Machine Learning / AI

Perché il parametro shuffle deve essere presente nel dataloader di addestramento quando si addestra per più di un'epoca?

Cosa succede se fai select 1 invece del nome della colonna?

Cos'è il fine-tuning supervisionato (SFT)? Quali dati sono necessari?

Middle — Senior

ТензорВижнТехМагнит

Cosa dimenticano di fare con i dati su CUDA, che può portare a un overflow di memoria durante l'addestramento?

Quali problemi si verificano se la normalizzazione batch aggiorna le statistiche durante la validazione?

Cos'è la rilevazione dei punti di cambiamento?

Cos'è il dropout e come viene implementato?

Come funziona Tableau in termini di raccolta dati: autonomamente o tramite connessione a un data warehouse?

Cos'è il DPO e perché è più popolare del PPO nei modelli aperti?

Middle — Senior

СамокатМагнит

Come affrontare il compito di rilevamento degli oggetti con un forte squilibrio dei dati?

Come scegliere i backbone per la classificazione?

Come influisce la temperatura sulla distribuzione di probabilità in softmax?

Perché è importante cercare strati simili nell'insegnante e nello studente durante la distillazione?

Perché il numero di valori nei risultati di una query con funzioni di aggregazione non è uguale al numero di righe?

Cos'è una connessione residua e a cosa serve?

Middle

ДомкликМагнит

Quali sono le tre matrici utilizzate nell'attenzione multi-testa?

Cos'è il tool-calling e quali tipi di strumenti usano gli agenti?

Perché è necessario mettere il modello in modalità inferenza (model.eval()) prima di testarlo?

Come semplificare ResNet50 in un compito di classificazione?

Cos'è la maschera di padding della chiave rispetto alla maschera di attenzione in PyTorch?