关注
码龄
粉丝数
原力等级 --
被采纳
被点赞
采纳率
鱼雨羽
2020-06-03 21:37
采纳率: 50%
浏览 127
首页
人工智能
GAN+文本训练,性能指标断崖式下降并几乎维持不变
机器学习
自然语言处理
神经网络
深度学习
GAN+文本训练,性能指标TPR从训练开始就呈断崖式下降,之后维持几乎不变
收起
写回答
好问题
0
提建议
关注问题
微信扫一扫
点击复制链接
分享
邀请回答
编辑
收藏
删除
结题
收藏
举报
1
条回答
默认
最新
关注
码龄
粉丝数
原力等级 --
被采纳
被点赞
采纳率
蔡能教授,网站特聘专家
2020-06-05 15:03
关注
https://ask.csdn.net/questions/1058422
本回答被题主选为最佳回答
, 对您是否有帮助呢?
本回答被专家选为最佳回答
, 对您是否有帮助呢?
本回答被题主和专家选为最佳回答
, 对您是否有帮助呢?
解决
无用
评论
打赏
微信扫一扫
点击复制链接
分享
举报
评论
按下Enter换行,Ctrl+Enter发表内容
查看更多回答(0条)
向“C知道”追问
报告相同问题?
提交
关注问题
零售快销行业中线下巡店AI是如何颠覆传统计算机视觉识别的详细解决方案
2025-07-18 17:20
水中飞月的博客
大模型AI识别凭借迁移学习、上下文感知与多模态融合能力,显著提升准确性并降低成本。本文深度解析大模型技术原理,对比传统方案优劣,提供商业与开源技术栈搭配建议,揭示AI视觉识别的未来趋势。
万字长文!关于AI绘图,一篇超详细的总结发布
2025-12-21 00:32
Datawhale的博客
那时的 AI 就像是一个处于“左右互搏”状态的偏科天才:它的内部有一个负责造假的“生成器”和一个负责找茬的“判别器”,两者在不断的博弈中进化,通过这种方
式
训练
出一个能够近乎以假乱真的图片生成模型。...
探索AI应用架构师增量学习应用实践的新边界
2026-02-11 02:40
AI架构全栈开发实战笔记的博客
花费数周
训练
的推荐系统模型,上线1个月后因用户兴趣变化精准度暴跌?工业设备故障预测模型,无法适应设备老化带来的传感器数据分布变化?全量重新
训练
模型需要消耗数TB算力,却只能解决短期问题?增量学习...
GPT-SoVITS模型性能监控体系搭建:保障线上服务质量
2025-12-24 09:56
李多田的博客
通过构建端到端性能监控体系,融合音质评估、音色一致性检测与资源联动分析,实现对MOS分数、延迟、显存等多维指标的实时采集与动态告警。结合A/B测试、灰度发布和实际故障复盘,推动服务质量可度量、可预警、可追溯...
昔日AI绘画框架王者Stable Diffusion WebUI,已死
2026-01-16 07:58
Rocky Ding*的博客
LoRA文章地址:https://zhuanlan.zhihu.com/p/639229126AI绘画框架文章地址:https://zhuanlan.zhihu.com/p/673439761。
深度学习中的无监督与生成模型:变分自编码器(VAE)的重参数化技巧与KL散度正则化
2025-07-31 21:34
码字的字节的博客
在
人工智能
的浪潮中,无监督学习正成为解锁数据潜在规律的关键钥匙。与需要大量标注数据的监督学习不同,无监督学习能够直接从原始数据中发现隐藏的结构和模
式
,这种能力使其在数据爆炸的时代显得尤为珍贵。2025年的...
51c自动驾驶~合集42
2024-12-20 10:14
whaosoft-143的博客
这限制了模型在其他类型激光雷达技术中的通用性,并使超参数调整变得更加复杂。为了解决这些问题,上海交通大学团队提出了一种通用的框架SFPNet,用稀疏焦点机制代替窗口注意力机制,以适应市场上流行的各种类型的...
车载视觉感知的极限挑战:极端光照、恶劣天气与罕见目标的检测算法演进
2026-02-12 11:10
九章云极AladdinEdu的博客
重点探讨低照度增强、去雨去雾、小样本/开放世界检测等关键技术的原理、局限与突破方向,并展望生成
式
AI与端到端架构对感知鲁棒性的深远影响。本文旨在为自动驾驶感知领域的研究者与工程师提供一份系
这些深度学习模型不会还有人不知道吧,不会吧不会吧
2021-11-04 11:22
半度、的博客
这里写目录标题1 TF-IDF
文本
挖掘预处理2 word2vecword2vec对比模型1、NNLM2、RNNLM1、Skip-gram模型2、CBOW模型Word2vec关键技术,优化
训练
速度模型复杂度和评价方法3 HMM和CRF模型1、模型概述(三大要素)2、三大...
【数据分析】什么是源域与目标域的最小化?什么是特征空间分布对齐?
2025-05-21 23:47
二进制的Liao的博客
当AI模型在
训练
数据(源域)中表现卓越,却在真实场景(目标域)中频频失效,其症结在于数据分布的割裂。源域与目标域的最小化通过数学手段强行弥合两者差异,如同为算法注入“跨域适应”的基因。这一过程的核心在于...
没有解决我的问题,
去提问
向专家提问
向AI提问
付费问答(悬赏)服务下线公告
◇ 用户帮助中心
◇ 新手如何提问
◇ 奖惩公告