526互联

序列 模型

从HumanEval到CoderEval: 你的代码生成模型真的work吗？

本文主要介绍了一个名为CoderEval的代码生成大模型评估基准，并对三个代码生成模型（CodeGen、PanGu-Coder和ChatGPT）在该基准上的表现进行了评估和比较。 ......
代码生成 HumanEval CoderEval 模型 代码

人工智能的新篇章：深入了解大型语言模型(LLM)的应用与前景

人工智能的新篇章：深入了解大型语言模型(LLM)的应用与前景 LLM（Large Language Model）技术是一种基于深度学习的自然语言处理技术，旨在训练能够处理和生成自然语言文本的大型模型。 LLM 技术的核心思想是使用深度神经网络，通过大规模的文本数据预训练模型，并利用这些预训练模型进行 ......
新篇 新篇章 人工智能 人工 前景

两道题浅析PHP反序列化逃逸

两道题浅析PHP反序列化逃逸 一、介绍 反序列化逃逸的出现是因为php反序列化函数在进行反序列化操作时，并不会审核字符串中的内容，所以我们可以操纵属性值，使得反序列化提前结束。 反序列化逃逸题一般都是存在一个filter函数，这个函数看似过滤了敏感字符串，其实使得代码的安全性有所降低；并且分为fil ......
序列 PHP

LangChain调用本地模型

学习LangChain参考 https://python.langchain.com.cn/docs/get_started/quickstart 调用本地下载的模型参考 https://blog.csdn.net/qq_43692950/article/details/131743987 在Jup ......
LangChain 模型

从Hugging Face下载模型到本地并调用

不同的模型需要的显存不同，下载前先查一下自己GPU能支持什么模型 1. 用如下脚本可以下载HuggingFace上的各种模型， 网址 https://huggingface.co/models download.py #coding=gbk import time from huggingface_ ......
模型 Hugging Face

他山之石，可以攻玉｜银行业数据中心数字化转型之模型篇 04（完结）

​ 导语： 银行业数据中心数字化转型是一项系统性工程既涉及管理层面转型——包括数字化转型战略、基础架构和技术架构转型、技术创新和知识体系转型，又涉及执行层面转型——包括人员管理（P）、流程管理（P）、技术管理（T）、资源管理（R）等。数据中心数字化转型作为一项宏大的系统性工程，必须要依据一个模型或标 ......
可以攻玉 他山之石 银行业 数据中心 模型

OSI七层模型

physical layer 物理层data link layer 数据链路层network layer 网络层transport layer 传输层session layer 会话层presentation layer 表示层application layer 应用层——————————————— ......
模型 OSI

11月推荐阅读的12篇大语言模型相关论文

现在已经是12月了，距离2024年只有一个月了，本文总结了11月的一些比较不错的大语言模型相关论文 https://avoid.overfit.cn/post/ca7d20ae68dd4f54a69d7d2d5df51e8d ......
模型 语言 论文

倾斜摄影三维模型的根节点合并的优势分析

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 优势

apache的序列化工具类SerializationUtils

Java中序列化是指，将Java对象转换为可存储传输的字节序列的过程。 序列化作用： 网络传输：网络可以传输字节化的java对象 数据安全：字节数据，方便在磁盘上存储 便于存储：可以将其存储在磁盘上，以供以后使用 <dependency> <groupId>org.apache.commons</g ......
SerializationUtils 序列 工具 apache

ARIMA模型，ARIMAX模型预测冰淇淋消费时间序列数据|附代码数据

全文下载链接：http://tecdat.cn/?p=22511 最近我们被客户要求撰写关于ARIMAX的研究报告，包括一些图形和统计输出。 标准的ARIMA（移动平均自回归模型）模型允许只根据预测变量的过去值进行预测 。 该模型假定一个变量的未来的值线性地取决于其过去的值，以及过去（随机）影响的值 ......
模型 时间序列 数据 序列 冰淇淋

BAAI、北大&港中文团队提出 SegVol：通用且可交互的医学体素分割模型

前言 上周，北京智源人工智能研究院（BAAI）、北京大学和香港中文大学的研究团队开源了SegVol 医学通用分割模型。与过去一些很棒的 Medical SAM 工作不同，SegVol 是第一个能够同时支持 box，point 和 text prompt 进行任意尺寸原分辨率的 3D 体素分割模型。作 ......
北大 模型 团队 医学 SegVol

聊聊 神经网络模型 预训练生成超参数实现

概述 在上一篇博客中，已经阐述了预训练过程中，神经网络中超参数的计算逻辑，本文，从程序实现的角度，将数学计算转换为程序代码，最终生成超参数文件；并将替换 聊聊 神经网络模型 示例程序——数字的推理预测 中已训练好的超参数文件，推理预测数字，最终比对下两者的精确度。 神经网络层实现 首先，根据神经网络 ......
神经网络 模型 神经 参数 网络

51nod 2620 序列问题

原题 首先 \(O(n \log n)\) 的贪心很好想，显然用堆，每次合并两个权值最小的即可 然后考虑 \(O(n)\) 怎么做？我们发现这个权值 \(\max(a_i,a_{i+1})\) 的 \(\max\) 很不好处理，因此我们考虑把他优化一下 使用单调栈可以求出权值为 \(a_i\) 的合 ......
序列 问题 2620 nod 51

序列化

一，序列化 主要分为通过函数进行序列化与反序列化达到传输数据的效果。根据情况可分为两种。 第一种，python与不同语言间进行交流，比如，后端语言，java c c++ c#等，因为需要使用都可以识别的数据类型进行传输，所有便诞生了Json模块。Json模块主要分为四个功能，dumps、dump、l ......
序列

聊聊 神经网络模型 传播计算逻辑

概述 预训练过程就是在不断地更新权重超参数与偏置超参数，最后选择合适的超参数，生成超参数文件。上一篇博客 是使用已有的预训练超参数文件，要训练自己的超参数，需要对神经网络层中前向传播与反向传播计算熟悉，了解计算逻辑，才能不断地更新选择合适的超参数。 神经网络计算详解 整个神经网络的层数是4层，从顺序 ......
神经网络 逻辑 模型 神经 网络

模型部署的一些问题及其解决方案

# 1. 显示<PIL.Image.Image image mode=RGB size=512x512 at 0x7A12021134C0>图片 并保存 得到一个<PIL.Image.Image image mode=RGB size=512x512 at 0x7A12021134C0>的Image ......
模型 解决方案 方案 问题

高斯混合模型:GMM和期望最大化算法的理论和代码实现

高斯混合模型(gmm)是将数据表示为高斯(正态)分布的混合的统计模型。这些模型可用于识别数据集中的组，并捕获数据分布的复杂、多模态结构。 gmm可用于各种机器学习应用，包括聚类、密度估计和模式识别。 在本文中，将首先探讨混合模型，重点是高斯混合模型及其基本原理。然后将研究如何使用一种称为期望最大化( ......
算法 模型 理论 代码 GMM

MATLAB时间序列数据重建与平滑：HANTS滤波

本文介绍在MATLAB中，实现基于HANTS算法（时间序列谐波分析法）的长时间序列数据去噪、重建、填补的详细方法~ ......
时间序列 序列 时间 数据 MATLAB

RabbitMQ work模型

默认情况下，MQ队列如果绑定了多个消费者，那么队列在投递消息时就是轮询，一人投递一个（并且一条消息只能投递给监听该队列的某一个消费者） 在一个MQ队列上绑定多个消费者的目的是加快队列中消息的处理效率，防止队列中消息的堆积问题。 注：要在消费者的 application.yml 文件中加上这个配置 ......
RabbitMQ 模型 work

02-简单的C/S阻塞模型

C/S阻塞模型是指客户端/服务器阻塞模型，它描述了一种基于阻塞的网络通信方式。在阻塞模型中，客户端发送请求给服务器，并等待服务器的响应。在等待服务器响应的过程中，客户端的操作会被阻塞，直到服务器响应返回或超时。 服务器 服务器基本流程如下： 启动网络库 创建服务器Socket 绑定服务器地址和端口号 ......
模型 02

基于DigiThread的仿真模型调参功能

仿真模型调参是指通过调整模型内部的参数值，使仿真模型的输出更符合实际系统的行为或者预期结果的过程。 仿真过程中，往往需要频繁对模型参数进行调整，通过观察不同参数下系统整体的运行情况，实现系统的性能、可靠性和效率的优化。在进行模型调参时，需要注意选择合适的调参方法和调参参数。不同的仿真模型可能需要采用 ......
DigiThread 模型 功能

[LeetCode Hot 100] LeetCode128. 最长连续序列

题目描述 思路 将数组所有点映射到一个数轴上，可以发现问题变为求每段区间首元素到尾元素的长度的最大值。 区间的长度：区间尾元素值-区间首元素值 + 1 方法一：超出时间限制 这个方法是最初自己想到的，但是超时了，主要原因是程序会有冗余的遍历过程，增加了开销。 思路：(时间复杂度太高) 先把所有元素加 ......
LeetCode 序列 Hot 100 128

代码随想训练营第五十二天（Python）｜ 300.最长递增子序列、674. 最长连续递增序列、718. 最长重复子数组

300.最长递增子序列 class Solution: def lengthOfLIS(self, nums: List[int]) -> int: if len(nums) <= 1: return len(nums) # dp 数组代表以 nums[i] 结尾的最长递增子序列长度为 dp[i] ......
序列 训练营 数组 随想 代码

ENTROFORMER: A TRANSFORMER-BASED ENTROPY MODEL基于transformer的熵模型

目录简介模型核心代码性能实验 简介 \(\quad\)由于cnn在捕获全局依赖关系方面效率低，因此该文章提出了基于tansformer的熵模型——Entoformer；并针对图像压缩进行了top-k self-attention和a diamond relative position encodin ......
TRANSFORMER-BASED ENTROFORMER TRANSFORMER transformer 模型

数学建模之相关系数模型及其代码

发现新天地，欢迎访问小铬的主页(www.xiaocr.fun) 引言 本讲我们将介绍两种最为常用的相关系数：皮尔逊pearson相关系数和斯皮尔曼spearman等级相关系数。它们可用来衡量两个变量之间的相关性的大小，根据数据满足的不同条件，我们要选择不同的相关系数进行计算和分析（建模论文中最容易用 ......
数学建模 系数 模型 数学 代码

拥抱未来：大语言模型解锁平台工程的无限可能

了解大型语言模型 (LLM) 大型语言模型（LLM）是一种人工智能（AI）算法，它使用深度学习技术和海量数据集来理解、总结、生成和预测新内容。凭借合成大量信息的能力，LLM 可以提高以前需要人类专家的业务流程的效率、规模和一致性。 沃顿商学院商学教授 Ethan Mollick 表示，在早期的对照实 ......
模型 语言 工程 平台

三维模型的顶层合并构建的轻量化技术方法探讨

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 模型 方法 技术

聊聊 神经网络模型 示例程序——数字的推理预测

之前学习了解过了神经网络、CNN、RNN、Transformer的内容，但出了在魔塔上玩过demo，也没有比较深入的从示例去梳理走一遍神经网络的运行流程。从数字推测这个常用的示例走一遍主流程。 MNIST数据集 MNIST是机器学习领域 最有名的数据集之一，被应用于从简单的实验到发表的论文研究等各种 ......
神经网络 示例 模型 神经 数字

Golang中如何自定义时间类型进行xml、json的序列化/反序列化

在日常开发工作中，我们进行会遇到将 struct 序列化 json字符串以及将 json字符串 反序列化为 struct 的场景，大家也对此十分熟悉。 最近工作中，遇到了需要将 struct 序列化 xml字符串以及将 xml字符串 反序列化为 struct 的场景，对于普通类型的字段，比如int、 ......
序列 类型 时间 Golang json
共4690篇  :17/157页 首页上一页17下一页尾页