技术栈 transformer 高洁01 16 小时前 人工智能 · python · 深度学习 · 机器学习 · transformer 具身智能感知系统底层原理 具身智能感知系统底层原理一、具身感知的核心内涵与通用感知的本质差异二、多模态感知信号采集的底层原理三、多模态感知信息融合底层机制四、感知不确定性建模原理五、感知系统与智能决策模块的接口原理#大模型 #具身智能 #人工智能 #数字孪生 点PY 18 小时前 深度学习 · 目标检测 · transformer OmDet-Turbo: Real-Time Transformer-Based Open-Vocabulary Object Detection论文精读 code: https://github.com/om-ai-lab/OmDet标题：OmDet-Turbo: Real-Time Transformer-Based Open-Vocabulary Object Detection 成为深度学习高手 1 天前 人工智能 · python · 深度学习 · 数据挖掘 · transformer xLSTM-Mixer：用标量记忆同时混合时间与变量，把循环网络带回多元时序预测 论文arXiv地址：https://arxiv.org/abs/2410.16928代码地址：https://github.com/mauricekraus/xlstm-mixer 小程故事多_80 2 天前 android · 深度学习 · transformer 从 Tokenizer 到 Next Token，穿透数据流，完整理解 Transformer 底层逻辑 很多人啃大模型技术的时候都会陷入同一种困境，单独看每个模块都能看懂，背得出缩放点积注意力公式，能说出多头注意力、残差连接、层归一化这些名词，但只要把整个链路串起来，就会出现断层。如果我们抛出一个简单的问题，把一句提示词送入大模型，从文字输入，到模型输出下一个汉字，中间张量到底经历了怎样完整的变换过程，很多人依然无法完整复现整条计算链路。 啥都鼓捣的小yao 3 天前 人工智能 · 深度学习 · transformer Transformer深入浅出 Transformer 由编码器（Encoder）和解码器（Decoder）两大部分组成，各自由多层相同模块堆叠而成。左边为编码器，右边为解码器。 我们拆开来看就是： 丁希希哇 4 天前 人工智能 · 机器学习 · transformer · 大语言模型 Transformer中的注意力机制(Attention) 李沐《动手学深度学习》注意力机制 【论文精读】Transformer：Attention Is All You Need Transformer 的架构原理 老唐777 4 天前 人工智能 · python · 深度学习 · 神经网络 · 计算机视觉 · ai · transformer Transformer原理大白话讲解 想象你有一个全自动翻译机：左边塞一句中文进去，右边吐出一句英文出来。这就是 Transformer 最初被设计出来的目的——做机器翻译。但别小看它，今天所有大语言模型（LLM）本质上都在做同一件事：给一段文字，预测下一个最可能出现的词。 kyrie_sakura 6 天前 学习 · 自然语言处理 · transformer 大模型学习15 - npl自然语言处理16 - Transformer模型API(PyTorch) PyTorch 提供了对 Transformer 的官方实现，该模块封装了完整的编码器-解码器结构，可直接应用于机器翻译、文本生成等典型的序列建模任务。 老唐777 6 天前 人工智能 · 深度学习 · opencv · 目标检测 · 计算机视觉 · ai · transformer （附代码）使用OpenCV和关键点检测计算瓶子角度 计算机视觉中的关键点检测是一种用于识别图像中独特点或位置的技术，可用作进一步分析的参考，例如对象识别、姿态估计或运动跟踪等。 高洁01 6 天前 人工智能 · 深度学习 · 机器学习 · transformer · tornado 世界模型环境预测与内在表征基础原理 世界模型环境预测与内在表征基础原理一、世界模型的定义：智能体内部的环境预测表征 二、世界模型的三大基础模块：编码、表征、预测 三、概率预测：世界模型不确定性表达原理 四、世界模型辅助智能体规划推理的底层机制 五、世界模型底层原理带来的能力约束 #世界模型 #数字孪生 #大模型 #人工智能 朝朝辞暮i 6 天前 人工智能 · pytorch · 深度学习 · transformer · vla 第 22 课：Conditional 1D U-Net——Diffusion Policy 怎样理解一整段未来动作？ 上一课我们已经完成了 Diffusion Policy 最重要的一段数学基础：从前向加噪的概率模型出发，理解网络如何预测噪声，以及 DDPM 如何逐步生成动作。 147API 7 天前 深度学习 · 架构 · transformer AWS Priming 怎样用层级蒸馏，把 Transformer 改造成混合架构 如果只是拿到一个模型的 API，我们通常只能收集它的输出，让学生学习回答或动作。拿得到权重和中间层时，能力迁移还有另一条路：保留大部分已有结构，替换部分计算模块，再让新模块对齐原模块。 Uncertainty!! 7 天前 人工智能 · 深度学习 · transformer 大模型基础架构之Transformer （1）Encoder-Decoder架构 （2）Decoder-only架构 （3）Encoder-only架构 Phoenixtree_DongZhao 7 天前 人工智能 · rnn · transformer [CVPR2026] 视觉 Mamba：RNN 与线性 Transformer 的统一视角 论文：RNN as Linear Transformer: A Closer Investigation into Representational Potentials of Visual Mamba Models 作者：Timing Yang、Feng Wang、Guoyizhe Wei，Johns Hopkins University；CVPR 2026。 本文将正文与附录的理论、实验和实现细节合并介绍。标为“阅读理解”或“公式核查”的段落是基于原文的解读；其余结论均对应原论文。配图沿用原论文编号。 朝朝辞暮i 7 天前 人工智能 · 深度学习 · 神经网络 · transformer · vla VLA 系统学习第 21 课——DDPM 与 Noise Scheduler：扩散模型究竟怎样从随机噪声生成机器人动作？ 想先说明一下，ddpm这里讲的并不好，比如说为什么系数要用根号值，为什么没有用条件概率表示却突然用epsilon去逼近神经网络最优参数等等，其中包含一些概率论与数理统计/马尔科夫决策链/詹森不等式/KL散度知识，我找了一个讲的最好的动画，公式推导的很牛逼；听一遍，整个人都通畅了；[动画] 扩散模型DDPM全解析_哔哩哔哩_bilibili； 高洁01 8 天前 人工智能 · python · 深度学习 · 机器学习 · transformer AI赋能产业升级与中美未来经济赛道博弈 AI赋能产业升级与中美未来经济赛道博弈一、深耕智能制造，夯实实体经济核心根基二、赋能全域业态，激活传统产业全新活力三、培育新兴业态，抢占未来产业竞争赛道四、优化产业结构，推动经济高质量转型五、坚守实体为本，构建良性产业竞争格局#大模型 #大国博弈 #人工智能 #世界模型 田里的水稻 8 天前 人工智能 · 深度学习 · 神经网络 · 机器学习 · transformer LLM_Transformer的神经网络 LLM：Large Language Mode先澄清一个关键点：Transformer 依然是人工神经网络，但它不是传统感知机那种单个神经元堆叠的视角，它的基础单元是向量、矩阵运算、多头注意力、MLP；但里面依然包含神经元、权重连接、激活函数。 python与大数据分析 8 天前 cnn · 开源 · transformer CNN+Transformer+Mamba 16 模型全景对比｜DeepGlobe 遥感土地覆盖分割最全开源工程 基于 DeepGlobe 土地覆盖数据集，用一套统一协议训练并对比 16 个分割模型（15 个主线模型：CNN、Transformer、Mamba、混合架构；外加 4090 实验线 wangbq-net）。文后提供gitee代码地址，也算是这段时间的学习告一段落了 朝朝辞暮i 8 天前 人工智能 · python · 深度学习 · transformer · vla VLA 系统学习第 20 课——Diffusion Policy 为什么要先给动作加噪，再学习把噪声去掉？ 原论文：Diffusion Policy: Visuomotor Policy Learning via Action Diffusion；官方实现：real-stanford/diffusion_policy。论文提出将机器人动作策略建模为条件去噪扩散过程，并结合视觉条件与滚动时域控制。 朝朝辞暮i 8 天前 人工智能 · pytorch · 深度学习 · transformer · vla 第一部分：ACT 阶段总结——从 Behavior Cloning 到完整的 Transformer Action Policy 经过第 1～19 课，我们已经从最简单的神经网络训练，逐步走到了第一个完整的机器人操作学习模型：ACT（Action Chunking with Transformers）。