Hướng dẫn triển khai Qwen3.5 với vLLM

Triển khai Qwen3.5 với vLLM (2026 mới nhất) Bài hướng dẫn này bao gồm các bước **tải mô hình Qwen3.5, cài đặt vLLM, khởi động dịch vụ, cấu hình tham số chính, gọi API, tối ưu hóa lượng tử, và triển khai đa GPU**. Hướng dẫn này áp dụng cho môi trường Linux/WSL2. I. Yêu cầu phần cứng và môi trường 1.1 Đề xuất cấu hình phần cứng Quy mô mô hì ...

Đăng vào ngày 28 tháng 5 lúc 01:52

Các khái niệm cơ bản về học sâu: Dữ liệu huấn luyện và các phương pháp tối ưu hóa

Dữ liệu trong học sâu Trong quá trình phát triển mô hình học sâu, dữ liệu đóng vai trò trung tâm trong ba giai đoạn chính: huấn luyện, xác thực và kiểm tra. Ba loại dữ liệu này là tập huấn luyện (training set), tập xác thực (validation set) và tập kiểm tra (test set). Sự khác biệt giữa tập xác thực và tập kiểm tra Quy trình hoàn chỉnh trong ...

Đăng vào ngày 27 tháng 5 lúc 05:54

Công nghệ phát hiện đối tượng trong trí tuệ nhân tạo: Ứng dụng và thách thức thực tiễn

Công nghệ phát hiện đối tượng trong trí tuệ nhân tạo: Ứng dụng và thách thức thực tiễn Từ khóa: Phát hiện đối tượng, Thị giác máy tính, Học sâu, Mạng nơ-ron tích chập, YOLO, Faster R-CNN, Ứng dụng thực tế Bài viết này phân tích chi tiết các nguyên lý cốt lõi của công nghệ phát hiện đối tượng trong lĩnh vực trí tuệ nhân tạo, các thuật toán phổ ...

Đăng vào ngày 22 tháng 5 lúc 04:46

Xây dựng Mạng Nơ-ron Fully Connected với PyTorch

1. Thiết kế Dataset tùy chỉnh Để huấn luyện mô hình phân loại hình ảnh, ta cần tạo một dataset có cấu trúc phù hợp với PyTorch. Dataset cần tuân theo cấu trúc thư mục với mỗi thư mục con đại diện cho một lớp. import os from PIL import Image from torch.utils.data import Dataset import cv2 class ImageFolderDataset(Dataset): def __init__(se ...

Đăng vào ngày 22 tháng 5 lúc 02:35

Hướng Dẫn Thiết Lập Faster R-CNN Với Keras

Mã nguồn triển khai Faster R-CNN trên Keras có thể tải xuống từ địa chỉ: https://github.com/yhenon/keras-frcnn. Sau khi tải về và mở bằng PyCharm (đảm bảo đã cài đặt Tensorflow-gpu và Keras), bạn sẽ thấy cấu trúc của dự án như sau: Tiếp theo, cần điều chỉnh tệp requirements.txt và thiết lập phiên bản Keras tương thích với hệ thống đã cài đặt. V ...

Đăng vào ngày 17 tháng 5 lúc 17:14

Mạng Structure-Aware LSTM cho Phát hiện Điểm Giải phẫu 3D

Được công bố trên IEEE Transactions on Medical Imaging (tháng 7 năm 2022), bài báo "Mạng Long Short-Term Memory Nhận thức Cấu trúc cho Phát hiện Điểm Giải phạm 3D" của Chen Runnan và các cộng tác viên đã đề xuất một mạng LSTM nhận thức cấu trúc nhằm nâng cao độ chính xác và khả năng chịu lỗi của việc phát hiện điểm giải phẫu trong chụ ...

Đăng vào ngày 16 tháng 5 lúc 18:19