526互联

meta-learner learning模型 策略

模型评价指标

网址 ：https://blog.csdn.net/seagal890/article/details/105059498 True Positive（TP）：真正类。样本的真实类别是正类，并且模型识别的结果也是正类。 False Negative（FN）：假负类。样本的真实类别是正类，但是模型将其 ......
模型 指标

成品直播源码，如何在开发时自定义缓存策略

缓存在成品直播源码中所占用的空间往往会成为迫使用户卸载应用的最后一根稻草。开发者不能无上限对音视频资源进行缓存，通常的维护手法是通过 限制空间大小，比如，用户通常可以接受视频类应用有 1G 左右的缓存空间，即时通信类应用也许会更大些。因此我们的成品直播源码缓存库也需要提供这样的能力，可通过实现Dis ......
缓存 成品 源码 策略

饮冰十年-人工智能-FastAPI-03- FastAPI之模型迁移（类似Django的migrante）

在开发 Web 应用程序时，通常会涉及到数据库模型的更改，例如添加新的表、字段或索引。为了使这些更改反映在数据库中，我们使用数据库迁移工具。FastAPI 本身并不包含数据库迁移（migration）的功能，但你可以使用第三方库来处理数据库迁移。其中，Alembic 是一个常用的数据库迁移工具，可以 ......
FastAPI 人工智能 人工 migrante 模型

动手实现基于 JSON 和 OData 两种数据模型的 Web 应用表格控件行项目的添加和删除

文章标题描述的需求是笔者在工作和网络上经常收到的前端开发领域的咨询话题之一。Web 应用的表格控件，在切换到编辑模式下之后，给用户提供了行项目的添加和删除功能。基于 MVC 和 MVVM 框架的前端控件，都离不开 Model 即数据模型层。 笔者工作中使用最多的模型层实现技术，即 JSON 模型和 ......
控件 表格 模型 项目 数据

Django 含有外键模型新增数据以及序列化

Django 含有外键模型新增数据以及序列化 Django 原生实现外键 class AppleModel(models.Model): id=models.AutoField(primary_key=True) app_name=models.CharField(max_length=50) cl ......
序列 模型 数据 Django

【scikit-learn基础】--『数据加载』之外部数据集

这是scikit-learn数据加载系列的最后一篇，本篇介绍如何加载外部的数据集。 外部数据集不像之前介绍的几种类型的数据集那样，针对每种数据提供对应的接口，每个接口加载的数据都是固定的。而外部数据集加载之后，数据的字段和类型是不确定的。 简单来说，我们在实际的数据分析工作中，用到的是外部数据集加载 ......
数据 scikit-learn 基础 scikit learn

使用8卡3090微调llama2-70B模型

写在前面 很多问题尚未弄清，还在进一步调整 目前已知 我用8卡的3090 采用deepspeed ZeRO3进行运行，下面是deepspeed3的配置 1 { 2 "fp16": { 3 "enabled": "auto", 4 "loss_scale": 0, 5 "loss_scale_wind ......
模型 llama2 llama 3090 70

Linux内核贡献成熟度模型 【ChatGPT】

https://www.kernel.org/doc/html/v6.6/process/contribution-maturity-model.html Linux内核贡献成熟度模型 背景 作为2021年Linux内核维护者峰会的一部分，讨论了招募内核维护者以及维护者继任方面的挑战。其中一些结论包 ......
成熟度 内核 模型 贡献 ChatGPT

1文件+2个命令，无需安装，单机离线运行70亿大模型

1文件+2个命令，无需安装，单机离线运行70亿大模型 大家好，我是老章 最近苹果发布了自己的深度学习框架--MLX，专门为自家M系列芯片优化。看了展示视频，这个框架还能直接运行Llama 7B的大模型，在M2 Ultral上运行流畅。但是我尝试了一下，我的M2 Mac mini根本跑不动，模型权重太 ......
单机 模型 命令 文件

大模型的事实核查测试&测试用例

大模型事实核查测试介绍 大模型的事实核查维度主要包括以下几个方面： 事实理解：大模型需要能够理解事实陈述中的事实信息，包括事实的主体、客体、属性、关系等。 知识推理：大模型需要能够根据事实信息进行推理，从而得出新的事实信息。 语言生成：大模型需要能够生成准确的事实陈述，以回答事实核查问题。 具体来说 ......
模型 事实 amp

【SQLServer2019管理】事务日志备份策略

查询日志大小： dbcc sqlperf(logspace) go 备份事务日志，之后清理掉3天前的备份，最后的目的是进行日志收缩 收缩的T-SQL语句 USE [infusion] GO DBCC SHRINKFILE (infusion_log,100) GO DBCC SHRINKFILE ( ......
备份 SQLServer 策略 事务 日志

在pytorch中保存模型或模型参数

在 PyTorch 中，我们可以使用 torch.save 函数将 PyTorch 模型保存到文件。这个函数接受两个参数：要保存的对象（通常是模型），以及文件路径。 保存模型参数 import torch import torch.nn as nn # 假设有一个简单的模型 class Simple ......
模型 参数 pytorch

遥遥领先GPT-4！谷歌最强AI大模型Gemini 1.0发布

在5月举行的开发者大会上，谷歌首次透露其正在开发的AI大模型Gemini，时隔7个月，Gemini终于来了。 据谷歌官方公众号消息，谷歌日前正式发布Gemini 1.0，这是谷歌迄今为止构建的最强大、最通用、最灵活的模型。 据介绍，针对不同场景，谷歌发布了三种不同版本： Gemini Ultra：谷 ......
模型 Gemini GPT 1.0

tornado框架之模型绑定

模型绑定有两个主要功能： 自动生成html表单 用户输入验证 在之前学习的Django中为程序员提供了非常便捷的模型绑定功能，但是在Tornado中，一切需要自己动手！！！ 1 <!DOCTYPE html> 2 <html lang="en"> 3 <head> 4 <meta charset=" ......
框架 模型 tornado

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) ......
中英 Bert-vits 模型 Bert vits

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 ......
原版 模型 参数 Meta SAM

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 ......
基准 模型 工具 amp

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 ......
HuggingFace 模型 语言 GPT

Overview of Machine Learning Methods for Genome-Wide Association Analysis

Overview of Machine Learning Methods for Genome-Wide Association Analysis BIBE2021: The Fifth International Conference on Biological Information and B ......
Genome-Wide Association Overview Learning Analysis

Paper Reading: Oversampling with Reliably Expanding Minority Class Regions for Imbalanced Data Learning

为了设计更有效的插值过采样算法，本文提出了一种新的插值过采样方法 OREM。OREM 在原始少数类样本周围找到候选少数类区域，然后利用这些候选区域识别不包含任何多数类样本的干净子区域。它们被认为是潜在的少数类区域，所以通过将合成样本填充到干净子区域可以增强少数类的表达能力。OREM 方法的思路很简单... ......
Oversampling Imbalanced Expanding Minority Learning

Drug response prediction using graph representation learning and Laplacian feature selection

Drug response prediction using graph representation learning and Laplacian feature selection Minzhu Xie 1 2, Xiaowen Lei 3, Jianchen Zhong 3, Jianxing ......
representation prediction Laplacian selection response

Predicting gene expression from histone modifications with self-attention based neural networks and transfer learning

Predicting gene expression from histone modifications with self-attention based neural networks and transfer learning Yuchi Chen 1, Minzhu Xie 1, Jie ......
self-attention modifications Predicting expression attention

【scikit-learn基础】--『数据加载』之样本生成器

除了内置的数据集，scikit-learn还提供了随机样本的生成器。通过这些生成器函数，可以生成具有特定特性和分布的随机数据集，以帮助进行机器学习算法的研究、测试和比较。 目前，scikit-learn库（v1.3.0版）中有20个不同的生成样本的函数。本篇重点介绍其中几个具有代表性的函数。 1. ......
生成器 样本 scikit-learn 基础 数据

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 ......
模型 接口 格式 服务器 OpenAI

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: ......
模型 视频

7 种查询策略教你用好 Graph RAG 探索知识图谱

我们在这篇文章中探讨了知识图谱，特别是图数据库 NebulaGraph，是如何结合 LlamaIndex 和 GPT-3.5 为 Philadelphia Phillies 队构建了一个 RAG。 此外，我们还探讨了 7 种查询引擎，研究了它们的内部工作，并观察了它们对三个问题的回答。我们比较了每... ......
图谱 策略 知识 Graph RAG

DeepWalk Online Learning of Social Representations

目录概符号说明DeepWalk代码 Perozzi B., AI-Rfou R. and Skiena S. DeepWalk: Online learning of social representations. KDD, 2014. 概 经典的 graph embedding 学习方法. 符号说 ......
Representations DeepWalk Learning Online Social

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 ......
深度 模型 特征 笔记

The second day learning summary

1.什么是接口测试？ 接口测试是测试系统组件间接口的一种测试。接口测试主要用于外部系统与系统之间以及内部各个子系统之间的交互点，定义特定的交互点，然后通过这些交互点来，通过一些特殊的规则也就是协议，来进行数据之间的交互。测试的重点是要检查数据的交换，传递和控制管理过程，以及系统间的相互逻辑依赖关系等 ......
learning summary second The day

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。 ......
索引 模型 代价 策略 EXPLAIN
共4650篇  :16/155页 首页上一页16下一页尾页