草庐IT

Pytorch学习笔记之tensorboard

全部标签

HarmonyOs 基础学习ArkTs语法

文章目录一、ArkTsArkTs的基本组成声明式UI描述自定义组件页面和组件生命周期@Builder装饰器@BuilderParam装饰器:引用@Builder函数@Styles装饰器@Extend装饰器stateStyles:多态样式状态管理@State装饰器@Prop装饰器@Link装饰器@Provide装饰器和@Consume装饰器@Observed装饰器和@ObjectLink装饰器LocalStorageAppStoragePersistentStorageEnvironment@Watch装饰器$$语法渲染控制if/else:条件渲染ForEach:循环渲染LazyForEach:

unity hybird热更新实战学习 小白(一)

1.新建一个空白项目2.为编辑器添加IL2CPP3.为vs2019+添加c++开发环境4.unity更改设置5.获取hybirdcrl插件,打开packagemanager,输入url:https://gitee.com/focus-creative-games/hybridclr_unity.git6.创建热更新文件夹,创建dll文件,在插件设置中放入7.加载8.代码实现:(注意代码逻辑)(1)在asstes建立StreamingAsstes文件夹,后面用于存放热更的加载文件最终目录如图其中HybridCLRGenerate是installer自动生成的(2)进入代码,在AOT目录中建立Co

Unity基础知识笔记(三)——NGUI中的UIInput

NGUI中的UIInput的使用_nguiuiinput-CSDN博客https://blog.csdn.net/MonoBehaviour/article/details/78423299?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522171023629716800180684601%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=171023629716800180684601&biz_id=0&utm_medium=dist

【Nginx笔记02】通过Nginx服务器转发客户端的WebSocket接口到后端服务

这篇文章,主要介绍如何通过Nginx服务器转发客户端的WebSocket接口到后端服务【知识星球】。目录一、Nginx配置WebSocket1.1、Nginx配置内容1.2、客户端请求地址1.3、创建WebSocket测试工程1.4、启动测试1.5、WebSocket超时问题1.5.1、设置超时时间1.5.2、建立心跳机制(推荐)一、Nginx配置WebSocket今天在工作中,遇到了一个需求,这个需求大概是前端和后端需要采用WebSocket方式来进行通信,因为是WebSocket接口,客户端需要知道通讯的接口地址,WebSocket接口的地址格式是:【ws://ip:port/xxx/yy

在 Kubernetes 中优化 AI 和机器学习工作负载

Kubernetes非常适合各种类型的容器化工作负载,从服务到作业再到有状态应用程序。但是AI和需要GPU的机器学习工作负载呢?是的,Kubernetes也支持这些,但有很多细微差别。译自OptimizingAIandMachineLearningWorkloadsinKubernetes,作者EugeneBurd。本文将介绍Kubernetes如何支持GPU,包括调度、过度订阅和时间共享以及安全性/隔离。此外,我们将讨论三大公共云提供商如何支持这些功能,以及如何确保您的GPU节点仅由GPU工作负载使用。设备插件让我们首先看一下Kubernetes支持GPU的机制。Kubernetes本身不知

论文笔记 Where Would I Go Next? Large Language Models as Human Mobility Predictor

arxiv202308的论文1intro1.1人类流动性的独特性人类流动性的独特特性在于其固有的规律性、随机性以及复杂的时空依赖性——>准确预测人们的行踪变得困难近期的研究利用深度学习模型的时空建模能力实现了更好的预测性能但准确性仍然不足,且产生的结果不能直接完全解释1.2本文LMM+位置预测提出了一个名为LLM-Mob的框架将流动性数据组织成历史停留和上下文停留,以解释人们移动中的长期和短期依赖性利用目标停留的时间信息进行时间感知预测设计了有效的prompt策略来帮助LLM理解流动性数据,最大化它们的推理能力,使预测结果的解释成为可能。2Preliminary2.1术语和符号用户的轨迹被表示

Git全套教程一套精通git.跟学黑马笔记

Git全套教程一套精通git.跟学黑马笔记文章目录Git全套教程一套精通git.跟学黑马笔记1.版本管理工具概念2.版本管理工具介绍2.1版本管理发展简史(维基百科)2.1.1SVN(SubVersion)2.1.2Git3.Git发展简史4.Git的安装4.1git的下载4.2安装4.3基本配置4.4为常用指令配置别名(可选)4.5解决GitBash乱码问题5.Git工作流程5.1Git初始化5.2git流程5.2.1流程图5.2.2概念即详解6.Git的基本使用01-TortoiseGit操作本地仓库6.1初始化仓库6.2添加文件6.3提交文件至本地仓库6.4修改文件,与再次提交文件6.5

【YOLOv8改进】 YOLOv8 更换骨干网络之 GhostNet :通过低成本操作获得更多特征 (论文笔记+引入代码).md

介绍摘要在嵌入式设备上部署卷积神经网络(CNNs)由于有限的内存和计算资源而变得困难。特征图中的冗余是那些成功的CNNs的一个重要特性,但在神经架构设计中很少被研究。本文提出了一种新颖的Ghost模块,用于通过低成本操作生成更多的特征图。基于一组内在特征图,我们应用一系列低成本的线性变换来生成许多能够充分揭示内在特征信息的幽灵特征图。所提出的Ghost模块可以作为一个即插即用的组件来升级现有的卷积神经网络。设计了Ghost瓶颈来堆叠Ghost模块,然后可以轻松建立轻量级的GhostNet。在基准测试上进行的实验表明,所提出的Ghost模块是基线模型中卷积层的一个令人印象深刻的替代品,而我们的G

【多智能体强化学习】协作 + 值分解 + QMIX算法及其改进

将深度强化学习技术与多智能体协作相结合,可以帮助解决现代军事决策、虚拟游戏等多个领域中的复杂任务场景。而值分解是平衡智能体可拓展性和环境平稳性的重要思想。作为该思想的经典算法,QMIX将联合动作值函数近似为局部动作值函数的单调非线性组合,在StarCraftII游戏中取得了较好的表现。一、背景介绍因为任务场景更为复杂,还存在任务耦合情况,所以涌现了分层强化学习、多智能体强化学习方向的研究。多智能体强化学习不是单个智能体的简单堆叠。可以引入博弈论的理念,探寻问题的均衡解而不是最优解,最终得到让智能体都满意的策略组合。由单智能体过渡到多智能体会出现维度爆炸、环境非平稳性、信度分配问题。针对这些问题

Midjourney笔记

不过多介绍AIGC的基本内容主要介绍如何精确画出想要的部分、达到自己想要的效果最好的操作就是上手多练参考模仿修改调整出图的关键:选词+反向关键词+合理调整操作(U/V)很多英文prompt与中文有所差别,因此要留意用词第一天生成的图:1.2DAnimationScene"Createavibrant2Danimationscenefeaturingawhimsicalforestwithanthropomorphicanimalshavingapicnic.Thestyleshouldbecolorfulandcartoonish,withexpressivecharactersenjoyin