megengine模型 性能 技巧
sublime实用技巧记录
一、去除重复行 1、先排序，edit - sort lines 2、查找目标 查找目标为：^(.+)$[\r\n](^\1$[\r\n]{0, 1})+ 替换为：\1\n 二、一次性选中或者删除指定行数之间的数据 如果想删除文档里第20001行~第100000行的代码，按以下步骤： 1、选中第100 ......
多开工具对应用程序性能的影响与优化
多开工具对应用程序性能的影响与优化 摘要： 随着计算机技术的不断发展，多开工具逐渐成为一种常见的软件应用。然而，使用多开工具可能会对应用程序的性能产生一定的影响。本文将探讨多开工具对应用程序性能的影响，并提供一些优化方法，以改善应用程序在多开环境下的表现。 引言： 多开工具是一种软件应用，可以在同一 ......
Linux小技巧
使用=使代码自动对齐 快捷键 功能描述 Ctrl + A 光标快速跳至行首。 Ctrl + E 光标快速跳至行尾。 Ctrl + U 删除光标至行首的所有内容。 Ctrl + K 删除光标至行尾的所有内容。 Ctrl + W 删除光标前的一个单词。 Ctrl + L 清空整个终端屏幕。 Ctrl + ......
Bert-vits2新版本V2.1英文模型本地训练以及中英文混合推理(mix)
中英文混合输出是文本转语音(TTS)项目中很常见的需求场景，尤其在技术文章或者技术视频领域里，其中文文本中一定会夹杂着海量的英文单词，我们当然不希望AI口播只会念中文，Bert-vits2老版本(2.0以下版本)并不支持英文训练和推理，但更新了底模之后，V2.0以上版本支持了中英文混合推理(mix) ......
小模型也可以「分割一切」，Meta改进SAM，参数仅为原版5%
前言 Segment Anything 的关键特征是基于提示的视觉 Transformer（ViT）模型，该模型是在一个包含来自 1100 万张图像的超过 10 亿个掩码的视觉数据集 SA-1B 上训练的，可以分割给定图像上的任何目标。这种能力使得 SAM 成为视觉领域的基础模型，并在超出视觉之外的 ......
CRM系统选择技巧，您需要知道这些。
SaaS行业发展迅速，更多的企业逐渐选择CRM管理系统。打开搜索引擎，有非常多的结果。怎样在数十万个搜索结果中选择适合您的CRM系统？下面我们将聊聊，怎样选择CRM系统。 第一步：明确自身需求 重要性：每家企业都有自己独特的经营模式和目标，这些模式和目标往往塑造了企业的独特性，也决定了企业在运营中需 ......
AMD 锐龙5 7500F VS. Intel 酷睿i5-14600K对比：整机价格相差2000 游戏性能基本持平
一、前言：ITX主机是该选Intel还是AMD平台？ 时代在进步，随着机械硬盘逐渐淡出主流市场，再加上主板的集成度越来越高，ATX机箱早已不是刚需。 相反，越来越多的人开支搭建自己喜欢的ITX平台，而一台高颜值的ITX主机放在书桌上，也是一道亮丽的风景线。 当然，受限于散热能力，ITX主机需要合理的 ......
ACPM高效C++组件管理让音视频终端SDK性能更好、稳定性更高
本专栏将分享阿里云视频云MediaBox系列技术文章，深度剖析音视频开发利器的技术架构、技术性能、开发能效和最佳实践，一起开启音视频的开发之旅。本文为MediaBox技术架构篇，重点从 ACPM介绍、技术架构以及高效管理等方面，介绍如何通过MediaBox ACPM的高效组件管理，来提升音视频终端S ......
大模型评测工具&评测基准
● 评测工具：用于评估模型的整体能力 ● 评测基准：用于评估模型在特定任务方面的能力 评测集名称 核心维度 测试模型的描述 评测类型 MMLU 多模态语言理解 理解文本、图像和音频等多种模态数据之间的关系方面的能力 评测工具 AGIEVAL 通用人工智能 自然语言理解、机器翻译、视觉识别等多种不同任 ......
语言模型：GPT与HuggingFace的应用
本文分享自华为云社区《大语言模型底层原理你都知道吗？大语言模型底层架构之二GPT实现》，作者：码上开花_Lancer 。 受到计算机视觉领域采用ImageNet对模型进行一次预训练，使得模型可以通过海量图像充分学习如何提取特征，然后再根据任务目标进行模型微调的范式影响，自然语言处理领域基于预训练语言 ......
8卡3090GPU云服务器上采用VLLM部署中文llama2-70b模型及OpenAI格式接口
TigerBot-70b-4k-v4 推理部署 模型本地部署（基于HuggingFace) 根据实际测试，加载模型需要约129G显存，最低需要6张3090显卡（流水线并行） 如果使用vllm进行加速推理（张量并行），考虑8张3090显卡或者4张A100-40G（模型分割要求） 模型下载 截至目前，模 ......
Xshell连接虚拟机、设置及使用技巧
Xshell连接虚拟机 登录服务器 查看ip：ip addr 安装xmanager，网盘中有安装包；也可以官网下载Xshell：https://www.xshell.com/zh/ Xshell连接 设置编码 echo $LANG 但是Xshell连接失败，且宿主机ping不通虚拟机，需要查看虚拟机 ......
c# 高并发必备技巧（三）
前面两篇文章主要是介绍了如何解决高并发情况下资源争夺的问题。但是现实的应用场景中除了要解决资源争夺问题，高并发的情况还需要解决更多问题，比如快速处理业务数据等， 本篇文章简要罗列一下与之相关的更多技术细节。 1、异步编程：使用async和await关键字进行异步编程，这可以避免阻塞线程，提高程序的响 ......
【VMware vSAN】主机之间网络性能测试，提示“无法运行网络性能测试。请稍后重试。”的处理过程。
vSAN集群监控，有一个主动测试功能，里面可以针对vSAN主机进行虚拟机创建测试、网络性能测试等。 官方解释： 虚拟机创建测试通常需要 20 至 40 秒时间，在超时情况下最长需要 180 秒时间。将为每个主机生成一个虚拟机创建任务和一个删除任务，这些任务将显示在任务控制台中。 网络性能测试旨在评估 ......
阿里巴巴宣布分红 25 亿美元；苹果故意降低 iPhone 性能被判赔偿丨 RTE 开发者日报 Vol.101
开发者朋友们大家好： 这里是 「RTE 开发者日报」 ，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE （Real Time Engagement） 领域内「有话题的 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编 ......
一张图生成一个视频大模型公开
一张图生成一个视频大模型公开 Animate Anyone: Consistent and Controllable Image-to-Video Synthesis for Character Animation 为任何人制作动画：用于角色动画的一致且可控的图像到视频合成； 论文地址：https: ......
深度学习笔记3：使用预训练模型之特征提取
我们在小型图像数据集上做深度学习时，一种高效且实用的方法是采用预训练模型。预训练模型，指的是在大型数据集上预先训练好的模型。如果原始数据集具有足够的规模和通用性，那么预训练模型所学习到的特征的空间层次结构可以被视为视觉世界的通用模型。与许多早期的浅层学习方法相比，这种在不同问题之间移植特征的能力是深 ......
使用 std::string_view 提升字符串处理性能
C++标准库提供了一个非常优秀的字符串处理类std::string，我们可以通过该类完成各种字符串操作。但是std::string有一个缺点，它的很多操作都是针对字符串实体，存在不必要的内存拷贝的代码，导致字符串的处理性能不尽如人意。 针对这种情况C++17标准引入了std::string_view ......
浅析MySQL代价模型：告别盲目使用EXPLAIN，提前预知索引优化策略
熟悉代价模型之后，我们可以预先了解 MySQL 在执行查询时会如何选择索引，从而更有效地进行索引优化。在接下来的文章中，我将结合近期进行索引优化的具体案例，来详细解释如何运用代价模型来优化索引。 ......
老电脑要淘汰了！微软正准备性能超40 TOPS AI电脑：满足Windows 12系统要求
多方迹象表明，2024年将是AI PC元年。 Canalys预计，2024年，具备AI功能的PC总出货量将取得19%左右的市场份额。到2027年，60%的PC将具备AI功能。 据悉，有迹象表明，微软正在与电脑厂商合作，设计性能超过40 TOPS的产品，以满足下一代Windows CoPilot（AI ......
从 ByteHouse 网关，看如何进一步提升 OLAP 引擎性能
更多技术交流、求职机会，欢迎关注字节跳动数据平台微信公众号，回复【1】进入官方交流群 随着数字化转型的加速，企业面临着海量数据收集、处理和分析挑战。ClickHouse因其分析速度快、高性能的特点，被开发者广泛使用。 作为连接客户端和数据库之间的桥梁，网关也在性能层面起到了关键的作用。一款好的网关， ......
ChatGLM 模型部署
ChatGLM 模型部署 模型地址： huggingface：https://huggingface.co/THUDM/chatglm3-6b modelscope：https://modelscope.cn/models/ZhipuAI/chatglm3-6b/summary 搭建环境 # 下载代 ......
【布局技巧】Flex 布局下居中溢出滚动截断问题
在页面布局中，我们经常会遇到/使用这么一类常见的布局，也就是列表内容水平居中于容器中，像是这样： <ul class="g-contaner"> <li></li> <li></li> </ul> ul { width: 500px; display: flex; flex-direction: r ......
[AI]大模型稳定角色扮演形成“自我认知”
本文从社会关系的角度,探讨人类自我身份认知形成的部分影响机理。并提出人工智能的角色扮演已经是一种基础的自我认知能力。当知识库中积累了足够的自我相关信息，那么人工智能可以模拟人类的这种自我身份认知的能力 ......
倾斜摄影三维模型的根节点合并的模型质量提升方法探讨
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，... ......
使用预训练语言模型作帖子分类
预训练语言模型PLMs或PTMs应用广泛且效果良好。有的文章中把自然语言处理中的预训练语言模型的发展划分为4个时代:词入时代，上下文嵌入(Context Word Embedding)时代、预训练语言模型时代、改进型和领域定制型时代。 为什么需要预训练 模型通常需要非常大的参数量，但并不 ......
R语言SIR模型网络结构扩散过程模拟SIR模型（Susceptible Infected Recovered ）代码实例|附代码数据
全文链接：http://tecdat.cn/?p=14593 最近我们被客户要求撰写关于SIR模型的研究报告，包括一些图形和统计输出。 与普通的扩散研究不同，网络扩散开始考虑网络结构对于扩散过程的影响。这里介绍一个使用R模拟网络扩散的例子 基本的算法非常简单：生成一个网络:g(V, E)。随机选择一 ......
数据分享|AARRR模型淘宝用户行为分析、电商销售分析
全文链接：https://tecdat.cn/?p=34482 原文出处：拓端数据部落公众号 分析师：Ye Yuan 随着互联网、5G时代到来，大数据横空出世，数据变得越来越重要，如何针对业务问题和需求 ，提取有效特征数据并对问题进行深入分析，最终得到可靠的结论是数据分析最核心的环节，只有得出正确的 ......
Oracle性能优化
一、SQL语句优化1.select子句中避免使用'*'2.使用decode函数来减少处理时间3.用truncate替代delete4.尽量多使用commit5.用where子句替换having子句6.使用表的别名7.用exists替代in、用not exists替代not in（大表用exists/ ......
Tetadata性能优化案例
1.不当使用SET表问题描述：建表不指定MULTISET关键字，默认SET表（不允许重复记录），如果建了SET表又未指定UPI ，则每次在插入数据时都会进行Duplicate row check操作消耗额外的系统资源建议：建表时统一加上MULTISET关键字 如果需要保证表中没有重复记录，则可在设置 ......