学习机 粒子 算法 模型
保序回归学习笔记
问题 给定两个长度为 $n$ 的序列 $w_i,a_i$，需要求一个满足给定一系列偏序集关系的序列 $b_i$，使得 $\sum w_i|a_i-b_i|^k$ 最小。 $k=1$ 对于 $k=1$ 的情况问题等价于求 $\sum w_i|a_i-b_i|$ 最小。对于偏序集是一条链的情况可以简单的 ......
（上模型）标签库拆分多个词条后导入
import pandas as pd import os def split_excel(original_file, target_folder): # 读取原始Excel文件 df = pd.read_excel(original_file) # 计算要拆分成多少个新表格 number_of_ ......
day08 代码随想录算法训练营 卡码网：55.右旋转字符串
题目：卡码网：55.右旋转字符串 我的感悟： python中的切片很厉害。 我感觉go好像也是切片的 理解难点： 没理解为什么是-n 代码难点： 总结概括： 代码示例： n = int(input()) s = input() res = s[-n:] + s[:-n] print(res) 通过截 ......
Python学习记录
PYTHON学习记录 Python3源码文件默认以UTF-8编码，所有字符串都是unicode字符串。 导入库 将整个模块(somemodule)导入：import somemodule 从某个模块中导入某个函数： from somemodule import somefunction 从某个模块中 ......
如何学习算法
怎么学算法？ sbldehanhan · 6 天前 · 2011 次点击 leetcode 上的题稍微难一点就做不出来。 什么原因呢？数学问题？算法问题？还是刷题太少？ 怎么解决呢？ 算法 leetcode 数学 稍微 22 条回复 • 2023-12-29 22:37:29 +08:00 1 Ys ......
day08 代码随想录算法训练营 151. 反转字符串中的单词
words = s.split() 题目：151. 反转字符串中的单词 我的感悟： 虽然我自己写出来了，但是又不太确定 理解难点： words = s.split() 切记：这里split是去掉所有的空格。 words = s.split(" ") 如果这样写" "就仅仅去除" "一个空格,这样写不 ......
day08 代码随想录算法训练营 卡尔网54. 替换数字
题目：54. 替换数字 我的感悟： 过于简单，我有点不敢相信 理解难点： 代码难点： 总结概括： 本质要理解这个数字是如何判断的 用ord("0")算出字符0的ASCII码再和9的ASCII码对比 str1 = input() ans = "" for ss in str1: if ord("0") ......
day08 代码随想录算法训练营 541. 反转字符串 II
题目：541. 反转字符串 II 我的感悟： 你别看这题简单，python里面细节很多 理解难点： 字符串转化为列表来算 s[1:99] 只会取到s[1:s.size] 这个range(0,size,k) 是可以取到步长的 或者用另外的思路。 代码难点： 总结概括： 注意[1:999]这里的容错机制 ......
智能分析网关V4算法配置步骤2.0——睡岗检测
AI智能分析网关V4是TSINGSEE青犀视频旗下的一款高效分析网关，可分别作为上级或下级平台进行级联，还可实现人体行为检测、车辆事件检测、环境卫生检测与消防事件检测等等，广泛应用在工地、工厂、园区、楼宇、校园、仓储等场景中。将智能分析网关V4结合我们的视频融合平台EasyCVR一起使用，可以实现多 ......
Qt学习（一）-------- 定时器、绘图
1.定时器 QTimer ⭐ 创建定时器对象 QTimer *timer = new QTimer(this); ⭐ 启动定时器 timer->start(毫秒); ⭐ 监听信号 connect(timer,&QTimer::timeout,[=](){ }); 例子 QTimer *timer = ......
Google主打的机器学习计算框架——jax的升级包
相关： 机器学习洞察 | 一文带你“讲透” JAX Jax的主要应用场景： 深度学习 (Deep Learning)：JAX 在深度学习场景下应用很广泛，很多团队基于 JAX 开发了更加高级的 API 支持不同的场景，方便开发者使用。 科学模拟 (Scientific Simulation)：JAX ......
AT事务模型使用
机制 两阶段提交协议的演变： 一阶段：业务数据和回滚日志记录在同一个本地事务中提交，释放本地锁和连接资源。 二阶段： 提交异步化，非常快速地完成。 回滚通过一阶段的回滚日志进行反向补偿。 集成过程 参考Seata客户端集成 工作机制 一阶段 根据update语句的条件组成select脚本，查询得到更 ......
简易机器学习笔记（九）LeNet实例 - 在眼疾识别数据集iChallenge-PM上的应用
前言 上一节大概讲了一下LeNet的内容，这一章就直接来用，实际上用一下LeNet来进行训练和分类试试。 调用的数据集： https://aistudio.baidu.com/datasetdetail/19065 说明： 如今近视已经成为困扰人们健康的一项全球性负担，在近视人群中，有超过35%的人 ......
项目部署学习笔记（一）—— 建站准备
一、简介 项目部署是指将软件、应用程序或系统从开发环境转移到目标环境的过程。在项目开发完成后，为了让其能够在实际运行环境中正常工作，需要将项目部署到生产环境或目标环境中。这个过程通常涉及将项目的源代码、数据库、配置文件和其他必要的资源复制到目标服务器或设备，并进行必要的安装、配置和测试工作，确保项目 ......
大模型如何部署上线
部署大型语言模型是一个详尽且复杂的过程，需要开发者们具备深入的理解和精确的实施策略。以下是对各个开发步骤的简单介绍，欢迎各位开发者一起讨论交流。 数据集的准备与处理 在部署大型语言模型之前，首先需要准备一个广泛且多样化的数据集。这个数据集应该涵盖多个领域、不同风格和语境的文本数据，这样能确保模型全面 ......
在百度千帆大模型服务器训练的记录
1.训练模型 ChatGLM3-6B-32K 1.1数据 训练数据 本地:llama_factory_train_data_2 1.1.1 加载数据 将数据文件放到 /home/LLaMA-Factory/data 下 修改dataset_info.json文件， 在末尾加上 "modify_lor ......
day08 代码随想录算法训练营 344.反转字符串
题目：344. 反转字符串 我的感悟： 以为很难，其实不难。 坚持就是胜利！！！！！！！！！ 理解难点： 我以为字符串不能修改，仔细看了题目发现是列表里面套的字符串 双指针，while 互相交互就可以了 代码难点： 总结概括： 代码示例： class Solution: def reverseStr ......
书生浦语大模型
书生·浦语全链路开源体系 数据：书生·万卷 文本，图像，视频 总数据量：2TB 开放平台：OpenDataLab 预训练：InternLM-Train 高可扩展，兼容主流生态 微调：XTuner 增量续训：学习新知识 有监督微调：学会理解和遵循指令，或注入少量领域知识 XTuner：7B模型最低8G ......
分治算法
分治算法就是把一个大的问题递归转化为许多原理相同的小问题，通过解决这些小问题，进而以合并以达到解决大问题的目的 问题： 对于任意一个已知数组，如何利用分治的方法把数组从大到小排序？ #include <stdio.h> int L[100],R[100]; void merge(int number ......
关于学习力 - 刘澜老师的得到专栏
以下是我在看的过程中的一些笔记记录，也有一些自己的思考，感兴趣建议阅读原专栏，关键的不是看做了什么笔记，而是看给自己的行为带来多大的改变。 何为优秀的学习者 学习者的分类 学习者分为四类，划分的依据是如何使用时间： 生产型学习者：将时间用来生产，比如说工作，大部分都是低水平的重复劳动 消费型学习者： ......
1 4学习内容
小型物联网应用系统设计图（模拟器上截图） （2）简述实现过程中的相关步骤及配置 各设备配置如下： 接入交换机：划分vlan，将终端连接接口划到相应vlan中，开启生成树，开启dhcp snooping。 核心交换机：划分vlan，将设备连接接口修改为trunk接口模式。 无线路由器：接口配置ip地址 ......
3 分钟为英语学习神器 Anki 部署一个专属同步服务器
Anki 介绍 Anki 是一款基于间隔重复（Spaced Repetition）原理的学习软件，想象一下，你的大脑就像是一个需要定期维护的精密仪器。间隔重复就好比是一种精准的维护计划，它通过在最佳时刻复习信息，来确保知识在你的脑海中牢固地扎根。 Anki 软件使用这个原理，帮助用户通过创建“卡片” ......
机器学习-Kmeans算法的sklearn实现
from sklearn.cluster import KMeans from sklearn.datasets import make_blobs import matplotlib.pyplot as plt # 可视化数据 # 生成数据 n_samples = 200 n_clusters = ......
MarkDown入门学习
MarkDown学习 标题 一级标题前加一个#和一个空格 接上标题名字 二级三级四级以此类推 最多到六级标题 字体 Hello,World！ 左右两边各加两个*变粗 Hello,World！ 左右两边各加一个*变斜 Hello,World！ 左右两边各加三个*变斜粗 Hello,World！ 左右两 ......
图像识别的技术前沿：人工智能与机器学习的融合
图像识别的技术前沿在于人工智能（AI）与机器学习（ML）的融合。这种融合使得图像识别系统能够从大量数据中自动学习并识别出各种模式，从而在复杂和动态的环境中实现更高的准确性和鲁棒性。 机器学习在图像识别中发挥着越来越重要的作用。传统的图像识别方法通常依赖于手工制作的特征提取和特征匹配，而机器学习则通过 ......
Python学习 第2章-编程基础
本章内容 程序设计语言又被称为编程语言 计算机程序是使用编程语言组织起来的一组计算机指令 计算机指令就是指挥机器工作的指示和命令 编程语言可分为机器语言、汇编语言和高级语言 采用编译方式执行的语言称静态语言 采用解释方式执行的语言称为脚本语言 IPO指的是输入、处理和输出 print 函数完整的语法 ......
欢迎 Mixtral - 当前 Hugging Face 上最先进的 MoE 模型
最近，Mistral 发布了一个激动人心的大语言模型: Mixtral 8x7b，该模型把开放模型的性能带到了一个新高度，并在许多基准测试上表现优于 GPT-3.5。我们很高兴能够在 Hugging Face 生态系统中全面集成 Mixtral 以对其提供全方位的支持 🔥！ Hugging Fac ......
AI-人工智能大模型
大模型 1.NLP 模型 GPT ：OpenAI的GPT系列 ChatGPT BERT：Google 基于 Transformer (变换器)的双向编码器表示 (BERT) 技术由 Google 开发, 通过在所有层中共同调整左右情境,利用无标记文本预先训练深度双向表示 Gemini llama M ......
vue+three，粒子星空
直接贴进去就可以用。 <template> <div id="container"></div> </template> <script> //引入three import * as THREE from 'three' //引入控制器 import { OrbitControls } from ' ......