流水线 深度 逻辑 模型
利用pytorch深度学习框架验证骰子的合格性
利用pytorch深度学习框架验证骰子的合格性 骰子生产的合格性可以用概率来表达，比如每个面出现的概率大概都是1/6。 import torch from d2l import torch as d2l from torch.distributions import multinomial # 多次 ......
POT超阈值模型和极值理论EVT分析|附代码数据
全文链接：http://tecdat.cn/?p=16845 最近我们被客户要求撰写关于极值理论的研究报告，包括一些图形和统计输出。 本文依靠EVT对任何连续分布的尾部建模。尾部建模，尤其是POT建模，对于许多金融和环境应用至关重要 POT模型其主要动机是为高洪水流量的概率模型提供实用工具。但是，E ......
多元时间序列滚动预测：ARIMA、回归、ARIMAX模型分析|附代码数据
原文链接：http://tecdat.cn/?p=22849 最近我们被客户要求撰写关于多元时间序列滚动预测的研究报告，包括一些图形和统计输出。 当需要为数据选择最合适的预测模型或方法时，预测者通常将可用的样本分成两部分：内样本（又称 "训练集"）和保留样本（或外样本，或 "测试集"）。然后，在样本 ......
R语言Lee-Carter模型对年死亡率建模预测预期寿命|附代码数据
原文链接：http://tecdat.cn/?p=17347 最近我们被客户要求撰写关于Lee-Carter模型的研究报告，包括一些图形和统计输出。 昨天上午，我们获得了分娩产妇的平均年龄两个图表，根据孩子的出生顺序排序，区间是1905-1965年 然后是1960-2000年： 点击标题查阅往期内容 ......
数据分享|逻辑回归、随机森林、SVM支持向量机预测心脏病风险数据和模型诊断可视化|附代码数据
原文链接：http://tecdat.cn/?p=24973 最近我们被客户要求撰写关于心脏病的研究报告，包括一些图形和统计输出。 世界卫生组织估计全世界每年有 1200 万人死于心脏病。在美国和其他发达国家，一半的死亡是由于心血管疾病 简介 心血管疾病的早期预后可以帮助决定改变高危患者的生活方式， ......
R语言ARIMA模型分析预测上海空气质量指数AQI时间序列
全文链接：http://tecdat.cn/?p=32265 原文出处：拓端数据部落公众号 指数平滑法对于预测来说是非常有帮助的，而且它对时间序列上面连续的值之间相关性没有要求。但是，如果你想使用指数平滑法计算出预测区间，那么预测误差必须是不相关的， 而且必须是服从零均值、 方差不变的正态分布。即使 ......
深度学习网络fine-tune原理研究 - 以卷积神经网络为例
一、什么是预训练模型（pre-trained model） 预训练模型就是已经用数据集训练好了的模型，这里的数据集一般指大型数据集。比如 VGG16/19 Resnet Imagenet COCO 正常情况下，在图像识别任务中常用的VGG16/19等网络是他人调试好的优秀网络，我们无需再修改其网络结 ......
while循环逻辑控制器+配置元件计数器的用法
一、在线程组下添加逻辑控制器While Controller 二、在逻辑控制器While Controller下添加Sample,BeanShell Sampler , 三、逻辑控制器While Controller下添加配置元件，计数器 四、在线程组下添加监听器，察看结果树： 注意while中设置 ......
Django框架——模版层之标签、自定义过滤器 标签及inclusion_tag(了解)、模版的继承与导入、模型层之前期准备、ORM常用关键字
模版层之标签 {% if 条件1(可以自己写也可以用传递过来的数据) %} <p>今天又是周三了</p> {% elif 条件2(可以自己写也可以用传递过来的数据) %} <p>百日冲刺</p> {% else %} <p>没多少时间了！</p> {% endif %} {% for k in t1 ......
极客时间「大师课·深度剖析 RocketMQ5.0」上线啦，欢迎免费领取！
从初代开源消息队列崛起，到 PC 互联网、移动互联网爆发式发展，再如今 IoT、云计算、云原生引领了新的技术趋势，消息中间件的发展已经走过了 30 多个年头。 目前，消息中间件在国内许多行业的关键应用中扮演着至关重要的角色。随着数字化转型的深入，客户在使用消息技术的过程中往往同时涉及交叉场景，比如同 ......
如何借助分布式存储 JuiceFS 加速 AI 模型训练
传统的机器学习模型，数据集比较小，模型的算法也比较简单，使用单机存储，或者本地硬盘就足够了，像 JuiceFS 这样的分布式存储并不是必需品。 随着近几年深度学习的蓬勃发展，越来越多的团队开始遇到了单机存储的瓶颈，分布式存储在 AI 领域的重要性不断凸显。AI 团队通常会面临以下几种问题： 数据集太 ......
深度学习--初识GAN
深度学习--GAN网络 GAN是一种深度学习模型，全称为生成对抗网络（Generative Adversarial Networks）。它由两个神经网络组成：一个生成器网络和一个判别器网络。 生成器网络通过学习训练数据的分布，生成新的数据。而判别器网络则尝试区分生成器生成的数据和真实的训练数据。在训 ......
Django4全栈进阶之路21 项目实战（在线报修）：创建App应用和Model模型
创建应用App python manage.py startapp RepairApp 创建模型 在models.py文件中定义一个Repair模型来表示报修单，其中包含以下字段： repair_id: 报修单号 repair_time: 报修时间 repair_person: 报修人 proble ......
动手学习深度学习-pandas dataframe转为张量
动手学习深度学习-pandas dataframe转为张量 创建数据 在当前目录的上一级目录创建csv文件，然后写入数据 import os os.makedirs(os.path.join('..','data'),exist_ok=True) # '..'表示上一级目录路径 data_file ......
深度学习自学看懂论文的网站
救命啊！深度学习代码看不懂怎么办啊？一个网站彻底解决！-人工智能/AI/机器学习_哔哩哔哩_bilibili GitHub - labmlai/annotated_deep_learning_paper_implementations: 🧑🏫 59 Implementations/tutori ......
13个开源类ChatGPT模型
在本文中，我们将解释开源 ChatGPT 模型的工作原理以及如何运行它们。我们将涵盖十三种不同的开源模型，即LLaMA，Alpaca，GPT4All，GPT4All-J，Dolly 2，Cerebras-GPT，GPT-J 6B，Vicuna，Alpaca GPT-4，OpenChatKit，Cha ......
P.25-设置资源所需权限、P.26-封装权限信息、P.27-RBAC权限模型
P.25-设置资源所需权限 SpringSecurity为我们提供了基于注解的权限控制方案，这也是我们项目中主要采用的方式。 我们可以使用注解去指定访问对应的资源所需的权限。 但是要使用它我们需要先开启相关配置springSecurity里面加。 @EnableGlobalMethodSecurit ......
深度学习--LSTM网络、使用方法、实战情感分类问题
深度学习--LSTM网络、使用方法、实战情感分类问题 1.LSTM基础 长短期记忆网络（Long Short-Term Memory，简称LSTM），是RNN的一种，为了解决RNN存在长期依赖问题而设计出来的。 LSTM的基本结构： 2.LSTM的具体说明 LSTM与RNN的结构相比，在参数更新的过 ......
机器学习和深度学习的区别
机器学习和深度学习都属于人工智能领域，但它们有不同的方法和应用场景。 机器学习是一种利用统计学习算法让计算机模仿人类的学习过程来实现智能化的技术。机器学习的主要思想是从大量的数据中发掘规律和模式，然后将这些规律和模式应用到新的数据中进行预测和决策。聚类，聚合 深度学习是机器学习的一个分支，它利用多层 ......
刷爆朋友圈！前百度总裁陆奇最新AI重磅演讲：我的大模型世界观
陆奇的演讲刷屏了，我认真看了他的演讲稿，收获颇丰。 陆奇提到，人类社会的发展，大致可分为：农业化、工业化和数字化三个阶段。 在三个递进的阶段中，人类一直在探索如何减少烦琐且消耗能量的体力和脑力劳动，这是几万年来一以贯之的进化主线。 从农业化到工业化，以及工业化的纵深，其实是“机械和电器”渐进替代体力 ......
权限模型与建表及SQL语句编写
权限模型 RBAC权限模型 RBAC权限模型（Role-Based Access Control）即：基于角色的权限控制。这是目前最常被开发者使用也是相对易用、通用权限模型。 准备工作 菜单表实体类 } 建表及SQL语句编写 CREATE DATABASE /*!32312 IF NOT EXI ......
【IO】IO底层原理以及常见模型
1 前言 从基础讲起，IO底层原理是隐藏在Java编程知识 之下的基础知识，是开发人员必须掌握的基本原理，可以说是基础的 基础，更是大公司面试通关的必备知识。本节从操作系统的底层原理入手，通过图文并茂的方式为大家深入剖析高并发IO的底层原理，并介绍如何通过设置来让操作系统支持高并发。 2 IO读写的 ......
如何让ChatGPT 3.5 Turbo模型给你生成图片？
让ChatGPT 3.5 Turbo模型依赖网络接口，直接生成图片，国内可用体验地址: https://zizhu888.cn/chatgpt/index.html OpenAI DALL*E 图片AI 国内体验站(高成本，专业用法，通过AI进行图片创作)：zizhu888.cn/text2img/ ......
大规模 Transformer 模型 8 比特矩阵乘简介 - 基于 Hugging Face Transformers、Accelerate 以及 bitsandbytes
引言 语言模型一直在变大。截至撰写本文时，PaLM 有 5400 亿参数，OPT、GPT-3 和 BLOOM 有大约 1760 亿参数，而且我们仍在继续朝着更大的模型发展。下图总结了最近的一些语言模型的尺寸。 由于这些模型很大，因此它们很难在一般的设备上运行。举个例子，仅推理 BLOOM-176B ......
ARMA-EGARCH模型、集成预测算法对SPX实际波动率进行预测|附代码数据
全文下载链接：http://tecdat.cn/?p=12174 最近我们被客户要求撰写关于ARMA-EGARCH的研究报告，包括一些图形和统计输出。 本文比较了几个时间序列模型，以预测SP500指数的每日实际波动率。基准是SPX日收益序列的ARMA-EGARCH模型。将其与GARCH模型进行比较 ......
用COPULA模型进行蒙特卡洛(MONTE CARLO)模拟和拟合股票收益数据分析|附代码数据
全文下载链接：http://tecdat.cn/?p=24535 最近我们被客户要求撰写关于COPULA模型蒙特卡洛的研究报告，包括一些图形和统计输出。 最近，copula 在仿真模型中变得流行起来。Copulas 是描述变量之间依赖关系的函数，并提供了一种创建分布以对相关多元数据建模的方法 使用 ......
深度研究：接连创造高估值、高增长神话的PLG
组织架构不匹配、权责分配不清晰以及团队协作无机制是推进PLG业务面临的三大核心挑战，而安全软件公司Snyk以其指数级营收和估值增长的成功实践证明，构建合适且高效团队是助力PLG创新实现高速增长的关键，其经验值得借鉴。本文将通过分析Synk如何构建起全能型跨职能团队，如何定义PLG团队核心权责，以及如 ......
大模型入门（五）—— 基于peft微调ChatGLM模型
ChatGLM 是基于 General Language Model (GLM) 架构，针对中文问答和对话进行了优化。经过中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术，ChatGLM因为是中文大模型，在中文任务的表现要优于LLaMa，我在一些实体抽取的任务中微调ChatGLM-6B， ......
03-1 燃烧系统分析方法与着火理论：热自燃基本模型、影响热自燃的因素
热自燃条件 第一步：作出假设 以封闭容器内可燃物质的着火过程为例，来分析热自燃问题。作出以下假设： 只有热反应，不存在链式反应； 容器的体积V和表面积F为定值； 容器内的参数（如温度浓度等）处处相同； 容器与环境之间仅存在对流换热，α为定值； 可燃物质的反应热Q为定值； 在整个着火过程中，可燃物质浓 ......