526互联

transformer模型 文档 科学

机器学习-决策树系列-贝叶斯算法-概率图模型-29

目录1. 复习条件概率2. 正式进入3. 生成式 与判别式 这个阶段的内容，采用概率论的思想，从样本里面学到知识（训练模型），并对新来的样本进行预测。 主要算法：贝叶斯分类算法、隐含马尔可夫模型、最大熵模型、条件随机场。 通过本阶段学习，掌握NLP自然语言处理的一些基本算法，本阶段的理解对于后续完成 ......
概率 算法 模型 机器 29

liunx命令word文档和excel表格转换成pdf

1、 Anolis OS-8.x和centos7.x系统安装libreoffice #直接使用yum安装 yum install -y libreoffice #验证 libreoffice --version LibreOffice 7.1.8.1 10(Build:1) #后台启动libreof ......
表格 命令 文档 liunx excel

计算机网络分层结构--OSI模型、TCP/IP 模型、五层模型

计算机网络分层结构 OSI参考模型与TCP/IP参考模型 五层参考模型 ......
模型 计算机网络 结构 OSI TCP

听6位专家畅谈AI大模型落地实践：场景和人才是关键

回顾大模型技术在企业的应用过程中，我们不禁要问：大模型在落地方面带来了哪些改变？开发者如何应对大模型的变革？在AI大模型的驱动下，企业的未来又会走向何方？ ......
模型 场景 关键 专家 人才

浦语书生大模型实战训练营02笔记

1.打开算力平台，选择合适的配置进入算力开发机进入jupyter工具终端安装开发所需python深度学习环境： bash # 请每次使用 jupyter lab 打开终端时务必先执行 bash 命令进入 bash 中 bash /root/share/install_conda_env_intern ......
训练营 书生 实战 模型 笔记

MySQL InnoDB ReplicaSet安装文档

MySQL副本集介绍 MySQL InnoDB ReplicaSet(也叫MySQL副本集,有些地方也翻译成MySQL复制集)是在 MySQL 8.0.19 版本（2020-01-13 Released）之后开始支持的，MySQL副本集中拥有一个primary节点，一个或多个secondary节点， ......
ReplicaSet 文档 InnoDB MySQL

vuepress借助jenkins和svn实现文档自动化更新部署

前言 有个需求，需要将放在SVN的用vuepress写的文档进行自动化更新和部署，每次有人在本地将写好的md文件更新到svn时候，由jenkins实现自动打包来实现自动更新的功能。 docker安装jenkins 首先创建目录，将jenkins_home挂载到外部 mkdir /home/jenki ......
vuepress jenkins 文档 svn

R语言无套利区间模型：正向套利和反向套利次数、收益率分析华泰柏瑞300ETF可视化

全文链接：http://tecdat.cn/?p=31973 原文出处：拓端数据部落公众号 股指期货的套利交易有助于股指期货实现其价格发现以及风险规避的功能，因此提高套利交易的效率,对于发挥股指期货在经济发展中的作用有着重要的意义。 本文帮助客户对期货期现套利的研究。研究中主要以期货及其现货指数的数 ......
收益率 区间 收益 模型 次数

API文档、API自动化测试神器：Apipost

在数字化时代，API已成为企业和开发者实现数据互通、应用集成的重要桥梁。然而，随着API数量的不断增加，API设计、调试、文档和测试等工作也变得越来越复杂。为了解决这一痛点，一款名为Apipost的API协同研发工具应运而生，它为API开发者提供了一站式解决方案。 成功案例 许多知名的公司和团队都在 ......
神器 API Apipost 文档

1.9 Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation 基于语义分割遥感图像的模型

Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation 参考遥感图像分割的旋转多尺度交互网络 参考遥感图像分割 (RRSIS)是一个新的挑战，它结合了计算机视觉和自然语言处理，通过 ......
遥感 语义 Segmentation Multi-Scale Interaction

深度学习模型部署TensorRT为何如此优秀？

一、前言 PyTorch模型的高性能部署问题，主要关注两个方面：高度优化的算子和高效运行计算图的架构和runtime。python有快速开发以及验证的优点，但是相比C++来说速度较慢而且比较费内存，一般高性能场景都是使用C++去部署，尽量避免使用python环境。 TensorRT为什么那么快，因为 ......
深度 TensorRT 模型

EF First 生成数据模型

//创建目录：mkdir EFCoreScaffoldexample//进入目录：cd EFCoreScaffoldExample//创建控制台项目：dotnet new console//添加依赖：dotnet add package Microsoft.EntityFrameworkCore.S ......
模型 数据 First EF

使用PyTorch实现混合专家(MoE)模型

Mixtral 8x7B 的推出在开放 AI 领域引发了广泛关注，特别是混合专家（Mixture-of-Experts：MoEs）这一概念被大家所认知。混合专家(MoE)概念是协作智能的象征，体现了“整体大于部分之和”的说法。MoE模型汇集了各种专家模型的优势，以提供更好的预测。它是围绕一个门控网络 ......
模型 PyTorch 专家 MoE

记录下在linux部署大语言模型和聊天服务、简历服务等

1、弄清楚外网、内网的区别 2、宝塔面板的使用。 命令行输入 bt 、 bt default（本质是linux开了个端口服务用于宝塔管理服务、代理服务等） 3、netstat -tuln 查看正在运行的端口。 4、服务都启动之后，用宝塔代理相关端口 ， 使用 ufw 、 iptables、 fire ......
模型 语言 简历 linux

unity3d修改模型位置

using System.Collections; using System.Collections.Generic; using UnityEngine; public class VCCameraWorkerController : MonoBehaviour { public Vector3 ......
模型 位置 unity3d unity3 unity

Omics辅助育种统计方法：最小二乘与混合模型

此幻灯片是来自“Omics辅助育种统计方法”短期课程中的一节：Applications for Ordinary Least Squares and Mixed Models。作者Malachy Campbell，博后毕业于康奈尔大学，是一名计算生物学家，专注于统计基因组学和数量遗传学。热衷于从大规 ......
模型 方法 Omics

GS | 佛罗里达大学Salvador报告：数量遗传和育种中的混合模型

本报告来自佛罗里达大学Salvador A. Gezanboshi博士。Salvador是一位拥有20多年经验的育种家/数量遗传学家，在育种、统计分析和遗传改良咨询方面有着丰富的经验。同时，他也是VSN的国际顾问，没错，就是那个开发了大名鼎鼎的ASReml的VSN。在大学或研究机构任职期间，他主要集 ......
Salvador 模型 数量 报告 大学

浦语书生大模型实战训练营01笔记

大模型总的发展趋势：单一模型处理单一任务到一个模型解决多个任务 书生.浦语大模型开源历程：internLM大模型发布-》全面商业、开源支持8k语境全链路开源体系》多模态预训练语料库开源发布-》1.1版本迭代升级，开源智能体框架支持语言模型到智能体升级转换-》增强版发布开源工具全线升级 书生.浦语大模 ......
训练营 书生 实战 模型 笔记

R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例|附代码数据

全文下载链接：http://tecdat.cn/?p=21317 最近我们被客户要求撰写关于分布滞后非线性模型（DLNM）的研究报告，包括一些图形和统计输出。 本文提供了运行分布滞后非线性模型的示例，同时描述了预测变量和结果之间的非线性和滞后效应，这种相互关系被定义为暴露-滞后-反应关联 数据集包含 ......
非线性 空气污染 死亡率 发病率 示例

什么是大语言模型的“幻觉”

使用ChatGPT的朋友应该遇到过这样的情况，模型有时候会答非所问甚至自相矛盾，这种情况被成为大语言模型的“幻觉”，即在处理和生成文本时出现的一些特定的错误或误解。这些幻觉可能源于模型对现实世界的理解不足、数据训练的偏差、或者算法本身的局限性。 出现幻觉的原因有几个方面： 1、数据训练偏差 LLM通 ......
幻觉 模型 语言

多模态大模型少样本自适应综述

前言 在医学成像和遥感等一些细粒度领域，多模态基础模型的性能往往不尽人意。因此，许多研究者开始探索这些模型的少样本适应方法，逐渐衍生出三种主要技术途径：1）基于提示的方法；2）基于适配器的方法；3）基于外部知识的方法。尽管如此，这一迅速发展的领域产生了大量结果，但尚无全面的综述来系统地整理研究进展。 ......
模态 样本 模型

大模型RAG之向量检索技术-结合LSTM模型编码

本文将介绍两种编码方式，一种直接采用bert进行编码query与待匹配数据；另一种将待匹配数据构造成key-value的形式，key表示从每个待匹配数据的概念或者抽象描述，value是对应的待匹配数据，将query和key进行编码，lstm从过query查询到key之后，就可以获取对应的value ......
模型 向量 编码 技术 LSTM

PV视角之3D检测模型Sparse4D系列

在自动驾驶视觉感知系统中，为了获得环绕车辆范围的感知结果，通常需要融合多摄像头的感知结果。比较早期的感知架构中，通常采用后融合的范式，即先获得每个摄像头的感知结果，再进行结果层面的融合。后融合范式主要的问题在于难以处理跨摄像头的目标（如大卡车），同时后处理的负担也比较大。而目前更加主流的感知架构则是 ......
视角 Sparse4D 模型 Sparse4 Sparse

尤雨溪：框架挖坑靠文档来补，这算 PUA 用户吗？丨 RTE 开发者日报 Vol.122

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 ......
开发者 框架 文档 日报 用户

RNN 和 Transformer 复杂度比较

这里假设BatchSize为 1，就是单样本的情况。 原始 RNN 块： （1）单步计算 H，包含两个矩阵向量乘法，和一个激活，复杂度HidSize² （2）一共有SeqLen步，所以整体复杂度SeqLen * HidSize² LSTM 块： （1）单步计算 F I C_hat O，包含八个矩阵向 ......
复杂度 Transformer RNN

什么是大模型RAG?RAG与funtionCalling的区别是什么？

大模型的RAG（Retrieval-Augmented Generation）与Function Calling都是用于增强大型语言模型（如GPT）的技术，但它们的工作原理和应用场景有所不同。 Retrieval-Augmented Generation (RAG): 原理：RAG结合了信息检索和文 ......
funtionCalling RAG 模型

需求修改文档

目录认证中心修改文档添加详情页面应用详情页面可以添加应用的菜单给应用建立菜单属于三方系统，默认不显示创建角色开发步骤 认证中心修改文档 添加详情页面 功能: 在详情页面, 可以为该系统创建和查看三方菜单和角色, 所有的和应用相关的操作, 入口都在详情页里面 应用详情页面可以添加应用的菜单 给应用建立 ......
需求 文档

模型类序列化器

1 原来用的Serilizer跟表模型没有直接联系， 模型类序列化器ModelSerilizer，跟表模型有对应关系 2 使用 class BookModelSerializer(serializers.ModelSerializer): class Meta: model=表模型 # 跟哪个表模型 ......
序列 模型

挑战Transformer的新架构Mamba解析以及Pytorch复现

今天我们来详细研究这篇论文“Mamba:具有选择性状态空间的线性时间序列建模” Mamba一直在人工智能界掀起波澜，被吹捧为Transformer的潜在竞争对手。到底是什么让Mamba在拥挤的序列建中脱颖而出? 在介绍之前先简要回顾一下现有的模型 Transformer:以其注意力机制而闻名，其中序 ......
Transformer 架构 Pytorch Mamba

API文档生成(sphinx)

1.安装 pip install Sphinx 2.使用 2.1文档手册 Sphinx 1.3.1 中文手册 (推荐查看) 教程 https://fengxc.me/基于python注释使用sphinx自动化生成API文档.html 2.2创建工程 新建一个文件夹sphinx_test, 并创建两个 ......
文档 sphinx API
共5230篇  :3/175页 首页上一页3下一页尾页