当前位置: 首页 > news >正文

【2023春李宏毅机器学习】生成式学习的两种策略

文章目录

  • 1 各个击破
  • 2 一步到位
  • 3 两种策略的对比

生成式学习的两种策略:各个击破、一步到位
对于文本生成:把每一个生成的元素称为token,中文当中token指的是字,英文中的token指的是word piece。比如对于unbreakable,他的word piece指的是:un break able三个元素
对于图片生成:每一步会生成像素

1 各个击破

各个击破策略对应的模型是: Autoregressive (AR) model
对于文本生成来说,一个字一个字的生成,每一步都会计算一次概率密度分布
对于图像生成来说,一个像素一个像素的生成

2 一步到位

一步到位策略对应的模型是:Non-autoregressive (NAR) model
对于文本生成来说,一次性计算好所有token的概率密度分布。

3 两种策略的对比

速度:一次到位更快
品质:各个击破策略的生成品质更好
应用:各个击破常用于文字,一次到位常用于影像
两种策略也可以结合使用

在这里插入图片描述

http://www.lryc.cn/news/234399.html

相关文章:

  • Android13 adb 无法连接?
  • Ubuntu 20.04 调整交换分区大小
  • 将Agent技术的灵活性引入RPA,清华等发布自动化智能体ProAgent
  • 高济健康:数字化科技创新与新零售碰撞 助推医疗产业优化升级
  • SystemVerilog学习 (5)——接口
  • vue3插槽的使用
  • IPTABLES问题:DNAT下如何解决内网访问内部服务器问题
  • 异步任务线程池——最优雅的方式创建异步任务
  • uniapp 跨页面传值及跨页面方法调用
  • 无线物理层安全大作业
  • 目标检测标注工具AutoDistill
  • 关于SPJ表的数据库作业
  • 【Nacos】配置管理、微服务配置拉取、实现配置热更新、多环境配置
  • HTML5学习系列之网页图像
  • go语言学习之旅之Go语言数据类型
  • Day49 力扣单调栈 : 739. 每日温度 |496.下一个更大元素 I
  • 实用篇-ES-RestClient查询文档
  • 2023年第九届数维杯国际大学生数学建模挑战赛
  • TensorRT基础知识及应用【学习笔记(十)】
  • [内存泄漏][PyTorch](create_graph=True)
  • 【Git学习二】时光回溯:git reset和git checkout命令详解
  • 多维时序 | MATLAB实现PSO-GRU-Attention粒子群优化门控循环单元融合注意力机制的多变量时间序列预测
  • MySQL缓冲池的优化与性能提升
  • 一些RLHF的平替汇总
  • 7.docker部署前端vue项目,实现反向代理配置
  • 字符串函数详解
  • Mybatis学习笔记-映射文件,标签,插件
  • 【C++】模板初阶 【 深入浅出理解 模板 】
  • 无需API开发,伯俊科技实现电商与客服系统的无缝集成
  • Python | 机器学习之逻辑回归