526互联

模型 内存

博弈论——古诺博弈模型详解

古诺模型（Cournot model）是博弈论中最具有代表性的模型之一，也是是纳什均衡最早的版本。它是法国经济学家古诺(Augustin Cournot)在1938年出版的《财富理论的数学原理研究》一书中最先提出的。而古诺的定义比纳什的定义早了一百多年，足以体现博弈论这样一个学科是深深扎根于经济学的 ......
博弈论 模型

常见堆内存溢出OOM的几种情况

一。常见堆内存溢出的几种情况： 1.查询数据库返回的数据量过大，加载到内存中导致内存溢出； 2.代码中出现死循环情况，导致大对象一直被引用不能被GC回收； 3.资源链接池、io流在使用完没有进行手动释放； 4.静态集合类里面存在引用对象，始终存在引用关系，没有进行清除； 以上属于常见的几种堆内存溢出 ......
内存 常见 情况 OOM

yolov8 opencv模型部署

使用opencv推理yolov8模型，仅依赖opencv，无需其他库，以yolov8s为例子，注意： 使用opencv4.8.0 ！使用opencv4.8.0 ！使用opencv4.8.0 ！如果你使用别的版本，例如opencv4.5，可能会出现以下错误。 一、安装yolov8conda creat ......
模型 yolov8 opencv yolov

大语言模型量化方法对比：GPTQ、GGUF、AWQ

在过去的一年里，大型语言模型(llm)有了飞速的发展，在本文中，我们将探讨几种(量化)的方式，除此以外，还会介绍分片及不同的保存和压缩策略。 说明：每次加载LLM示例后，建议清除缓存，以防止出现OutOfMemory错误。 del model, tokenizer, pipe import torc ......
模型 语言 方法 GPTQ GGUF

倾斜摄影三维模型根节点合并的纹理压缩与抽稀关键技术分析

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，... ......
纹理 节点 模型 关键 技术

3.5 Windows驱动开发：应用层与内核层内存映射

在上一篇博文`《内核通过PEB得到进程参数》`中我们通过使用`KeStackAttachProcess`附加进程的方式得到了该进程的PEB结构信息，本篇文章同样需要使用进程附加功能，但这次我们将实现一个更加有趣的功能，在某些情况下应用层与内核层需要共享一片内存区域通过这片区域可打通内核与应用层的隔离... ......
应用层 内核 内存 Windows 3.5

3.3 Windows驱动开发：内核MDL读写进程内存

MDL内存读写是一种通过创建MDL结构体来实现跨进程内存读写的方式。在Windows操作系统中，每个进程都有自己独立的虚拟地址空间，不同进程之间的内存空间是隔离的。因此，要在一个进程中读取或写入另一个进程的内存数据，需要先将目标进程的物理内存映射到当前进程的虚拟地址空间中，然后才能进行内存读写操作。 ......
内核 进程 内存 Windows 3.3

函数的拟合 | 实际问题模型化

前言 我们认知和解决实际问题常常是通过函数这一抓手来完成的，但是对实际问题而言，一拿到手谁也不知道其对应的函数模型是什么，能知道的往往是一堆元数据，我们的做法是研究数据，对数据进行函数的拟合，看已经学习过的函数中的哪一类的拟合效果最贴近实际问题，从而确定最优的函数解析式。 典例剖析 【人教 \(A\ ......
函数 模型 实际 问题

【随手记录】Llama Tutorial 大语言模型实践

这个tutorial的契机是yy突然看到了一个workshop 所以类似于一周大作业的形式，输入command输出使用了自动驾驶哪些模块，代码在这里 所以就干一干，顺便写一个tutorial给大家参考和教程 引申更多的应用 参考资料： https://github.com/facebookresea ......
Tutorial 模型 语言 Llama

零信任模型与多因素身份验证的重要性

近年来，随着技术的迅速发展，数据和工作变得比以往更数字化。虽然这为许多机会打开了大门，但也为威胁行为者提供了新的入侵机会。因此，预防数据泄漏已经成为每个组织IT基础设施的重要组成部分。 因此，预防数据泄漏已经成为每个组织IT基础设施的重要组成部分。 快速变化且充满挑战的网络安全领域需要一种能够应对新 ......
重要性 模型 因素 身份

5.星型模型和雪花模型

星型模型 事实表为中心，维度表关联在事实表上 雪花模型 在星型模型的基础上，维度表上又关联了其他维度表。这种模型维护成本高，性能方面也较差，所以一般不建议使用。 ......
模型 雪花

线上java程序CPU及内存占用过高问题排查总结

背景 最近发现线上的一个JAVA程序总是过段时间慢慢卡死，最后导致无法提供服务，外部请求接口超时。 经排查发现，该程序CPU及内存占用都很高，导致整个系统负载很高。 到这里，就想到了对程序内存进行分析。 排查过程 查询负载高的进程 使用top命令查询负载高的进程，获取负载高的进程id 由此，可见，该 ......
内存 程序 问题 java CPU

Linux服务器修改java项目内存大小

找到启动脚本： 找到你的 Java 项目的启动脚本，这通常是一个 .sh（Shell 脚本）文件。 编辑脚本： 使用文本编辑器（比如 vim 或 nano）打开脚本文件。 设置 Java 参数： 在脚本文件中找到启动 Java 的命令行，并添加或修改相关的 JVM 参数，如下所示： bash # 在 ......
大小 内存 服务器 项目 Linux

ChatGLM3-6B：新一代开源双语对话语言模型，流畅对话与低部署门槛再升级

ChatGLM3-6B：新一代开源双语对话语言模型，流畅对话与低部署门槛再升级 1.ChatGLM3简介 ChatGLM3 是智谱AI和清华大学 KEG 实验室联合发布的新一代对话预训练模型。ChatGLM3-6B 是 ChatGLM3 系列中的开源模型，在保留了前两代模型对话流畅、部署门槛低等众多 ......
双语 门槛 新一代 ChatGLM3 模型

记两次内存取证

一、flag藏在了某个文件中 获取镜像信息： volatility -f [镜像路径] imageinfo 可以确定Profile为Win7SP1x64 进行文件扫描： 由于flag藏在某个文件中，于是我们进行filescan，并利用grep命令找到关于flag的文件 volatility -f [ ......
内存

三维模型的顶层合并构建的点云抽稀关键技术分析

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，... ......
顶层 模型 关键 技术

R语言多元Copula GARCH 模型时间序列预测|附代码数据

原文链接 http://tecdat.cn/?p=2623 原文出处：拓端数据部落公众号 最近我们被要求撰写关于Copula GARCH的研究报告，包括一些图形和统计输出。 和宏观经济数据不同，金融市场上多为高频数据，比如股票收益率序列。直观的来说 ，后者是比前者“波动”更多且随机波动的序列，在一元 ......
时间序列 序列 模型 语言 代码

【视频】广义相加模型（GAM）在电力负荷预测中的应用|附代码数据

全文下载链接：http://tecdat.cn/?p=9024 最近我们被客户要求撰写关于广义相加模型（GAM）的研究报告，包括一些图形和统计输出。 这篇文章探讨了为什么使用广义相加模型 是一个不错的选择。为此，我们首先需要看一下线性回归，看看为什么在某些情况下它可能不是最佳选择。 回归模型 假设我 ......
广义 负荷 模型 电力 代码

什么是大模型

什么是大模型 "大模型"通常指的是深度学习中参数数量庞大、层数深厚的神经网络模型。这些模型具有数十亿甚至上百亿的参数，通常需要大量的计算资源来进行训练和推断。这种规模的模型在处理复杂任务时表现得很出色，因为它们能够从大量的数据中学到更复杂、更抽象的表示。 例如，GPT-3（Generative Pr ......
模型

国外著名交易策略:R-Breaker模型设计原理(转载)

R-Breaker是一种短线日内交易策略，它结合了趋势和反转两种交易方式。 交易系统的基本原理如下： 1.根据前一个交易日的收盘价、最高价和最低价数据通过一定方式计算出六个价位，从大到小依次为：突破买入价、观察卖出价、反转卖出价、反转买入价、观察买入价、突破卖出价。 以此来形成当前交易日盘中交易的触 ......
R-Breaker 模型 原理 策略 Breaker

AI经典模型参数规模

| 模型 | 参数数量 || | || AlexNet | 约 60 million || VGG16 | 约 138 million || ResNet50 | 约 25 million || InceptionV3 | 约 23 million || MobileNetV2 | 约 3.5 mi ......
模型 参数 规模 经典

【Python&图像超分】Real-ESRGAN图像超分模型（超分辨率重建）详细安装和使用教程

图像超分是一种图像处理技术，旨在提高图像的分辨率，使其具有更高的清晰度和细节。这一技术通常用于图像重建、图像恢复、图像增强等领域，可以帮助我们更好地理解和利用图像信息。今天给大家介绍一下腾讯ARC实验室发布的一个图像超分辨率模型Real-ESRGAN，同时奉上详细的安装使用教程。 ......
图像 Real-ESRGAN 模型 分辨率 教程

UNet pytorch模型转ONNX模型完整code

1 import os 2 import torch 3 import numpy as np 4 from Unet import UNET 5 os.environ["CUDA_VISIBLE_DEVICE"] = "" 6 7 def main(): 8 demo = Demo(model_p ......
模型 pytorch UNet ONNX code

初学者如何上手服务器训练模型

拿到一个服务器很迷茫，不知道如何使用，写一份本实验室的服务器使用方法： 1下载Xshell和Xftp 现在提供了家庭/学习免费版 2安装后新建会话 3 bash命令 切换到bash界面 bash，全称Bourne Again Shell，是绝大多数Linux系统默认的命令解释器，能够处理用户所输入的 ......
初学者 模型 服务器

MySQL - MySQL 占用内存涨得特别快？可能原因？解决方案

https://www.processon.com/mindmap/655307fe6a2ff722ead8d9e4 ......
MySQL 内存 解决方案 原因 方案

解决 keras 首次装载预训练模型VGG16 时下载失败问题

解决：Exception: URL fetch failure on https://storage.googleapis.com/tensorflow/keras-applications/vgg16/vgg16_weights_tf_dim_ordering_tf_kernels_notop.h ......
模型 问题 keras VGG 16

k8s中是如何计算pod的计算资源（cpu和内存）的requests和limits值的？

1、结论 对于pod来说，cpu和内存的requests和limits的值，等于pod中所有容器的requests和limits的值的总和。 具体来说： pod的requests的大小，等于所有的容器的requests的大小的和，如果某个容器没有设置requests，则这个值是0. pod的limi ......
requests 内存 limits 资源 k8s

使用Bert模型实现embedding嵌入

参考文献：保姆级教程，用PyTorch和BERT进行文本分类 - 知乎 (zhihu.com) 模型地址：https://huggingface.co/bert-base-cased from transformers import BertTokenizer, BertModel tokenize ......
embedding 模型 Bert

CLIP：万物分类（视觉语言大模型）

本文来着公众号“AI大道理” ​ 论文地址：https://arxiv.org/abs/2103.00020 传统的分类模型需要先验的定义固定的类别，然后经过CNN提取特征，经过softmax进行分类。然而这种模式有个致命的缺点，那就是想加入新的一类就得重新定义这个类别的标签，并重新训练模型，这样非 ......
万物 模型 视觉 语言 CLIP

OpenAI 支持的模型

在DevDay上推出新模型 我们很高兴地宣布推出 GPT-4 Turbo（128k 上下文窗口）预览版和更新的 GPT-3.5 Turbo（16k 上下文窗口）。除此之外，这两种模型都具有改进的指令跟随、JSON 模式、更可重复的输出和并行函数调用。 概述 OpenAI API 由一组具有不同功能和 ......
模型 OpenAI
共4880篇  :26/163页 首页上一页26下一页尾页