卷积 神经网络cnn深度
【机器学习】李宏毅——Recurrent Neural Network(循环神经网络)
假设我们当前要做一个人工智能客服系统，那该系统就需要对用户输入的话语进行辨认，例如用户输入： I want to arrive Taipei on November 2nd 那么该系统就能够辨认出来Taipei是目的地，而后面是时间。那么我们可以用一个简单的前向网络来实现这个事情，输出为这个单词属于 ......
VmWare安装Centos后配置Net网络SSH链接问题看这一遍就够了
由于个人的阿里云Linux云服务器快要到期，之前购买了3年才280元的样子， 目前涨价到1700~2600元，实在不划算，想省些钱给娃买玩具更香，决定重新在个人电脑上使用虚拟机， 方便测试使用Linux和Docker等。 1：首先安装VmWare(网络上教材比较多，这里不说明了) 2:启动时在安装对 ......
深度学习-网络训练流程说明
1.背景 分类神经网络模型：Mobilenetv3。 深度学习框架：PyTorch。 Mobilenetv3简单的手写数字识别： 任务输入：一系列手写数字图片，其中每张图片都是28x28的像素矩阵。 任务输出：经过了大小归一化和居中处理，输出对应的0~9数字标签。 项目参考代码：https://gi ......
在 win11 下搭建并使用 ubuntu 子系统（同时测试 win10)——（附带深度学习环境搭建）
对于一个深度学习从事者来说，Windows训练模型有着诸多不便，还好现在Windows的Ubuntu子系统逐渐完善，近期由于工作需求，配置了Windows的工作站，为了方便起见，搭建了Ubuntu子系统，网上教程比较多，但是都或多或少存在一些小问题（也许是他们没有遇到）， 于是我自己在尝试中，将自己 ......
搞定实体识别、关系抽取、事件抽取，我用指针网络
PointerNet_Chinese_Information_Extraction 代码地址：https://github.com/taishan1994/PointerNet_Chinese_Information_Extraction 利用指针网络进行信息抽取，包含命名实体识别、关系抽取、事件抽 ......
PGL图学习之图神经网络ERNIESage、UniMP进阶模型[系列八]
通过以上两个版本的模型代码简单的讲解，可以知道他们的不同点，其实主要就是在消息传递机制的部分有所不同。ERNIESageV1版本只作用在text graph的节点上，在传递消息(Send阶段)时只考虑了邻居本身的文本信息；而ERNIESageV2版本则作用在了边上，在Send阶段同时考虑了当前节点和... ......
图神经网络之预训练大模型结合：ERNIESage在链接预测任务应用
通过以上两个版本的模型代码简单的讲解，我们可以知道他们的不同点，其实主要就是在消息传递机制的部分有所不同。ERNIESageV1版本只作用在text graph的节点上，在传递消息(Send阶段)时只考虑了邻居本身的文本信息；而ERNIESageV2版本则作用在了边上，在Send阶段同时考虑了当前节... ......
漫谈计算机网络：网络层 ------ 重点：IP协议与互联网路由选择协议
面试答不上？计网很枯燥? 听说你学习 计网 每次记了都会忘？ 不妨抽时间和我一起多学学它👇 深入浅出，用你的空闲时间来探索计算机网络的硬核知识！ 👇博主的上篇连载博客《初识图像处理技术》 图像处理技术：数字图像分割 图像分割、边界分割（边缘检测）、区域分割 - slowlydance2me - ......
漫谈计算机网络：物理层 ----- 双绞线&光纤？，从最底层开始了解计算机网络
计网很枯燥? 听说你学习 计网 每次记了都会忘？ 不妨抽时间和我一起多学学它👇 深入浅出，用你的空闲时间来探索计算机网络的硬核知识！ 👇博主的上篇连载博客《初识图像处理技术》 图像处理技术：数字图像分割 图像分割、边界分割（边缘检测）、区域分割 - slowlydance2me - 博客园 (c ......
漫谈计算机网络：应用层 ----- 从DNS域名解析到WWW万维网再到P2P应用
2022-12-04 18:31:01 纪念一下博主的《漫谈计算机网络》连载博客 浏览量破500了! 今天更新完结篇! 面试答不上？计网很枯燥? 听说你学习 计网 每次记了都会忘？ 不妨抽时间和我一起多学学它👇 深入浅出，用你的空闲时间来探索计算机网络的硬核知识！ 👇博主的上篇连载博客《初识图像 ......
Android网络请求(3) 网络请求框架OkHttp
Android网络请求(3) 网络请求框架OkHttp 本节我们来讲解OkHtpp网络请求框架 什么是网络请求框架 在我的理解中，网络请求框架是为了方便我们更加便捷规范的进行网络请求所建的类，我们通过调用该类中的方法可以快速地进行网络请求，切帮我们封装好了一些数据的处理方法，方便我们用更少的代码去做 ......
Android网络请求(4) 网络请求框架Volley
Android网络请求(4) 网络请求框架Volley Volley是Google在2013年5月15日到17日在旧金山Moscone中心举办网络开发者年会中推出的Android异步网络加载框架和图片加载框架，它特别适合数据体量小且通讯频繁的网络操作场景，而Android开发中大多数场景都是这样的， ......
Android网络请求(终) 网络请求框架Retrofit
Android网络请求(终) 网络请求框架Retrofit Retrofit底层是由OkHttp封装的，Retrofit对于注解的使用十分频繁，所以不了解注解的同学们可以去查查资料什么的。 这里有一个小细节，要使用Retrofit至少需要jdk1.8以上和Android API 21以上 Andro ......
Android网络请求(2)
Android网络请求(2) 在android网络开发中,除get请求外常见的还有post、put、delete这三种，接下来我们将详细讲解这三种请求及参数 GET请求 我们使用过get请求了，对于我们的日常生活中get请求毫无疑问是最常用的请求方式，大部分的浏览器搜索都是通过get请求，如在百度上 ......
深度解析KubeEdge EdgeMesh 高可用架构
摘要：通过高可用特性应用场景、高可用特性使用手册、课题总结、未来展望等四个部分的内容来向大家介绍新版本EdgeMesh的高可用架构。 本文分享自华为云社区《KubeEdge EdgeMesh 高可用架构详解|KubeEdge云原生边缘计算社区》，作者：南开大学｜达益鑫。 EdgeMesh项目解决了边 ......
为什么推荐Kestrel作为网络开发框架
为什么推荐Kestrel 网络框架千千万万，在dotnet平台，我们可以直接手撸Socket，也可以基于dotnetty来开发，或者选择某些第三方类似于dotnetty的网络库，为何我要推荐Kestrel呢？ 1 使用框架 网络编程是简单的，简单到大概就 new Socket()，Send()发送数 ......
聊聊如何让办公网络直连Kubernetes集群PodIP/ClusterIP/Service DNS等
想象一下，如果您日常使用的研发测试Kubernetes集群，能够有以下效果: 在办公网络下直接访问Pod IP 在办公网络下直接访问Service Cluster IP 在办公网络下直接访问集群内部域名，类似 service.namespace.svc.cluster.local 会不会很方便，很优 ......
【动手学深度学习】学习笔记
线性神经网络 图像分类数据集 import torch import torchvision from matplotlib import pyplot as plt from torch.utils import data from torchvision import transforms fr ......
一文深度解读边缘计算产业发展前景
算力在云端澎湃，云计算技术日新月异。 过去十年间，全球云计算市场快速扩张，市场规模爆发性增长。 中心化的云计算架构提供了集中、大规模的计算、网络和存储等资源，解决了泛互联网行业在前二十年快速发展所面临的业务迅速增长、流量急剧扩张和大规模计算需求等问题。 边缘计算是构筑在边缘基础设施之上，位于尽可能靠 ......
深度学习数学基础-概率与信息论
概率论是用于表示不确定性声明的数学框架。它不仅提供了量化不确定性的方法，也提供了用于导出新的不确定性声明（statement）的公理。概率论的知识在机器学习和深度学习领域都有广泛应用，是学习这两门学科的基础。 ......
神经网络量化基础
模型量化是指将神经网络的浮点算法转换为定点。量化有一些相似的术语，低精度（Low precision）可能是常见的。
低精度模型表示模型权重数值格式为 FP16（半精度浮点）或者 INT8（8位的定点整数），但是目前低精度往往就指代 INT8。
常规精度模型则一般表示模型权重数值格式为 FP32（... ......
神经网络模型复杂度分析
终端设备上运行深度学习算法需要考虑内存和算力的需求，因此需要进行模型复杂度分析，涉及到模型计算量（时间/计算复杂度）和模型参数量（空间复杂度）分析。
为了分析模型计算复杂度，一个广泛采用的度量方式是模型推断时浮点运算的次数 （FLOPs），即模型理论计算量，但是，它是一个间接的度量，是对我们真正关心... ......
Backbone 网络-ResNetv2 论文解读
本文发现当使用恒等映射（identity mapping）作为快捷连接（skip connection）并且将激活函数移至加法操作后面时，前向-反向信号都可以在两个 block 之间直接传播而不受到任何变换操作的影响。同时大量实验结果证明了恒等映射的重要性。本文根据这个发现重新设计了一种残差网络基本... ......