526互联

generative模型 原理 参数

R语言深度学习：用keras神经网络回归模型预测时间序列数据|附代码数据

library(keras) 生成样本数据集 首先，本教程的样本回归时间序列数据集。 plot( c ) points( a ) points( b ) points( y ) 点击标题查阅往期内容 RNN循环神经网络 、LSTM长短期记忆网络实现时间序列长期利率预测 左右滑动查看更多 01 02 ......
时间序列 数据 神经网络 序列 深度

模型训练

1. bert为什么attention除以根号下d 原因：因为点积的数量级增长很大，因此将 softmax 函数推向了梯度极小的区域。 案例： 在没有除以根号d时， raw_tensor = torch.tensor([[2.1,3.3,0.5,-2.7]]) torch.softmax(raw_t ......
模型

ntpq -p 打印出的参数详解

> ntpq -p命令用于打印NTP服务器的同步状态和偏移量信息。下面是ntpq -p命令打印出的一些常见参数的详细解释： - remote：远程服务器的DNS名字或IP地址。 - refid：参考时钟源的ID。它可以是其他NTP服务器、GPS接收器等设备的ID。 - st：时钟源的层级（strat ......
参数 ntpq

人工智能领域：面试常见问题超全（深度学习基础、卷积模型、对抗神经网络、预训练模型、计算机视觉、自然语言处理、推荐系统、模型压缩、强化学习、元学习）

人工智能领域：面试常见问题超全（深度学习基础、卷积模型、对抗神经网络、预训练模型、计算机视觉、自然语言处理、推荐系统、模型压缩、强化学习、元学习） ......
模型 卷积 自然语言 神经网络 人工智能

深度学习实践篇[17]：模型压缩技术、模型蒸馏算法：Patient-KD、DistilBERT、DynaBERT、TinyBERT

# 深度学习实践篇[17]：模型压缩技术、模型蒸馏算法：Patient-KD、DistilBERT、DynaBERT、TinyBERT # 1.模型压缩概述 ## 1.2模型压缩原有 理论上来说，深度神经网络模型越深，非线性程度也就越大，相应的对现实问题的表达能力越强，但相应的代价是，训练成本和模型 ......
实践篇 模型 算法 Patient-KD DistilBERT

js 将对象转成url参数，url参数转成对象

/** * 获取url的参数，并转成对象 */ function getUrlParamJson() { var url = window.location.href; if (url.indexOf("?") == -1) { return {}; } var obj = {}; url = ur ......
对象 参数 url js

Python初学者友好丨详解参数传递类型

摘要： 本文清晰地解释了Python中的不同参数传递类型，并提供了示例代码来说明每种类型的用法。对于初学者或不清楚Python传参的读者们来说是非常有益的，文中提供了足够的信息来理解和使用Python中的函数参数传递。 本文分享自华为云社区《提升Python函数调用灵活性：参数传递类型详解》，作者： ......
初学者 参数 类型 Python

多租户实现原理

> 源码地址： | | Gitee | GitHub | | | | | | 后端 | https://gitee.com/linjiabin100/pi-admin.git | https://github.com/zengpi/pi-admin.git | | 前端 | https://gite ......
租户 原理

了解基于模型的元学习：Learning to Learn优化策略和Meta-Learner LSTM

摘要：本文主要为大家讲解基于模型的元学习中的Learning to Learn优化策略和Meta-Learner LSTM。 本文分享自华为云社区《深度学习应用篇-元学习[16]：基于模型的元学习-Learning to Learn优化策略、Meta-Learner LSTM》，作者：汀丶 。 1. ......
Meta-Learner Learning 模型 策略 Learner

6 种方式读取 Springboot 的配置，老鸟都这么玩（原理+实战）

**大家好，我是小富～** 从配置文件中获取属性应该是`SpringBoot`开发中最为常用的功能之一，但就是这么常用的功能，仍然有很多开发者在这个方面踩坑。 我整理了几种获取配置属性的方式，目的不仅是要让大家学会如何使用，更重要的是**弄清配置加载、读取的底层原理**，一旦出现问题可以分析出其症结 ......
老鸟 Springboot 实战 原理 方式

Spring----AOP入门介绍、原理与使用

## AOP ### 介绍 - AOP：面向切面编程，无入侵式编程一种编程范式，指导开发者如何组织程序结构 - OOP：面向对象 - 作用：在**不惊动原始设计**的基础上为其做功能增强 ### 概念定义 - `Aspect`（切面）：描述通知与切入点的对应关系（执行位置和共性之间的关系） - As ......
原理 Spring AOP

漫画 |【No.5 福格行为模型】 如何做出“ins”一样的爆款产品？

在内卷严重的时代，让我们从思维开始，不断精进不断向上。101个思维模型系列小视频正陆续更新中，请戳：思维模型系列视频 ......
模型 行为 漫画 产品 ins

基于栅格的分布式新安江模型构建与分析 - 姚成 - 2007

摘要： 基于DEM的分布式水文模型是现代水文学同计算机,3S等高科技技术相结合的产物,是水文模型新的发展方向.本文是在数字高程模型的基础上,研究和归纳了流域信息提取的方法和算法,利用DEM数据提取了河网,水系,水流路径等相关的流域特征,并根据三水源新安江模型的理论,建立了一个基于DEM栅格的分布式新 ......
栅格 分布式 模型 2007

由浅入深了解机器学习和GPT原理

目前看到的最通俗易懂、由浅入深的图解机器学习和GPT原理的系列文章，这是第一篇，由我和 GPT-4共同翻译完成，分享给大家。 ......
原理 机器 GPT

解密Prompt系列9. 模型复杂推理-思维链COT基础和进阶玩法

这一篇真的是解密prompt！我们会讨论下思维链(chain-of-Thought)提示词究竟要如何写，如何写的更高级，介绍包括few-shot，zero-shot，循序渐进式和一致性COT的写法 ......
玩法 模型 思维 基础 Prompt

HDR 原理和实践

## 动态范围的概念 动态范围（dynamic range）描述正在拍摄的场景的亮度范围，或给定数码相机或胶片可以捕捉的亮度范围的限制，用最高亮度和最低亮度的比值来表示，这里给出一些常见的动态范围： - 现实世界的总动态范围 80,000,000:1 - 人类视觉系统的总动态范围 100,000,0 ......
原理 HDR

从实验中学习ResNet模型：在视频处理任务中取得显著进展

[toc] 40. "从实验中学习ResNet模型：在视频处理任务中取得显著进展" 在视频处理任务中，ResNet模型已经取得了显著进展。ResNet模型是一种深度残差块神经网络，它是由ResNet系列模型发展而来的，被广泛用于图像和视频处理领域。在本文中，我们将介绍ResNet模型的基本概念、实现 ......
模型 任务 中学 ResNet 视频

深度学习中的模型选择与参数调优

[toc] 深度学习是人工智能领域的重要组成部分，其使用神经网络模型进行数据处理和预测，已经在诸如自然语言处理、计算机视觉、语音识别等领域取得了显著的进展。然而，在深度学习中，模型选择和参数调优是非常关键的步骤，直接影响到模型的效果和性能。本文将介绍深度学习中的模型选择与参数调优的技术原理、实现步骤 ......
深度 模型 参数

ASIC加速技术原理与实践：从芯片设计到优化

[toc] 1. 《ASIC加速技术原理与实践：从芯片设计到优化》 背景介绍： 随着数字电路技术的不断发展，ASIC(专门芯片)作为数字电路中的核心部分，逐渐成为芯片设计中的重要组成部分。ASIC加速技术作为数字电路技术的一种重要分支，为ASIC的性能优化提供了新的解决方案。本文将介绍ASIC加速技 ......
芯片 原理 技术 ASIC

语言模型在智能客服中的应用

[toc] 《语言模型在智能客服中的应用》: 背景介绍 随着互联网的发展，智能客服逐渐成为人们生活和工作中不可或缺的一部分。智能客服可以通过自然语言处理、机器学习等技术，自动识别用户的问题并进行解答，提高客服效率，为用户提供更好的服务体验。因此，语言模型在智能客服中的应用也越来越广泛。 文章目的 本 ......
模型 语言 智能

并行计算中的线程和进程：原理与实践

[toc] 并行计算是计算机领域的一个重要分支，涉及到多个知识点，包括线程和进程的基本概念、技术原理、实现步骤、应用示例和优化改进等。本文旨在介绍并行计算中的线程和进程的基本概念、技术原理和实践应用，帮助读者更深入地理解并行计算的相关技术，并提供实用的优化和改进方法。 ## 1. 引言 随着计算机性 ......
线程 进程 原理

编译器设计与实现：自动内存管理的实现原理

[toc] 编译器设计与实现：自动内存管理的实现原理 编译器是计算机操作系统中非常重要的一个组成部分。编译器是将源代码翻译成机器语言的程序，它的作用是将人类编写的程序转换成计算机能够理解和执行的指令。编译器的目标是提高程序的效率和可靠性，使得程序能够更加高效地运行，并且减少程序的出错率。 编译器在实 ......
编译器 原理 内存

大语言模型(LLM)在文本分类、语言生成和文本摘要中的应用

[toc] 大语言模型(LLM)在文本分类、语言生成和文本摘要中的应用 引言 文本分类、语言生成和文本摘要是人工智能领域中的重要任务，涉及到自然语言处理、机器学习和深度学习等领域。本文将介绍大语言模型(LLM)在这三个任务中的应用，并探讨其优势和挑战。 背景介绍 大语言模型(LLM)是一种深度学习模 ......
文本 语言 模型 摘要 LLM

随着人工智能和大数据技术的不断发展，大模型与工业机器人的结合逐渐成为了一个热门话题。这种结合不仅可以提高机器人

[toc] 随着人工智能和大数据技术的不断发展，大模型与工业机器人的结合逐渐成为了一个热门话题。这种结合不仅可以提高机器人的工作效率，还可以提高模型的性能和准确度，为工业自动化领域带来巨大的变革和发展空间。本文将介绍大模型与工业机器人的结合技术原理、实现步骤和应用场景，并分析优化和改进的必要性。 # ......
机器人 机器 人工智能 热门话题 人工

JUC同步锁原理源码解析二--ReentrantReadWriteLock

# JUC同步锁原理源码解析二 ReentrantReadWriteLock ## 1.读写锁的来源 ​ 在开发场景下，对于写操作我们为了保证原子性所以需要上锁，但是对于读操作，由于其不改变数据，只是单纯对数据进行读取，但是每次都上一把互斥锁，阻塞所有请求。这个明显不符合读多写少的场景。所以将锁分为 ......
ReentrantReadWriteLock 源码 原理 JUC

R语言用灰色模型 GM (1,1)、神经网络预测房价数据和可视化|附代码数据

以苏州商品房房价为研究对象，帮助客户建立了灰色预测模型 GM (1,1)、 BP神经网络房价预测模型，利用R语言分别实现了 GM (1,1)和 BP神经网络房价预测可视化 由于房价的长期波动性及预测的复杂性，利用传统的方法很难准确预测房价，而灰色模型 GM (1,1)和神经网络的结合在一定程度上可以 ......
数据 神经网络 房价 灰色 模型

网络传输中的重要参数-简单的网络画像

[toc] 在前两篇博文对[带宽](https://www.cnblogs.com/mapleumr/p/17469513.html)、[时延与丢包率](https://www.cnblogs.com/mapleumr/p/17464980.html)有了初步的认识后（引流引流哈哈哈），我们已经可以 ......
网络传输 网络 画像 参数

文本分类与情感分析：基于深度学习的大型语言模型应用

[toc] 文本分类和情感分析是人工智能领域中非常重要的技术，其应用广泛，包括自然语言处理、语音识别、计算机视觉等多个领域。本文将介绍基于深度学习的大型语言模型应用文本分类和情感分析的技术原理及实现步骤，并探讨相关应用场景和优化改进的方法。 ## 1. 引言 随着人工智能的不断发展，文本分类和情感分 ......
深度 模型 文本 语言 情感

深度学习神经网络大模型在文本分类中的应用

[toc] 深度学习神经网络大模型在文本分类中的应用 随着人工智能技术的不断发展，深度学习神经网络在自然语言处理领域中的应用越来越广泛。文本分类是深度学习神经网络的一个重要应用之一，其目的是将文本分类到不同的类别中，以便进行相应的处理和分析。本文将介绍深度学习神经网络大模型在文本分类中的应用，包括技 ......
神经网络 深度 模型 文本 神经

基于神经网络的大模型在图像识别中的应用

[toc] 随着深度学习技术的不断发展，特别是在计算机视觉领域，基于神经网络的大模型在图像识别中的应用越来越广泛。这些模型能够在处理大量图像数据的同时，准确地识别出各种物体和场景，取得了令人瞩目的成果。本文将介绍基于神经网络的大模型在图像识别中的应用，包括技术原理、实现步骤、示例和应用等方面的内容， ......
神经网络 模型 图像 神经 网络
共8200篇  :172/274页 首页上一页172下一页尾页