草庐IT

Pytorch学习笔记之tensorboard

全部标签

Git和Github入门笔记

视频地址:Github新手够用指南|全程演示&个人找项目技巧放送_哔哩哔哩_bilibili软件下载地址:Git:GitforWindowsVSCode:VisualStudioCode-CodeEditing.Redefined(图形化git操作要装一个插件:GitLens)(先下载VSCode再下载Git)安装VSCode记得点击安装Git需要记得选VSCode选项:GitHub网站:github: GitHub(用魔法更流畅推荐SetupVPN插件)git的三个概念:1.提交 commit提交步骤分:工作区--->暂缓区---->仓库2.仓库repository3.分支branch常用命

持续集成(CICD)- Jenkins+Git+gogs综合实战(笔记一)

文章目录一、学习目标二、什么是jenkins?三、jenkins环境部署四、第一次启动jenkins五、启动jenkins(非第一次启动)六、jenkin简单应用举例创建任务:编写构建脚本运行脚本-Buildnow查看运行结果目录续集----下面内容见:持续集成(CICD)-Jenkins+Git+gogs综合实战(笔记二)七、拉取代码方法一:直接填写命令进行拉取(不建议用这种)方法二:使用源码管理拉取代码步骤一:确认环境(检查自己是否有Git插件)步骤二:构建项目时对项目的源码管理选择Git步骤三:输入你仓库的SSH地址或者https地址,并且添加gitee的用户名和密方法一和方法二的区别八

PyTorch中Tensor(张量)数据结构内部观察

上图中是一个张量embeds,打开其内部存储空间,我们可以看到内部的构成。1. PyTorch中张量(Tensor)的介绍在PyTorch中,Tensor 具有许多属性和方法。以下是其中一些关键的属性和方法:属性:H:在标准的PyTorchAPI中并没有直接表示为 .H 的属性,但在数学或某些库(如NumPy)中,.H 通常代表共轭转置(ConjugateTranspose),也称为Hermitianconjugate。在处理复数张量时,如果需要进行共轭转置操作,在PyTorch中应先使用 .conj() 方法获取复共轭,然后用 .T 进行转置,即 tensor.conj().T。T:.T 属

[ai笔记13] 大模型架构对比盘点:Encoder-Only、Decoder-Only、Encoder-Decoder

欢迎来到文思源想的ai空间,这是技术老兵重学ai以及成长思考的第13篇分享!最近看完《这就是chatgpt》对于大语言模型的三种架构演进图印象颇深,今日就专题盘点一下三种大模型架构理论,同时做一个简单对比。1Encoder-Only架构Encoder-Only架构,也被称为单向架构,仅包含编码器部分。它主要适用于不需要生成序列的任务,只需要对输入进行编码和处理的单向任务场景,如文本分类、情感分析等。这种架构的代表是BERT相关的模型,例如BERT、RoBERT和ALBERT等。Encoder-Only架构的核心思想是利用神经网络对输入文本进行编码,提取其特征和语义信息,并将编码结果传递给后续的

虚幻4 | 制作游戏——学习记录(一)

1.启动Epic后下载虚幻4,打开虚幻4后新建一个第三人称游戏项目,效果如下:(1)内容/ThirdPersonBP/Blueprints中的ThirdPersonCharacter(左下角人物)这是模板中使用的主要蓝图类,它基于角色类。角色类的一个特征是它包含一个移动组件,这意味着为了让角色移动和跳跃,只需要几个简单的蓝图节点。(2)内容/ThirdPersonBP/Blueprints中的ThirdPersonGameMode(人物旁边)这是游戏模式蓝图类,这里它只是用来确定哪个类被用作默认的Pawn类。(https://docs.unrealengine.com/5.3/zh-CN/pa

【笔记】Elasticsearch snapshot(快照)数据迁移

0.简介    项目中需要进行Elasticsearch(以下简称ES)新旧集群切换,涉及到集群数据迁移。本篇笔记录了利用Elasticsearchsnapshot特性进行数据迁移的关键步骤。1.迁移前检查    在开始进行迁移前,做以下两点检查。      1)检查是否开启path.repo选项        使用ESsnapshot特性的前提是开启了path.repo选项,如图1。该选项指定了snapshot存储的位置。        本次数据迁移使用的是fs类型的snapshot,ES还提供许多其他类型的快照方式,具体内容可参考官方文档。Snapshotandrestore|Elasti

C++与人工智能:深度学习与C++实践

1.背景介绍C++与人工智能:深度学习与C++实践1.背景介绍随着计算机技术的不断发展,人工智能(AI)已经成为了现代科技的重要领域之一。深度学习(DeepLearning)是人工智能的一个重要分支,它通过模拟人类大脑中的神经网络来学习和解决复杂问题。C++是一种高性能、高效的编程语言,在计算机视觉、自然语言处理、机器学习等领域具有广泛的应用。本文将从C++与深度学习的关联、核心算法原理、最佳实践、应用场景、工具和资源推荐以及未来发展趋势等多个方面进行深入探讨。2.核心概念与联系C++与深度学习之间的联系主要体现在C++作为深度学习框架和库的开发语言,以及C++在深度学习算法的优化和加速方面的

读算法的陷阱:超级平台、算法垄断与场景欺骗笔记11_竞合关系

1. 市场竞争关系1.1. 横向竞争关系1.1.1. 企业处在同一生产或物流环节,它们之间会为了市场份额而竞争1.1.2. 如可口可乐与百事可乐1.1.3. 反垄断执法机构对于横向并购的重视程度要远高于其他商业行为1.2. 纵向竞争关系1.2.1. 发生在上下游企业之间,双方并不会就市场份额展开直接对垒,彼此之间的交易活动往往存在互补性1.2.2. 如可口可乐公司与合作经销商以及沃尔玛这样的零售商1.3. 连锁式竞争关系1.3.1. interlocking1.3.2. 企业往往也是中心辐射式共谋的成员,或是可能其中有高层人士同时在两家竞争对手企业担任要职1.3.3. 如谷歌公司的前任CEO埃

Java反序列化学习

前言早知前路多艰辛,仙尊悔而我不悔。Java反序列化,免费一位,开始品鉴,学了这么久web,还没深入研究Java安全,人生一大罪过。诸君,请看。序列化与反序列化简单demo:importjava.io.FileInputStream;importjava.io.FileOutputStream;importjava.io.ObjectInputStream;importjava.io.ObjectOutputStream;importjava.io.Serializable;publicclassserializeimplementsSerializable{privateStringname

读算法的陷阱:超级平台、算法垄断与场景欺骗笔记12_移动平台(上)

1. 广告1.1. 广告收入的来源1.1.1. 向客户推荐广告投放网址1.1.2. 提供有效提高产品广告点击率的咨询服务1.1.3. 从合作伙伴的广告收入中捞上一笔1.2. 对于广告主来讲,他们无意于与各家网站逐一谈判1.2.1. 这种方式一是成本过高,二是费时费力,得不偿失1.3. 对广告商和商家而言,他们倒是颇为反感苹果的iAd广告平台1.3.1. 并非iAd广告平台的推广效果不佳或是在技术上逊于谷歌的同类平台1.3.2. 引发广告商不满的是,苹果iAd约束了他们的数据追踪活动,令他们无法在像谷歌的线上平台、Adobe数字营销服务以及其他移动广告网络上大展拳脚,充分地获取用户地理位置等信息