本课程涵盖30多小时视频内容，从零实现Stable Diffusion算法，深入讲解扩散模型原理及现代深度学习关键技术，适合具备PyTorch实战经验的学习者。
本文深入探讨了神经网络权重的可视化技术，包括权重与激活的区别、隐藏层权重研究的挑战、通过特征可视化实现权重语境化等方法，并介绍了扩展权重处理间接交互等高级技术。
本文探讨了如何利用生成式AI技术实现自主网络管理，包括日志分析、故障排除和文档自动化，并展望了大语言模型在网络运维中的潜在应用场景与挑战。
本文介绍了一种利用Bloom嵌入技术压缩词向量的方法，通过哈希函数将词汇映射到共享的向量空间，显著减小模型体积，同时保持语义表达能力。
本文介绍了一种利用自然语言处理技术从墨西哥某州审计报告中自动提取财政差异数据的方法，包括OCR转换、文本分类和命名实体识别等技术步骤。
本文介绍spaCy Layout技术，该技术能够将PDF、Word等文档转换为结构化数据，支持文本分类、命名实体识别等NLP任务，并详细介绍其API接口和使用方法。
本文介绍了如何利用spaCy库构建可定制的自然语言处理管道，包括分词器定制、模型训练与优化，以及即将发布的spaCy v3新特性如配置化管道和实体链接功能。
本文介绍了如何通过spacy-transformers库将BERT、XLNet和GPT-2等Transformer模型集成到spaCy流程中，实现特征提取和模型微调，提升NLP任务性能。
本文提出了一种结合主动样本选择与测试时微调的人机协作框架，可将视频语义分割标注所需点击量减少73%的同时保持95%以上的mIoU精度，显著提升标注效率。
研究浅层随机初始化ReLU神经网络作为非高斯过程的数学特性，包括其脉冲白噪声驱动机制、自协方差函数闭式解，以及宽网络收敛于高斯/非高斯过程的条件分析。