卷积 神经网络 深度 模型
《动手学深度学习 Pytorch版》 7.6 残差网络(ResNet)
import torch from torch import nn from torch.nn import functional as F from d2l import torch as d2l 7.6.1 函数类 如果把模型看作一个函数，我们设计的更强大的模型则可以看作范围更大的函数。为了使函 ......
金融行业迎来大模型时代，存算基建成决胜关键
去年年底，ChatGPT诞生，凭借强大、精准的自然语言理解和生成能力，令全球用户为之一震。自此，各行各业纷纷投身大模型研发竞赛，掀起新一轮技术创新热潮。金融行业更是如此。如何构筑面向大模型时代的新型算力和存力基础设施，实现大模型能力向金融领域的迁移，成为金融机构热议的话题。金融大模型 在哪些场景有用 ......
基于开源模型搭建实时人脸识别系统（三）：人脸关键点、对齐模型概览与模型选型
续 基于开源模型搭建实时人脸识别系统（二）：人脸检测概览与模型选型_CodingInCV的博客-CSDN博客 摘要 人脸对齐（face alignment）或者人脸关键点（face alignment）是定位人脸上的关键点，是很多基于人脸的任务的前置步骤，比如人脸识别、表情分析、人脸变装（makeu ......
python+playwright 学习-83 page.expect_response()捕获网络返回数据
前言 expect_response()方法可以捕获接口返回的数据，在爬取网页数据时非常有用。 expect_response() 使用 官方文档示例 with page.expect_response("https://example.com/resource") as response_info ......
gephi导入networkx：使用经纬度绘图并根据情景计算节点指标与网络整体指标（关联gephi导入networkx一文）
此随笔为储存代码用 首先展示gephi的json文件 { "attributes": { "creator": "Gephi 0.10.1" }, "options": { "multi": false, "allowSelfLoops": true, "type": "undirected" }, ......
计算机网络——概述_2
计算机网络——概述 目录计算机网络——概述计算机网络在信息时代的作用因特网概述网络、互联网、因特网的基本概念 😀因特网发展的三个阶段（了解）因特网的标准化工作（了解）三种交换方式电路交换分组交换😀报文交换计算机网络的定义和分类定义分类计算机网络的性能指标速率带宽😀😀😀吞吐量时延😀😀时延 ......
《动手学深度学习 Pytorch版》 7.5 批量规范化
7.5.1 训练深层网络 训练神经网络的实际问题： 数据预处理的方式会对最终结果产生巨大影响。 训练时，多层感知机的中间层变量可能具有更广的变化范围。 更深层的网络很复杂容易过拟合。 批量规范化对小批量的大小有要求，只有批量大小足够大时批量规范化才是有效的。 用 \(\boldsymbol{x}\i ......
结构化剪枝 之 L1 剪卷积核 笔记
论文：https://arxiv.org/pdf/1608.08710.pdf 摘要 CNN 在各种应用中的成功伴随着计算和参数存储成本的显著增加。最近减少这些开销的努力包括在不损害原始精度的情况下修剪和压缩各个层的权重。然而，基于大小的权值修剪减少了完全连接层的大量参数，并且由于修剪后的网络中的不 ......
分享网络收集100个常用的jquery特效和插件打包下载
这个是网上收集的代码，现在发布出来让需要的朋友能够复用。 https://download.csdn.net/download/lzhdim/88366292 ......
高级系统架构师学习（七）计算机基础和计算机网络
一、计算机系统概述 计算机系统组成 硬件 软件 系统软件 应用软件 存储系统 时间局部性：指程序中的某条指令一旦执行，不久以后该指令可能再次执行，典型原因是由于程序中存在着大量的循环操作。 空间局部性：指一旦程序访问了某个存储单元，不久以后，其附近的存储单元也将被访问，即程序在一段时间内所访问的地址 ......
生产者和消费者模型
一、什么是生产者-消费者模型 1、简单理解生产者-消费者模型 假设有两个进程（或线程）A、B和一个固定大小的缓冲区，A进程生产数据放入缓冲区，B进程从缓冲区中取出数据进行计算，这就是一个简单的生产者-消费者模型。这里的A进程相当于生产者，B进程相当于消费者。 2、为什么要使用生产者-消费者模型 在多 ......
【转载】人人都能看懂的大模型原理（四）
四、 AIGC可控生成原理 本章我们将揭露AIGC的神秘面纱，解答AIGC和大模型的区别和关系。我们也将讨论open AI和其他大模型公司的关键区别点，为什么他们能够遥遥领先。本章试图从机器学习理论出发，对图像生成和文本生成建立统一的理论。本章诸多理论和观点均为作者原创，如有纰漏，请包含，也希望大家 ......
【转载】人人都能看懂的大模型原理（三）
三、 多头注意力算子和transformer 如前文所述，我们已经发现了自监督学习特性，也发明了对应的代理任务，接下来我们需要发明一种具体的算子能够实现这种代理任务。在介绍self-attention之前，我们先介绍一下传统CNN和RNN方案是怎么来的，他们的理论依据是什么。他们的优点和短板是什么。 ......
k8s-网络
service 将运行在一组pods上的应用程序公开为网络服务的抽象方法 kubernetes为pods提供自己的ip地址，并为一组pod提供相同的DNS名，并且可以在他们之间进行负载均衡 访问service的ip地址就能获取pod的内容 ingress ingress是对集群中服务的外部访问进行管 ......
2023 ICPC网络赛第一场(A,D,J,L)
2023 ICPC网络赛第一场(A,D,J,L) A Qualifiers Ranking Rules 先把两场比赛的学校排名处理出来,然后两场比赛的同位次进行合并即可 #include <bits/stdc++.h> using namespace std; using i64 = long lo ......
小米云原生文件存储平台化实践：支撑 AI 训练、大模型、容器平台多项业务
小米作为全球知名的科技巨头公司，已经在数百款产品中广泛应用了 AI 技术，这些产品包括手机、电视、智能音箱、儿童手表和翻译机等。这些 AI 应用主要都是通过小米的深度学习训练平台完成的。 在训练平台的存储方案中，小米曾尝试了多种不同的存储方式，包括 Ceph+NFS、HDFS 和对象存储挂载等。然而 ......
模型转onnx遇到问题，报错 1. _thnn_fused_lstm_cell ， 2._thnn_fused_gru_cell， 3. Exporting the operator numpy_T to ONNX opset version 11 is not supported.
目录GRULSTMExporting the operator numpy_T to ONNX opset version 11 is not supported RuntimeError: Exporting the operator _thnn_fused_lstm_cell to ONNX o ......
【Python深度学习】深度学习中框架和模型的区别
深度学习是人工智能领域的一股强大力量，它的快速发展离不开深度学习框架和模型的进步。本文将介绍深度学习框架和模型的基本概念、它们之间的联系与区别，以及如何根据项目需求选择合适的框架和模型。 ......
18 NAT（网络地址转换）
NAT：对IP数据报文中的IP地址进行转换，是一种在现网中被广泛部署的技术，一般部署在网络出口设备，例如路由器或防火墙上。在私有网络内部（园区、家庭）使用私有地址，出口设备部署NAT，对于“从内到外”的流量，网络设备通过NAT将数据包的源地址进行转换（转换成特定的公有地址），而对于“从外到内的”流量 ......
2023版：深度比较几种.NET Excel导出库的性能差异
引言 背景和目的 本文介绍了几个常用的电子表格处理库，包括EPPlus、NPOI、Aspose.Cells和DocumentFormat.OpenXml，我们将对这些库进行性能测评，以便为开发人员提供实际的性能指标和数据。 下表将功能/特点、开源/许可证这两列分开，以满足需求： 功能 / 特点 EP ......
三维模型3DTile格式轻量化在三维展示效果上的重要性分析
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，... ......
CVPR2023:SimpleNet:一个简单的图像异常检测和定位网络
论文题目： SimpleNet: A Simple Network for Image Anomaly Detection and Localization 摘要 我们提出了一个简单且应用友好的网络(称为SimpleNet)来检测和定位异常。SimpleNet由四个部分组成:(1)生成局部特征的预训 ......
Odoo 通过Javascript调用模型中自定义方法
实践环境 Odoo 14.0-20221212 (Community Edition) 代码实现 在js脚本函数中调用模型中自定义方法： this._rpc({ model: 'demo.wizard', // 模型名称，即模型类定义中 _name 的值 method: 'action_select ......
安全HCIE_网络安全概念及规范
1.网络安全的定义 网络安全包括： 广义的网络安全，国家层面，与法律挂钩 狭义的网络安全，不涉及法律 HCIA-Security认证，具备协助设计、部署和运维中小型企业网络安全架构的能力。 安全产品： 1⃣️FW（新版防火墙）：USG6000防火墙 2⃣️IDS（新版入侵威胁检测）：NIP6000 ......
如何将 Transformer 应用于时间序列模型
在机器学习的广阔前景中，transformers 就像建筑奇迹一样高高耸立，以其复杂的设计和捕获复杂关系的能力重塑了我们处理和理解大量数据的方式。 自 2017 年创建第一个 Transformer 以来，Transformer 类型呈爆炸式增长，其中包括 ChatGPT 和 DALL-E 等强大的 ......
django- 实现模型字段 每天 -1
from django.db import models from datetime import datetime class MyModel(models.Model): count = models.IntegerField() created_at = models.DateTimeFiel ......
python+playwright 学习-81 page.expect_request()捕获网络请求
前言 page.expect_request() 可以捕获网页上发出去的请求，当有多个请求时，可以根据请求url，请求方式判断。 expect_request 官方文档示例 with page.expect_request("http://example.com/resource") as firs ......
计算机网络各报文段参数
各报文段需要记忆的内容 HTTP报文 HTTP报文分为请求报文＆响应报文请求报文：1．请求行：请求方法（常用get/post)、请求URL、HTTP协议版本 2．首部行3．请求体／实体主体 响应报文：1．状态行2．响应头部3．响应体 UDP数据报 1．首部8B，由4个字段组成（都是2B)2．长度字段 ......