学习机 粒子 算法 模型
局部异常因子（Local Outlier Factor, LOF）算法详解及实验
局部异常因子（Local Outlier Factor, LOF）通过计算样本点的局部相对密度来衡量这个样本点的异常情况，可以算是一类无监督学习算法。下面首先对算法的进行介绍，然后进行实验。 LOF算法 下面介绍LOF算法的每个概念，以样本点集合中的样本点$P$为例。下面的概念名称中都加了一个k-， ......
微服务学习计划——消息队列
微服务学习计划——消息队列 我们在微服务中一个命令会逐渐调用各个微服务，但如果一一调用不仅需要微服务实时同步交互还会浪费效率 所以我们通常会采用MQ，也就是消息队列Message Queue来处理这个问题 下面我们会通过几个方法介绍消息队列： MQ RabbitMQ SpringAMQP MQ 首先 ......
代码优化与程序加速指南——针对数值优化和深度学习领域
背景 当需要处理规模较大、任务较复杂的优化问题或训练神经网络时，我们经常会遇到程序运行时间长或无法完成的情况。然而，这不一定是由于问题规模大或计算机硬件能力的限制。即使尝试使用更高性能的服务器或计算机，也不能保证能够有效地加速代码运行。因为高性能的硬件通常需要与为高性能计算而设计的代码相匹配。 本文 ......
LeetCode 周赛 334，在算法的世界里反复横跳
本文已收录到 AndroidFamily，技术和职场问题，请关注公众号 [彭旭锐] 提问。 大家好，我是小彭。 今天是 LeetCode 第 334 场周赛，你参加了吗？这场周赛考察范围比较基础，整体难度比较平均，第一题难度偏高，第四题需要我们在算法里实现 “反复横跳”，非常有意思。 小彭的 And ......
基于内容的推荐系统算法
基于内容的推荐算法是一种常用的推荐算法，它主要通过分析物品的特征（如文本、图片、视频等）来实现推荐。其核心思想是利用物品属性的相似性，将已经喜欢的物品的特征作为输入，推荐与该物品相似度高的其他物品。 基于内容的推荐算法仅考虑了单个用户对物品的偏好，而未考虑多个用户之间的交互和影响。此外，该算法在特征 ......
【基数排序算法详解】Java/Go/Python/JS/C不同语言实现
说明 基数排序（RadixSort）是一种非比较型整数排序算法，其原理是将整数按位数切割成不同的数字，然后按每个位数分别比较。由于整数也可以表达字符串（比如名字或日期）和特定格式的浮点数，所以基数排序也不是只能使用于整数。基数排序的发明可以追溯到1887年赫尔曼·何乐礼在列表机（Tabulation ......
【选择排序算法详解】Java/Go/Python/JS/C 不同语言实现
【选择排序算法详解】Java/Go/Python/JS/C 不同语言实现 说明 选择排序（Selection Sort）是一种简单直观的排序算法。跟冒泡、插入排序一样，它将数列分为已排序和待排序两个区间。首先在待排序序列中找到最小（或最大）的元素，追加到已排序序列中，然后继续从待排序序列中寻找最小（ ......
算法学习笔记(18): 平衡树（一）
平衡树 建议在清楚二叉搜索树的所有操作之后食用本文。本文将略过部分基础知识 本文主要会讲到4中较常用的平衡树： Treap FHQ-Treap（无旋Treap） Splay WBLT 其实WBLT不怎么常用，但是我个人最喜欢用 我将会在另一篇文章中讲述其他的平衡树，如AVL，红黑树，替罪羊树等。 可 ......
学习分享：对极几何、基本矩阵、本质矩阵（持续更新）
对极几何、基本矩阵、本质矩阵 对极约束相关介绍可以在《计算机视觉中的多视图几何》一书的185页找到； 1 对极约束 1.2 对极约束的理解 对极几何是两幅视图之间内在的射影几何； 对极约束：已知某一3D点$X$在第一张图像上的投影是$x$,那么在同样观测到点$X$的第二幅图像上的投影$x'$是如何被 ......
我的语言模型应该有多大？
本文发表于 2020 年 6 月 8 日，虽然时间较久远，但现在看起来仍然是非常有价值的一篇文章。 在这个全民 LLM 的狂欢里，想测测你拿到的预算够训一个多大的模型吗？本文会给你一个答案，至少给你一个计算公式。 在自然语言处理领域，有时候我们恍惚觉得大家是为了搏头条而在模型尺寸上不断进行军备竞赛。 ......
Optimum + ONNX Runtime: 更容易、更快地训练你的 Hugging Face 模型
介绍 基于语言、视觉和语音的 Transformer 模型越来越大，以支持终端用户复杂的多模态用例。增加模型大小直接影响训练这些模型所需的资源，并随着模型大小的增加而扩展它们。Hugging Face 和微软的 ONNX Runtime 团队正在一起努力，在微调大型语言、语音和视觉模型方面取得进步。 ......
AI 大战 AI，一个深度强化学习多智能体竞赛系统
小伙伴们快看过来！这是一款全新打造的 ⚔️ AI vs. AI ⚔️——深度强化学习多智能体竞赛系统。 这个工具托管在 Space 上，允许我们创建多智能体竞赛。它包含三个元素: 一个带匹配算法的 Space，使用后台任务运行模型战斗。 一个包含结果的 Dataset。 一个获取匹配历史结果和显示模 ......
ATC：一个能将主流开源框架模型转换为昇腾模型的神奇工具
摘要：本文介绍了昇腾CANN提供的模型转换工具ATC，介绍了其功能、架构，并以具体样例介绍了该工具的基本使用方法以及常用设置。 本文分享自华为云社区《使用ATC工具将主流开源框架模型转换为昇腾模型》，作者： 昇腾CANN。 什么是ATC，它能做什么？ 昇腾张量编译器（Ascend Tensor Co ......
深入了解视觉语言模型
人类学习本质上是多模态 (multi-modal) 的，因为联合利用多种感官有助于我们更好地理解和分析新信息。理所当然地，多模态学习的最新进展即是从这一人类学习过程的有效性中汲取灵感，创建可以利用图像、视频、文本、音频、肢体语言、面部表情和生理信号等各种模态信息来处理和链接信息的模型。 自 2021 ......
在线文本翻译能力新增14个直译模型，打造以中文为轴心语言的翻译系统
经济全球化的今天，人们在工作和生活中经常会与外语打交道。相较传播性较广的英语而言，其他语种的识别和阅读对大多数人来说是一件难事，此时就需要借助语言翻译软件来帮助理解。 华为 HMS Core 机器学习服务（ML Kit）翻译功能提供了多种翻译模式，不仅可以满足应用出行购物、网络社交等日常场景，还提供 ......
计网学习笔记三 MAC与LAN
在上一讲中，我们学习了链路层可以提供的服务😶：framing，link access，reliable delivery，error detection&correction。这一讲我们从link access中的broadcast接入方式深入，学习这种接入方式下的协议，以及衍生出的MAC地址，最 ......
计网学习笔记二 Link Layer Service
在上一周的计网学习了network和Internet的总论。在这一周开始的未来几讲将集中在链路层link layer，并且会有相应的计网lab完成。在这一讲中，我们主要关注链路层提供的服务。 课程资料地址：https://cs.nju.edu.cn/lwz/networks/CH2-Direct%2 ......
从宏观上理解计算机网络模型-坐在直升机上看网络
大家好，我是风筝 今天是轻解计算机网络系列第一解，从宏观上了解网络。主要介绍网络分成模型、基本传输过程。 学习任何一种新技术都应该是这样的顺序，先从宏观上了解这门技术的基本原理和作用。这就好像生物学家研究一种生物，不能上来就解刨吧，一定是从整体上观察了这种生物的体貌和形态。这里的宏观就像是一具动物骨 ......
ABP微服务系列学习-对接前端界面
前面我们把后端的微服务架子基本搭建完成并成功启动了，现在我们可以对接前端界面了。这里我们直接用ABP模板里面的Angular的前端界面。 创建应用程序模板 使用ABPCli创建一个应用程序模板，前端选择Angular，选择参数--separate-identity-server，分离身份认证和API ......
ABP微服务系列学习-对接Apollo配置中心
前面我们把服务都已经成功启动，并且对接前端Angular界面。但是在微服务结构中，多个服务意味着需要配置多个配置文件，这时就需要引入配置中心这玩意了。配置中心有很多现成的方案，比如携程的阿波罗，K8S自带的ConfigMap等等。这里介绍一下如何对接携程的阿波罗配置中心。 部署Apollo服务 在开 ......
ABP微服务系列学习-使用Tye启动微服务
Tye是微软开源的一款开发人员工具， 能够用于简化微服务以及分布式应用程序的开发、测试以及部署过程。Tye 的首要目标是简化微服务的开发，具体方式包括仅用一行命令执行多项服务、在容器中使用依赖项目，以及使用简单的方法探索其他服务的地址。 安装tye 首先我们安装tye，使用dotnet cli命令。 ......
ABP微服务系列学习-搭建自己的微服务结构（一）
在原本的结构里面，由于默认服务引用的都是ABP原生的模块，所以结构目录里面没有包含modules目录，这里我们添加一个modules目录，用于存放我们的自定义模块。在shared里面，我们再抽一个EventData的模块，用于消息队列共用数据实体。修改后结构如下图所示： 开始搭建 由于我们没有商业版 ......
ABP微服务系列学习-搭建自己的微服务结构（三）
上一篇我们基础服务初步搭建完毕，接下来我们整一下认证和网关。 搭建认证服务 认证服务的话，ABP CLI生成的所有模板都包括了一个AuthServer。我们直接生成模板然后微调一下就可以直接用了。 abp new FunShow -t app --tiered 使用命令创建模板后，我们可以找到一个A ......
ABP微服务学习系列-修复System.Text.Json不支持序列化Exception
前面我们已经把服务都启动了，然后我们试试请求API。发现请求出现500 返回错误 System.NotSupportedException: Serialization and deserialization of 'System.Reflection.MethodBase' instances a ......
Qt 学习笔记 - 第二章 - 添加图片、布局、界面切换
Qt 学习笔记全系列传送门： Qt 学习笔记 - 第一章 - 快速开始、信号与槽 【本章】Qt 学习笔记 - 第二章 - 添加图片、布局、界面切换 Qt 学习笔记 - 第三章 - Qt的三驾马车之一 - 串口编程 + 程序打包成Windows软件 Qt 学习笔记 - 第四章 - Qt的三驾马车之二 ......
学习ASP.NET Core Blazor编程系列二十八——JWT登录（2）
JWT只是缩写，全称则是JSON Web Tokens，是目前流行的跨域认证解决方案，是基于开放标准RFC7519，提供一种身份认证与信息交换的解决方案，是一种基于JSON的用于在网络上声明某种主张的令牌（token）。
通俗地说，JWT的本质就是一个字符串，它是将用户信息保存到一个Js... ......
学习ASP.NET Core Blazor编程系列二十九——JWT登录（3）
JWT只是缩写，全称则是JSON Web Tokens，是目前流行的跨域认证解决方案，是基于开放标准RFC7519，提供一种身份认证与信息交换的解决方案，是一种基于JSON的用于在网络上声明某种主张的令牌（token）。今天的文章使用API接口来实现使用JWT登录功能。 ......
深度学习模型压缩方法概述
我们知道，一定程度上，网络越深，参数越多，模型也会越复杂，但其最终效果也越好，而模型压缩算法是旨在将一个庞大而复杂的大模型转化为一个精简的小模型。之所以必须做模型压缩，是因为嵌入式设备的算力和内存有限，经过压缩后的模型方才能部署到嵌入式设备上。工业界的模型压缩方法有：知识蒸馏、轻量化模型架构、剪枝、... ......
EF7创建模型入门篇
在EF7中，创建一个模型是非常重要的步骤。本文将使用微软官方文档中的指南，来学习EF7中的创建模型篇，外加一点点个人理解。 实体类型 在 EF7 中，你需要使用 modelBuilder.Entity() 方法来告诉 EF7 你要包含哪些类型。默认情况下，EF7 会将实体类型的名称设置为表的名称。但 ......
EF7创建模型继承映射篇
Entity Framework 7 (EF7)中的继承映射允许您将类层次结构映射到数据库中的表层次结构。具体而言，这意味着您可以创建一个基类，然后从该基类派生多个子类，并将这些子类映射到不同的数据库表。这使得在数据库中存储不同类型的数据变得更加方便，同时还能保持面向对象编程的优雅性。 EF7提供了 ......