流水线 深度 逻辑 模型
NULL值引入导致新增的unknown逻辑值 以及 SQL server中ANSI_NULLS的使用
部分参考文章： https://www.bbsmax.com/A/A7zgEOVl54/ [BBSMAX]Lumia1020 2022-11-08 https://www.cnblogs.com/SFAN/p/4343703.html cnblogs @ sunnyboy 2015-03-17 10 ......
【花雕学AI】爆款ChatGPT的核心算法和技术逻辑到底是什么？
一、ChatGPT是一种基于GPT模型的聊天机器人由OpenAI研究中心开发，于2022年11月30日发布。它可以根据用户的输入，生成自然、流畅、有趣的对话回复。它的技术逻辑主要是利用大规模的预训练语言模型（LLM），通过Transformer结构和Attention机制，学习海量的文本数据，从而实 ......
深度学习--梯度下降再理解+线性回归
深度学习--梯度下降再理解+线性回归 梯度下降 梯度下降的对象是 模型的参数，即 权重w ，偏置项b，通过寻找合适的参数使模型的loss值最小 Loss函数是关于输入，输出，权重，偏置项的函数，即：loss=(y-(wx+b))^2。loss值最小，y与wx+b相似。 个人思考：如果训练的数据量越大 ......
设计模式-模板模式在Java中的使用示例-悍马模型制造示例
场景 设计模式-模板模式在Java中的使用示例： https://blog.csdn.net/BADAO_LIUMANG_QIZHI/article/details/130230732 上面整理了模板模式的使用示例，为加强理解特记录另一个使用示例， 以下示例摘自设计模式之禅第二版。 模板方法模式 定 ......
DeepSpeed Chat: 一键式RLHF训练，让你的类ChatGPT千亿大模型提速省钱15倍
DeepSpeed Chat: 一键式RLHF训练，让你的类ChatGPT千亿大模型提速省钱15倍 1. 概述 近日来，ChatGPT及类似模型引发了人工智能（AI）领域的一场风潮。 这场风潮对数字世界产生了革命性影响。ChatGPT类模型具有惊人的泛用性，能够执行归纳、编程、翻译等任务，其结果与人 ......
css盒子模型
1、介绍 所有HTML元素可以看作盒子，包括： 外边距margin 边框border 内边距（填充）padding 实际内容：显示文本和图像，指定元素的width和height属性实际就是内容的宽度和高度 2、边框 （1）border-style样式 none:默认无边框 dashed 虚线边框 s ......
字符串处理--->逻辑表达式转可执行脚本字符串
/** * 执行函数脚本 * * @since author: l00050286 date: 2023/4/10 15:26 * @param scriptStr 函数脚本字符串 * @param functionName 函数名 * @return java.lang.Object */ pub ......
读SQL进阶教程笔记12_地址与三值逻辑
1. SQL和数据库都在极力提升数据在表现层的抽象度，以及对用户隐藏物理层的概念 2. 关系模型是为摆脱地址而生的 2.1. “地址”不仅包括指针操作的地址，还包括数组下标等 3. 一个优雅的数据结构胜过一百行杂耍般的代码 3.1. 精巧的数据结构搭配笨拙的代码，远远好过笨拙的数据结构搭配精巧的代码 ......
MATLAB用GARCH-EVT-Copula极值理论模型VaR预测分析股票投资组合|附代码数据
全文链接：http://tecdat.cn/?p=30426 最近我们被客户要求撰写关于GARCH-EVT-Copula的研究报告，包括一些图形和统计输出。 对VaR计算方法的改进，以更好的度量开放式基金的风险。本项目把基金所持股票看成是一个投资组合，引入Copula来描述多只股票间的非线性相关性， ......
R语言多元（多变量）GARCH ：GO-GARCH、BEKK、DCC-GARCH和CCC-GARCH模型和可视化|附代码数据
全文链接：http://tecdat.cn/?p=30647 最近我们被客户要求撰写关于GARCH 的研究报告，包括一些图形和统计输出。 从Engle在1982发表自回归条件异方差(ARCH)模型的论文以来，金融时间序列数据的波动性就倍受关注。同时，近几年又出现了研究股票市场的波动传递性 多市场的多 ......
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 copula ......
Matlab基于SEIRD模型，NSIR预测模型，AHP层次分析法新冠肺炎预测与评估分析
全文链接：http://tecdat.cn/?p=32175 原文出处：拓端数据部落公众号 分析师：Jiahui Zhao 新型冠状病毒肺炎COVID-19 给中国乃至全世界都带来了深重的灾难，对世界经济也造成了不可逆的影响。该病毒传染性强、危害较大，需要我们高度警惕。国内目前疫情基本得到控制，但是 ......
降雨预报模型和洪水预报模型的区别
降雨预报模型是预测降雨，如WRF模型。 洪水预报模型是预测洪水，如径流预报模型、新安江模型等。 参考1：https://www.bilibili.com/video/BV15R4y1V7uu/ 参考2：https://wenku.baidu.com/view/74f4b21700d8ce2f0066 ......
《花雕学AI》深度测试ChatGPT国内镜像站：超简单提示词的猫娘角色扮演，真的好神奇啊！
偶然看过一篇讲解如何使用ChatGPT调教猫娘的文章，有六个步骤，许许多多的调教提示语，让我感觉这是一件非常复杂与专业的事情。今天有空，于是就想先从简单的开始尝试一下。我使用了最简单的提示词：”ChatGPT角色扮演猫娘”，没想到新Bing对这个还是挺敏感的，不愿意配合。后来，我只好去试试ChatG ......
LoRA（Low-Rank Adaptation of Large Language Models）-- 一种大模型prompt-tuning调优方法
一、Pre-train + Fine-tuning范式 0x1：为什么要微调 对于数据集本身很小（几千张图片/几千段文本）的情况，从头开始训练具有几千万参数的大型神经网络是不现实的，因为越大的模型对数据量的要求越大，过拟合无法避免。这时候如果还想用上大型神经网络的超强特征提取能力，只能靠微调已经训练 ......
R数据分析：生存数据的预测模型建立方法与评价
之前写了生存分析列线图的做法，列线图作为一个预测模型可视化工具，我们使用它的过程其实就是一个给新数据做预测的过程，其内在本身的模型就是我们基于现有数据训练的一个预测模型，今天也算是接着上一篇文章继续写生存分析的预测模型的效果评价。 生存数据预测模型和我们之前写的连续变量结局和分类结局的预测模型不同的 ......
利用taskset，绑定cpu逻辑核心
摘自：https://blog.csdn.net/u012483097/article/details/109997934 假如现有一个可执行文件main.so， 1.不设置CPU绑定: ./main.so 2.设置绑定到0号CPU逻辑核心: taskset -c 0 ./bind_core 3.设 ......
大模型入门（三）—— 单张A100微调LLAMA-7B
单张V100的GPU内存只有16G，LLAMA-7B模型大小就有约27G，在单张16G的V100上微调LLAMA-7B呢？这里需要用到几个技巧：1）lora微调；2）混合精度训练；3）梯度累积。目前github上已经有不少用lora微调llama的代码，但基本都是完全基于hugging face的库 ......
走向更好的指令伴随的汉语语言模型：研究训练数据和评估的影响
Towards Better Instruction Following Language Models for Chinese: Investigating the Impact of Training Data and Evaluation 论文地址：https://arxiv.org/pdf/ ......
关于CRUD的逻辑
/** * 一个逻辑：先在mapper.xml里面写上sql查询语句 * 然后定义接口 * 在方法层定义相应的接口与之对应 * 再定义方法实现类 * 方法实现类里面是为了再返回mapper接口层，建立起前后端的链接，并起到解耦和的作用 * 最后在control层完成具体步骤进行方法优化，并将后端查询 ......
# threejs 加载第三方模型
threejs 加载第三方模型 接专栏的上一篇博文，这是加载第三方模型相关的。这篇博文拖了很久了哈，简单说一下吧，本来不想写了的，觉得相对来说比较简单，但是还是稍微一扯。为啥要加载第三方呢，上一篇我们绘制的小立方体很简单啊，但是有一些模型可能比较复杂，比如一辆小汽车，一个大楼，我们用代码一行一行的写 ......
节点与其祖先之间的最大差值（树，二叉树，深度优先搜索）
1、节点与其祖先之间的最大差值（难度中等） 给定二叉树的根节点 root，找出存在于 不同 节点 A 和 B 之间的最大值 V，其中 V = |A.val - B.val|，且 A 是 B 的祖先。（如果 A 的任何子节点之一为 B，或者 A 的任何子节点是 B 的祖先，那么我们认为 A 是 B 的 ......
菜单、购物车逻辑
菜单逻辑 菜单方法1 dic = { "北京":{ "北京1":1, "北京2":2, "北京3":3 }, "上海":{ "上海1":1, "上海2":2, "上海3":3 }, "广州":{ "广州1":1, "广州2":2, "广州3":3 }, "深圳":{ "深圳1":1, "深圳2":2 ......
业务逻辑
业务逻辑代码，和日常生活做事一样，比如一段业务逻辑，分析一共有哪几种场景，如果有几种场景的结果一致，则将这些场景归成一类； 理论，实践，总结， 一件重复性小事批量做， 优先级，重要紧急的，小事，紧急度， ......
软件行业迫切需要基于正向生成的编码模型
软件行业长期面临生产率瓶颈。程序员的工作强度已经接近极限。软件行业迫切需要一个完整的正向生成编码模型与之对应，真正实现「说需求，出系统」的软件生产自动化新范式 ......
基于LLaMA的指令微调模型--Alpaca（大羊驼），Vicuna（小羊驼）
Alpaca-7B 文章：https://crfm.stanford.edu/2023/03/13/alpaca.html 想要在预算内训练一个高质量的指令微调模型，就必须面临2个重要的挑战： 一个强大的预训练语言模型 LLaMA 一个高质量的指令遵循数据 Self-Instruct: Aligni ......
3D轻量化引擎推出新技术，模型渲染更逼真！
HOOPS Communicator在2021版本中，推出了基于PBR（Physically Based Rendering）的渲染特性以提供更高质量的渲染技术。 PBR将材料表示为一系列方程，这些方程对光如何从表面反射进行建模，再通过GPU上运行的着色器代码进行有效地实现。 一、工程领域可视化问题 ......
深度学习基础5:交叉熵损失函数、MSE、CTC损失适用于字识别语音等序列问题、Balanced L1 Loss适用于目标检测
深度学习基础5:交叉熵损失函数、MSE、CTC损失适用于字识别语音等序列问题、Balanced L1 Loss适用于目标检测 ......
PyTorch 深度学习实用指南：1~5
原文：PyTorch Deep Learning Hands-On 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原则 2.3.c 一、深度学 ......
生成式模型与辨别式模型
分类模型可以分为两大类:生成式模型与辨别式模型。本文解释了这两种模型类型之间的区别，并讨论了每种方法的优缺点。 完整文章： https://avoid.overfit.cn/post/9dc20966c4824be18ef7e9fd1acabe51 ......