526互联

transformer架构 模型 原理

API架构风格

浅谈6种流行的API架构风格 前言 API在现代软件开发中扮演着重要的角色，它们是不同应用程序之间的桥梁。编写业务API是日常开发工作中最常见的一部分，选择合适的API框架对项目的成功起到了至关重要的作用。本篇文章将浅谈一下当前6种流行的API架构风格的优点、缺点以及适用场景。 6种流行的API架构 ......
架构 风格 API

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

第十二节：红黑树性质、相对平衡的原理、与AVL树的区别

一. 二. 三. ! 作 者 : Yaopengfei(姚鹏飞) 博客地址 : http://www.cnblogs.com/yaopengfei/ 声 明1 : 如有错误，欢迎讨论，请勿谩骂^_^。 声 明2 : 原创博客请在转载时保留原文链接或在文章开头加上本人博客地址，否则保留追究法律责任的权 ......
性质 原理 AVL

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

CS5569芯片,CS556,设计资料,CS5569规格书,CS5569原理图,typec转HDMI 8K带PD方案

集睿致远/ASL的CS5269是一款低成本、低功耗的半导体器件，通过USBType-C连接器将DisplayPort信号转换为HDMI 2.1。 这款创新的基于USBType-C的DisplayPort接收器具有高性能DSC解码器，集成的HDMI2.1发射器专门针对USBType-C到HDMI2.1 ......
5569 CS 芯片 原理 规格

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

【C语言】模块划分、编译器工作原理

模块划分 在实际应用中，一个较大的 C 程序并不会把所有代码都放入 main 主函数中，而是进行模块化设计，每个程序模块作为一个源程序文件，再由若干源程序文件组成一个 C 程序。这样处理便于分别编写、分别编译、进而提高调试效率。 #include <stdio.h> void func1(){ // ......
编译器 模块 原理 语言

armv8虚拟化原理笔记

随便记记，没有章法。 VTTBR_EL2和TTBR1_EL2有啥区别？ VTTBR_EL2是内存虚拟化中stage2页表的基地址存放的寄存器，高16位存放了VMID，用于提高VM TLB性能； TTBR1_EL2，是指在VHE开启的情况下host OS可以在EL2运行，这时候内核使用的页表基地址就存 ......
原理 笔记 armv8 armv

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

计算机组成原理 复习笔记

蒽，谁说不是速成指南呢。 目录11 Intro12-13 指令系统计算机程序与指令系统语言高级语言 / 算法语言汇编语言机器语言冯诺依曼结构计算机指令和指令系统RISC-V 指令系统架构特点特权模式14 数据表示及检错纠错数据表示逻辑型数据表示字符的表示数值数据：整数、浮点数数值范围和数据精度整数浮 ......
原理 计算机 笔记

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

配色方案大概原理

参考：https://m2.material.io/design/color/the-color-system.html 外行人做个大致的小结。 一、先保持页面原初颜色。 也把所有的配色都去掉，保持页面原本的颜色，也即是，文字是黑色的，背景是白色的。页面就纯粹简单的两种颜色（黑色，白色）。 二、设置 ......
原理 方案

银行业数据架构的前世今生

分享大纲： 1. 银行信息系统架构 2. 数据架构的主要内容 3. 数据架构的未来 银行信息系统架构 （一）银行信息化发展历程 银行信息化发展历程包括四个阶段：20世纪70年代的信息孤岛阶段、20世纪80-90年代的互联互通阶段、20世纪90年代至2012年的信息化阶段、2012年至今的数字化阶段。 ......
银行业 架构 银行 数据

CF1506D - Epic Transformation

思路 用优先队列模拟 ac代码 #include <bits/stdc++.h> using namespace std; using i64 = long long; const i64 inf = 8e18; typedef pair<int, int> pii; const int N = 5 ......
Transformation 1506D 1506 Epic CF

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

浅谈6种流行的API架构风格

前言 API在现代软件开发中扮演着重要的角色，它们是不同应用程序之间的桥梁。编写业务API是日常开发工作中最常见的一部分，选择合适的API框架对项目的成功起到了至关重要的作用。本篇文章将浅谈一下当前6种流行的API架构风格的优点、缺点以及适用场景。 6种流行的API架构风格图 SOAP SOAP全拼 ......
架构 风格 API

Spring Boot和 Spring Cloud的区别；单体架构与微服务架构的区别以及优缺点

Spring Boot 简介 Spring Boot是由Pivotal团队提供的全新框架，其设计目的是用来简化新Spring应用的初始搭建以及开发过程。该框架使用了特定的方式来进行配置，从而使开发人员不再需要定义样板化的配置。通过这种方式，Spring Boot致力于在蓬勃发展的快速应用开发领域(r ......
架构 Spring 单体 优缺点 Cloud

[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

软件架构实践 V2：第二章

第二章 什么是软件架构 如果一个项目的系统构架 (包括理论基础) 尚未确定，就不应该进行此系统的全面开发。只有对构架做出明确清楚的表述，才能使之在整个开发和维护过程中加以充分利用。 ——Barry Boehm 本章我们将严格地从软件工程的角度对构架进行讨论，即除了第1章中所讲到的企业所获得的价值外， ......
架构 第二章 软件

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

BS 架构 和 CS 架构

软件开发架构 【1】C / S 架构 C/S是美国Borland公司最早研发 C ：client (客户端) S : server (服务端) 【2】B / S 架构 B/S是美国微软公司研发。 B ：browser (网页端) S ： Server (服务端) 【3】C/S与B/S区别 Clien ......
架构 BS CS

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
共7900篇  :1/264页 首页上一页1下一页尾页