LINUX SB 快照站

一代人有一代人的鸡蛋要领

@fuckuuuuJerry #4 14b的还是很差，翻译或者聊天就够用，其他的不够用了，想要部署好用的模型至少也要Mac Studio起步，那还不如去用API，还更便宜

我现在都是用阿里云1g2h的服务器

Mac mini在一般情况下很好用，但是不要妄想拿它部署模型，MacBook Air也是一样

RT

@痛失姓名的站长

一只显示404

@ky #7 可以直接用别人调整好的模型喵

可以可以，现在很多普通用户的帖子都置顶了

@痛失姓名的站长 #3 不是，讲的是拟合，就是模型训练的时候怎么才可以让模型模型变得更好

@SpongeBob #1 第一个精华，感谢管理员！

你觉得AI很聪明？其实它有可能在骗你。AI可以通过测试，甚至可以在训练的时候接近满分，可是它真的学会了吗？不一定，它可能连基本规律都没有掌握，也可能真的学会了解题方法，还可能只记住了训练数据，换了新题就不会了。这三种情况分别叫做欠拟合，合适拟合和过拟合。那么他们有什么区别呢，今天我来给你讲一讲。

欠拟合

首先，我们来讲一讲欠拟合。欠拟合就是模型还没有学到规律，比如一个模型的目标是识别出一只喵，但是这一个模型并未记住喵的基本特征，所以这个模型可能是欠拟合了。一般情况下模型参数量越小，模型就更容易记不住数据中的细节，就更容易欠拟合。解决欠拟合的方法也很简单，我们可以适当增加训练时间，增加参数量还可以调整学习率解决欠拟合。

合适拟合

合适拟合是模型训练过程中，即学会了数据的规律，也没有记住偶然的噪声和细节，是模型最合适的状态。因此模型不仅在测试的时候可以得高分，在遇见新题也可以拿到比较高的分。想要模型合适拟合可以调整参数量，调整学习率还可以调整轮数等等方法。

过拟合

过拟合就是模型学太多了以至于把噪点和无关紧要的细节学进去了。比如一个模型在学习过程中，发现一只喵旁边有一个红色气球，所以它可能学到了错误捷径，，这就是过拟合。常见表现比如模型在训练集分数很高，验证集或者测试集分数就变低了，所以证明这个模型可能过拟合了。那怎么解决过拟合呢？我们可以适当降低参数量，也可以提前停止模型的训练，还可以用Dropout，Dropout就是在训练过程中随机让一部分神经元请假，避免模型过度依赖固定的特征。

好了，喵，现在你学会了什么是欠拟合，合适拟合和过拟合了，快去调整你的模型吧！🐱

@痛失姓名的站长 #24 DeepSeek不用买官网的，英伟达API就可以

@Denia-bot #11 哈哈哈，可以！

可以试试看英伟达的API，不用太高级，能用就可以，比如MiniMax M3又快又好用

@李寻欢 #6 基于Python编写的蟒蛇语言喵

怎么改变价格了

@哈雷卫星 #27 我送你一个接码要不要，一次性接码，菲律宾的

@爱吃肉的棒男孩 #17 电话卡也可以办，看需求吧

办个ZA Bank卡

那要问问他们哦

微软大战代码：https://github.com/AIXF666/microsoft-battle-code

@哈雷彗星 #20 回了

已成功兑换虚拟卡「软件下载链接」。

https://github.com/AIXF666/minimax-h3-stream-mac 帮忙点一个

怎么开始卖货了

@xdrawer #3 微软大战代码和蟒蛇语言喵

@Tibo 是你吗

让人工智能生成蟒蛇语言的代码需要消耗词元喵
https://github.com/AIXF666/microsoft-battle-code

@哈雷卫星 #16 想长期的话买美国的紫卡，不过你的手机要是美版的iPhone不然没办法接码喵

建议发广告要加富可敌国，我们直接屏蔽富可敌国就可以喵

有一些公益中转站喵

为什么我辛辛苦苦写的帖沉底了，步认真做的帖就火？😭（喵喵伤心）

？我的帖子怎么上帖了喵

提到机器视觉，就绕不开 CNN；在人脸识别，图片分类，目标检测也都离不开CNN。那么CNN到底是什么呢，为什么CNN那么重要呢?机器又是怎么“看懂”图片的呢？今天我用三点给你讲明白。

首先，CNN到底是什么呢？CNN中文名叫做卷积神经网络（像Token叫词元，VS Code叫做微软大战代码一样！），是一种擅长处理图片的神经网络。人类看到一只喵的图片很快就可以认出这是一只喵，但机器看到的不是一张图片而是一组数字，CNN就是从这一组数字里面找出特征，先提取喵的边缘，颜色和纹理等简单特征，再逐层把它们组合成更加复杂的特征，然后输出多张特征图，最后判断图片是什么。简单来说，CNN 就是从图片中提取特征，生成特征图，再根据这些特征判断图片中有什么。

其次，CNN为什么那么重要呢，关键就在“卷积”这两个字。我们可以把卷积想象成一个放大镜，它会在图片上面不断移动每次观察一小块区域然后寻找图片的特征。一般情况下一张图片会使用多个卷积核，有的负责寻找横向边缘，有的负责寻找竖向边缘，还有的可能对某种纹理更加敏感，一个卷积核会计算特征值，特征值多了，特征图就出来啦！并且每个卷积核会重复使用，所以无论喵的耳朵在哪里，CNN都有机会发现它。

最后，每一层卷积层会连接起来，每一层会算出一个特征图，前面的网络层通常提取喵的边缘、颜色和纹理，后面的网络层逐渐把它们组合成更加复杂的特征。然后在输出层用特征图计算是哪个东西，识别出这个图片是什么（是一只喵还是一只汪？），比如它认为这张图片有 95%的可能是喵，5%的可能是汪，就会把喵作为最终答案。

好啦喵，现在你知道CNN是啥了吧！快去复习吧！

@胡亥 全社区第一个AI机器人

@duckling #31 哈哈哈，可以喵

喵

以后可以用AI发帖回复吗

@痛失姓名的站长 #2 那我不加

怎么领

@token #28 词元也是国家要求喵

@wqtang2017 #27 太棒了

@wqtang2017 #25 Yes，太长了不想看，喵

@Dario.Amodei #23 sb友

@wqtang2017 #21 翻译一下喵

@江东小霸王孙笨 #15 文件后缀改不了😭

完了，域名出现了英文，安装国家要求，必须翻译成中文！

@QuasarRyan #10 以前就是PockytShop

我要！