文章目录

kaggle 数据集下载

  这两天想学习 kaggle 赛事 把深度学习相关的内容自己给过一遍，快忘得差不多了，惭愧。

  • 参考了好多帖子，使用命令行下载数据集非常地费劲，最好的办法还是在网站上直接下载，不过除了注册外需要完成 手机号的验证 ，下面的图片可以供大家参考。

（1） 数据集下载

  • 点击竞赛相面下的 Data
    在这里插入图片描述
  • 滑动鼠标找到
    在这里插入图片描述

（2） 手机号验证

  • 点击 Rules 滑动至最底部，之后进行手机验证即可。（注意：可能需要 ，你懂的。）
    - 是

  后续，会更新深度学习相关的内容了，确实，学习基础知识是一方面，实际操作又是另一方面。
  总之，加油，共勉吧！

# 开发语言 # 学习 # 深度学习
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

cover

英伟达 AI 芯片：架构演进与智能时代的算力基石

avatar DAMO开发者矩阵

关于国产景略Switch/JL5106C芯片P2P瑞昱RTL8306MB方案分析

景略通常会提供配置工具和映射表，可以将原用于 RTL8306MB 的 EEPROM 数据（如MAC地址、端口状态、VLAN设置等）平滑地迁移到 JL5106C上，或生成新的配置文件。它的最大优势在于硬件上的直接兼容，极大地简化了替代流程。您需要根据新的指南，重新生成或修改原有 EEPROM 的二进制文件，并烧录到新的板卡中。作为景略半导体的成熟产品，JL5106C 在交换性能、功耗、ESD防护等关

avatar DAMO开发者矩阵

π RL(piRL)算法支持用强化学习方法训练π 0/π 0.5(pi0/pi0.5)

最近看到清华大学发了一篇文章，解决了在强化学习方法下难以去训练pi0/pi0.5这种用flow matching生成动作的VLA模型的问题，效果看起来还不错。关于piRL的介绍可以参考：《清华大学最新！πRL：用在线强化学习让机器人 “边学边做” 的通用方案》。piRL笔者最近几天详细的研究了下，笔记如下。先说一下核心点吧，对强化学习，特别是PPO算法，不熟悉的同学，可以先去看一下强化学习方面的知

avatar DAMO开发者矩阵