从零开始下载torch+cu（无痛版）
这篇文章提供了一个详细的无痛版教程，指导如何从零开始下载并配置支持CUDA的PyTorch GPU版本，包括查看Cuda版本、在官网检索下载包名、下载指定的torch、torchvision、torchaudio库，并在深度学习环境中安装和测试是否成功。
从零开始的ChatGLM 配置详细教程
这篇文章提供了从零开始配置ChatGLM的详细教程，包括环境配置、下载项目、在HuggingFace下载模型、解决常见报错以及运行项目的最终结果和一些番外内容。
从零开始的OCR之旅
本文介绍了如何配置环境并使用EasyOCR库进行OCR任务，包括安装依赖、下载必要的模型包，并提供了一个简单的使用示例。
多模态融合在 FunAudioLLM 中的应用
【8月更文第28天】随着深度学习的发展，多模态融合技术已经成为构建更加智能和自然的人机交互系统的关键。FunAudioLLM（Fun Audio Language Model）是一种旨在结合音频与文本数据以实现更自然、更丰富的声音合成效果的框架。本文将详细介绍 FunAudioLLM 如何利用多模态融合技术，并提供具体的代码示例。
深度学习在图像识别中的应用
【8月更文挑战第28天】本文将探讨深度学习在图像识别领域的应用，包括卷积神经网络（CNN）的工作原理、数据集的准备和预处理、模型的训练与优化等。我们将通过一个实际案例来演示如何使用深度学习技术进行图像识别，并展示一些常见的错误和解决方法。无论你是初学者还是有经验的开发者，这篇文章都将为你提供有价值的信息和指导。
ONNX 与实时应用：延迟敏感场景下的部署策略
【8月更文第27天】在实时应用中，如自动驾驶汽车、视频分析系统等，快速响应和高吞吐量是至关重要的。Open Neural Network Exchange (ONNX) 提供了一种标准化的方法来部署机器学习模型，使其能够在不同的硬件和平台上高效运行。本文将探讨如何利用 ONNX 在延迟敏感的应用场景中部署模型，并提供一些策略和示例代码来确保低延迟和高吞吐量。
ONNX 与量化：提高模型效率
【8月更文第27天】随着人工智能技术的广泛应用，模型部署变得越来越重要。为了在资源受限的设备上运行复杂的机器学习模型，模型量化技术成为了一种有效的手段。Open Neural Network Exchange (ONNX) 作为一种开放格式，支持在不同框架之间交换训练好的模型，同时也支持模型量化。本文将探讨如何结合 ONNX 和模型量化技术来提高模型的效率，减少模型大小并加快推理速度。