赏月斋

摘要： linux窗口管理工具-screen简明教程 前言 screen 是一个用于命令行终端切换的自由软件。用户可以通过该软件同时连接多个本地或远程的命令行会话，并在其间自由切换。其操作非常简洁易懂，这里简要记录一下基本的使用方法。 背景介绍 GNU Screen是一款由GNU计划开发的用于命令行终端切换 阅读全文

摘要： Electron简介 Electron是干什么的？ 简单来讲，Electron 使用 JavaScript，HTML 和 CSS，来构建跨平台的桌面应用程序。 按照官方的说法：如果你可以建一个网站，你就可以建一个桌面应用程序。 和传统的桌面应用相比，使用Electron开发更容易上手，开发效率更高。 阅读全文

摘要： 正则化：批量归一化和dropout 批量归一化和dropout作为正则化器来克服深度学习模型中的过度拟合问题。 来源 您遇到过导致过拟合的大型数据集吗？ 过度拟合的原因之一是网络中的权重很大。具有较大网络权重的网络可能是网络不稳定的标志，其中输入的微小变化可能导致输出发生较大变化。这个问题的解决方案 阅读全文

摘要： 根据PyTorch文档¹，`t.contiguous()`返回一个包含与`t`张量相同数据的连续张量。如果`t`张量已经是连续的，这个函数返回`t`张量本身。 一个张量是连续的，如果张量中的相邻元素在内存中实际上是相邻的³。有些对张量的操作，例如`transpose()`，`permute()`，` 阅读全文

摘要： 一、简介 NVIDIA Collective Communications Library (NCCL) 是一个多 GPU 和多节点通信原语库，具有拓扑感知能力，可以轻松集成到应用程序中。 集体通信算法采用许多协同工作的处理器来聚合数据。 NCCL 不是成熟的并行编程框架； 相反，它是一个专注于加速 阅读全文

摘要： Pytorch DDP分布式训练介绍 近期一直在用torch的分布式训练，本文调研了目前Pytorch的分布式并行训练常使用DDP模式(Distributed DataParallell )，从基本概念，初始化启动，以及第三方的分布式训练框架展开介绍。最后以一个Bert情感分类给出完整的代码例子：t 阅读全文

摘要： 一、rendezvous 简介： PyTorch中的rendezvous后端是一种服务，它帮助分布式训练作业中的进程相互发现并协商角色和等级。它还提供了一个屏障和一个一致的作业成员和状态视图。 rendezvous后端是作为torch.distributed.elastic.rendezvous.R 阅读全文

摘要： You can use Replicate to run machine learning models in the cloud from your own code, without having to set up any servers. Our community has publishe 阅读全文

摘要： Intro目前在做边缘检测，关于评估方法里面的指标ODS-F/OIS-F理解一直比较模糊，网上搜索相关解析也不太明白，这段时间恰好看了一下文献，加深了一下理解，故写本文分享一下，错误之处还烦请批评指正。 PS.最好的方法是查看CVPR 2017文章Richer Convolutional Featu 阅读全文

摘要： The Intel Media Software Development Kit (Intel Media SDK) is a cross-platform application programming interface (API) for developing media applicatio 阅读全文

摘要： 零样本学习是一种机器学习的问题设置，其中模型可以对从未在训练过程中见过的类别的样本进行分类，使用一些形式的辅助信息来关联已见和未见的类别。例如，一个模型可以根据动物的文本描述来识别动物，即使它从未见过那些动物的图像。 实现零样本学习有不同的方法，取决于辅助信息的类型和学习方法。以下是一些例子： 一种 阅读全文

摘要： Well-posed problem ＆ Ill-posed problem. 适定问题（Well-posed problem）是指满足下列三个要求的问题: a solution exists：解必须存在；the solution is unique：解必须唯一；the solution’s beh 阅读全文

摘要： Mask concavity： 在语义分割问题中，mask凹度是指形状或物体的**凹陷程度**的术语。 它的计算方法是从mask凸包（convex hull）的**面积**中减去mask的**面积**并除以后者。 凸包是包含掩码的最小凸形。 ¹² mask凹度的范围可以从 0 到 1，其中 0 表示 阅读全文

摘要： AI的一致性问题 (图片来源：维基百科，Kismet robot。) 人工智慧（AI）系统可以应用到很多方面，帮人类解决很多问题。但不论AI的原始目的是什么，万一AI发展出自己的功能或意识，做出预料之外的事，这可能会造成很多严重的后果，例如在很多电影里面变坏的机器人，试图控制人类的电脑等等。所以如何 阅读全文

摘要： 对比学习是一种机器学习技术，算法学习区分相似和不相似的数据点。对比学习的目标是学习数据的表示，以捕捉不同数据点之间的基本结构和关系。 在对比学习中，算法被训练最大化相似数据点之间的相似度，并最小化不相似数据点之间的相似度。通常的做法是通过训练算法来预测两个数据点是否来自同一类别。 对比学习已经在各种 阅读全文

摘要： 音视频处理领域，经常遇到一些设备的名词术语。本文对IPC\DVS\DVR\NVR\XVR这些专业设备进行简单分析和区分。 IPC即IP-CAMERA，是集成视频服务器和摄像机的功能为一体的数字视频设备；IP-CAMERA网络摄像机一般有内置Web服务的数字摄像机和录音设备，直接与以太网（有线、无线） 阅读全文

摘要： 阅读全文

摘要： 软提示是一种通过将数字数据打包到上下文的开头来引导语言模型的输出的方法。 此过程创建了一种额外的训练层，指示您的模型以不同的方式表现。 例如，软提示可以修改 AI 的风格和行为，以匹配文学体裁、虚构世界或特定作者的风格³。 软提示由**基于梯度下降的优化算法**创建——通过对训练数据进行训练，很像训 阅读全文

摘要： 1998年，国家统计局将工业统计范围划分为规模以上和规模以下两部分。“规模以上工业企业”，1998-2006年，是指全部国有和年主营业务收入500万元及以上的非国有工业法人单位；2007-2010年，统计范围调整为年主营业务收入500万元及以上的工业法人单位；2011年开始至今，统计范围为年主营业务 阅读全文

摘要： [按]：针对迅猛发展并取得本质突破的人工智能，OpenDAI（Open Declaration of AI，开放协议“人工智能宣言”）号召国际上的相关共同体参考1215年的英国《大宪章》/1620年的北美《五月花号公约》/1776年的美国《独立宣言》等，发布开放的、可被不断更新迭代的人工智能宣言，以 阅读全文

摘要： （1） 广播电视级别： 标清=Standard Definition=SD。 NTSC制式标清：纵向480线=480i/p （640x480, 704x480, 720x480, 848x480等） PAL制式标清：纵向576线=576i/p （720x576, 768x576, 1024x576等 阅读全文

摘要： 2020 年 6 月 9 日，星期二 作者：Peter J. Liu 和 Yao Zhao，Google Research 软件工程师 学生的任务通常是阅读文档并生成摘要（例​​如读书报告），以展示阅读理解和写作能力。这种抽象文本摘要是自然语言处理中最具挑战性的任务之一，涉及理解长段落、信息压缩和语 阅读全文

摘要： 高度可扩展、可编程的计算机视觉和人工智能处理器 芯原Vivante的神经网络处理器 （NPU） IP是高度可扩展、可编程的计算机视觉和人工智能处理器，支持终端、边缘端及云端设备的人工智能运算升级。Vivante NPU IP可满足多种芯片尺寸和功耗预算，是具成本效益的优质神经网络加速引擎解决方案。 阅读全文

摘要： TensorRT是一个用于高性能深度学习推理的SDK，它可以将已经训练好的网络转换为TensorRT引擎，从而提高推理速度和效率。TensorRT的作用有以下几点¹²： TensorRT可以对网络进行压缩、优化以及运行时部署，并且没有框架的开销。 TensorRT通过合并层、选择最优的卷积核、根据指 阅读全文

摘要： The Ackermann function is a recursive function that takes two non-negative integers as inputs and returns a non-negative integer as output. The functi 阅读全文

摘要： 解释1： 在深度学习中，Fisher信息矩阵（FIM）是一种可以用来表征损失函数的变化，进行二阶优化，和构建几何学习理论的工具。FIM衡量了模型输出对模型参数变化的敏感度。然而，精确的FIM要么不存在闭式解，要么计算代价太高，所以通常根据经验样本来估计。 改善Fisher的条件数意味着降低FIM估计 阅读全文

摘要： 随着研究和行业转向能够执行大量下游任务的大规模模型，理解赋予模型细微差别的多模态数据集的复杂性迅速增加。对数据集的起源、发展、意图、伦理考虑和演变的清晰和透彻的理解成为负责任和知情部署模型的必要步骤，尤其是那些在面向人的环境和高风险领域中的模型。然而，这种理解的负担往往落在文档的可理解性、简洁性和全 阅读全文

摘要： 2023 年 4 月 19 日，星期三 高级研究员 Lauren Wilcox 代表技术、人工智能、社会和文化团队发布 Google 将AI 视为一项基础和变革性技术，最近在生成 AI 技术方面取得了进展，例如LaMDA、PaLM、Imagen、Parti、MusicLM和类似的机器学习 (ML) 阅读全文

摘要： MIPS（Microprocessor without Interlocked Pipeline Stages, 没有互锁流水线级别的微处理器）是由MIPS Technologies开发的精简指令集计算机（RISC）指令集架构（ISA）。它通常用于嵌入式系统、网络设备和其他需要高性能和效率的应用程序 阅读全文

摘要： # 导入必要的库 import torch import torch.nn as nn import torch.optim as optim from torch.utils.data import DataLoader, Dataset # 定义超参数 epochs = 10 # 训练轮数 lr 阅读全文

摘要： The Waluigi Effect (mega-post) - LessWrong Waluigi Effect（瓦路易吉效应）是一个伴随ChatGPT出现的新概念。Waluigi是Mario游戏中的反派角色，是Luigi的头号对手。Waluigi Effect则指训练AI做某件事情会增加其做完全 阅读全文

摘要： QEMU和KVM是两个不同的虚拟化技术，但它们经常一起使用。 QEMU是一个开源的虚拟化工具，可以模拟多种不同的硬件平台，并在这些平台上运行虚拟机。它可以在多个操作系统上运行，包括Linux、Windows和MacOS等。QEMU提供了完整的虚拟化功能，包括CPU、内存、磁盘、网络和输入输出等。 K 阅读全文

摘要： 空间局部性和频域局部性是在信号处理和图像处理中经常使用的两个概念。 空间局部性指的是在一个图像的某个位置附近的像素值对该位置像素值的影响很大，而离该位置远的像素值对该位置像素值的影响很小。这种局部性在很多图像处理算法中都被广泛应用，例如图像平滑、边缘检测等。在计算机体系结构中，空间局部性也是一个重要 阅读全文

摘要： Copy-on-write（写时复制）是一种资源管理技术，用于实现可修改资源的“复制”或“拷贝”操作。当父进程创建子进程时，这两个进程最初将共享内存中的相同页面，并将这些共享页面标记为写时复制。这意味着如果任何一个进程尝试修改共享页面，则只会创建这些页面的副本，并且该进程将在副本上进行修改，而不会影 阅读全文

摘要： 在强化学习中，行为策略和目标策略的区别在于，行为策略是智能体在环境中实际采取的策略，而目标策略是智能体希望学习的最优策略。¹ 行为策略和目标策略的差异会影响到强化学习算法的选择和性能。¹ 行为策略和目标策略都是强化学习中的重要概念。 (1) 强化学习中，确定性策略和随机策略的区别，以及各自经典的算法 阅读全文

摘要： A2C算法是一种强化学习算法，全称为Advantage Actor-Critic算法。它结合了演员评论算法和优势函数，用于学习策略以最大化预期奖励。在A2C算法中，有两个神经网络：一个用于演员，一个用于评论家。演员网络基于当前状态选择动作，评论家网络评估当前状态的价值。优势函数用于估计某个动作相对于 阅读全文

摘要： 首先fork和spawn都是构建子进程的不同方式，区别在于： fork：除了必要的启动资源外，其他变量，包，数据等都继承自父进程，并且是copy-on-write的，也就是共享了父进程的一些内存页，因此启动较快，但是由于大部分都用的父进程数据，所以是不安全的进程 spawn：从头构建一个子进程，父进 阅读全文

摘要： 1、概述 经过了详细的信息格式、网络IO模型的讲解，并且通过JAVA RMI的讲解进行了预热。从这篇文章开始我们将进入这个系列博文的另一个重点知识体系的讲解：RPC。在后续的几篇文章中，我们首先讲解RPC的基本概念，一个具体的RPC实现会有哪些基本要素构成，然后我们详细介绍一款典型的RPC框架：Ap 阅读全文

摘要： 进程：process 线程：thread Python多进程和多线程哪个快由于GIL的存在，很多人认为Python多进程编程更快，针对多核CPU，理论上来说也是采用多进程更能有效利用资源。但这不是说明多线程就没意义了，还是得根据实际场景来看。 对CPU密集型代码（比如循环计算），多进程效率更高。对I 阅读全文

摘要： http://louiszhai.github.io/2017/09/30/tmux/#%E6%96%B0%E5%BB%BA%E4%BC%9A%E8%AF%9D 目录 导读 简介 安装 基本概念 会话 新建会话 断开当前会话 进入之前的会话 关闭会话 查看所有的会话 Tmux快捷指令 灵活的配置性 阅读全文