526互联

电能 双层 模型 需求

机器学习模型的生命周期

动动发财的小手，点个赞吧！ ![](https://img2023.cnblogs.com/blog/2549345/202305/2549345-20230530223308801-735639095.png) 您的模型如何变化？[Source](https://towardsdatascienc ......
周期 模型 机器 生命

比Transformer快4成！Meta发布全新Megabyte模型，解决算力损耗硬伤

前言 本文介绍了vanilla KD方法，它在ImageNet数据集上刷新了多个模型的精度记录。 本文转载自新智元 作者 | Joey 欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。 CV各大方向专栏与各个部署框架最全教程整理 【CV技术指南】CV ......
决算 Transformer Megabyte 模型 全新

SpecInfer：小模型撬动大模型高效推理

近日，来自卡耐基梅隆大学（CMU）的 Catalyst Group 团队发布了一款「投机式推理」引擎 SpecInfer，可以借助轻量化的小模型来帮助大模型，在完全不影响生成内容准确度的情况下，实现两到三倍的推理加速。 随着 ChatGPT 的出现，大规模语言模型（LLM）研究及其应用得到学术界和工 ......
模型 SpecInfer

随机森林模型 的数学原理

随机森林是一种基于决策树的集成学习方法，其基本思想是通过构建多个决策树来进行分类和回归。随机森林中的每一棵决策树都是在随机样本和随机特征的条件下构建出来的，整个建模过程相当于将多个弱分类器组合成一个强分类器。其主要数学原理如下： 1. 决策树： 随机森林是由多个决策树构成的集成模型，而决策树是一种树 ......
模型 原理 森林 数学

在树莓派上实现numpy的conv2d卷积神经网络做图像分类，加载pytorch的模型参数，推理mnist手写数字识别，并使用多进程加速

这几天又在玩树莓派，先是搞了个物联网，又在尝试在树莓派上搞一些简单的神经网络，这次搞得是卷积识别mnist手写数字识别 训练代码在电脑上，cpu就能训练，很快的： import torch import torch.nn as nn import torch.optim as optim from ......
卷积 树莓 神经网络 模型 进程

在树莓派上使用numpy实现简单的神经网络推理，pytorch在服务器或PC上训练好模型保存成numpy格式的数据，推理在树莓派上加载模型

这几天又在玩树莓派，先是搞了个物联网，又在尝试在树莓派上搞一些简单的神经网络，这次搞得是mlp识别mnist手写数字识别 训练代码在电脑上，cpu就能训练，很快的： 1 import torch 2 import torch.nn as nn 3 import torch.optim as opti ......
树莓 模型 神经网络 numpy 神经

MegEngine 使用小技巧：如何解读 MegCC 编译模型几个阶段 Pass 的作用

MegCC 是一个真真实实的深度学习模型编译器，具备极其轻量的 Runtime 二进制体积，高性能，方便移植，极低内存使用以及快启动等核心特点。用户可在 MLIR 上进行计算图优化，内存规划，最后通过预先写好的 code 模版进行代码生成。 ......
MegEngine 模型 作用 阶段 技巧

ChatDoctor：一个基于微调LLaMA模型用于医学领域的医学聊天机器人

ChatDoctor：一个基于微调LLaMA模型用于医学领域的医学聊天机器人 https://www.yunxiangli.top/ChatDoctor/ 资源列表 Demo.自动聊天医生与疾病数据库演示。 HealthCareMagic-100k.100k患者和医生之间的真实的对话HealthCa ......
医学 机器人 ChatDoctor 模型 机器

火山引擎DataLeap的Catalog系统搜索实践（一）：背景与功能需求

火山引擎DataLeap的Data Catalog系统通过汇总和组织各种元数据，解决了数据生产者梳理数据、数据消费者找数和理解数的业务场景，其中搜索是Data Catalog的主要功能之一。本文详细介绍了火山引擎DataLeap的Catalog系统搜索实践：功能的设计与实现。 Data Catalo ......
火山 DataLeap 背景 需求 Catalog

高软作业4：从需求分到软件设计

# 作业4：从需求分到软件设计 - 以VS Code Remote Development相关功能为例，选择一个用例进行需求分析和逆向工程，按课堂要求完成一篇博客文章。 - https://code.visualstudio.com/ - https://github.com/microsoft/v ......
需求 软件

《软件测试52讲》读书笔记（十三） —— 数据脚本解耦+页面对象模型

数据脚本与数据解耦 “测试脚本和数据解耦”的本质是实现了数据驱动的测试，让操作相同但是数据不同的测试可以通过同一套自动化测试脚本来实现，只是在每次测试执行时提供不同的测试输入数据 数据驱动很好地解决了大量重复脚本的问题，实现了“测试脚本和数据的解耦”。 数据驱动测试的数据文件中不仅可以包含测试输入数 ......
解耦 软件测试 脚本 模型 对象

性能需求描述【杭州多测师_王sir】

1、用户并发数指标：按照平均每日 100 万人次用户访问系统的级别进行设计，要求系统在正常运行的情况下能够支持：每小时在线用户数 25 万人，系统吞吐量(平均并发用户数): 1.25 万人/秒，峰值并发用户数: 2.5万人/秒。2、系统响应时间指标：在系统正常运行且网络有保障的情况下，用户执行简单查 ......
性能 需求 sir

作业4：从需求分析到软件设计

**学号后3位358** 随着软件开发变得越来越复杂和分布式，开发者需要能够远程访问和编辑位于其他计算机或服务器上的代码。VS Code Remote Development应运而生，它为开发者提供了一个便捷的方式，在本地的VS Code编辑器中使用远程的开发环境。 本文将通过需求分析和逆向工程的方 ......
需求 软件

大语言模型技术原理

总体来说，ChatGPT 在人工标注的prompts和回答里训练出SFT监督策略模型，再通过随机问题由模型给出多个答案，然后人工排序，生成奖励模型，再通过PPO强化训练增强奖励效果。最终ChatGPT能够更好理解指令的意图，并且按指令完成符合训练者价值观的输出。最后，大语言模型作为一个被验证可行的方... ......
模型 原理 语言 技术

高软作业4：从需求分到软件设计

作业4：从需求分到软件设计 以VS Code Remote Development相关功能为例，选择一个用例进行需求分析和逆向工程，按课堂要求完成一篇博客文章。 https://code.visualstudio.com/ https://github.com/microsoft/vscode ......
需求 软件

高软作业4——从需求分析到软件设计

VS Code Remote Development 是 Visual Studio Code的一个功能扩展，它允许开发者通过远程连接到不同的开发环境进行开发工作。通常情况下，开发者会在本地计算机上安装和运行开发工具和依赖项。然而，有时候需要在远程计算机或虚拟机上进行开发，这可能是因为项目需要在特定 ......
需求 软件

Falcon猎鹰：史上最强开源大语言模型

号称“史上最强的开源大语言模型”出现了。 它叫Falcon（猎鹰），参数400亿，在1万亿高质量token上进行了训练。 最终性能超越650亿的LLaMA，以及MPT、Redpajama等现有所有开源模型。 一举登顶HuggingFace OpenLLM全球榜单： 除了以上成绩，Falcon还可以只 ......
猎鹰 模型 语言 Falcon

详解WPF线程模型

> Dispatcher可以强制将某个代码片段在特定的Thread上执行。 在WPF中，每个线程都有一个与其关联的Dispatcher，通过Dispatcher的Invoke或BeginInvoke或InvokeAsync可以将指定的代码强制在其关联的线程上执行；Invoke是同步的，代码未在关联线 ......
线程 模型 WPF

如何使用 Megatron-LM 训练语言模型

在 PyTorch 中训练大语言模型不仅仅是写一个训练循环这么简单。我们通常需要将模型分布在多个设备上，并使用许多优化技术以实现稳定高效的训练。Hugging Face 🤗 [Accelerate](https://huggingface.co/docs/accelerate/index) 的创建 ......
Megatron-LM Megatron 模型 语言 LM

统计学习方法：感知机模型例题

## 统计学习方法：感知机模型例题 ### 1. 感知机学习算法的原始形式 ![img](https://img2023.cnblogs.com/blog/2206600/202305/2206600-20230529152121188-1780433468.png) ### 2. 例题 ``` 例 ......
例题 学习方法 模型 方法

模型训练-tips

模型冻结部分层的训练方式： 第一步：在训练之前，将除了Embedding之外的层设置为param.requires_grad = False，如下所示： for name, param in model.named_parameters(): if "model.embed_tokens" not ......
模型 tips

李宏毅语音课程-RNN-T模型

rnn-t decoder：给一个输入h，输出多个字符 直到输出空字符Φ。接着输入下一个MCCC特征 实际会在输出字符的后面会 加一个 RNN(最上面的蓝色块)。把原来的RNN剔除(中间黄色块)。 原因：1. 增加的RNN相当于一个语言模型LM，可以提前从text中训练。2. 方便RNN-T的训练。 ......
语音 模型 课程 RNN-T RNN

李宏毅语音课程笔记-CTC模型

ctc只要encoder即可。输入一个x，encoder输出一个h, 经过一个linear classifier输出预测的字符(包括空字符Φ)。 训练时，需要穷举alignment，再使用cross-entropy进行反向梯度参数更新。 ctc存在的问题： 会出现“结巴”。linear classi ......
语音 模型 课程 笔记 CTC

李宏毅语音课程笔记-LAS模型原理

Listen过程：将MFCC特征X输入encoder得到输出 h向量，每个x输出一个h。 encoder可以是：RNN、CNN、self-attention layers等 attention and spell过程 1. 向量z0与向量h进行attention运算产生数字α0 2. 使用softm ......
语音 模型 原理 课程 笔记

通义千问预体验，如何让 AI 模型应用“奔跑”在函数计算上？

![image.png](https://intranetproxy.alipay.com/skylark/lark/0/2023/png/32056394/1685341157756-e52d4b08-433b-4c52-83d2-f19163b3a554.png#clientId=u29a72e ......
函数 模型 AI

常用的数字高程模型（DEM）数据介绍，附免费下载

常用的数字高程模型（DEM）数据：​ ETOPO（1.8千米）ETOPO是一种地形高程数据，由NGDC美国地球物理中心发布，与大多数高程数据不同的是，它还包含海底地形数据。 SRTM15（450米）SRTM15的空间分辨率为 15 弧秒，精度相当于 0.5km左右，包含了陆地高程和海洋深度数据。 G ......
高程 模型 常用 数字 数据

jQuery CSS方法+jQuery盒子模型

http://api.jquery.com/height/ JS文件： $(document).ready(function () { //CSS方法 //第一种写法 //$("div").css("width", "100px"); //$("div").css("height", "100px" ......
jQuery 盒子 模型 方法 CSS

系统工程（十三）信息化需求的三个层次

组织信息化的需求是信息化的原动力 它分三个层次，下层支持上层 战略需求：属于高层问题，目标是提升组织的竞争能力 运作需求：包括实现信息化战略目标，运作的策略需要、人才培养的需要 技术需求：从技术层面上对系统的完善、升级、集成。 ......
层次 三个 需求 工程 系统

验证码模型训练与识别

1. 训练模型代码 import numpy as np import tensorflow as tf # import tensorflow.compat.v1 as tf # tf.disable_v2_behavior() from captcha.image import ImageCap ......
模型

[转]基于图像的三维模型重建4——增量SFM

内容 几种BA的形式 同时优化相机和三维点 优化相机 只优化三维点 单目相机 增量运动恢复结构（Incremental SFM） 运动恢复结构的几个问题 几种BA的形式 数学模型 n个三维点和m个相机，一些三维点在相机上的投影点。i表示三维点的索引，j表示相机的索引。 u 表示观测点， u^ 表示理 ......
增量 模型 图像 SFM
共4050篇  :94/135页 首页上一页94下一页尾页