形态 终极 深度agents
docker部署gitlab CI/CD （二）终篇：部署gitlab runner和添加gitlab-ci.yml文件 终极踩坑版
网上教程很多，但断断续续，先不说大部分都是只截取片段，让人云里雾里，不会的看不懂，懂的不需要看，根据步骤跑不起来不说，改了一堆，完全不解释为什么，也分不清是官方要求还是作者自己夹带的私货。痛定思痛，抛弃任何教程，根据报错实时改进，于2023年4月24日完成此篇。 官方文档： https://docs ......
深度学习--初识卷积神经网络
深度学习--初识卷积神经网络 1.LeNet-5 80年代，正确率达到99.2% 5/6层 输入层：32*32 第一层：卷积层 6@28*28 第二层：下采样层 6@14*14 第三层：卷积层 16@10*10 第四层：下采样层 16@5*5 第五层：全连接层 120 第六层：全连接层 84 输出层 ......
极客时间「大师课·深度剖析 RocketMQ5.0」上线啦，欢迎免费领取！
2022 年，RocketMQ 5.0 的正式版正式发布，相对于 RocketMQ 4.0，架构走向云原生化，并且覆盖了更多的业务场景。想要掌握最新版本 RocketMQ 的应用，就需要进行更加体系化的深入了解。 ......
深度学习--卷积神经网络基础
深度学习--卷积神经网络基础 1.卷积操作 卷积操作简单来说就是矩阵对应位置相乘求和，这样不仅可以减少模型的参数数量，还可以关注到图像的局部相关特性。 import torch import torch.nn as nn import torch.nn.functional as F #卷积操作（I ......
动手深度学习pytorch 5-7章
深度学习计算 1. 块提供的基本功能： 1. 输入数据作为前向传播函数的参数 2. 通过前向传播函数生成输出 3. 计算其输出关于输入的梯度 4.存储和访问前向传播计算所需的参数 5. 根据需要初始化模型参数 2. Sequential 类 1. 将块逐个追加到列表中的函数 2. 前向传播函数，用于 ......
深度学习样本绘制注意事项
在绘制深度学习样本的时候，部分初学者总是用绘制监督分类样本的方法绘制深度学习样本，在图像上随意绘制样本，这种绘制样本的方法不适用于深度学习样本绘制。 如下为错误的示例： 深度学习样本绘制应遵循“全、多、精”三个原则： 样本子区域选取，应该全面覆盖多种地物类型。 绘制样本尽可能地多，推荐绘制子区域内8 ......
sass样式穿透，深度作用选择器, 父选择器
scss .el-input-number { ::v-deep #inputNumber { text-align: left; } } css .el-input-number >>> #inputNumber { text-align: left; } & a { font-weight: b ......
可视化大屏的终极解决方案居然这么简单，vue-autofit一行全搞定！
可视化大屏适配/自适应现状 可视化大屏的适配是一个老生常谈的话题了，现在其实不乏一些大佬开源的自适应插件、工具但是我为什么还要重复造轮子呢？因为目前市面上适配工具每一个都无法做到完美的效果，做出来的东西都差不多，最终实现效果都逃不出白边的手掌心，可以解决白边问题的，要么太过于复杂，要么会影响dom结 ......
基于深度强化学习(DQN)的迷宫寻路算法
QLearning方法有着明显的局限性，当状态和动作空间是离散的且维数不高时可使用Q-Table存储每个状态动作的Q值，而当状态和动作时高维连续时，该方法便不太适用。可以将Q-Table的更新问题变成一个函数拟合问题，通过更新参数θ使得Q函数逼近最优Q值。DL是解决参数学习的有效方法，可以通过引进D ......
深度学习基础入门篇[七]：常用归一化算法、层次归一化算法、归一化和标准化区别于联系、应用案例场景分析。
深度学习基础入门篇[七]：常用归一化算法、层次归一化算法、归一化和标准化区别于联系、应用案例场景分析。 ......
深度学习--可视化、过拟合
深度学习--可视化、过拟合 cmd运行命令：python -e visdom.server 用法: from visdom import Visdom viz = Visdom() viz.line([0.],[0.],win='train_loss',opts=dict(title='train ......
深度学习入门系列之doc
这周老师让把深度学习的名词过一遍，小玛同学准备在过一遍Deep Learning名词的同时把基本的模型也过一遍。 感谢杰哥发我深度学习入门系列能让我有机会快速入门。 下面就来doc一些学到的东西 感知器（线性单元）有个问题就是当面对的数据集不是线性可分的时候，“感知器规则”可能无法收敛，这意味着我们 ......
深度学习--全连接层、高阶应用、GPU加速
深度学习--全连接层、高阶应用、GPU加速 MSE均方差 Cross Entropy Loss：交叉熵损失 Entropy 熵： 1948年，香农将统计物理中熵的概念，引申到信道通信的过程中，从而开创了信息论这门学科，把信息中排除了冗余后的平均信息量称为“信息熵”。香农定义的“熵”又被称为香农熵或信 ......
深度神经网如何通过从数据中学习特征来帮助避免人工提取特征
深度神经网络（dnn）通过从数据中直接学习特征，无需人为干预或专业知识，可以帮助避免需要手动提取特征的繁琐过程。 深度神经网络由许多层组成，每个层都包含许多神经元。这些神经元组合成了一系列权重和偏差来映射输入特征到输出目标。通过反向传播算法，模型可以更新权重和偏差以优化其预测效果。 在训练dnn时， ......
5.深度学习计算
除了庞大的数据集和强大的硬件， 优秀的软件工具在深度学习的快速发展中发挥了不可或缺的作用。 从2007年发布的开创性的Theano库开始， 灵活的开源工具使研究人员能够快速开发模型原型， 避免了我们使用标准组件时的重复工作， 同时仍然保持了我们进行底层修改的能力。 随着时间的推移，深度学习库已经演变... ......
如何配置一个用于深度学习的 GPU 服务器 [Ubuntu 18.04 LTS 为例]
一、硬件配置 CPU of Intel i9-9980XE (18-core 36-thread, @3.0-4.4 GHz), RAM of 128 GB (DDR4), GPU of NVIDIA RTX 2080 Ti*4 (11 GB GDDR6*4), and M.2 NVMe SSD o ......
跟姥爷深度学习4 从数学计算看神经网络
一、前言 我们前面简单的做了一个气温预测，经过反复调试，效果还不错。实际上在这个方向上我们还可以更进一步优化，但因为我们是学习嘛，主要还是看广度而不是深度。考虑到后面要开始学习卷积网络，我们必须把更基础的内容搞明白才行，比如神经网络到底是如何工作的，如果不搞明白后面卷积就只能说用法而不明白原因了。所 ......
递推与递归和DFS深度优先搜索
递推与递归和DFS深度优先搜索 跳台阶 递归实现指数级枚举 递归实现排列型枚举 递归实现组合型枚举 P1036 选数 习题课 递推/ 递归 / DFS P2089 烤鸡 指数 P1088 火星人 全排列 P1149 火柴棒等式 指数 + 预处理 P2036 PERKET 指数 P1135 奇怪的电梯 ......
wsl2+docker跑深度学习
wsl(ubuntu20.04)+docker安装paddle 1.中文显示设置 安装语言包 sudo apt install language-pack-zh-hans 设置locale sudo vi /etc/locale.gen 找到 zh_CN.UTF-8 UTF-8 并取消注释，然后保存 ......
深度学习--统计与数据映射
深度学习--统计与数据映射 范数 import torch #范数norm 第一范数：绝对值求和 第二范数：平方和后求根号 norm使用要求是浮点数 a=torch.full([8],1.) #tensor([1., 1., 1., 1., 1., 1., 1., 1.]) b=a.view(2,4 ......
【深度思考】聊聊CGLIB动态代理原理
1. 简介 CGLIB的全称是：Code Generation Library。 CGLIB是一个强大的、高性能、高质量的代码生成类库，它可以在运行期扩展Java类与实现Java接口， 底层使用的是字节码处理框架ASM。 Github地址：https://github.com/cglib/cglib ......
深度学习基础入门篇[六(1)]：模型调优：注意力机制[多头注意力、自注意力]，正则化【L1、L2，Dropout，Drop Connect】等
深度学习基础入门篇[六(1)]：模型调优：注意力机制[多头注意力、自注意力]，正则化【L1、L2，Dropout，Drop Connect】等 ......
深度学习--数学运算符
深度学习--数学运算符 基础运算符 加减乘除 import torch a=torch.randint(1,10,[2,2]) b=torch.randint(1,10,[2,2]) print(a) #tensor([[9, 7],[5, 8]]) print(b) #tensor([[2, 4] ......
深度学习--PyTorch维度变换、自动拓展、合并与分割
深度学习--PyTorch维度变换、自动拓展、合并与分割 一、维度变换 1.1 view/reshape 变换 这两个方法用法相同，就是变换变量的shape，变换前后的数据量相等。 a=torch.rand(4,1,28,28) a.view(4,28*28) #tensor([[0.9787, ......
用一阶矩初步控制随机二叉树的深度
回顾 Catalan 数 $$ C = z(1 + C)^2, $$ 根据 Lagrange 反演, 我们有 $$ z^n^k = \frac{k}{n}[t^{n-1}] (1+t)^{2n+k-1} = \frac{k}{n} \binom{2n+k-1}{n+k}. $$ 考虑计数随机二叉树有 ......
深度学习基础入门篇[六]：模型调优，学习率设置（Warm Up、loss自适应衰减等），batch size调优技巧，基于方差放缩初始化方法。
深度学习基础入门篇[六]：模型调优，学习率设置（Warm Up、loss自适应衰减等），batch size调优技巧，基于方差放缩初始化方法。 ......
深度学习--PyTorch定义Tensor以及索引和切片
深度学习--PyTorch定义Tensor 一、创建Tensor 1.1未初始化的方法 这些方法只是开辟了空间，所附的初始值（非常大，非常小，0），后面还需要我们进行数据的存入。 torch.empty()：返回一个没有初始化的Tensor，默认是FloatTensor类型。 #torch.em ......
深度学习显卡的选择
深度学习显卡的选择： 1、选择算力在5.0以上的 在GPU算力高于5.0时，可以用来跑神经网络。算力越高，计算能力越强。 2、尽量选择大显存 显存越高，意味着性能越强悍。特别是对于CV领域。 3、GPU几个重要的参数 显存带宽：代表GPU芯片每秒与显存交换的数据大小，这个值等于显存位宽＊工作频率，单 ......
k8s deployment资源部署java以及skywalking agent示例
cat deploy.yml apiVersion: apps/v1 kind: Deployment metadata: name: app-name namespace: your-namespace annotations: kubernetes.io/change-cause: 2.11.0 ......