Поиск.
Найдено: 0 моделей и 20 материалов
Материалы
Как использовать Huber loss в Optax для регрессии с выбросами
Optax 0.2.6: Huber loss квадратичен около нуля и линеен после delta; проверяем ошибки 0,5 и 2.
Как использовать sigmoid focal loss в Optax
Optax 0.2.6: focal loss для logits 0 и labels 0/1 при gamma=2; проверка симметричного базового значения.
Как посчитать binary cross-entropy по logits в Optax
Optax 0.2.6: sigmoid_binary_cross_entropy принимает logits и метки 0/1; проверяем базовый уровень ln(2).
Как посчитать hinge loss в Optax с метками −1 и +1
Optax 0.2.6: hinge loss требует targets строго −1/+1; проверяем уверенные predictions и нарушения margin.
Как посчитать softmax cross-entropy с integer labels в Optax
Optax 0.2.6: проверяем multiclass loss для logits и целочисленных меток, формы входа и явное усреднение batch.
Как проверить cosine similarity embeddings через Optax
Optax 0.2.6: одинаковые единичные vectors дают similarity 1, ортогональные — 0; проверяем batch и axis.
Как проверить NT-Xent loss embeddings через Optax
Optax 0.2.6: четыре embeddings с парными labels дают почти нулевой NT-Xent при высокой внутриклассовой близости.
Как сделать label smoothing через Optax smooth_labels
Optax 0.2.6: сглаживаем one-hot метку трёх классов с alpha 0,1 и проверяем сумму вероятностей.
Почему cross-entropy даёт NaN при −inf и как помогает Optax safe
Optax 0.2.6: safe_softmax_cross_entropy трактует 0·log(0) как 0 и избегает NaN для нецелевого −inf logit.
Почему Optax l2_loss включает множитель 0,5
Optax 0.2.6: l2_loss возвращает 0,5·(prediction-target)² поэлементно; проверяем значения и отличие от MSE.
Как отвергать лишние аргументы AI-вызова до выполнения функции
Проверяем точный набор полей arguments в AI tool call; неизвестное поле и неверный тип отклоняются до вызова.
Как записать ручной вызов функции через function_span Agents SDK
Инструментируем функцию function_span, записываем JSON-вход и выход и проверяем отсутствие секретов в трассировке.
Как настроить Tool Calling в Ollama и валидировать аргументы функции
Как объявить функцию для локальной модели Ollama, обработать message.tool_calls, вернуть tool result и запретить опасные вызовы.
Как загрузить embeddings в Elasticsearch через Bulk API без частичных потерь
NDJSON для _bulk, стабильные _id, проверка errors и каждого item, refresh для теста и повторяемая загрузка embeddings.
Как загрузить embeddings в OpenSearch через Bulk API без частичных потерь
Правильный NDJSON для _bulk, стабильные _id, проверка errors и каждого item, refresh только для теста и сверка manifest после загрузки.
Как настроить tool use в Claude API и безопасно выполнять функции
Как описать инструменты для Claude, принять tool_use, проверить аргументы и вернуть tool_result без опасного автоматического выполнения.
Как векторизовать инференс нейросети через jax.vmap
vmap для функции одного объекта: in_axes для параметров и входа, сравнение с циклом и пакетной матричной реализацией.
Как группировать запросы к ML-модели через batch=True в Gradio Interface
Сверяем сигнатуру пакетной функции, tuple of lists и max_batch_size на детерминированном тесте.
Как обработать named tool call в vLLM без произвольного выполнения кода
Требуем вызов одной безопасной функции, валидируем аргументы и не отдаём модели право запускать произвольные команды.
Как показать код рядом с ответом AI в Gradio через additional_outputs
Возвращаем текст и gr.Code как два выхода чат-функции; проверяем отсутствие кода при запросе вне сценария.