526互联

流水线 深度 逻辑 模型

R语言使用ARIMA模型预测股票收益时间序列|附代码数据

原文链接：http://tecdat.cn/?p=2831 原文出处：拓端数据部落公众号 最近我们被客户要求撰写关于ARIMA的研究报告，包括一些图形和统计输出。 “预测非常困难，特别是关于未来”。丹麦物理学家尼尔斯·波尔（Neils Bohr） 很多人都会看到这句名言。预测是这篇博文的主题。在这篇 ......
时间序列 序列 收益 模型 语言

R语言估计时变VAR模型时间序列的实证研究分析案例|附代码数据

原文链接： http://tecdat.cn/?p=3364 原文出处：拓端数据部落公众号 最近我们被客户要求撰写关于时变VAR模型的研究报告，包括一些图形和统计输出。 加载R包和数据集 加载包后，我们将此数据集中包含的12个心情变量进行子集化： mood_data <- as.matrix(sym ......
时间序列 时变 研究分析 实证 序列

JavaScript 中的深度克隆

JavaScript 中的深度克隆涉及创建一个新对象，该对象是现有对象的副本，并将复制延续到所有嵌套属性，以确保两个对象完全独立。这项技术对于保持程序中的不变性等任务至关重要，对于处理 React 等框架中的状态尤其重要。它有助于防止意外的对象突变可能引起的错误，从而产生更易于维护且无错误的代码。随 ......
JavaScript 深度

超大场景的倾斜摄影三维模型的顶层合并构建的必要性分析

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 必要性 模型 场景

大模型增量预训练

增量预训练也叫领域自适应预训练（domain-adapter pretraining），即在所属领域数据上继续预训练。 主要问题是在增量预训练后可能发生灾难性遗忘。 避免灾难性遗忘主要从以下几个方面入手： 1 领域相关性 增量数据与所选基座模型的原始训练数据尽量一定的相关性。 2 新数据分布与原始数 ......
增量 模型

大模型的幻觉问题

一 什么是幻觉问题 大模型的幻觉问题是指大模型生成的答案不基于任何事实数据，简单来说就是杜撰、一本正经的胡说八道。 幻觉问题也是影响大模型落地的重要原因之一 幻觉问题分类 1 和用户输入冲突的幻觉 2 和上下文冲突的幻觉 3 和事实知识冲突的幻觉（目前重点）例如，大模型在生成医疗建议时可能会捏造错误 ......
幻觉 模型 问题

jenkins创建微服务流水线（微服务多级构建）

1.Jenkins中新建一个maven的流水线 填写构建配置 保存历史构建7天 填写git地址及凭证 填写build(clean package -Dmaven.test.skip=true) 填写脚本 监本样例 ......
流水线 流水 jenkins

【项目】使用VGG16 ResNet50预训练模型为backbone进行FCN网络训练 完成分割任务

代码以及数据集后面会在我的ai studio主页公开 拿到这个题目的思路 1.VOC2007，VOC2012怎么统一到一起？ 参考：基于PaddlePaddle框架的YOLOv1复现 - 飞桨AI Studio星河社区 (baidu.com) 本地：基于PaddlePaddle框架的YOLOv1复现 ......
backbone 模型 任务 项目 ResNet

通义大模型使用指南之通义听悟

一、注册 我们可以打开以下网站，用手机号注册一个账号即可。 https://tongyi.aliyun.com/ 二、使用介绍 如图，我们可以看到有三个大项功能，通义千问、通义万相、通义听悟。下来我们体验一下通义听悟的功能。 1、通义听悟 1、1基本功能 当我们点击上面的通义听悟功能的时候，会出现下 ......
使用指南 模型 指南

大语言模型基础-Transformer模型详解和训练

一、Transformer概述 Transformer是由谷歌在17年提出并应用于神经机器翻译的seq2seq模型，其结构完全通过自注意力机制完成对源语言序列和目标语言序列的全局依赖建模。 Transformer由编码器和解码器构成。图2.1展示了该结构，其左侧和右侧分别对应着编码器（Encoder ......
模型 Transformer 语言 基础

MLP代码模型--NLP方向

训练 对于二分类任务，通常使用一个包含两个输出单元的输出层，而不是一个单一的输出单元。这是因为在二分类任务中，每个类别通常对应一个输出单元，一个用于表示类别1（例如正类别），另一个用于表示类别2（例如负类别） 预测 是 ......
模型 方向 代码 MLP NLP

Python贝叶斯MCMC：Metropolis-Hastings、Gibbs抽样、分层模型、收敛性评估

全文链接：https://tecdat.cn/?p=33961 原文出处：拓端数据部落公众号 在常规的马尔可夫链模型中，我们通常感兴趣的是找到一个平衡分布。 MCMC则是反过来思考——我们将平衡分布固定为后验分布： 并寻找一种转移核，使其收敛到该平衡分布。 岛屿示例 首先提供一个示例，以具体展示Me ......
Metropolis-Hastings Metropolis Hastings 模型 Python

模型推理batch inference速度无明显提升、耗时线性增长问题排查

模型推理batch inference速度无明显提升、耗时线性增长问题排查 现象描述 当模型在推理阶段使用batch inference时，推理速度并无明显提升，相比单帧多次推理收益不大。如笔者在Xavier上测试某模型结果 batch size 推理时间ms 折算耗时 ms/img 1 11.23 ......
线性 inference 模型 速度 问题

《动手学深度学习 Pytorch版》 10.3 注意力评分函数

上一节使用的高斯核的指数部分可以视为注意力评分函数（attention scoring function），简称评分函数（scoring function）。 后续把评分函数的输出结果输入到softmax函数中进行运算。最后，注意力汇聚的输出就是基于这些注意力权重的值的加权和。该过程可描述为下图： ......
注意力 函数 深度 Pytorch 10.3

深度学习调参手册（Deep Learning Tuning Playbook）

google-research/tuning_playbook: A playbook for systematically maximizing the performance of deep learning models. (github.com) dkhonker/tuning_playbo ......
深度 Learning Playbook 手册 Tuning

基于AidLux的互联网图片安全风控实战-相似度对比模型训练以及在AidLux中部署引用

在当今数字化世界中，随着互联网的快速发展，图片信息的交换与共享变得日益普遍。然而，与此同时，由于互联网图片的高度自由性和匿名性，不良信息的传播也日益增多，给用户带来了安全风险。在这样的背景下，基于AidLux的互联网图片安全风控实战方案应运而生。本文将重点介绍基于AidLux平台的相似度对比模型训练 ......
AidLux 实战 模型 互联网 图片

《动手学深度学习 Pytorch版》 10.2 注意力汇聚：Nadaraya-Watson 核回归

import torch from torch import nn from d2l import torch as d2l 1964 年提出的 Nadaraya-Watson 核回归模型是一个简单但完整的例子，可以用于演示具有注意力机制的机器学习。 10.2.1 生成数据集 根据下面的非线性函数生 ......
Nadaraya-Watson 注意力 深度 Nadaraya Pytorch

单片机的结构逻辑，特性

连接矩阵 io口 弱上拉，强下拉 ......
单片机 逻辑 特性 结构

three.js 深度不完全解读

three.js 深度不完全解读 一、深度值的获取 1、方法1: FBO的深度附件 深度信息通过渲染管线中的深度缓冲区（depth buffer）来计算和存储。缓冲区用于存储每个像素点的深度值。 在渲染过程中，渲染器会根据每个像素点的深度值来确定最终像素的可见性和着色。 const target = ......
深度 three js

【3D服装设计和模拟软件】上海道宁为设计师们带来Marvelous Designer，轻松创建高质的3D服装模型

Marvelous Designer拥有先进的技术和直观的界面，使得设计师们能够轻松创建高质量的3D服装模型。该软件广泛应用于服装、影视、游戏等领域，为设计师们提供了全新的设计体验。 ......
服装 模拟软件 服装设计 Marvelous Designer

Redis深度历险 核心原理与应用实践-笔记

1.2.2 5种基础数据结构 string(字符串) 字符串string是Redis最简单的数据结构，其内部表示就是一个字符数组。Redis所有的数据结构都是以唯一的key字符串作为名称，然后通过这唯一的key来获取相应的value数据。不同类型的数据结构差异就在于value的结果不一样。 Redi ......
深度 原理 核心 笔记 Redis

三维模型数据拼接中的几何坐标变换方法实现

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，... ......
坐标 几何 模型 方法 数据

CSS必学：你需要知道的盒子模型的秘密

作者:WangMin 格言:努力做好自己喜欢的每一件事 作为前端开发来说，要掌握的CSS基础一定很多，那么CSS中盒子模型肯定是必考必问必掌握的前端知识点，因为它是CSS基础中非常重要的内容，接下来我们就一起来了解一下盒子模型吧！ 什么是盒子模型？ CSS 所有的HTML 标签元素在网页中都生成了一 ......
盒子 模型 秘密 CSS

m基于深度学习网络的智能垃圾分类系统matlab仿真,带GUI界面

1.算法仿真效果 matlab2022a仿真结果如下： 2.算法涉及理论知识概要 垃圾数量的急剧增加和垃圾中物质的复杂多样性带来了严重的环境污染和资源浪费问题。回收可以减少废物，但手工管道垃圾分拣工作环境恶劣，劳动强度大，分拣效率低。智能垃圾分类系统是基于深度学习网络的一种应用，它可以通过对大量的训 ......
学习网络 深度 界面 垃圾 智能

R语言逻辑回归Logistic选股因素模型交易策略及沪深300指数实证|附代码数据

全文链接：http://tecdat.cn/?p=32071 原文出处：拓端数据部落公众号 最近我们被客户要求撰写关于交易策略的研究报告，包括一些图形和统计输出。 随着中国的证券市场规模的不断壮大、市场创新不断深化、信息披露不断完善、市场监管不断强化，随着现代投资组合理论的发展和计算机技术的进步，投 ......
选股 实证 Logistic 逻辑 模型

R语言使用bootstrap和增量法计算广义线性模型（GLM）预测置信区间|附代码数据

原文链接：http://tecdat.cn/?p=15062 最近我们被客户要求撰写关于广义线性模型（GLM）预测置信区间的研究报告，包括一些图形和统计输出。 考虑简单的泊松回归 我们要导出预测的置信区间，而不是观测值，即下图的点 > r=glm(dist~speed,data=cars,famil ......
广义 增量 区间 线性 bootstrap

使用 DDPO 在 TRL 中微调 Stable Diffusion 模型

引言 扩散模型 (如 DALL-E 2、Stable Diffusion) 是一类文生图模型，在生成图像 (尤其是有照片级真实感的图像) 方面取得了广泛成功。然而，这些模型生成的图像可能并不总是符合人类偏好或人类意图。因此出现了对齐问题，即如何确保模型的输出与人类偏好 (如“质感”) 一致，或者与那 ......
Diffusion 模型 Stable DDPO TRL

通义大模型使用指南之通义千问

一、注册 我们可以打开以下网站，用手机号注册一个账号即可。 通义大模型 (aliyun.com) 二、使用介绍 如图，我们可以看到有三个大项功能，通义千问、通义万相、通义听悟。下来我们体验一下通义千问的功能。 1、通义千问 通义千问主要有两个功能：常用的对话功能和百宝箱 1、1对话功能 我们点击新建 ......
使用指南 模型 指南

flask学习-03 模型Model 解决flask migtate 时报No changes in schema detected

报如上错误说明建表示失败 flask-migrate是检测上下文中db.Model的子类来创建表的..，所有我们必须让这个app能够知道有这个models文件的存在，所以，在app文件导入类user ......
flask detected 时报 模型 changes

MTV与MVC模型

MTV # MTV: Django号称是MTV模型 M:models T:templates V:views MVC # MVC: Django本质也是MVC模型 M:models V:views C:controller # vue框架：MVVM模型 ......
模型 MTV MVC
共5400篇  :38/180页 首页上一页38下一页尾页