深度 索引pytorch tensor
用于PostgreSQL索引维护的有用查询
PostgreSQL 拥有丰富的索引功能，并且有很多文章解释索引的语法、用法和价值。在本文中，我将编写基本且有用的查询来查看数据库索引的状态。人们开发数据库一段时间后，当需要对软件架构进行更改时，他们忘记了以前的索引清理。这种方法会造成混乱，有时还会因为索引太多而降低数据库速度。每当我们进行更新或插 ......
索引的一些总结
索引的一些总结 1.1.1 摘要 如果说要对数据库进行优化，我们主要可以通过以下五种方法，对数据库系统进行优化。 1. 计算机硬件调优 2. 应用程序调优 3. 数据库索引优化 4. SQL语句优化 5. 事务处理调优 在本篇博文中，我们将想大家讲述数据库中索引类型和使用场合，本文以SQL Serv ......
GIS融合之路（二）CesiumJS和ThreeJS深度缓冲区整合
在这篇文章开始前再次重申一下，山海鲸并没有使用ThreeJS引擎。但由于ThreeJS引擎使用广泛，下文中直接用ThreeJS同CesiumJS的整合方案代替山海鲸中3D引擎和CesiumJS整合。 系列传送门： 山海鲸可视化：GIS融合之路（一）技术选型CesiumJS/loaders.gl/iT ......
backbone、head、neck等深度学习中的术语解释
我们在阅读文章的时候，经常看到backbone head neck 这一类的术语，但是我们可能并不知道是什么意思，这篇文章就是对这些术语进行解释： backbone： 翻译为主干网络的意思，既然说是主干网络，就代表其是网络的一部分，那么是哪部分呢？这个主干网络大多时候指的是提取特征的网络，其作用就是 ......
提升源代码安全性的C#和Java深度混淆工具——IpaGuard
提升源代码安全性的C#和Java深度混淆工具——IpaGuard 摘要 Ipa Guard是一款功能强大的IPA混淆工具，通过对iOS IPA文件进行混淆加密，保护其代码、资源和配置文件，降低破解反编译难度。本文将介绍Ipa Guard的深度混淆技术，包括逻辑混淆、名称混淆以及处理特殊情况的方法，帮 ......
Pytorch中的交叉熵CE和均方误差MSE分别是如何计算的？
本文主要关注输入输出的形状，通过两种标签形式探索一下其计算机制。 交叉熵损失函数 实验设置：假设采用AutoEncoder+分类器。AE负责重构图像，计算MSE。分类器通过latent vector计算23个类别的概率向量。 import torch nn as nn net = AutoEncod ......
转载：深度学习：蒸馏Distill
转载，写的比较好了，可以参考：https://blog.csdn.net/pipisorry/article/details/117257414 Distilling the knowledge in a neural networkHinton 在论文中提出方法很简单，就是让学生模型的预测分布，来 ......
代码随想录 day16 N 叉树的最大深度 完全二叉树的节点个数
N 叉树的最大深度 这题昨天做过二叉版本 n叉区别不大 完全二叉树的节点个数 层级遍历 入que的数量就是节点个数 ......
深度学习之机器学习理论
（一）机器学习（Machine Learning）：就是让计算机具备从大量数据中学习的能力之一系列方法。机器学习使用很多统计方法，统计学家也称之为统计学习，但本质上起源于计算机科学的人工智能。 （二）机器学习的分类：机器学习主要分为两类，即监督学习(supervised learning)与非监督学 ......
QMap深度拷贝
QMap深度拷贝 #include <QMap> #include <QPair> #include <QDebug> QMap<int, QString> deepCopyQMap(const QMap<int, QString>& source) { QMap<int, QString> tar ......
【专题】2023年保险合伙人白皮书及优增深度洞察报告PDF合集分享（附原数据表）
原文链接：https://tecdat.cn/?p=34800 原文出处：拓端数据部落公众号 2023年，中国经济从高速向高质量转型，众多保险公司将队伍转型视为寿险行业供给侧改革的关键。以招募和培养专业、职业绩优人才为核心的策略，成为代理人队伍转型的重要方向。阅读原文，获取专题报告合集全文，解锁文末 ......
17.PG索引核心
关于pg索引，上文提到了创建，删除等一些基础的操作，这里说说核心的东西 1.PG索引的视图和表pg_indexes和pg_index 1) pg_indexes postgres=# \d pg_indexes View "pg_catalog.pg_indexes" Column | Type | ......
16.PG的索引基础
索引类似于书籍的目录，方便对表中的记录快速查找或者排序，但是建索引会有以下代价： 增减数据库的存储空间 在插入和更新数据时，所以也会被更新 索引的分类 BTree：PG默认的索引类型，适合等值和范围查询 Hash：只能处理简单的等职查询 Gist:不是单独一种索引类型，而是一种架构，可以在这种架构上 ......
PyTorch项目源码学习（2）——Tensor代码结构初步学习
PyTorch版本：1.10.0 Tensor Tensor是Pytorch项目较为重要的一部分，其中的主要功能如存储，运算由C++和CUDA实现，本文主要从前端开始探索学习Tensor的代码结构。 结构探索 PyTorch前端位于torch目录下，从_tensor.py可以找到Tensor的pyt ......
深度学习模型部署TensorRT为何如此优秀？
一、前言 PyTorch模型的高性能部署问题，主要关注两个方面：高度优化的算子和高效运行计算图的架构和runtime。python有快速开发以及验证的优点，但是相比C++来说速度较慢而且比较费内存，一般高性能场景都是使用C++去部署，尽量避免使用python环境。 TensorRT为什么那么快，因为 ......
基于Clangd索引Linux内核源代码，提供和补全
基于Clangd索引Linux内核源代码，提供和补全 适用于Neovim、Vim、VSCode等支持LSP的编辑器。 1 操作示例 1.1 操作环境 操作系统：Ubuntu 20.04 in wsl2 编辑器：VSCode LSP：Clangd 内核版本：longterm 5.15.145 1.2 ......
ES 的跨索引查询详细讲解（转）
转自：https://www.jianshu.com/p/b9a07bfb766a 序言 Elasticsearch，中文名直译弹性搜索，不仅仅在单索引内部分片层面弹性搜索，更强的是在跨索引外围支持分片弹性搜索，同比其它分布式数据产品，此特性更鲜明，代表了 Elastic 集群架构设计的优越性。 本 ......
两个Mysql唯一索引的交换: 避免重复索引 Duplicate entry '3' for key 'priority_UNIQUE'
需求 我做了一个排行榜,但是主键是pid,不是排名,排名作为唯一索引,两个人排名交换,只需要交换 排名唯一索引值即可. 但是直接单独更新 提示错误: Duplicate entry '3' for key 'priority_UNIQUE' 方法 本来希望可以在一条SQL语句中交换两个唯一索引值,但 ......
使用PyTorch实现混合专家(MoE)模型
Mixtral 8x7B 的推出在开放 AI 领域引发了广泛关注，特别是混合专家（Mixture-of-Experts：MoEs）这一概念被大家所认知。混合专家(MoE)概念是协作智能的象征，体现了“整体大于部分之和”的说法。MoE模型汇集了各种专家模型的优势，以提供更好的预测。它是围绕一个门控网络 ......
ES7.3版本，批量添加，索引创建，索引判断
import com.link.risk.model.RiskTradeDetail; import com.link.util.BeanBuilder; import org.apache.commons.lang3.StringUtils; import org.elasticsearch.ac ......
elasticSearch索引模板的基本使用
创建索引模板：所有以fmmall和bar开头的索引将使用如下的模板创建索引 PUT _template/template_1?order=0 { "index_patterns": [ "fmmall*", "bar*" ], "settings": { "number_of_shards": 1 ......
安装pytorch/安装jupyterlab并添加已创建环境的kernel
安装pytorch 先创建一个环境，去pytorch官网查找环境所用python版本对应的torch版本，并选择合适的下载命令，在已激活的环境中运行命令，即可安装成功。 安装jupyter jupyter可以按cell运行代码，并且可以边写代码边做笔记。运行conda install jupyter ......
MySQL隐式转换造成索引失效
MySQL隐式转换造成索引失效 CREATE TABLE `test1` ( `id` int(11) NOT NULL, `num1` int(11) NOT NULL DEFAULT '0', `num2` varchar(11) NOT NULL DEFAULT '', `type1` int ......
【转】MySQL慢查询优化、索引优化、以及表等优化总结
MySQL优化概述 MySQL数据库常见的两个瓶颈是：CPU和I/O的瓶颈。 CPU在饱和的时候一般发生在数据装入内存或从磁盘上读取数据时候。 磁盘I/O瓶颈发生在装入数据远大于内存容量的时候，如果应用分布在网络上，那么查询量相当大的时候那么平瓶颈就会出现在网络上。 我们可以用mpstat, ios ......
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 ......
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（ ......
挑战Transformer的新架构Mamba解析以及Pytorch复现
今天我们来详细研究这篇论文“Mamba:具有选择性状态空间的线性时间序列建模” Mamba一直在人工智能界掀起波澜，被吹捧为Transformer的潜在竞争对手。到底是什么让Mamba在拥挤的序列建中脱颖而出? 在介绍之前先简要回顾一下现有的模型 Transformer:以其注意力机制而闻名，其中序 ......
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 ......
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 ......