摘要：
高维空间最近邻逼近搜索算法评测 阅读全文
posted @ 2025-05-10 20:49
lvmxh
阅读(5)
评论(0)
推荐(0)
摘要：
Flink任务调度和执行流程-史上最通俗易懂的Flink源代码深入分析教程 Flink 通用运行流程图 & 运行架构图 Flink官方文档 阅读全文
posted @ 2025-05-08 11:52
lvmxh
阅读(5)
评论(0)
推荐(0)
摘要：
https://www.min2k.com/tools/mermaid/ graph LR classDef api fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px classDef recall fill:#FFF6CC,stroke:#FFBC52,st 阅读全文
posted @ 2025-05-08 11:46
lvmxh
阅读(14)
评论(0)
推荐(0)
摘要：
Spark/Flink的Dataflow与Tensorflow的Dataflow从本质上有什么区别？ Flink 结合 TensorFlow 如何进行模型训练和预测 如何基于Flink+TensorFlow打造实时智能异常检测平台 开源大数据平台 E-MapReduce tensorflow之图计算 阅读全文
posted @ 2025-05-08 11:38
lvmxh
阅读(9)
评论(0)
推荐(0)
摘要：
Spark运行架构 architecture.png hadoop-operator yarn-opterator architecture.png https://github.com/tkestack/yarn-opterator/blob/master/docs/images/architec 阅读全文
posted @ 2025-05-07 10:40
lvmxh
阅读(9)
评论(0)
推荐(0)
摘要：
BERT 模型在自然语言处理领域表现出色，但由于其参数量大、计算复杂度高，推理和训练速度较慢。为提升其性能，可采取以下极致融合优化手段： 模型结构优化 模型剪枝 原理：去除模型中对输出结果影响较小的连接或神经元，精简模型结构。例如，在 BERT 中，某些注意力头可能对整体性能贡献不大，可通过剪枝将其 阅读全文
posted @ 2025-04-15 16:41
lvmxh
阅读(129)
评论(0)
推荐(0)
摘要：
介绍 BERT（Bidirectional Encoder Representations from Transformers）模型是一种预训练的深度学习模型，在自然语言处理领域应用广泛。推理则是指使用训练好的模型对新数据进行预测或处理的过程。以下为你详细介绍 BERT 模型推理的相关内容： 推理前 阅读全文
posted @ 2025-04-15 16:40
lvmxh
阅读(122)
评论(0)
推荐(0)
摘要：
为了帮你理解 AI 技术里的 Attention Sub - Graph: Fused Select，下面我会从 Attention 机制、子图、Fused Select 三个方面通俗介绍。 Attention 机制：信息聚焦的 “放大镜” 在 AI 里，Attention 机制可以理解成一个 “放 阅读全文
posted @ 2025-04-15 16:37
lvmxh
阅读(28)
评论(0)
推荐(0)
摘要：
什么是 Feature Column 在机器学习尤其是深度学习中，我们会处理各种各样的数据，像数字、类别、文本等。Feature Column（特征列）就像是一个 “数据翻译官”，它的作用是把原始数据转换为模型能够理解和处理的格式。比如，类别数据（像水果的种类：苹果、香蕉、橙子）不能直接喂给模型，F 阅读全文
posted @ 2025-04-15 16:35
lvmxh
阅读(17)
评论(0)
推荐(0)
摘要：
在 AI 领域，稀疏性是指数据中大部分元素为零的特性。利用稀疏性进行算子优化可以显著减少计算量和内存占用，提高模型的训练和推理效率。以下是一些常用的稀疏算子优化方法： 稀疏矩阵存储格式优化 CSR（Compressed Sparse Row）格式 原理：将稀疏矩阵按行压缩存储，记录非零元素的值、列索 阅读全文
posted @ 2025-04-15 16:35
lvmxh
阅读(370)
评论(0)
推荐(0)
浙公网安备 33010602011771号