流水线 深度 逻辑 模型
osg 改变obj模型的方向
// // OpenSceneGraph Quick Start Guide // http://www.lulu.com/content/767629 // http://www.openscenegraph.com/osgwiki/pmwiki.php/Documentation/QuickSt ......
8.Transformer模型
1- Transformer模型是什么 Transformer模型是一个基于多头自注意力的序列到序列模型(seq2seq model)，整个网络结构可以分为编码器（encoder）和解码器（decoder）两部分。seq2seq模型输出序列的长度是不确定的。我们输入一个sequence后，先由enc ......
diffusion扩散模型\datawhale组队学习——v3先运行一半
今天我们一起学习如何对模型微调和引导。 微调，用原模型，跑新数据，得到新输出。 引导，引导生成过程，改变输出结果。 作者之前用过sd模型，不同的采样方法在不同的采样步数下有不同的效果。首先采样步数并非越高越好或越低越好，有一个最佳使用区间，其次，不同采样方法有自己不同的最佳采样步数区间。 一般而言3 ......
流水线吞吐率问题
例题展示 例题解决 所谓的流水线吞吐率，就是指令条数/流水线完成所用时间； 在本题中，指令条数=100； 流水线所用时间，就是我们都会的那种算法=6+（100-1）*2； 一定要注意的是时间s和ns的级别：1s=10的9次方ns； 就ok啦~ 本题选择B； ......
实验5 广告流水灯设计
实验5 广告流水灯设计 一、实验内容 本实验的目的是设计和实现一个广告流水灯电路。该电路由8个输出组成，使用1片74LS163和1片74LS138。实验的主要目标是理解计数器的工作原理，掌握中规模集成电路模块的使用方法，以及学习时序电路的调试方法。 二、所使用芯片 本实验使用了以下两种芯片： 74L ......
《动手学深度学习 Pytorch版》 10.1 注意力提示
10.1.1 生物学中的注意力提示 “美国心理学之父” 威廉·詹姆斯提出的双组件（two-component）框架： 非自主性提示：基于环境中物体的突出性和易见性 自主性提示：受到了认知和意识的控制 10.1.2 查询、键和值 注意力机制与全连接层或汇聚层区别开来的元素：是否包含自主性提示 在注意力 ......
jenkins 原理篇——pipeline流水线 声明式语法详解
大家好，我是蓝胖子，相信大家平时项目中或多或少都有用到jenkins，它的piepeline模式能够对项目的发布流程进行编排，优化部署效率，减少错误的发生，如何去写一个pipeline脚本呢，今天我们就来简单看看pipeline的语法。 先拿一个hello world的pipeline脚本举例，我们 ......
神经网络基础篇：逻辑回归的代价函数
逻辑回归的代价函数（Logistic Regression Cost Function） 为什么需要代价函数： 为了训练逻辑回归模型的参数参数\(w\)和参数\(b\)，需要一个代价函数，通过训练代价函数来得到参数\(w\)和参数\(b\)。先看一下逻辑回归的输出函数： 为了让模型通过学习调整参数， ......
MRP增强 逻辑
最近有个需求需要折算下量来匹配MRP和销售订单之前的数量 IF_EX_MD_CHANGE_MRP_DATA 实现这个BADI 首先运行 IF_EX_MD_CHANGE_MRP_DATA~CHANGE_MDPSX_MARD 检查库存 然后运行 IF_EX_MD_CHANGE_MRP_DATA~CHAN ......
倾斜摄影三维模型根节点合并技术方法探讨
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，... ......
昇腾CANN 7.0 黑科技：大模型训练性能优化之道
为了释放昇腾硬件算力，昇腾AI异构计算架构CANN发布更开放、更易用的CANN 7.0版本，全面兼容业界的AI框架、加速库和主流大模型。 ......
一种原始音频的WAVENET小波变换生成模型
一种原始音频的WAVENET小波变换生成模型 本文介绍了WaveNet，一种用于生成原始音频波形的深度神经网络。该模型是完全概率和自回归的，每个音频样本的预测分布以所有先前的样本为条件；尽管如此，还是证明了它可以在每秒数万个音频样本的数据上有效地训练。当应用于文本到语音时，它会产生最先进的表现，人类 ......
Hugging Face: 代码生成模型的预训练和微调
和大家分享我们的机器学习工程师 Loubna Ben Allal 在 10 月上海 KubeCon 大会的主题演讲 📢 题目是： 代码生成模型的预训练和微调 演讲介绍了构建和训练大型代码模型比如: StarCoder 🌟 的幕后过程， 还探讨了如何使用开源库，包括 Transformers、da ......
二进制的逻辑运算与算术运算
问题背景 很多像我这样的初学者经常会弄混逻辑运算和算术运算。 在老师布置的作业中，我也产生了不少的疑惑。 经过一段时间的研究与资料的查找，今天，我就来说道说道。 算术运算 包含加、减、乘、除四种运算。 二进制的算术运算与十进制类似，可以列式计算。 需要注意的是：加法时，二进制逢二进一；减法时，向前一 ......
深度优先搜索的最短路径问题
这个简单的图，要求使用深度优先算法求出（1,1）到终点的最短路径。 1、分析 就目前看来，(1,1)->(1,2)->(2,2)->(2,3)->(2,4)->(3,4)->(4,4)->(4,3)和(1,1)->(2,1)->(3,1)->(4,1)->(5,1)->(5,2)->(5,3)->( ......
osi七层模型与TCP/IP四层模型
一.osi七层模型： 1.应用层 最上层的，也是我们能直接接触到的就是应用层（Application Layer），我们电脑或手机使用的应用软件都是在应用层实现。那么，当两个不同设备的应用需要通信的时候，应用就把应用数据传给下一层，也就是传输层。 所以，应用层只需要专注于为用户提供应用功能， ......
Web3.0热门领域NFT项目实战-深度掌握Solidity合约开发，助力Web3.0工程师
Web3.0热门领域NFT项目实战-深度掌握Solidity合约开发，助力Web3.0工程师 免费自动批量生成NFT图片和批量部署NFT 一、环境准备 1.注意：需合理上网 2.准备素材：准备一套多个属性元素的不一样的图层素材，比如10张背景图、10张face图、10张眼睛图层、10张头发图层等，每 ......
深度优先算法
一、例子 提问：输入一个数字n，输出1~n的全排列。 首先，将全排列比作小盒子和扑克牌 将数字比作扑克牌，我们有1号，2号，3号扑克牌和1号2号3号3个盒子。每个盒子只能放置一个扑克牌，实现全排列。那我们如何往小盒子中放入扑克牌。每个小盒子都可能放1号、2号或者3号扑克牌，这都需要一一尝试，这里一个 ......
逻辑运算
1. 作业本上计算附件中的值，提交过程截图 2. 用devtoys 或其他工具验证你的计算是否正确，提交相关截图 devtoys没找到在哪里，自行搜索了网上的计算工具 3. 用chatgpt或其他AI工具 验证你的计算是否正确，提交相关截图 ......
深度学习设置随机数种子
seed = 2023 torch.manual_seed(seed) # torch的CPU随机性，为CPU设置随机种子 torch.cuda.manual_seed(seed) # torch的GPU随机性，为当前GPU设置随机种子 torch.cuda.manual_seed_all(seed ......
大语言模型LLM-三种模型架构
架构：由Transformer论文衍生出来的大语言模型，主要有三种模型架构 预训练目标：FLM，PLM，MLM 调整： 微调： Transformer transfomer可以并行地计算？ transformer中encoder模块是完全并行的，而decoder不是完全并行的。 模型结构 使用原文表 ......
逻辑与以及逻辑或
&&和&都是表示与，区别是&&只要第一个条件不满足，后面条件就不再判断。而&要对所有的条件都进行判断。 public void test1() { if((1!=1) && (1/0==0)){ System.out.println("进不来，会报错"); } else { System.out.p ......
深度学习环境搭建(Windows11)
偶然重装了系统，再此记录下环境的恢复
基本深度学习环境的搭建，包括Anaconda+CUDA+cuDNN+Pytorch+TensorRT的安装与配置。 ......
动手学深度学习--第三方库的学习
from pixiv Pandas Creating, Reading and Writing pandas中有两类实体类： the DataFrame and the Series. DataFrame A DataFrame is a table. Series A Series, by con ......
windows的深度学习环境软件版本（cuda/cudnn/pytorch）
恢复内容开始 为了方便多个深度学习框架的环境配置，推荐使用anoconda进行搭建。 CUDA Toolkit Archive | NVIDIA Developer 恢复内容结束 ......
web基础漏洞-逻辑漏洞
1、介绍 逻辑漏洞是由于业务代码的逻辑缺失或者错误，导致的漏洞。 2、场景 2.1 可爆破可猜解 弱账号密码 验证码 登录凭证cookie或token，以及访问口令 优惠券id，图片id，博客id等 找回密码的问答 2.2 步骤可跳过 (1)某功能分为多个页面/接口，可以直接请求后面的页面/接口 ( ......
Java基础 try...catch捕获异常、代码的执行逻辑
语法格式： try { 可能出现异常的代码 ; } catch (异常类名 变量名) { 异常的处理代码 ; } 目的：当代码出现异常时，可以让程序继续往下执行 代码的执行逻辑： int[] arr = {1, 2, 3};try { System.out.println(arr[10]);} ca ......
MySQL多主模型实战
MySQL AB解决了数据备份的问题，但是当A由于某些原因宕机后，WEB服务器就没有办法在往数据库写或者读写了。线上业务中断了，完了，出事故了。这该怎么办呢？ 本节课主要给大家讲解如果处理因为MySQL主服务器宕机造成的业务中断问题，保障MySQL业务高可用。 一、实验拓扑图 二、架构原理 1、My ......