megengine模型 性能 技巧
大模型-向量数据库
向量数据库很多，先试试milvus。 1、安装：通过docker pull没搞定。使用官网的docker-compose搞定了。 2、运行：需要启动3个容器： docker start milvus-etcd docker start milvus-minio docker start milvus ......
HanLP — HMM隐马尔可夫模型 -- 语料库
BMES => B:词语开始、M：词语中间、E：词语结束、S:单独成词 并非所有中文任务都需要分词 语料库 每行是一篇“文章” 每篇文章用空格分开 语料库的准确性，严重影响分词结果 理论上，语料库越大越好 每个字都有一个标识（隐藏状态），可以根据语料库得到所有标识 中文分词就是为了得到状态 麻 辣 ......
C语言技巧
这个表达式 (size + 7) & ~(7) 是一个常见的位操作技巧，用于将 size 向上对齐到最近的8的倍数。 ~(7)：首先，7 的二进制表示是 0111。按位取反 ~ 操作会将所有的1变为0，所有的0变为1，所以 ~(7) 就是 1000。 size + 7：这个操作是将 size 增加7 ......
NineData慢查询分析功能：为DBA提供全面的数据库性能解决方案
NineData的数据库管理工具，其慢查询分析功能能够自动采集并记录数据库中的慢查询，并提供优化建议。文章还提到了该工具的其他功能，如慢查询趋势图、慢查询统计、诊断优化以及数据大盘和报表下载功能。作者表示该工具的使用极大地提高了工作效率，能够全面了解数据库的整体状况，并且可靠性也很高。 ......
大语言模型LLM的核心技术及应用场景案例的分析
自注意力机制、位置编码和激活函数共同提高了模型对序列数据中重要信息的关注程度。通过自注意力机制，模型可以自动学会为序列中的关键部分分配更高的权重…… ......
【论文解读】System 2 Attention提高大语言模型客观性和事实性
本文简要介绍了论文“System 2 Attention (is something you might need too) ”的相关工作。基于transformer的大语言模型（LLM）中的软注意很容易将上下文中的不相关信息合并到其潜在的表征中，这将对下一token的生成产生不利影响。为了帮助纠正... ......
MegEngine 正式支持 XLA 啦！
MegEngine 1.13.1 中也已经支持了 XLA，在训练模型时可以选择开启此项功能，不同的模型可以获得 10%~80% 不等的速度提升。 ......
训练一个目标检测模型
博客地址：https://www.cnblogs.com/zylyehuo/ （一）识别背景/目的 第十八届全国大学生智能汽车竞赛室外 ROS 无人车赛（高教组） 无人车在室外运行中， 需要探索未知环境， 识别障碍物， 停车标志牌、红绿灯等标志物。 比赛场地为不规则环形场地， 由红蓝两色锥桶搭建而成 ......
SQL语句性能优化策略（转）
本文会提到 52 条 SQL 语句性能优化策略。 1、对查询进行优化，应尽量避免全表扫描，首先应考虑在 WHERE 及 ORDER BY 涉及的列上建立索引。 2、应尽量避免在 WHERE 子句中对字段进行 NULL 值判断，创建表时 NULL 是默认值，但大多数时候应该使用 NOT NULL，或者 ......
拆解全景，解锁未来——深度分析大模型六大领域及五大应用解决方案
在本篇文章中，将带您首先通过解读 LLM 的全景图，深入探讨了 LLM 的六个关键领域，随后提出五种主要方案以解决企业在这一技术领域面临的挑战。从商业模型到开源模型、微调、自定义构建，再到与 AI 提供商的合作，本文将引领您深入了解 LLM 的技术脉络，为探索和应用这一技术提供一些思考与指导。 ......
倾斜摄影三维模型重建高程偏差的因素及解决方法分析
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，... ......
.NET8 AOT和JIT的性能，谁更高呢？
一: 有人问:.NET8 AOT和JIT的性能，谁更高呢？ 原文:.NET8 AOT和JIT的性能，谁更高呢？ 其实这个答案非常明显，那就是JIT的性能更高。为什么？原因在哪？因为JIT是随时可能分层编译，动态PGO，CHRL，Non GC Heap，OSR。Quick等极致的优化措施(关于这些措施 ......
[刷题技巧] 链表刷题技巧汇总
链表的算法题中很常见的技巧： 添加虚拟头结点，即dummy结点。当需要创造一条新链表的时候，可以使用虚拟头节点简化边界情况的处理。 例如：LeetCode21. 合并两个有序链表，让两条有序链表合并成一条新的有序链表，需要创造一条新的链表。 例如，LeetCode86. 分隔链表，把一条链表分解成两 ......
【matlab混沌理论】1.5.洛伦兹模型的分析
洛伦兹方程用于生成y变量的图。这是对三种y初始条件敏感依赖的一个例子。 1.洛伦兹吸引子的y敏感依赖的着色图 input: % 洛伦兹方程用于生成y变量的图。x和z的初始条件保持不变，但y的初始条件在1.001、1.0001和1.00001之间变化 % 定义洛伦兹方程 sigma = 16; bet ......
【matlab混沌理论】1.4.双摆杆的不同参数模型
双摆杆运动模型。初始条件的微小差异，会导致千差万别的运动现象，这是混沌理论重要体现。主要考虑初始条件有两摆杆长度、质量、初始摆杆角度、重力加速度。 input: % 参数定义 L1 = 1; % 第一根摆长 L2 = 0.5; % 第二根摆长 m1 = 1; % 第一根摆质量 m2 = 0.5; % ......
windows使用YOLO训练模型
1：安装Nvidia显卡驱动、cuda和cuDNN 1.1下载安装Navida显卡驱动 NAVIDIA驱动下载地址：https://www.nvidia.cn/Download/index.aspx 下载完成后，在CMD中输入 nvidia-smi 验证是否安装成功 如果有错误 2：下载CUDA（本 ......
MIT斯坦福Transformer最新研究：过度训练让中度模型「涌现」结构泛化能力
前言 过度训练让中度模型出现了结构泛化能力。 本文转载自新智元 仅用于学术分享，若侵权请联系删除 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全栈指导班、基础入门班、论文指导班 全 ......
物理地址模型 【ChatGPT】
https://www.kernel.org/doc/html/v6.6/mm/memory-model.html 物理内存模型 系统中的物理内存可以以不同的方式进行寻址。最简单的情况是物理内存从地址0开始，并延伸到最大地址的连续范围。然而，这个范围可能包含对CPU不可访问的小空洞。然后可能存在完全 ......
代理IP的正确打开方式，使用IPIDEA解决性能困境
大家好，我是哪吒。 我有个朋友，刚入职XX小公司的网络爬虫工程师，老板让她爬取一些电商相关数据，好规划下一步的市场规划，时间紧任务重，预算不足。于是她去网上找了免费的IP代理去爬取老板要的电商数据，结果不出所料，搞了大半天也没有获得想要的数据，因为全被目标站点的爬虫应对策略管控了，导致老板很不满意。 ......
【matlab混沌理论】1.3.双摆杆基本模型
【matlab混沌理论】1.3.双摆杆基本模型 双摆杆是混沌理论的典型运动模型之一。涉及重力加速度、摆杆长度和质量。 1.双摆杆的摆角分析 input: % 已知物理参数 L1 = 5;L2 = 3; %两摆杆长度和质量 m1 = 3;m2 = 5; g = 9.80665; % 物理重力加速度m/ ......
数据分享|R语言用RFM、决策树模型顾客购书行为的数据预测|附代码数据
全文链接：http://tecdat.cn/?p=30330 最近我们被客户要求撰写关于RFM、决策树模型的研究报告，包括一些图形和统计输出。 团队需要分析一个来自在线零售商的数据 该数据包含了78周的购买历史。该数据文件中的每条记录包括四个字段。客户的ID（从1到2357不等），交易日期，购买的书 ......
设备的能量模型【ChatGPT】
https://www.kernel.org/doc/html/v6.6/power/energy-model.html 设备的能量模型 1. 概述 能量模型（EM）框架充当了一个接口，连接了了解各种性能水平下设备功耗的驱动程序和愿意利用该信息做出节能决策的内核子系统。 关于设备功耗的信息来源在不同 ......
包装效果图渲染技巧：怎么用云渲染省钱、省时间
在今天这个市场竞争白热化的时代，一个产品的包装设计往往决定了它在架上是否能够脱颖而出。因此，品牌在推向市场前精心设计的包装效果图显得尤为重要。在这里，我们将探究包装效果图渲染的关键性、渲染技巧及云渲染技术如何在提升渲染品质与降低成本上发挥其作用。 包装效果图渲染的核心地位 精准的包装效果渲染可以使产 ......
Mysql count(*)、count(1)、count(主键)、count(普通字段) 性能对比
count(*): 底层会转化为 count(0) 来处理,默认横向扫描聚集索引树,如果有二级索引就扫描二级索引树(因为二级索引树更小,扫描成本低),扫描到一行记录之后,将该记录返回给 Server 层,由于参数是 0,不为 NULL,所以不需要读取记录中的任何字段,直接将 count 变量加 1 ......
transformer模型
Transformer由谷歌团队在论文《Attention is All You Need》提出，是基于attention机制的模型，最大的特点就是全部的主体结构均为attention。 以下部分图片来自论文，部分图片来自李宏毅老师的transformer课程 课程链接：强烈推荐！台大李宏毅自注意力 ......
Linux IO模型之多路复用模型
文件描述符：当我们创建一个文件或者打开一个文件，内核就会向进程返回一个文件描述符fd IO多路复用之select：应用进程通过调用select函数可以同时监控多个fd，在监控的fd中只要有一个数据准备就绪，select就会返回可读状态，应用进程就会发起read系统调用 同步非阻塞模型中需要多次使用r ......
钓鱼手法及木马免杀技巧
简述 钓鱼是攻防对抗中一种常用的手段，攻击者通常伪装成可信任的实体，例如合法的机构、公司或个人，以引诱受害者揭示敏感信息或执行恶意操作，能快速地撕破目标的伤口，快速进内网进行刷分，投递木马同时需要考虑逃避杀毒软件检测，本篇文章将围绕一些常见的钓鱼手法和木马免杀对抗展开 信息搜集 批量邮箱搜集 htt ......
three.js 3d模型使用|vue项目使用three.js
three.js 3D模型使用 安装 安装three.js npm install three 安装轨道控件插件 npm install three-orbit-controls 安装加载.obj和.mtl文件的插件 npm install --save three-obj-mtl-loader 安 ......
Transformer架构在大型语言模型(LLM)中的应用与实践
Transformer架构是当今最前沿的语言模型技术之一，它已经在谷歌的BERT、OpenAI的GPT系列中取得了显著的成就。这一架构之所以独特，是因为它打破了传统的序列处理模式，引入了创新的“自注意力”机制。 Transformer架构的核心是自注意力机制，它使模型能够识别和重视输入数据中不同部分 ......