#自适应学习率
共 4 篇相关文章
深度解读·9 分钟
DeepSeek V4技术深度拆解：百万Token与极致性价比
深入解析DeepSeek V4核心技术架构，包括混合压缩注意力机制、流形约束超链接和MUON优化器三大创新，详解其如何将推理成本降低10倍，实现百万Token长上下文处理，以及MIT开源协议带来的生态价值。
阅读全文 →
深度解读·3 分钟
Adam优化器深度拆解：一文搞懂自适应矩估计原理
深入拆解Adam优化器的三大核心步骤：一阶矩估计捕捉梯度动量、二阶矩估计实现自适应学习率、参数更新融合方向与步长。详解Adam与SGD的区别及实践选择建议。
阅读全文 →
教程攻略·5 分钟
深度学习入门教程：三天从神经网络原理到图像识别实战
系统梳理深度学习三天速成课程核心内容，涵盖神经网络数学原理、梯度下降与反向传播、TensorFlow框架实操、CNN卷积神经网络及迁移学习实战，附详细学习建议与前置知识清单。
阅读全文 →
教程攻略·8 分钟
ComfyUI训练LoRA教程：TrainTools-MZ插件让炼丹变成连连看
ComfyUI-TrainTools-MZ是基于kohya-ss/sd-scripts的ComfyUI训练节点插件，支持在节点编辑器中直接进行LoRA微调训练。本文详解安装配置流程与使用方法，告别命令行，拖拽节点即可完成LoRA炼丹。
阅读全文 →