注意力 机器
NLP机器翻译全景：从基本原理到技术实战全解析
机器翻译是使计算机能够将一种语言转化为另一种语言的技术领域。本文从简介、基于规则、统计和神经网络的方法入手，深入解析了各种机器翻译策略。同时，详细探讨了评估机器翻译性能的多种标准和工具，包括BLEU、METEOR等，以确保翻译的准确性和质量。 关注TechLead，分享AI全维度知识。作者拥有10+ ......
机器学习——深度卷积神经网络AlexNet
AlexNet相对于LeNet的主要优势包括: 1. 更深的网络结构 AlexNet有8层结构,而LeNet只有5层。网络更加深入有利于学习更抽象的高级特征。 2. 使用ReLU激活函数 AlexNet使用ReLU激活函数,避免梯度消失问题,使得深层网络的训练更加容易。 3. 引入Dropout操作 ......
机器学习——使用块的网络VGG
VGG块 虽然AlexNet证明深层神经网络卓有成效，但它没有提供一个通用的模板（例如VGG块）来指导后续的研究人员设计新的网络。 在下面的几个章节中，我们将介绍一些常用于设计深层神经网络的启发式概念。 经典卷积神经网络的基本组成部分是下面的这个序列： 带填充以保持分辨率的卷积层； 非线性激活函数， ......
机器学习——网络中的网络NiN
NiN块 回想一下，卷积层的输入和输出由四维张量组成，张量的每个轴分别对应样本、通道、高度和宽度。 另外，全连接层的输入和输出通常是分别对应于样本和特征的二维张量。 NiN的想法是在每个像素位置（针对每个高度和宽度）应用一个全连接层。 如果我们将权重连接到每个空间位置，我们可以将其视为1*1卷积层， ......
如何制作微信机器人程序编程，需要掌握那些技巧
创建微信机器人通常涉及以下步骤和技能： 技能要求： 编程语言知识： 掌握至少一种编程语言，如Python、JavaScript等。 了解微信API： 熟悉微信公众平台开发，了解微信公众号API，特别是消息管理、用户管理等接口。 网络编程基础： 理解HTTP协议，能够处理网络请求和响应。 服务器配置能 ......
怎么写一个微信自动回复机器人，如何实现呢
编写一个微信自动回复机器人的关键步骤通常包括设置微信公众号、创建服务器后端以处理请求、编写自动回复逻辑以及部署和测试你的机器人。以下是一个基于Python使用Flask框架创建简单的自动回复机器人的大致步骤： 1. 注册微信公众号 你需要有一个微信公众号才能创建机器人。可以在微信公众平台注册，并申请 ......
PYTHON银行机器学习:回归、随机森林、KNN近邻、决策树、高斯朴素贝叶斯、支持向量机SVM分析营销活动数据|数据分享
全文下载链接：http://tecdat.cn/?p=26219 最近我们被客户要求撰写关于银行机器学习的研究报告，包括一些图形和统计输出。 该数据与银行机构的直接营销活动相关，营销活动基于电话。通常，需要与同一客户的多个联系人联系，以便访问产品（银行定期存款）是否会（“是”）或不会（“否”）订阅 ......
TiKV 服务部署的注意事项
TiKV 服务部署的注意事项 背景 最近发现tikv总是会掉线 不知道是哪里触发了啥样子的bug. 所以想着使用systemd 管理一下, 至少在tikv宕机的时候能够拉起来服务. 二进制文件 pd-server 和 tikv-server 将文件放置到 /usr/bin 目录下面 还需要创建部分呢 ......
动态加载资源 释放时要注意 引入引用计数统计
今天开发时，释放了预制体资源引起报错，这里直接使用了bundle.release 因为预制体的精灵图片是动态加载的，释放时将精灵图片一并释放了，引起错误 改为引用计数，解决问题 cocos资源释放文档:https://docs.cocos.com/creator/manual/zh/asset/re ......
Unity程序员要注意的编码规范
Unity程序员如何写好代码，写代码的过程中要注意的哪些些点，今天给大家分享一些经验规则，通过遵守这些规则作出明智的架构决策，确保更高的团队开发效率和稳定的代码。 避免抽象类 我们在开发中经常喜欢抽象，其实抽象得过程中往往会产生设计过度和抽象过度，而这些抽象得代码可能会令人难以理解，让人不容易看出整 ......
nacos中group以及namespace的使用注意事项
服务注册到不同的命名空间下，服务间无法通过OpenFeign指定服务名进行负载通信!!! 命名空间使用注意事项1.同名的命名空间只能创建一个！ 2.微服务间如果没有注册到一个命名空间下，无法使用OpenFeign指定服务名负载通信（服务拉取的配置文件不同命名空间不影响） 即服务间如果需要通信，则需要 ......
【文档翻译】Xbox 360 和 Windows 的无锁编程注意事项
本文档译自 MSDN 文章"Lockless Programming Considerations for Xbox 360 and Microsoft Windows"，作者 Bruce Dawson，原文参见此处 概述 - Overview 无锁编程是一种在多个线程之间安全地共享、更改数据的方法 ......
[机器学习复习笔记] 岭回归、LASSO回归
岭回归、LASSO回归 1. 岭回归 1.1 岭回归 L2正则化 在之前的 中，使用 最小二乘法求解线性回归问题 时，讨论到了 \(X^TX\) 是否可逆。 最小二乘法得到的解析解为： \[\theta = (X^TX)^{-1}X^Ty \]此时只有 \(X\) 列满秩 才有解，即 \(\text ......
[机器学习复习笔记] BGD, SGD, MBGD
BGD, SGD, MBGD 1. BGD 批量梯度下降法（Batch Gradient Descent） 1.1 批量梯度下降法介绍 在 梯度下降法 每次迭代中，将 所有样本 用来进行参数 \(\theta\) （梯度）的更新，这其实就是 批量梯度下降法。 批量梯度下降法 的 损失函数表达式： \ ......
[机器学习复习笔记] Grandient Descent 梯度下降法
Grandient Descent 1. 梯度下降法 1.1 梯度与梯度下降 对于 一元函数 来说，梯度就是函数的导数；对于 多元函数 来说，梯度是一个由函数所有 偏微分 组成的向量。 梯度下降 是通过一步步迭代，使得所有 偏微分 的值达到最低。 可以以简单的 一元二次函数 \(y = (x - 1 ......
一些小 trick/注意事项
一些小 trick/注意事项 数论 模数定义为常量能优化很多时间 埃筛加个整除 break 判断就变成了欧拉筛 筛 \(\mu\) 的时候记得 \(\mu(1)=1\) 记得看清楚整除分块求的是 \(\sum\) 还是 \(\prod\)，这决定了要不要乘一段区间和 树论 可以先考虑链的情况 DDP ......
Python 机器学习入门：数据集、数据类型和统计学
机器学习是通过研究数据和统计信息使计算机学习的过程。机器学习是迈向人工智能（AI）的一步。机器学习是一个分析数据并学会预测结果的程序。 数据集 在计算机的思维中，数据集是任何数据的集合。它可以是从数组到完整数据库的任何东西。 数组的示例： [99,86,87,88,111,86,103,87,94, ......
机器学习之使用seaborn绘制各类图形
使用seaborn绘制单双变量，类别散点图，箱型图，小提琴图去更直观的观察数据的分布情况 在单变量图中使用displot,参数如下 双变量关系图使用joinplot，参数如下图 类别散点图使用stripplot(),参数如下 小提琴图和箱型图类似，一个使用violinplot(),另一个使用boxp ......
RocketMQ 使用注意事项
场景： 最近公司项目要用Rocket MQ，但是之前我没用过。所以在使用过程中遇到一些问题，做个记录。这篇主要是将注意事项，不涉及底层实现原理（还没学透）。 而且这里用的RocketMQ是指Apache的4.X，不是阿里云的，注意两者的不同。 解决： 1.保持订阅关系一致：订阅关系一致指的是同一消费 ......
机器学习——汇聚层
最大汇聚层和平均汇聚层 填充和步幅 多个通道 汇聚层的目的 1. 降低卷积层对位置的敏感性 卷积层的输出特征图对目标的位置是很敏感的。池化可以减少这种位置敏感性。比如我们做2x2最大池化,输出特征图的值就仅依赖于输入特征图2x2的区域,不再过于依赖位置信息。 2. 降低对空间采样表示的敏感性 卷积层 ......
机器学习——多输入多输出通道
多输入通道 多输出通道 1*1卷积核 当以每像素为基础应用时，1*1卷积层相当于全连接层。 1*1卷积层通常用于调整网络层的通道数量和控制模型复杂性。 ......
python 播放语音使用 playsound -注意事项
https://github.com/TaylorSMarks/playsound pip install playsound >>> from playsound import playsound >>> playsound('/path/to/a/sound/file/you/want/to/p ......
注意力机制
注意力机制的原理和实现 在Attention出来之前，以前人们使用RNN和CNN来获得语义信息，但是RNN需要逐步递归才可以获得全局的信息，而通过滑动窗口进行编码的CNN，更侧重于捕获局部信息，难以建模长距离的语义依赖。Attention可以使得每个词具有上下文的语义信息。 1、原理 Attenti ......
这次弄下k8s 分布式多机测试，这次专门多创建了几个机器进行安装，实时监控机器状态
k8s 实机分布式测试，这次弄一下这个，上次弄的是单机版本的minikube, 在单机上minikube替代了kubectl的工作，在单机上可以创建多个布署等，实际使用会有多个系统，分布式才是正常生产时发按它效率的时间。 k8s说明上要求机器要有2g内存，这里我创建了四个vm, 每个4g内存，这样可 ......
机器视觉在虚拟现实与增强现实中的作用
机器视觉在虚拟现实（VR）和增强现实（AR）中发挥着至关重要的作用。这些技术的核心是计算机视觉领域，重点是让计算机具有“看到”和理解周围世界的能力。 在虚拟现实中，计算机视觉用于创建和处理用户所见的虚拟环境。这包括对现实世界的感知、建模和模拟，以及将虚拟物体与现实世界中的物体进行交互。例如，ZED深 ......
《安富莱嵌入式周报》第326期：航空航天级CANopen协议栈，开源USB PD电源和功耗分析，开源EtherCAT伺服驱动板，时序绘制软件，现代机器人设计
周报汇总地址：http://www.armbbs.cn/forum.php?mod=forumdisplay&fid=12&filter=typeid&typeid=104 更新一期视频教程： BSP视频教程第28期：CANopen协议栈专题，CANopen主从机组网实战，CAN词典工具使用方法以及 ......
Fairseq 机器翻译数据处理 (NMT, WMT, translation)
摘要 fairseq是个常用的机器翻译项目。它的优化很好，但代码晦涩难懂，限制了我们的使用。 翻译数据的准备，是训练的第一步。但 fairseq 关于翻译数据的准备流程散布在零星的 bash 脚本中。本文旨在梳理如下流程：1）准备 WMT23 的数据，2）训练模型，3）用 sacrebleu 评测模 ......
wsl wangEdit 的使用与注意事项（ vue2 版本）
注： vue2 版本的 nodeJs 版本有限制，要是16或者17； 1.安装wangEditor yarn add @wangeditor/editor @wangeditor/editor-for-vue 2.使用示例 <template> <div style="border: 1px sol ......