526互联

流水线 深度 逻辑 模型

插电式混合动力汽车的能量管理:模型预测控制的凸优化算法

插电式混合动力汽车的能量管理:模型预测控制的凸优化算法 测试环境：MATLAB 关键词：乘法器交替方向法、能量管理、内点法、模型预测控制、插电式混合动力汽车 求解非线性损耗混合动力汽车能量管理模型预测控制优化问题凸公式的算法。 提出了一种投影内点法，将不等式约束作为控制输入的投影，减小了牛顿阶跃矩阵 ......
算法 能量 模型 动力 汽车

考虑电动汽车有序充放电的机组组合和最优趋势，机组组合采用相同的线性化方法，采用二阶锥松弛的配电网模型

双层优化 大型电动汽车 时空调度 测试环境：MATLAB 关键词：双层优化，电动汽车，时空调度，配电网。 考虑电动汽车有序充放电的机组组合和最优趋势，机组组合采用相同的线性化方法，采用二阶锥松弛的配电网模型，问题描述为一个MISOP问题，测试系统为IEEE33系统。ID:65506454810548 ......
机组 电动汽车 线性 模型 趋势

第七章 数电与组合逻辑

7.1 数字电路基础7.1.1 数字信号的概念7.1.2 数字电路的基本概念7.1.3 数制和码制7.1.4 逻辑代码的基本知识 7.1.4.1 基本逻辑关系 7.1.4.2 逻辑函数及表示方法 7.1.4.3 逻辑代数中的基本公式和定律二、门电路7.2.1 基本逻辑门7.2.2 复合逻辑门7.2. ......
逻辑

解决AD_3D模型显示成方框的问题

最近打开之前画的一块板子，想看看他的3D模型。结果发现大多数元件的3D模型都变成了方块。换而言之3D模型失效了。如图： 不知道什么原因导致这一问题。 解决办法： 更新一下3D模型所在的机械层即可。 第一步： Tools -> Updae From PCB Libraries （快捷键T -> L）。 ......
方框 模型 问题 AD 3D

【深度思考】聊聊JDK动态代理原理

1. 示例 首先，定义一个接口： public interface Staff { void work(); } 然后，新增一个类并实现上面的接口： public class Coder implements Staff { @Override public void work() { System ......
深度 原理 动态 JDK

深度学习第三章-神经网络TensorFlow实现

张量可以理解为n维数组或矩阵。在NumPy数组中，一个float32或float64的数字就是一个标量（零维张量），可以用ndim查看张量的维度。 向量（一维张量）是由数字组成的数组。 矩阵（二维张量）是由向量组成的数组。 ......
神经网络 TensorFlow 深度 神经 第三章

H模型-项目流程

项目和产品的区别：先有项目才有产品。 项目和版本的区别：一个项目有很多个版本 1、拿到需求文档通过需求澄清会议经过多次讨论，最终形成一个基线文档，也叫做需求规格说明书。 基线：表示当前的状态很稳定，随时可以进行下一个环节。 2、开发输出概要设计和详细设计，测试评审开发的概要设计和详细设计 同时也在了 ......
模型 流程 项目

Stable Diffusion（三）Dreambooth finetune模型

1. Dreambooth Dreambooth可以把你任何喜欢的东西放入Stable Diffusion模型。 1.1. 什么是Dreambooth 最初由谷歌在2022年发布，是对SD模型的fine-tune技术。可以把自己喜欢的东西注入到SD模型中。 为什么称为Dreambooth？根据谷歌团 ......
Dreambooth Diffusion finetune 模型 Stable

深度学习正则化之Dropout

一、Dropout 丢弃法（Dropout Method）：在训练一个深度神经网络时，可以随机丢弃一部分神经元（同时丢弃其对应的连接边）来避免过拟合。 训练时，每次选择丢弃的神经元是随机的，这些随机选出隐藏层的神经元将被删除，它们将不再传递信号。 常规dropout (训练测试不一致，测试时调整输入 ......
正则 深度 Dropout

Buzz语音转文字安装使用(含Whisper模型下载)

https://blog.csdn.net/oXiaoWeiWuDi/article/details/128925672 简介：Transcribe and translate audio offline on your personal computer. Powered by OpenAI’s ......
语音 模型 Whisper 文字 Buzz

Django基础 - 06Model模型的关联关系及对象继承

一、 一对一关系： 实名认证表 一对一关系： models.OneToOneField 主表的数据是相对重要的(UserEntity)， 从表 需要 主动声明关系(RealProfile) 对象获取： 从表获取主表数据， 直接使用字段， 对象.字段名.属性名； 主表获取从表数据： 隐性的， 对象.模 ......
模型 对象 基础 Django Model

卷积操作的概念及其在深度学习中的应用

卷积操作是一种线性操作，通常用于处理信号和图像等数据。在图像处理中，卷积操作可以用于提取图像的特征，例如边缘、纹理等。 卷积操作是通过卷积核（也称滤波器）与输入数据进行逐元素乘积、求和运算的过程，从而得到卷积特征图。卷积核可以看作是一种模板，用于提取输入数据中的局部特征。在每个位置上，卷积核都会与输 ......
卷积 深度 概念

论文阅读记录1——Lmbff（更好的基于微调的语言模型）读后归纳

方法： 基于GPT-3的强大功能：只要给出一个自然语言提示和一些任务演示，GPT-3就能够做出准确的预测，而无需更新其底层局域网的任何权重。 在一个更实际的场景中研究了少数镜头学习，在那里我们使用了更小的语言模型，其中的微调在计算上是有效的。我们提出了lm - bff(更好的语言模型的少量微调)，这 ......
读后 模型 语言 论文 Lmbff

30-组合可编程逻辑器件-PLD

组合可编程逻辑器件 1.PLD的结构 1.1 结构 1.2 表示方法 实心点表示连接,但是不可编程 ×点表示连接,但是可以编程 2.编程技术 2.1 熔丝工艺 每个输入线连接二极管和保险丝 2.2 电擦除 3.PLD分类 低密度PLD和高密度PLD 低密度PLD又分为:PROM/PLA/PAL/GA ......
可编 器件 逻辑 PLD 30

逻辑漏洞

1、定义 2、分类 2.1 可爆破 优惠券口令、房间口令 账号名称和弱密码 验证码 可遍历的token或登录凭证 可组合的问答，比如姓名、年龄、所在省市、学号等 2.2 步骤可跳过 跳过前面的步骤，而直接进行后面步骤的请求，以绕过前面的检查。 (1)对于简单的，直接篡改请求 比如步骤控制是基于接口控 ......
漏洞 逻辑

29-组合逻辑集成电路-算术运算电路

算术运算电路 1.半加器和全加器 半加器：不考虑低位进位，两个输入 全加器：考虑低位进位，三个输入 1.1半加器HA 1.2全加器 1.3一位半加器 真值表 表达式 门电路实现 1.4一位全加器 真值表 表达式 门电路实现全加器 用半加器实现全加器 1.5多位加法器 1.5.1 串行加法 多位加法器 ......
电路 算术 集成电路 逻辑 29

GPT模型: Generative Pre-training 生成式无监督预训练

GPT，GPT-2，GPT-3 论文精读【论文精读】_哔哩哔哩_bilibili ELMo：将上下文当作特征，但是无监督的语料和我们真实的语料还是有区别的，不一定符合我们特定的任务，是一种双向的特征提取。 OpenAI GPT: 通过transformer decoder学习出来一个语言模型，不是固 ......
Pre-training Generative training 模型 GPT

预训练模型-从BERT原理到BERT调包和微调

一、BERT原理 BERT取名来自 Bidirectional Encoder Representations from Transformers。架构为：预训练 + fine-tuning（对于特定的任务只需要添加一个输出层)。 1、引言 通过预训练语言模型可显著提高NLP下游任务。限制模型潜力的 ......
BERT 模型 原理

深度学习Pytorch中组卷积的参数存储方式与剪枝的问题

写这个主要是因为去年做项目的时候 需要对网络进行剪枝 普通卷积倒没问题 涉及到组卷积通道的裁剪就对应不上 当时没时间钻研 现在再看pytorch 钻研了一下 仔细研究了一下卷积的weight.data的存储 1.搭建网络 这里先随便搭建一下网络 放几个深度可分离卷积和普通卷积 import torc ......
卷积 深度 参数 Pytorch 方式

如何建立含有逻辑删除字段的唯一索引

业务场景 在实际工作当中，遇到一个场景，就是在用户注册时，名字要全局唯一，当然，我们是可以对用户进行删除的，你会怎么去做？ 分析 一般来说，我们可以在用户注册请求时，进行查库校验，看看名字是否已经存在，如果存在就抛异常给提示；否则，就落库。除此之外，还可以直接给数据库字段加唯一索引 UNIQUE K ......
字段 索引 逻辑

深度学习快速参考：11~13

原文：Deep Learning Quick Reference 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 十一、训练 ......
深度 11 13

深度学习快速参考：1~5

原文：Deep Learning Quick Reference 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、深度学习 ......
深度

TensorFlow 深度学习实战指南：1~5 全

原文：Hands-on Deep Learning with TensorFlow 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 ......
TensorFlow 实战 深度 指南

28-组合逻辑集成电路-数据比较器

比较器 1.回顾数据选择器，四选一 使用卡诺图进行四选一，选择AB为控制端或CD为控制端结果不一样 有时候垂直方向画卡诺图，结果会更简单 2.一位二进制数的比较器 可以快速列出真值表 使用门电路实现一位比较器 3.二位二进制数比较 先比较高位，高位相同，低位大小才会影响结果。 高位和高位比较，低位和 ......
集成电路 电路 逻辑 数据 28

尝试学习训练一个GPT-2对话模型

一、GPT模型的背景知识 GPT-1基础原理： https://www.cnblogs.com/LittleHann/p/17303550.html 原始论文及相关文章： https://d4mucfpksywv.cloudfront.net/better-language-models/langu ......
模型 GPT

如何建立含有逻辑删除字段的唯一索引

文章目录 业务场景 分析 解决 总结 业务场景 在实际工作当中，遇到一个场景，就是在用户注册时，名字要全局唯一，当然，我们是可以对用户进行删除的，你会怎么去做？ 分析 一般来说，我们可以在用户注册请求时，进行查库校验，看看名字是否已经存在，如果存在就抛异常给提示；否则，就落库。除此之外，还可以直接给 ......
字段 索引 逻辑

在有限 computational budget 下，借助 low-fidelity 模型提高精度

motivation：一些预算用于训 low-fidelity model，剩下预算用于 Monte Carlo 模拟，以得到结果。数学证明：近似 + 递推或迭代或归纳法。总结：目前看来，对我的工作意义不大。 ......
computational low-fidelity 精度 fidelity 模型

香，一套逻辑轻松且智能解决PyQt中控件数值验证的问题

在PyQt开发中，时常需要对控件的值进行校验，如需要校验QCheckBox是否被选中，QLabel是否校验值是否为空等等。在复杂的业务场景下，这类控件如果数量很多，逐个校验就显得麻烦，需要一一获得控件名称，再调用对应的方法来判断是否被选中、是否为空等。而且开发过程中如果多控件做了增减，还需要增减校验 ......
数值 控件 逻辑 智能 问题

27-组合逻辑集成电路-数据选择器

数据选择器 1.数据选择器 数据选择器：多路信号进来，出去的路只有一条，通过一个开关控制，多路选一路(多选1) 数据分配器：一路信号进入，在多路输出中选择一路进行输出 二选一，通过一个开关进行控制，书写选择器表达式的时候，表达式的每一项用开关变量组合*信号 四选一，用两个控制变量进行控制 2.中规模 ......
集成电路 电路 逻辑 数据 27

kubesphere流水线使用kaniko在容器中构建镜像

kubesphere流水线使用kaniko在容器中构建镜像 Kaniko - 更安全可靠的方式在Kubernetes内构建容器镜像 kaniko是一个在容器或Kubernetes内从Dockerfile构建容器镜像的工具。 kaniko不依赖Docker守护进程，完全在用户空间执行Docker文件中 ......
流水线 容器 kubesphere 流水 镜像
共5400篇  :144/180页 首页上一页144下一页尾页