526互联

卷积 神经网络 深度 模型

DeepSpeed： 大模型训练框架

目前，大模型的发展已经非常火热，关于大模型的训练、微调也是各个公司重点关注方向。但是大模型训练的痛点是模型参数过大，动辄上百亿，如果单靠单个GPU来完成训练基本不可能。所以需要多卡或者分布式训练来完成这项工作。 ......
DeepSpeed 框架 模型

多模态大模型的grounding能力

数据集 a)QW-VL：Visual Genome, RefCOCO, RefCOCO+, RefCOCOg， b)CogVLM：Visual7W，Flickr30K-Entities c)Kosmos2：GRIT OFA Unifying Architectures, Tasks, and Mod ......
模态 grounding 模型 能力

解密长短时记忆网络（LSTM）：从理论到PyTorch实战演示

本文深入探讨了长短时记忆网络（LSTM）的核心概念、结构与数学原理，对LSTM与GRU的差异进行了对比，并通过逻辑分析阐述了LSTM的工作原理。文章还详细演示了如何使用PyTorch构建和训练LSTM模型，并突出了LSTM在实际应用中的优势。 关注TechLead，分享AI与云服务技术的全维度知识。 ......
长短 实战 记忆 PyTorch 理论

Table-GPT:让大语言模型理解表格数据

llm对文本指令非常有用，但是如果我们尝试向模型提供某种文本格式的表格数据和该表格上的问题，LLM更有可能产生不准确的响应。 在这篇文章中，我们将介绍微软发表的一篇研究论文，“Table-GPT: Table- tuning GPT for Diverse Table Tasks”，研究人员介绍了T ......
Table-GPT 表格 模型 语言 数据

LoadRunner自定义网络请求脚本

使用web_custom_request来发送请求，使用web_add_header添加header，使用web_add_cookie添加cookie（多内容用 ; 分隔） 注意使用json格式参数时，需要转义双引号 ......
脚本 LoadRunner 网络

双指针模型

#include<iostream> #include<cstdio> #include<cstring> #include<algorithm> using namespace std; const int N = 1e6 + 10, M = 2010; int n, m; int a[N]; i ......
指针 模型

倾斜摄影三维模型根节点合并效率提升的技术方法分析

三维工厂K3DMaker是一款三维模型浏览、分析、轻量化、顶层合并构建、几何校正、格式转换、调色裁切等功能专业处理软件。可以进行三维模型的网格简化、纹理压缩、层级优化等操作，从而实现三维模型轻量化。轻量化压缩比大，模型轻量化效率高，自动化处理能力高；采用多种算法对三维模型进行几何精纠正处理，精度高，... ......
节点 模型 效率 方法 技术

R语言使用ARIMA模型预测股票收益时间序列|附代码数据

原文链接：http://tecdat.cn/?p=2831 原文出处：拓端数据部落公众号 最近我们被客户要求撰写关于ARIMA的研究报告，包括一些图形和统计输出。 “预测非常困难，特别是关于未来”。丹麦物理学家尼尔斯·波尔（Neils Bohr） 很多人都会看到这句名言。预测是这篇博文的主题。在这篇 ......
时间序列 序列 收益 模型 语言

R语言估计时变VAR模型时间序列的实证研究分析案例|附代码数据

原文链接： http://tecdat.cn/?p=3364 原文出处：拓端数据部落公众号 最近我们被客户要求撰写关于时变VAR模型的研究报告，包括一些图形和统计输出。 加载R包和数据集 加载包后，我们将此数据集中包含的12个心情变量进行子集化： mood_data <- as.matrix(sym ......
时间序列 时变 研究分析 实证 序列

在 Windows Server 2022 中，你可以使用 PowerShell 来检查网络适配器的链路速度

在 Windows Server 2022 中，你可以使用 PowerShell 来检查网络适配器的链路速度。以下是如何进行的步骤： 打开 PowerShell。你可以通过在开始菜单中搜索 "PowerShell" 来找到它。 在 PowerShell 中，输入以下命令并按 Enter 键： Get ......
链路 适配器 PowerShell 速度 Windows

JavaScript 中的深度克隆

JavaScript 中的深度克隆涉及创建一个新对象，该对象是现有对象的副本，并将复制延续到所有嵌套属性，以确保两个对象完全独立。这项技术对于保持程序中的不变性等任务至关重要，对于处理 React 等框架中的状态尤其重要。它有助于防止意外的对象突变可能引起的错误，从而产生更易于维护且无错误的代码。随 ......
JavaScript 深度

超大场景的倾斜摄影三维模型的顶层合并构建的必要性分析

三维工厂K3DMaker是一款三维模型浏览、分析、轻量化、顶层合并构建、几何校正、格式转换、调色裁切等功能专业处理软件。可以进行三维模型的网格简化、纹理压缩、层级优化等操作，从而实现三维模型轻量化。轻量化压缩比大，模型轻量化效率高，自动化处理能力高；采用多种算法对三维模型进行几何精纠正处理，精度高，... ......
顶层 必要性 模型 场景

大模型增量预训练

增量预训练也叫领域自适应预训练（domain-adapter pretraining），即在所属领域数据上继续预训练。 主要问题是在增量预训练后可能发生灾难性遗忘。 避免灾难性遗忘主要从以下几个方面入手： 1 领域相关性 增量数据与所选基座模型的原始训练数据尽量一定的相关性。 2 新数据分布与原始数 ......
增量 模型

网络共享打印机无法连接 错误0x0000011b如何解决

网络共享打印机是指通过局域网将一台打印机共享给多台电脑使用的方式，可以节省打印机资源，提高打印效率。但是，有时候我们在连接网络共享打印机时，会遇到无法连接的问题，提示错误代码0x0000011b。这是什么原因呢？又该如何解决呢？本文将为你介绍网络共享打印机无法连接错误0x0000011b的原因和解决 ......
0x0000011b 打印机 0000011b x0000011 错误

大模型的幻觉问题

一 什么是幻觉问题 大模型的幻觉问题是指大模型生成的答案不基于任何事实数据，简单来说就是杜撰、一本正经的胡说八道。 幻觉问题也是影响大模型落地的重要原因之一 幻觉问题分类 1 和用户输入冲突的幻觉 2 和上下文冲突的幻觉 3 和事实知识冲突的幻觉（目前重点）例如，大模型在生成医疗建议时可能会捏造错误 ......
幻觉 模型 问题

办公/家庭网络查看外网IP

输入" curl http://ifconfig.me "或" curl http://icanhazip.com "（不包含引号）并按下回车键， 将在屏幕上看到返回的外网IP地址。 ......
家庭 网络

【项目】使用VGG16 ResNet50预训练模型为backbone进行FCN网络训练 完成分割任务

代码以及数据集后面会在我的ai studio主页公开 拿到这个题目的思路 1.VOC2007，VOC2012怎么统一到一起？ 参考：基于PaddlePaddle框架的YOLOv1复现 - 飞桨AI Studio星河社区 (baidu.com) 本地：基于PaddlePaddle框架的YOLOv1复现 ......
backbone 模型 任务 项目 ResNet

通义大模型使用指南之通义听悟

一、注册 我们可以打开以下网站，用手机号注册一个账号即可。 https://tongyi.aliyun.com/ 二、使用介绍 如图，我们可以看到有三个大项功能，通义千问、通义万相、通义听悟。下来我们体验一下通义听悟的功能。 1、通义听悟 1、1基本功能 当我们点击上面的通义听悟功能的时候，会出现下 ......
使用指南 模型 指南

大语言模型基础-Transformer模型详解和训练

一、Transformer概述 Transformer是由谷歌在17年提出并应用于神经机器翻译的seq2seq模型，其结构完全通过自注意力机制完成对源语言序列和目标语言序列的全局依赖建模。 Transformer由编码器和解码器构成。图2.1展示了该结构，其左侧和右侧分别对应着编码器（Encoder ......
模型 Transformer 语言 基础

MLP代码模型--NLP方向

训练 对于二分类任务，通常使用一个包含两个输出单元的输出层，而不是一个单一的输出单元。这是因为在二分类任务中，每个类别通常对应一个输出单元，一个用于表示类别1（例如正类别），另一个用于表示类别2（例如负类别） 预测 是 ......
模型 方向 代码 MLP NLP

Python贝叶斯MCMC：Metropolis-Hastings、Gibbs抽样、分层模型、收敛性评估

全文链接：https://tecdat.cn/?p=33961 原文出处：拓端数据部落公众号 在常规的马尔可夫链模型中，我们通常感兴趣的是找到一个平衡分布。 MCMC则是反过来思考——我们将平衡分布固定为后验分布： 并寻找一种转移核，使其收敛到该平衡分布。 岛屿示例 首先提供一个示例，以具体展示Me ......
Metropolis-Hastings Metropolis Hastings 模型 Python

模型推理batch inference速度无明显提升、耗时线性增长问题排查

模型推理batch inference速度无明显提升、耗时线性增长问题排查 现象描述 当模型在推理阶段使用batch inference时，推理速度并无明显提升，相比单帧多次推理收益不大。如笔者在Xavier上测试某模型结果 batch size 推理时间ms 折算耗时 ms/img 1 11.23 ......
线性 inference 模型 速度 问题

《动手学深度学习 Pytorch版》 10.3 注意力评分函数

上一节使用的高斯核的指数部分可以视为注意力评分函数（attention scoring function），简称评分函数（scoring function）。 后续把评分函数的输出结果输入到softmax函数中进行运算。最后，注意力汇聚的输出就是基于这些注意力权重的值的加权和。该过程可描述为下图： ......
注意力 函数 深度 Pytorch 10.3

网络编程小结

目录网络编程小回顾1.加入通信循环，使客户端和服务端的可以相互发数据2.加入连接循环，可以接收多个客户端的连接请求3.执行ssh命令的小案例subprocess4.粘包问题:就是发送的数据有的合并在了一起，具体情况是tcp这个协议的问题，tcp是流式协议，这个协议会有概率把时间间隔较短以及数据量较小 ......
网络编程 小结 网络

C#网络下载器

之前学习了一部分的C#基础，但是感觉会的不多，很多地方依然需要通过做一点小Demo来进行巩固，那么这个C#的网络下载器，就来了 原理讲解 首先我们编写代码之前，我们需要了解下网络下载的原理到底是什么？ 学习过C#中IO流部分的知识，或者你有其它的语言的基础，学习过其它语言的文件IO的基础，肯定了解过 ......
网络

计算机网络——物理层

物理层 目录物理层物理层的基本概念传输媒体物理层协议的主要任务物理层下面的传输媒体（了解即可）无线电频谱管理机构传输方式串行传输和并行传输同步传输和异步传输单向（单工）通信、双向交替通信（半双工）和双向同时通信（全双工）编码与调制常用编码：不归零编码归零编码曼彻斯特编码差分曼彻斯特编码练习题基本调制 ......
物理层 计算机网络 物理

区块链与安全问题-精讲对等网络、共识算法、密码学算法

本博文转载自 天山老妖 的博客：http://blog.51cto.com/9291927 一、区块链密码安全技术简介 区块链和分布式账本中大量使用了密码学和安全技术的最新成果，特别是身份认证和隐私保护相关技术。区块链使用了包括Hash 算法与摘要、加密算法、数字签名和证书、PKI体系、Merkle ......
算法 密码学 区块 共识 密码

深度学习调参手册（Deep Learning Tuning Playbook）

google-research/tuning_playbook: A playbook for systematically maximizing the performance of deep learning models. (github.com) dkhonker/tuning_playbo ......
深度 Learning Playbook 手册 Tuning

基于AidLux的互联网图片安全风控实战-相似度对比模型训练以及在AidLux中部署引用

在当今数字化世界中，随着互联网的快速发展，图片信息的交换与共享变得日益普遍。然而，与此同时，由于互联网图片的高度自由性和匿名性，不良信息的传播也日益增多，给用户带来了安全风险。在这样的背景下，基于AidLux的互联网图片安全风控实战方案应运而生。本文将重点介绍基于AidLux平台的相似度对比模型训练 ......
AidLux 实战 模型 互联网 图片

python 网络编程

python 编程 目录python 编程一. 网络编程 socket1.1 基于tcp 实现网络通讯1.2 基于tcp 实现远程执行命令1）粘包问题2）自定义协议解决粘包问题3）最终版 定义字典解决粘包问题1.3 socketserver 实现并发1）基于TCP实现2）基于UDP实现 一. 网络编 ......
网络编程 python 网络
共9000篇  :66/300页 首页上一页66下一页尾页