分類:AI人工智慧學習
「工欲善其事,必先利其器」,簡單的說,就是學東西前一定要先花一筆錢,尤其是AI算法這種極吃資源的東西。 以下就先曬一下我的單 選購原則 本著是學習 AI 的用途,最吃的還是 GPU 與 RAM,所以就
接著上一篇線性迴歸,這篇繼續學習分類問題,資料與影片同樣是參考這個 Youtube 。 參考影片是要將2類的圖點分類, 我把它改的簡單一點,就是分成2類,正數與負數。 程式碼
線性回歸(WiKi)學校上過,不過從來也沒搞懂是做什麼用的。簡單的說就是為一堆散落的點,找出一個最小差距的公式。 網路上對線性迴歸的機器學習範例比較多,所以就從這篇開始學習。另外一個是分類問題,也會再
憑著一時衝動,終於花了大錢下單了一台 RTX 4090 主機,來做為人工智慧的學習的機器。為了能夠遠端的進行學習和開發,研究了一下怎麼從遠端執行 IDE 程式。 一開始是看怎麼從遠端執行 Spyder
經過上一篇的學習紀錄,瞭解到了要利用一般平台進行 GPT 訓練,似乎是一項非常昂貴的任務,所以尋找了降級的辦法。所謂的降級辦法,就是把 fp16 改用成 int8 的方式,進一步降低 CPU RAM
用了 CHAT GPT 後,就斷斷續續看了一些基本的 AI 基本 library 的用途介紹,包含 pandas: 一維/二維陣列處理 numpy: 多維陣列處理、矩陣乘法 pillow: 圖型處理