使用质量主要从用户的角度进行考虑，根据使用软件的结果而不是软件自身的属性来进行测量，即用户使用产品或系统满足其需求的程度。
原创
2022-10-24 10:38:20
1363阅读
点赞
SQLAchemy模型使用 简介： SQLAlchemy是Python编程语言下的一款ORM框架，该框架建立在数据库API之上，使用关系对象映
原创
2024-09-26 09:59:23
49阅读
之前写过一篇django的模型关系，今天腾出时间把上篇的兄弟篇补上，来学习下django orm, 利用django的模型可以很方便的对数据库进行操作，之前开发人员是必须要具备一定sql基础的，但如果有些开发人员就是不想了解sql呢，在之前，不懂那是万万不行的，但自从有了orm，开发人员就可以在不懂sql的情况下也能完成对数据库的增删改查操作，今天我们就来看看如何实现这些基本的需求，开始前我们先定
原创
2021-03-08 21:52:29
816阅读
AI模型使用： https://huggingface.co/ 超全面的国内国外AI工具导航网站 https://ai-
原创
2024-04-29 10:44:07
18阅读
目录 1、逻辑回归2、算法推导3、逻辑参数估计3.1、使用极大似然法进行参数估计3.2、逻辑回归的损失函数4、逻辑回归的梯度下降5、多分类逻辑回归6、逻辑回归的欠、过拟合6.1、解决过拟合和欠拟合问题6.2、LR 正则化6.2.1、L1正则化6.2.2、 L2 正则化6.3 、L1正则化和L2正则化的区别7、LR与最大熵模型的关系8、逻辑回归的优缺点9、逻辑回归面对线性不可分数
# Python使用模型的流程
在Python中使用模型，可以帮助我们实现各种各样的功能，如机器学习、数据分析等。下面是一份流程图，展示了使用Python模型的整个过程。
```mermaid
flowchart TD
A(确定使用的模型) --> B(导入所需的库)
B --> C(加载数据)
C --> D(数据预处理)
D --> E(训练模型)
原创
2023-09-10 14:30:39
274阅读
# PyTorch使用模型
在机器学习和深度学习领域，PyTorch是一个非常受欢迎的框架，它提供了许多便捷的工具和函数来构建、训练和应用神经网络模型。本文将介绍如何使用PyTorch来构建和使用模型，并提供一些代码示例来帮助读者更好地理解。
## PyTorch简介
PyTorch是一个开源的深度学习框架，由Facebook的人工智能研究团队开发和维护。它基于Python，并提供了高度便捷
原创
2023-09-16 13:15:59
55阅读
练习大型深度学习模型需要极大的内存，才能贮存中间层的激活函数输出和权重等。一些模型只能在单个GPU上练习，练习时须将批巨细（batch size）设置得极小；还有一些模型则太大，单个GPU放不下。这些问题会导致在某些状况下模型练习效率极低，甚至无法练习。练习大型深度学习模型首要有两大办法：数据并行、模型并行。当单个GPU的内存可以完整容纳整个模型时，这是可完成数据并行的最简单的状况。但此时，模型练
转载
2024-04-11 22:49:29
56阅读
之前写过一篇django的模型关系，今天腾出时间把上篇的兄弟篇补上，来学习下django orm, 利用django的模型可以很方便的对数据库进行操作，之前开发人员是必须要具备一定sql基础的，但如果有些开发人员就是不想了解sql呢，在之前，不懂那是万万不行的，但自从有了orm，开发人员就可以在不懂sql的情况下也能完成对数据库的增删改查操作，今天我们就来看看如何实现这些基本的需求，开始前我们先定
原创
2021-04-05 11:50:15
140阅读
补充上述链接中xgboost的优点：一、XGBoost的优良特性同样是梯度提升，同样是集成学习，那么XGBoost比GBDT要好在哪里呢？结合前面的推导过程与相关博客文章（见文末参考资料），可大致总结为以下几点：1、GBDT是以CART为基分类器，但XGBoost在此基础上还支持线性分类器，此时XGBoost相当于带L_1和L_2正则化项的Logistics回归（分类问题）或者线性回归（回归问题）
opencv中已经提供了svm算法可以对图像实现多分类，使用svm算法对图像分类的任务多用于场景简单且对时间有要求的场景，因为opencv的svm训练一般只需要很短时间就可以完成训练任务。但是目前网上没有一个工具很好解决训练问题，大部分需要自己编程去实现训练任务，这个对于刚接触opencv方向的小白都很不友好，有的甚至不会写代码或者参考别人写的代码怎么也无法正常运行，即使运行起来训练的模型不对，即
转载
2024-09-25 13:00:51
431阅读
文章目录Encoder-decoder结构Transformer结构Transformer的子结构自注意力机制(Self attention)Mask多头注意力(multi-head attention)位置编码(Positional Encoding)Feed ForwardTransformer详析Transformer整体结构其他问题transformer训练与测试过程的不同mask的原理
转载
2024-02-28 19:41:24
554阅读
padding：就是内边距的意思，它是边框到内容之间的距离另外padding的区域是有背景颜色的。并且背景颜色和内容区域的颜色一样。也就是说background-color这个属性将填充所有的border以内的区域 <!DOCTYPE html>
<html lang="en">
<head>
<meta char
目录step1 制作数据集step2 训练模型step3 测试step4 可视化训练日志 Darknet深度学习框架是由Joseph Redmon提出的一个用C和CUDA编写的开源神经网络框架，具体的环境搭建可以参考之前写的一篇文章： 基本环境搭建成功后，就可以使用自己制作的数据集训练自己的yolo模型了。文中出现的使用的已标注好的数据集来自：step1 制作数据集1、 （1）按照 中制作数据集
转载
2024-06-04 17:05:34
90阅读
Android中的事件模型以前写 android ，对事件的处理没有太深入，只是简单的 onTouchEvent 就 ok 了，现在写的 UI ，很多自定义组件，父 view 和子view 都需要接收事件，然后处理。如果不弄明白它的事件传递机制，很难拥有好的用户体验。Touchevent 中，返回值是 true ，则说明消耗掉了这个事件，返回值是 false ，则没有消耗掉，会继续传递下去，这个是
转载
2024-06-23 06:17:41
18阅读
POT工具是什么POT工具，全称：Post-training Optimization Tool，即训练后优化工具，主要功能是将YOLOv5 OpenVINO™ FP32 模型进行 INT8 量化，实现模型文件压缩，从而进一步提高模型推理性能。不同于 Quantization-aware Training 方法，POT使用起来更加简单，在改善 CPU 和硬件加速器延迟的同时缩减模型大小，且几乎不会
转载
2024-04-09 14:22:01
177阅读
LightGBM（Light Gradient Boosting Machine）是一个实现GBDT算法的框架，支持高效率的并行训练，并且具有更快的训练速度、更低的内存消耗、更好的准确率、支持分布式可以快速处理海量数据等优点。背景常用的机器学习算法，例如神经网络等算法，都可以以mini-batch的方式训练，训练数据的大小不会受到内存限制。而GBDT在每一次迭代的时候，都需要遍历整个训练数据多次。
转载
2024-08-10 10:57:38
877阅读
图解BERT图解BERT
BERT句子分类模型结构模型输入模型输出预训练任务：Masked Language Model预训练任务：相邻句子判断BERT的应用BERT特征提取在学习完2.2章节的Transformer之后，我们来学习一下将Transformer模型结构发扬光大的一个经典模型：BERT。站在2021年来看，2018年是自然语言处理技术的一个转折点，运用深度学习技术处理文本的能力
转载
2024-08-01 15:38:42
40阅读
java设计模型原则设计模式原则，其实就是程序员在编程时，应当遵守的原则，也是各种设计模式的基础(即：设计模式为什么这样设计的依据)。 设计模式常用的七大原则有:单一职责原则接口隔离原则依赖倒转(倒置)原则里氏替换原则开闭原则迪米特法则合成复用原则单一职责原则在java开发过程中，我们经常看到最顶层的类一般都是接口，接口按照职责进行分类，每个接口只负责一个职责，而具体的实现都在下层的实现类中。遵循
转载
2023-09-20 09:10:28
29阅读
生成一个 PT（Perceptual Tokenizer）模型的步骤如下：准备数据集：首先，你需要准备一个用于训练 PT 模型的数据集。这可以是一个包含大量文本数据的语料库。数据预处理：对数据进行预处理以准备训练。这可能包括文本清洗、分词、去除停用词等操作。构建词汇表：根据预处理后的数据，构建一个词汇表。词汇表应该包含所有在训练数据中出现的单词，并为每个单词分配一个唯一的标识符。构建输入输出对：将
转载
2024-06-18 20:25:16
78阅读
