具
性能瓶颈定位工具 为了保证分析结果的可靠性，对测试环境的稳定性有一定要求。由于程序运行的软件和硬件环境中影响因素较多，本节将根据重要性排序，依次介绍提升测试稳定性的方法。 减少无关程序的干扰 为了保证分析结果的可靠性，对测试环境的稳定性有一
2025-03-10 《大模型动力引擎》阅读笔记
《大模型动力引擎》 性能瓶颈 PyTorch
10
1 / 2