bringlu

摘要： 为了更好的阅读体验，请点击这里 device_map 以下内容参考 Huggingface Accelerate文档：超大模型推理方法 在 HuggingFace 中有个重要的关键字是 device_map，它可以简单控制模型层部署在哪些硬件上。 设置参数 device_map="auto"，Acc 阅读全文

摘要： 为了更好的阅读体验，请单击[这里](https://www.cnblogs.com/bringlu/p/17429881.html) [AtCoder Beginner Contest 302 H. Ball Collector](https://atcoder.jp/contests/abc302 阅读全文

摘要： 为了更好的阅读体验，请点击这里 12.1 编译器和解释器 原书主要关注的是命令式编程（imperative programming）。Python 是一种解释性语言，因此没有编译器给代码优化，代码会跑得很慢。 12.1.1 符号式编程 考虑另一种选择符号式编程（symbolic programmin 阅读全文

摘要： 为了更好的阅读体验，请点击这里 由于本章内容比较少且以后很显然会经常回来翻，因此会写得比较详细。 5.1 层和块 事实证明，研究讨论“比单个层大”但“比整个模型小”的组件更有价值。例如，在计算机视觉中广泛流行的ResNet-152 架构就有数百层，这些层是由层组（groups of layers）的 阅读全文

摘要： 为了更好的阅读体验，请点击这里 4.1 多层感知机 4.1.1 隐藏层 由于仿射变换中的线性是一个很强的假设，因此导致了线性模型可能会不适用。线性意味着单调假设：任何特征的增大都会导致模型输出的增大或者模型输出的减小。 但是违反单调性的例子比比皆是。除此之外，分类任务中，仅依托像素强度分类也很不合理 阅读全文

摘要： 为了更好的阅读体验，请点击这里 本文大部分内容翻译自 Chapter 1 - Basics，原因是之前翻译的版本太老了，不得不亲自披挂上阵~~拿机器翻译一下~~。只截取了部分自己可能用得到的，所以如果有看不太懂的地方，去翻一下原网页吧。QWQ 附赠 libzmq 的 api 接口函数说明 一份。 一 阅读全文

摘要： 这章感觉没什么需要特别记住的东西，感觉忘了回来翻一翻代码就好。 3.1 线性回归 3.1.1 线性回归的基本元素 1. 线性模型 $\boldsymbol{x}^{(i)}$ 是一个列向量，表示第 $i$ 个样本。用符号标识的矩阵 $\boldsymbol{X} \in \mathbb{R}^{n\ 阅读全文

摘要： 5039. 摇钱树 题目链接：5039. 摇钱树 感觉在赛中的时候，完全没有考虑分数规划这种做法。同时也没有想到怎么拆这两个交和并的式子。有点难受…… 当出现分数使其尽量大或者小，并且如果修改其中直接相关的某个值会导致分子分母同时变化的时候，还是要多想想分数规划的做法。 下面引用一下题解 另外这两个 阅读全文

摘要： 2.4 微积分 2.4.3 梯度 梯度是一个多元函数所有变量偏导数的连接。具体而言：设函数 $f:\mathbb{R}^n \rightarrow \mathbb{R}$ 的输入是一个 $n$ 维向量 $\boldsymbol{x} = [x_1, x_2, \cdots, x_n]^T$，输出是一 阅读全文

摘要： 5042. 龟速飞行棋 题目链接：5042. 龟速飞行棋 赛中没过，赛后补题时由于题解有些抽象，自己写个题解。 可以发现每次转移的结果只跟后面两个点的胜负状态有关。 不妨设 $f_{u,a,b}$ 表示，$u+1$ 号点的胜负态为 $a$，$u+2$ 号点的胜负态为 $b$，此时从 $1$ 号点出发 阅读全文