怎么运用大语言模型的

Question

清华大学“电路原理”“数字电子技术基础”这两门课程是怎么运用大语言模型的？现在有了大模型可以识别电力图吗

Answer 1

【相关推荐】

• 你可以参考下这个问题的回答, 看看是否对你有帮助, 链接: https://ask.csdn.net/questions/7777332
• 这篇博客你也可以参考下：半导体无尘车间粒子计数器的工作原理及应用分类
• 您还可以看一下 孙玖祥老师的图解数据结构与算法课程中的 操作最后一个元素复杂度震荡问题的解决小节, 巩固相关知识点
  
• 除此之外, 这篇博客: 图像兴趣点检测与描述 的深度学习方法总结中的 如何监督隐式表征的检测子？ 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

  首先是关键点的标签：来自于SIFT+SfM产生，具体操作可以参考原论文
  作者使用了两种损失函数监督，一种是结果导向型的目标函数，一种是分类的损失函数
  
  

  • 结果导向型：
    图中P1,P2P^1, P^2P1,P2表示正样本，即是同一个目标区域但是不同视点下的图像。
    作者用了一种很巧妙的训练策略，就是我先基于SIFT+SfM作为检测子把方向估计子和特征描述子的CNN预训练一下，然后反过来再来训练我自己的检测子。如下式子所示，hρh_\rhohρ​是描述子，G是方向估计子，都是训练好的，只有fμf_\mufμ​检测子未训练，所以虽然我监督的是正样本的特征距离，但是我只学习检测子，理论上当两个patch检测到的位置一致时，他们的特征距离时最小的。
    
  • 分类损失：
    P1,P2,P3P^1, P^2,P^3P1,P2,P3都含有关键点，但是P4P^4P4没有，因此可以类似分类的思想，让前三个P的score的最大值变大（用了一个relu防止score到无穷），P4P^4P4的score最大值变小。
    

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^