文件名称:blog-aws-notes:在AWS探索期间整理的笔记
文件大小:8.49MB
文件格式:ZIP
更新时间:2024-03-30 21:35:45
博客 有关AI的主题,有些是旧的,有些是新的。 通常是在做AWS-ML笔记时创建的。 主题 月 DALL-E 2021年3月 NERF:神经辐射场 机器学习范式 ResNet:残差神经网络 单发多盒检测器 T5:文本到文本传输变压器 音符 以下注释是我正在进行的aws探索的一部分。 当无法使用简单的(确定性的)基于规则的解决方案充分解决任务时。 涉及的步骤 主题 笔记 1.创建一个Sagemaker笔记本实例 2.创建一个Jupyter笔记本 (设置会话和角色) 3.下载或检索数据。 4.处理/准备数据。 /分为训练,测试和验证 5.在本地保存并将处理后的数据上传到S3。 保存为本地并作为测试,训练validate.csv 6.训练所选模型 容器,估计器,超参数,使用 ) 7.测试训练好的模型 8.部署端点 9.使用模型 (发送测试数据以评估结果) 10.清理 术语 A
【文件预览】:
blog-aws-notes-main
----ML-meme.jpeg(65KB)
----images()
--------Dall-e3.png(2.11MB)
--------images.md(1B)
--------ML-meme.jpeg(65KB)
--------Dalle2.png(1.99MB)
--------Dall-e1.png(2.41MB)
--------GPT-3-turing test.png(141KB)
----ML-meme1.jpeg(51KB)
----posts()
--------Syntax-vs-Semantics.md(692B)
--------aws-vocabulary.md(5KB)
--------GPT-3.md(8KB)
--------ML-notes.md(481B)
--------Armchair in the shape of an avocado.png(720KB)
--------Back-Propagation.md(415B)
--------S3-simple-storage-service.md(671B)
--------Exploratory-Data-Analysis.md(533B)
--------aws-fundamentals.md(765B)
--------Case-Studies.md(106B)
--------DALL-E.md(871B)
--------Hyperparameter-Tuning.md(68B)
--------Machine-Learning-Paradigms.md(2KB)
--------Snail made of harp.png(887KB)
----README.md(7KB)
----ML-meme2.png(146KB)