526互联

megengine模型 性能 技巧

Maven常见问题与原理技巧

背景 目前项目中主流的都是使用maven等构建工具，当然在使用过程中也会遇到各种各样的疑惑或问题，比如： maven生命周期到底有啥用 jar包下载不了怎么办 不知道配置怎么配，下载jar包的顺序是什么 jar包冲突又是怎么解决 问的人多了，也就形成了大家的共性问题，这里基于这些问题，本文着重梳理下 ......
常见问题 原理 常见 技巧 问题

cleaning of llm corpus 大模型语料清洗

cleaning of llm corpus 大模型语料清洗 数据是人工智能领域发展的基础要素之一。随着大规模预训练模型及相关技术不断取得突破，在相应研究中使用高效数据处理工具提升数据质量变得越来越重要。llm_corpus_quality集成了包含清洗、敏感词过滤、广告词过滤、语料质量自动评估等功 ......
语料 cleaning 模型 corpus llm

SQL Server 高性能写入的一些总结

SQL Server 高性能写入的一些总结 1.1.1 摘要 在开发过程中，我们不时会遇到系统性能瓶颈问题，而引起这一问题原因可以很多，有可能是代码不够高效、有可能是硬件或网络问题，也有可能是数据库设计的问题。 本篇博文将针对一些常用的数据库性能调休方法进行介绍，而且，为了编写高效的SQL代码，我们 ......
高性能 Server SQL

Eloquent 模型使用详解 Has One Through 远程一对一

远程一对一也好，经过型，穿过型一对一也好，都能表示这种模型的关联方式：一种非直接的关系定义 这里使用官方的例子：👩‍🔧修理工，🚗车，👨‍💼车主来说明 上下文解释 👩‍🔧修理工 mechanics 负责维修 👨‍💼车主 owners 的 🚗车 cars，这里假设一个车主只有一张车， ......
一对一 Eloquent 模型 Through Has

高性能、低功耗 基于8位AVR®RISC的ATMEGA328PB-MUR、ATMEGA328PB-ANR、ATMEGA328PB-AUR微控制器（MCU）

ATMEGA328PB 是一款高性能、低功耗、基于8位AVR®RISC的微控制器，集成了具有读写功能的64 kB ISP闪存、2 kB EEPROM、4 kB SRAM。 ......
ATMEGA 制器 328 功耗 高性能

GitHub常用搜索技巧

普通关键词搜索 搜索关键词为javascript的所有项目，可以搜索到数量为 2 百万的项目，数量庞大，不利于筛选。 高级搜索（添加限定词） 搜索写法 含义 in:name XXX 按照项目（仓库）名称搜索 in:description XXX 按照项目（仓库）描述搜索 in:readme XXX ......
常用 技巧 GitHub

从Bitcask存储模型谈超轻量级KV系统设计与实现

本文从从Bitcask存储模型讲起，谈轻量级KV系统设计与实现。从来没有最好的K-V系统，只有最适合应用业务实际场景的系统，做任何的方案选择，要结合业务当前的实际情况综合权衡，有所取有所舍。 ......
超轻量 模型 Bitcask 系统

开发篇1：使用原生api和Langchain调用大模型

对大模型的调用通常有以下几种方式：方式一、大模型厂商都会定义http风格的请求接口，在代码中可以直接发起http请求调用；方式二、在开发环境中使用大模型厂商提供的api；方式三、使用开发框架Langchain调用，这个就像java对数据库的调用一样，可以直接用jdbc也可以使用第三方框架，第三方框架 ......
Langchain 模型 api

darknet-yolov4训练自己的模型记录

最近又整了一块jetson nano的板子，就拿过来正好用一下，这个跑yolo还是很有用的，这里也记录一下过程。 1、jetson nano变化 之前也玩过jetson nano，但是最近却发现这个nano和之前的不一样了，是这样的 就是原来都是sd卡烧录，但是这个是emmc了 最大的区别就是原来使 ......
darknet-yolov 模型 darknet yolov

扩散模型

有不少介绍扩散模型的资料，其中"Understanding Diffusion Models: A Unified Perspective"论文是我读到的解释最详细也是最易于理解的一个。 数学符号 用粗体字母表示向量, 如\( \mathbf{x}, \mathbf{z}\) 用字母\(\mathb ......
模型

机器学习-概率图模型系列-隐含马尔科夫模型-33

目录1. Hidden Markov Model2. HMM模型定义 注：参考链接 https://www.cnblogs.com/pinard/p/6945257.html 1. Hidden Markov Model 隐马尔科夫模型（Hidden Markov Model，以下简称HMM）是比较 ......
模型 概率 机器 33

UCB Data100：数据科学的原理和技巧：第十一章到第十五章

十一、恒定模型、损失和转换 原文：Constant Model, Loss, and Transformations 译者：飞龙 协议：CC BY-NC-SA 4.0 学习成果 推导出在 MSE 和 MAE 成本函数下恒定模型的最佳模型参数。 评估 MSE 和 MAE 风险之间的差异。 理解变量线性 ......
原理 技巧 科学 数据 Data

UCB Data100：数据科学的原理和技巧：第十六章到第二十章

十六、交叉验证和正则化 Cross Validation and Regularization 译者：飞龙 协议：CC BY-NC-SA 4.0 学习成果 认识到需要验证和测试集来预览模型在未知数据上的表现 应用交叉验证来选择模型超参数 了解 L1 和 L2 正则化的概念基础 在特征工程讲座结束时（ ......
原理 技巧 科学 数据 Data

UCB Data100：数据科学的原理和技巧：第一章到第五章

一、引言 原文：Introduction 译者：飞龙 协议：CC BY-NC-SA 4.0 学习成果 了解 Data 100 的总体目标 了解数据科学生命周期的阶段 数据科学是一个跨学科领域，具有各种应用，并且在解决具有挑战性的社会问题方面具有巨大潜力。通过建立数据科学技能，您可以赋予自己参与和引领 ......
原理 技巧 科学 数据 Data

UCB Data100：数据科学的原理和技巧：第六章到第十章

六、正则表达式 原文：Regular Expressions 译者：飞龙 协议：CC BY-NC-SA 4.0 学习成果 了解 Python 字符串操作，pandas Series方法 解析和创建正则表达式，使用参考表 使用词汇（闭包、元字符、组等）描述正则表达式元字符 这些内容在第 6 和第 7 ......
原理 技巧 科学 数据 Data

limit 影响性能的原因和优化方案

一、问题 当使用limit实现分页查询时，当limit的偏移量越大时，sql语句的耗时也越大。 select * from table_name limit 10000,10 select * from table_name limit 0,10 这两条查询语句都是取10条数据，但性能就相差甚远。 ......
性能 原因 方案 limit

构造题技巧

人太蠢了，只能学点技巧了。 参考：https://www.luogu.com.cn/blog/yeah-potato/gou-zao-ti-fang-fa-zong-hui CF417E Square Table 要构造矩形，先考虑构造一行，然后推广到矩形。 CF1450C2 Errich-Tac- ......
技巧

[Maven] 02 - POM模型与常见插件

POM 模型 1 依赖关系 Maven 一个核心的特性就是依赖管理。当我们处理多模块的项目（包含成百上千个模块或者子项目），模块间的依赖关系就变得非常复杂，管理也变得很困难。针对此种情形，Maven 提供了一种高度控制的方法。 通俗理解： 依赖谁就是将谁的 jar 包添加到本项目中。可以依赖中央仓库 ......
插件 模型 常见 Maven POM

js中的对象，如果赋值给多个变量，那么会有性能问题吗

js中的对象，如果赋值给多个变量，那么会有性能问题吗？ 在JavaScript中，将一个对象赋值给多个变量时，并不会直接导致性能问题。当一个对象被赋值给多个变量时，实际上这些变量都会引用同一个对象，即它们指向内存中的同一块地址。这种行为称为“对象引用”。 例如： const obj = { a: 1 ......
变量 多个 对象 性能 问题

如何开发医疗保险欺诈识别监测模型中的模型选择与构建？

开发医疗保险欺诈识别监测模型时，选择合适的模型和构建有效的模型是至关重要的。以下是一些建议： 模型选择： 逻辑回归： 适用于线性关系，简单、快速，容易解释。 决策树和随机森林： 能够处理非线性关系，对异常值和噪声相对鲁棒，易于解释。 支持向量机（SVM）： 在高维空间中表现良好，对于复杂的非线性关系 ......
模型 医疗保险 医疗

如何开发医疗保险欺诈识别监测模型中的模型训练与调优？

医疗保险欺诈识别模型的训练与调优是一个关键的步骤，它直接影响模型的性能。以下是一些建议： 1. 数据准备与预处理： 数据清理： 处理缺失值、异常值，确保数据的质量。 特征工程： 提取有助于欺诈检测的特征，可能需要与领域专家一起进行。 数据平衡： 处理正负样本不平衡，可以考虑欠采样、过采样或使用权重调 ......
模型 医疗保险 医疗

如何开发医疗保险欺诈识别监测模型中的特征工程？

在开发医疗保险欺诈识别监测模型时，特征工程是一个关键的步骤，它有助于提取、转换和选择最相关的特征，以改善模型的性能。以下是在开发医疗保险欺诈识别监测模型时进行特征工程的一些建议： 基本特征提取： 提取基本的医疗保险相关特征，如就医次数、就医地点、就医科室、医疗费用等。 时序特征： 如果数据包含时间信 ......
医疗保险 模型 特征 医疗 工程

医疗保险欺诈识别监测模型分析

以下是开发医疗保险欺诈识别监测模型的一般性步骤： 数据集分析与预处理： 对给定的16000条数据集进行初步分析，了解数据的结构、特征。 进行数据清洗，处理缺失值、异常值等。 进行多维特征信息分析，以了解医疗保险欺诈的潜在特征。 特征工程： 提取能够描述医疗保险欺诈的特征因子集合。这可能需要领域专业知 ......
医疗保险 模型 医疗

开发医疗保险欺诈识别监测模型如何进行数据集分析与预处理

数据集加载： 使用工具如Pandas库加载数据。使用pd.read_csv()等函数加载数据集到DataFrame。 初步数据探索： 使用head()、info()、describe()等方法查看数据的前几行、基本信息和统计摘要。 使用shape属性获取数据集的大小。 处理缺失值： 使用isnull ......
医疗保险 模型 医疗 数据

解析x86与x64：架构之争、性能较量与未来趋势

在计算机体系结构领域，x86和x64是两种备受关注的架构，它们在硬件设计、内存寻址、性能表现等方面有着显著的差异。本文将深入探讨x86和x64的详细区别以及各自的优点，帮助读者更全面地理解这两种计算机体系结构。 架构概述 x86 x86架构最初设计用于Intel的16位微处理器，后来扩展到32位。它 ......
架构 性能 趋势 x86 x64

1.12_redis 的存取在最后 晚上_浙江本地环境的header不能用线上的_header中host和refer分别代表什么意思?_模型的save()参数是数组怎么理解?

方便点1： 问题: 为什么这个浙江的这个线上的header用到本地就不行,而熊师爷的这个却可以? 线上的 header中的host 本地的 header中的host 根据上面弄得对照关系 header中host和refer分别代表什么意思? 活1: 分析如下： 上面分析出现的问题：既然只统计：开业状 ......
header 数组 模型 意思 参数

POT超阈值模型和极值理论EVT分析|附代码数据

全文链接：http://tecdat.cn/?p=16845 最近我们被客户要求撰写关于极值理论的研究报告，包括一些图形和统计输出。 本文依靠EVT对任何连续分布的尾部建模。尾部建模，尤其是POT建模，对于许多金融和环境应用至关重要 POT模型其主要动机是为高洪水流量的概率模型提供实用工具。但是，E ......
极值 阈值 模型 理论 代码

从工程化角度，详解鹏程·脑海大模型训练过程

从工程化的角度，对鹏城.脑海大模型训练语料处理、模型训练优化、模型应用等方面做出了全面详细的经验分享。 ......
模型 脑海 角度 过程 工程

人工智能应用的“繁花时代”，各大企业何以破局AI模型挑战

​ AI技术的崛起，为各行业发展带来巨大变革和超强的创新潜力。然而，各大企业在拥抱AI的进程中并非一路坦途，“繁花盛开”的背后隐藏着AI模型生产与管理环节的诸多痛点。 先来看看部分金融企业在人工智能技术的应用现状：工商银行运用超过2200个智能模型，通过OCR技术实现支票、业务委托书等业务凭证要素的 ......
人工智能 繁花 人工 模型 智能

记一次卡顿的性能优化经历实操

本篇的性能优化不是八股文类的优化方案，而是针对具体场景，具体分析，从排查卡顿根因到一步步寻找解决方案，甚至是规避等方案来最终解决性能问题的经历实操 所以，解决方案可能不通用，不适用于你的场景，但这个解决过程是如何一步步去处理的，解决思路是怎么样的，应该还是可以提供一些参考、借鉴意义的 当然，也许你还 ......
性能
共6340篇  :1/212页 首页上一页1下一页尾页