最爱丁珰

该文被密码保护。 阅读全文

摘要： https://aistudio.google.com/prompts/1dMqBhsgc3z_bzWBiLfCbA9TdQOXVXC61 阅读全文

摘要： 这张图解释的是深度学习分布式训练中非常经典且高效的通信算法——Ring All-Reduce（环形全归约）。 简单来说，它的目的是解决多张GPU如何最快地把各自计算出的梯度（Gradients）加在一起的问题。 以下是通俗易懂的详细解释： 1. 为什么要这么做？（背景） 在多显卡训练时，每张卡都会算 阅读全文

摘要： 1. 它是什么？ 在图中，North Bridge 是位于CPU架构中心偏上方的那个蓝色方块区域。 2. 它有什么作用？ 北桥的主要作用是负责高速数据传输和协调CPU核心与其他关键高速组件之间的通信。根据图片中的连接箭头，它的具体功能包括： 内存控制器 (MC - Memory Controller 阅读全文

该文被密码保护。 阅读全文

摘要： 假设 \(x_1, x_2, \dots, x_n\) 是来自未知概率密度函数 \(f\) 的独立同分布样本。我们要根据这些样本估计 \(f\)。 当样本量\(n\)固定的时候，我们定义出一个\(h_n\)，同时从\(f\)中抽取\(n\)个样本，得到估计函数\(\hat{f}_{h_n}(x)\) 阅读全文

摘要： 目录一、 核心思想概述二、 数学原理推导1. 第一阶段：从距离到概率（SNE）2. 目标函数：KL 散度3. 第二阶段：对称 SNE (Symmetric SNE)4. 第三阶段：引入 t 分布（解决“拥挤问题”）三、 优化过程（梯度下降）四、 关键超参数：Perplexity (困惑度)五、 FA 阅读全文

摘要： 目录仓库地址LiteLLM & vLLM 服务管理系统1. 脚本概览2. 环境要求3. 配置文件说明3.1 vLLM 配置文件 (vllm_config.yaml)3.2 LiteLLM 配置文件 (litellm_config.yaml)4. 使用指南4.1 一键启动4.2 停止服务4.3 单独使 阅读全文

摘要： 设 $ X_1 \sim \text{Exp}(\lambda_i) $, $ X_2 \sim \text{Exp}(\mu_i) $ 则 \[P\{\text{下一事件发生时间} = t \mid X_1 < X_2 \} = \frac{P\{\text{下一事件发生时间} = t, X_1 阅读全文

摘要： 第三次作业 姓名：丁星迪 邮箱：231275044@smail.nju.edu.cn 一. (25 points) 支持向量机 教材6.4节介绍了软间隔SVM的概念，被用来解决线性不可分情况下的SVM问题，同时也用来缓解SVM训练的过拟合问题。定义松弛变量 \(\pmb{\xi} = \{\xi_i 阅读全文