526互联

深度 模型 订单 策略

内容分发策略与 SEO 优化指南

内容分发 内容分发是指通过各种媒介分享、发布或传播内容给受众的过程。这些媒介可以包括不同的渠道，例如社交媒体平台（Facebook、Twitter、LinkedIn、朋友圈、微博、小红书、B 站、抖音、公众号等）、电子邮件新闻稿、博客、播客、网站，甚至杂志和报纸等线下场所。内容分发的性质可以涵盖从博 ......
策略 指南 内容 SEO

C++设计模式03 —— 策略模式

策略模式 当面对大量相似的具有不同实现逻辑的业务，为了使代码具有很好的复用性，我们使用策略模式。 我们以税法为例，多国的税法具有相似的功能，但是具体的计算方式差别很大。为了能快速地扩展其他国家的税法代码，满足设计模式要求，我们先创建一个纯虚的税法基类，里面包含了税法功能的纯虚函数。而后，不同国家的税 ......
模式 设计模式 策略

R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例|附代码数据

全文下载链接：http://tecdat.cn/?p=21317 最近我们被客户要求撰写关于分布滞后非线性模型（DLNM）的研究报告，包括一些图形和统计输出。 本文提供了运行分布滞后非线性模型的示例，同时描述了预测变量和结果之间的非线性和滞后效应，这种相互关系被定义为暴露-滞后-反应关联 数据集包含 ......
非线性 空气污染 死亡率 发病率 示例

什么是大语言模型的“幻觉”

使用ChatGPT的朋友应该遇到过这样的情况，模型有时候会答非所问甚至自相矛盾，这种情况被成为大语言模型的“幻觉”，即在处理和生成文本时出现的一些特定的错误或误解。这些幻觉可能源于模型对现实世界的理解不足、数据训练的偏差、或者算法本身的局限性。 出现幻觉的原因有几个方面： 1、数据训练偏差 LLM通 ......
幻觉 模型 语言

最优cache策略

问题描述 假设我们有一个大小为m的缓存，能够容纳m个entry，初始为空。同时我们在内存中有一段包含n个entry的数据D，编号从0到n-1。现在给定一个对数据D的访问序列，每次访问一个entry。希望你能够得到一个最佳的缓存置换策略，使“缓存未命中”最少。 聪明的你不难发现，如果我们提前缓存未来将 ......
策略 cache

多模态大模型少样本自适应综述

前言 在医学成像和遥感等一些细粒度领域，多模态基础模型的性能往往不尽人意。因此，许多研究者开始探索这些模型的少样本适应方法，逐渐衍生出三种主要技术途径：1）基于提示的方法；2）基于适配器的方法；3）基于外部知识的方法。尽管如此，这一迅速发展的领域产生了大量结果，但尚无全面的综述来系统地整理研究进展。 ......
模态 样本 模型

实验 23：策略模式

[实验任务一]：旅行方式的选择 旅游的出行方式有乘坐飞机旅行、乘火车旅行和自行车游，不同的旅游方式有不同的实现过程，客户可以根据自己的需要选择一种合适的旅行方式。 实验要求： 1. 提交源代码； package test23; public class AirplaneStrategy implem ......
策略 模式

大模型RAG之向量检索技术-结合LSTM模型编码

本文将介绍两种编码方式，一种直接采用bert进行编码query与待匹配数据；另一种将待匹配数据构造成key-value的形式，key表示从每个待匹配数据的概念或者抽象描述，value是对应的待匹配数据，将query和key进行编码，lstm从过query查询到key之后，就可以获取对应的value ......
模型 向量 编码 技术 LSTM

PV视角之3D检测模型Sparse4D系列

在自动驾驶视觉感知系统中，为了获得环绕车辆范围的感知结果，通常需要融合多摄像头的感知结果。比较早期的感知架构中，通常采用后融合的范式，即先获得每个摄像头的感知结果，再进行结果层面的融合。后融合范式主要的问题在于难以处理跨摄像头的目标（如大卡车），同时后处理的负担也比较大。而目前更加主流的感知架构则是 ......
视角 Sparse4D 模型 Sparse4 Sparse

深度估计之SCDepth系列

SC-Depth系列。 SCDepthV1 之前的单目深度估计网络的重投影损失，更多的是利用前后帧的颜色误差进行约束，得到了比较精确的结果。但它们基本上都有一个共性问题：深度值不连续！连续几张图像之间的深度值不连续！也就是说，在不同的帧上产生尺度不一致的预测，因为它们承受了每帧图像的尺度不确定性。这 ......
深度 SCDepth

什么是大模型RAG?RAG与funtionCalling的区别是什么？

大模型的RAG（Retrieval-Augmented Generation）与Function Calling都是用于增强大型语言模型（如GPT）的技术，但它们的工作原理和应用场景有所不同。 Retrieval-Augmented Generation (RAG): 原理：RAG结合了信息检索和文 ......
funtionCalling RAG 模型

CUDA驱动深度学习发展 - 技术全解与实战

全面介绍CUDA与pytorch cuda实战 关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕，复旦机器人智能实验室成员，阿里云认证的资深架构师，项目管理专业人士，上亿营收AI产品研发负责人 一、CUDA：定义与演进 CUDA（ ......
实战 深度 技术 CUDA

模型类序列化器

1 原来用的Serilizer跟表模型没有直接联系， 模型类序列化器ModelSerilizer，跟表模型有对应关系 2 使用 class BookModelSerializer(serializers.ModelSerializer): class Meta: model=表模型 # 跟哪个表模型 ......
序列 模型

【略读论文|大模型相关】Zero-Shot Relational Learning on Temporal Knowledge Graphs with Large Language Models

时间：2023 学校：慕尼黑大学 创新点： 1.据我们所知，这是第一个试图在TKGF背景下研究零射击关系学习的工作。 2.我们设计了一种基于llm的方法zrLLM，并设法在零射击关系推理中增强各种基于嵌入的TKGF模型。 3.实验结果表明，zrLLM有助于大大提高所有考虑的TKGF模型对包含未见零射 ......
Relational Zero-Shot Knowledge Learning Language

星型模型&雪花模型

数据集市（Data Mart）也有称ADS（Application Data Store），数据集市将主题层和基础层的数据按照各业务的实际需求进行聚合，形成宽表或数据立方体（Cube），可直接供业务部门和数据分析团队使用。 数据集市中主要存在的是事实表（fact）和维度表（dimension）。 事 ......
模型 雪花 amp

R语言GARCH族模型：正态分布、t、GED分布EGARCH、TGARCH的VaR分析股票指数|附代码数据

全文链接：http://tecdat.cn/?p=31023 最近我们被客户要求撰写关于GARCH族模型的研究报告，包括一些图形和统计输出。 如何构建合适的模型以恰当的方法对风险进行测量是当前金融研究领域的一个热门话题 （ 点击文末“阅读原文”获取完整代码数据******** ）。 VaR方法作为当 ......
正态分布 模型 指数 语言 代码

深度可分离卷积

深度可分离卷积，使用了一些 trick 极大减少卷积所需参数量和计算量。 理解深度可分离卷积 若需要对 12×12×3 的输入使用卷积，获得 8×8×256 的输出，直接的卷积方法是使用 256 个 5×5×3 的卷积核（无 padding、步长为 1，下同）。此时卷积层的参数量为 19200，卷积 ......
卷积 深度

深度学习图像复原之去雨：常用数据集介绍

可能有帮助的链接：https://paperswithcode.com/task/single-image-deraining 合成数据集 Rain100H 出自 CVPR 2017 论文 Deep Joint Rain Detection and Removal from a Single Ima ......
深度 图像 常用 数据

CHAT GPT全称及其发展历程深度剖析

CHAT GPT全称为Conversational Generative Pre-trained Transformer，是一种由OpenAI开发的自然语言处理模型。该模型旨在生成流畅且连贯的对话回复，从而在聊天机器人应用中表现出卓越的性能。 CHAT GPT的发展起始于OpenAI提出的GPT架构 ......
全称 深度 历程 CHAT GPT

记录socket-io注册到nacos后，nacos默认轮询策略会导致服务请求失败

问题： socket-io服务注册到nacos, 出现多个socket-io实例。此时前端发送请求，nginx请求gateway地址，gateway根据url寻找注册到nacos上的服务名，服务名有多个实例，nacos默认的轮询策略会出现服务连接失败。因为有的socket-io服务里面没有需要的na ......
nacos socket-io 策略 socket io

AI_NLP以及SAM的理解-分割模型

机器学习 一般机器学习分为有监督学习，无监督学习和强化学习 无监督学习 Unsupervised Learning Self-Supervised Learning，又称为自监督学习 -Self-Supervised Learning 的核心思想 Masked Autoencoders Are Sc ......
模型 AI_NLP NLP SAM AI

用一张图片测试几个大模型的看图理解，文心一言表现不佳，通义千问了解最到位！

样图如下： 用上面的图片，在几个主流的AI大模型中进行识别理解，最终的理解各有不同。 不过最让我意外的是 文心一言 居然理解的最不到位！ 下图是文心一言的看图理解： 下图是通义千问的看图理解： 下图是讯飞星火的看图理解： 大家觉得哪一个理解的最到位？？？？？ ......
文心 模型 图片

动手学深度学习v2：数据操作+数据预处理

数据操作 import torch x=torch.arange(12) # x的output为 tensor([0,1,2,3,4,5,6,7,8,9,10,11]) # 可以通过张量的shape属性来访问张量的形状和张量中元素的总数 x.shape # output: torch.Size([1 ......
数据 深度

使用docker搭建deepspeed多机多卡分布式微调大模型环境

前置环境：两台可以互通的centos服务器（服务器1、服务器2），docker，NVIDIA驱动 docker创建overlay共享网络 1）选用服务器1作为manage节点进行初始化，执行docker swarm init Swarm initialized: current node (ly4d ......
分布式 deepspeed 模型 环境 docker

公共仓库元模型(CWM)（转）

转自：https://www.jianshu.com/p/21207b50084a 一、什么是CWM？ 在我们学习一个新东西时，首先得弄懂明白它是用来干什么的？然后通过实例与理论交错学习，CWM——Common Warehouse Metamodel, 很明显翻译过来时公共仓库元模型，CWM的提出主 ......
仓库 模型 CWM

Atlas关系型数据库元数据模型

[ { "category": "ENTITY", "guid": "00b4a314-1185-4cd4-84e9-20275990d58d", "createdBy": "hadoop", "updatedBy": "hadoop", "createTime": 1615973091411, " ......
数据 模型 数据库 Atlas

机器学习周刊03:如何学习深度学习？2024 年学习生成式 AI 路线图、如何构建高效的RAG系统、苹果 腾讯最新论文、阿里DreaMoving

腾讯推出的 AppAgent，是一个多模态智能体，通过识别当前手机的界面和用户指令直接操作手机界面，能像真实用户一样操作手机！ 机器学习周刊：关注Python、机器学习、深度学习、大模型等硬核技术 1、如何学习深度学习？ 最近X上有推友重提这篇文章，是网友看过 Jeremy 教授的 fast.ai ......
路线图 DreaMoving 深度 周刊 路线

Redis过期Key处理和内存淘汰策略

惰性删除 概述：当访问Key时，才去判断它是否过期，如果过期，直接干掉。这种方式对CPU很友好，但是一个key如果长期不用，一直存在内存里，会造成内存浪费。 set name xxxx 10 get name // 发现name过期了，直接删除 优点：对CPU友好，只会在使用该key时才会进行过期检 ......
内存 策略 Redis Key

使用知识图谱提高RAG的能力，减少大模型幻觉

在使用大型语言模型(llm)时，幻觉是一个常见的问题。LLM生成流畅连贯的文本，但往往生成不准确或不一致的信息。防止LLM产生幻觉的方法之一是使用提供事实信息的外部知识来源，如数据库或知识图谱。 向量数据库和知识图谱 向量数据库 向量数据库是表示实体或概念(如单词、短语或文档)的高维向量的集合。数据 ......
图谱 幻觉 模型 能力 知识

三维模型的几何坐标纠正应用探讨

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，... ......
坐标 几何 模型
共5400篇  :3/180页 首页上一页3下一页尾页