分布式训练

python训练模型损失值6000多_机器学习中的 7 大损失函数实战总结（附Python演练）...

介绍想象一下-你已经在给定的数据集上训练了机器学习模型，并准备好将它交付给客户。但是，你如何确定该模型能够提供最佳结果?是否有指标或技术可以帮助你快速评估数据集上的模型?
weixin_39700394·2025-01-17 21:45

Java 内存锁的实现方式、性能比较及使用场景分析

为了更好地解决分布式系统中的并发问题，我们可以将这些锁实现方式封装成一个基础的服务，并根据需要在不同的场景下使用它们。本文将讨论Java内存锁的实现方式、性能比较及其适用场景，同时介绍如
nbsaas-boot·2025-01-17 21:13

深入解析昇腾AI CPU算子开发：基于AI CPU引擎的自定义算子实现与优化

深入解析昇腾AICPU算子开发：基于AICPU引擎的自定义算子实现与优化随着深度学习模型复杂性的不断提升，AI处理器需要更强大的算力和更高效的计算架构来支撑模型的训练和推理。
快撑死的鱼·2025-01-17 21:09

【AI系统】混合并行

混合并行混合并行（HybridParallel）是一种用于分布式计算的高级策略，它结合了数据并行和模型并行的优势，以更高效地利用计算资源，解决深度学习中的大模型训练问题。
ZOMI酱·2025-01-17 20:05

【ER-NeRF数字人】手把手教用ER-NeRF实现实时交互数字人

1.克隆项目、安装依赖环境2.下载面部解析模型3.准备3DMM所需文件4.下载3DMM模型5.将要训练人物模型（视频文件）放在data目录下。以data//.mp4明明。
刘承卓·2025-01-17 20:05

【机器学习实战入门项目】基于机器学习的鸢尾花分类项目

机器学习算法基于样本数据（即训练数据）构建模型，并根据训
精通代码大仙·2025-01-17 20:05

BladeDISC++：Dynamic Shape AI 编译器下的显存优化技术

本文将介绍阿里云PAI团队近期发布的BladeDISC++项目，探讨在动态场景下如何优化深度学习训练任务的显存峰值，主要内容包括以下三个部分：DynamicShape场景下显存优化的背景与挑战BladeDISC
·2025-01-17 20:51

web3.0元宇宙区块链概念原理详细

区块链是一种分布式数据库技术，其核心特性是去中心化、不可篡改和全透明。在Web3.0的架构下，区块链不仅仅承载着交易信息，更支撑着身份认证、数据存储和智能合约等多方面的应用。
飞机号Mrsfu223·2025-01-17 20:33

Kubernetes 监控实践：基于 Prometheus-Operator 的完整解决方案

Kubernetes（K8s）的动态性和分布式特性为应用部署带来了极大的便利，同时也使监控变得复杂而繁琐。
·2025-01-17 20:14

去中心化社会的崛起：探索区块链对社会结构的影响

1.区块链技术的基本原理回顾1.1分布式账本与加密哈希区块链是由一系列区块组成的分布式账本，每个区块包含了一定时间范围内的交易数据，并通过加密哈希函数与前一个区块链接起来，确保数据的安全性和完整性。
Roun3·2025-01-17 20:00

第79期 | GPTSecurity周报

GPTSecurity是一个涵盖了前沿学术研究和实践经验分享的社区，集成了生成预训练Transformer（GPT）、人工智能生成内容（AIGC）以及大语言模型（LLM）等安全领域应用的知识。
·2025-01-17 19:08

国产替代 | 星环科技Sophon替代SAS，助力大型国有银行智能化营销

分布式架构的｜国产智能分析工具在银行交易中，20%的头部优质客户会给银行贡献80%的利润，而赢得一个新客户的成本是保留一个老客户的5至6倍。
·2025-01-17 19:05

云计算技术深度解析与代码实践

它通过网络将软硬件资源整合成一个高效的分布式系统，实现了数据的可靠存储和高效处理。本文将深入探讨云计算的技术特点、应用场景，并通过具体的代码使用案例展示如何在云平台上实现一个基本的应用程序。
我的运维人生·2025-01-17 19:27

openGemini 社区人才培养计划：助力成长，培养新一代云原生数据库人才

二、社区介绍openGemini是一款开源的云原生分布式时序数据库，专注于海量可观测性数据的存储和分析，2022年10月开源，2024年7月正式成为CNCF沙箱项目。
·2025-01-17 19:00

鸿蒙NEXT应用开发训练营毕业总结

自从加入鸿蒙NEXT应用开发训练营以来，我体验了一段充实而富有挑战性的学习旅程。通过系统的理论学习和实践操作，我不仅对鸿蒙NEXT应用开发有了深入的理解，还掌握了其核心技能。
wjl6259·2025-01-17 19:24

【HarmonyOS之旅】HarmonyOS开发基础知识(二)

HAP与HAR的配置文件的合并1.5.1->配置文件合并规则1.5.2->mergeRule对象的使用1.5.3->bundleName占位符的使用2->应用数据管理2.1->本地应用数据管理2.2->分布式数据服
枫叶丹4·2025-01-17 19:54

【HarmonyOS之旅】HarmonyOS概述(二)

>内核层2.2->系统服务层2.3->框架层2.4->应用层3->系统安全3.1->正确的人3.2->正确的设备3.3->正确地使用数据1->系统定义HarmonyOS是一款面向万物互联时代的、全新的分布式操作系统
枫叶丹4·2025-01-17 19:24

解析蓝桥杯思维之真题训练：分巧克力

目录其他真题要点源代码其他真题其他真题儿童节那天有K位小朋友到小明家做客。小明拿出了珍藏的巧克力招待小朋友们。小明一共有N块巧克力，其中第i块是HixWi的方格组成的长方形。为了公平起见，小明需要从这N块巧克力中切出K块巧克力分给小朋友们。切出的巧克力需要满足：形状是正方形，边长是整数大小相同例如一块6x5的巧克力可以切出6块2x2的巧克力或者2块3x3的巧克力。当然小朋友们都希望得到的巧克力尽可
m明月Java3·2025-01-17 17:43

llama.cpp部署

llama.cpp介绍部署介绍大模型的研究分为训练和推理两个部分：训练的过程，实际上就是在寻找模型参数，使得模型的损失函数最小化；推理结果最优化的过程；训练完成之后，模型的参数就固定了，这时候就可以使用模型进行推理
法号：行颠·2025-01-17 17:12

鸿蒙征文｜与HarmonyOS NEXT的成长之旅

当时，华为展示了全场景分布式技术的无限可能性，这让我对这一创新平台产生了浓厚的兴趣。我希望通过学习
Milk夜雨·2025-01-17 16:06

HarmonyOS学习第七周（实践版）

因为有事，断更了一个月，一个月没怎么碰，已经有点忘记了，这周做点简单案例进行一下“康复训练”。
超级困~·2025-01-17 16:05

代码随想录算法训练营Day2:977有序数组、209长度最小的子数组、59螺旋矩阵||

（1）977有序数组文章链接：代码随想录(programmercarl.com)思考：题目中提到了该数组为有序数组，那么在进行平方后，最大值一定是在数组的最左边或者最左边，所以用双指针进行比较。Java代码：classSolution{publicint[]sortedSquares(int[]nums){int[]result=newint[nums.length];intleft=0;intr
爱吃甜食的靓仔·2025-01-17 16:26

深度定制：Embedding与Reranker模型的微调艺术

微调是深度学习中的一种常见做法，它允许模型在预训练的基础上进一步学习特定任务的特定特征。对于Embedding模型，微调的目的是让模型更适配特定的数据集，从而取得更好的召回效果。
从零开始学习人工智能·2025-01-17 15:22

加速 AI 训推：Lepton AI 如何构建多租户、低延迟云存储平台

该平台适用于各种训练、推理需求，GPU充足，在保证高性能的同时，能够灵活应对不断变化的工作负载。用户可以快速在Lepton平台上部署推理服务和执行训练任务，无需关注基础设施和稳定性问题。
·2025-01-17 15:51

字节的面试，感觉还挺简单的~

今天分享的是训练营的朋友在字节跳动的面试，新鲜出炉的还热乎着呢。题目都挺简单的，但是他的面试体验不太好，因为面试官问了两个类似的问题，感觉有点不认真。
·2025-01-17 15:50

【深度强化学习】DQN：深度Q网络算法——从理论讲解到源码解析

【深度强化学习】DQN：深度Q网络算法——从理论讲解到源码解析介绍常用技巧算法步骤DQN源码实现网络结构训练策略DQN算法进阶双深度Q网络（DoubleDQN）竞争深度Q网络（DuelingDQN）优先级经验回放
视觉萌新、·2025-01-17 15:17

系统农场商城区块链：农业与商业的技术革新

技术原理与架构系统农场商城区块链基于分布式账本技术，通过多个节点共同维护一个不可篡改的账本。每个节点都保存着完整的交易记录和数据信息，当有新的交易发生时，需要经过多个节点的验证和共识机制的确
·2025-01-17 15:46

LLaMA-Factory全面指南：从训练到部署

项目背景与概述LLaMA-Factory项目目标LLaMA-Factory项目是一个专注于大模型训练、微调、推理和部署的开源平台。
我就是全世界·2025-01-17 15:46

RocketMQ由哪些角色组成，每个角色作用和特点是什么？思维导图 代码示例（java 架构)

RocketMQ是一个分布式消息中间件，专为高吞吐量和低延迟设计，广泛应用于需要高效、可靠消息传递的场景。它由多个角色组成，每个角色在系统中扮演着特定的角色以确保消息的可靠传递和服务的稳定性。
用心去追梦·2025-01-17 15:16

分布式系统架构5：限流设计模式

分布式系统架构5：限流设计模式这是小卷对分布式系统架构学习的第5篇文章，今天来学习限流器和限流设计模式1.为什么要限流？
·2025-01-17 14:40

分布式系统架构4：容错设计模式

这是小卷对分布式系统架构学习的第4篇文章，虽然知道大家都不喜欢看纯技术文章，写了也没多少阅读量，但是为了个人要成长，小卷最近每天都会更新分布式的文章1.概念容错策略，指的是“面对故障，我们该做些什么”；
·2025-01-17 14:39

分布式系统架构3：服务容错

这是小卷对分布式系统架构学习的第3篇文章，虽然知道大家都不喜欢看纯技术文章，写了也没多少阅读量，但是个人要成长的话，还是需要往深一点的技术上去探索的1.为什么需要容错分布式系统的本质是不可靠的，一个大的服务集群中
·2025-01-17 14:38

代码随想录算法训练营Day6 | 454.四数相加II，383. 赎金信，15. 三数之和，18. 四数之和，总结

详细布置454.四数相加II✅建议：本题是使用map巧妙解决的问题，好好体会一下哈希法如何提高程序执行效率，降低时间复杂度，当然使用哈希法会提高空间复杂度，但一般来说我们都是舍空间换时间，工业开发也是这样。题目链接/文章讲解/视频讲解：代码随想录#454classSolution(object):deffourSumCount(self,nums1,nums2,nums3,nums4):""":t
Yummy Penguin·2025-01-17 14:13

【机器学习】主动学习-增加标签的操作方法-样本池采样（Pool-Based Sampling）

使用初始标注数据训练一个模型
IT古董·2025-01-17 14:09

代码随想录算法训练营DAY56｜图论理论基础、98. 所有可达路径、深搜广搜基础

图论理论基础强连通图是在有向图中任何两个节点是可以相互到达在无向图中的极大连通子图称之为该图的一个连通分量。98.所有可达路径defdfs(graph,a,n,path,result):ifa==n-1:result.append(('').join(path[:]))forjinrange(N):ifgraph[a][j]:path.append(str(j+1))dfs(graph,j,n,p
阿緑·2025-01-17 14:38

为什么要训练最懂您企业的AI助理？

随着人工智能技术的蓬勃发展，企业级AI助理已成为提升工作效率、优化客户服务体验的重要利器。这些智慧化的系统，通过模拟人类的认知功能，能够轻松应对复杂的数据分析、自动化繁琐的日常任务，甚至为企业决策提供有力支持。拥有一款懂您的企业AI助理，意味着您能够以更智能、更高效的方式推动企业前行。一、构建高度整合与个人化体验为了让AI机器人真正懂您的企业，我们首先要实现高度整合。通过连接企业资料库、应用程序、
·2025-01-17 14:31

【机器学习：二十、拆分原始训练集】

1.如何改进模型模型的改进需求在机器学习任务中，模型性能的提升通常受限于训练数据、模型架构、优化方法及超参数设置等。模型改进的目标是在测试数据上表现更优，避免过拟合或欠拟合。
KeyPan·2025-01-17 13:35

【机器学习】---神经架构搜索（NAS）

模型的性能不仅依赖于数据和训练方
Undoom·2025-01-17 13:03

微服务-高级篇

微服务-高级篇一.微服务保护1.初识Sentinel2.微服务整合Sentinel3.限流4.隔离和降级5.授权规则6.规则管理模式二、分布式事务1.什么是分布式事务？
爪哇哇哇哇·2025-01-17 13:03

记录yolo v8模型训练后使用.pt模型推理正常 改用转换后的.onnx模型推理出现WARNING ⚠️ Unable to automatically guess model task, assu

task=detect','segment','classify',or'pose'.解决办法：将训练出的模型名字best.pt修改为best-
YANGXUSHI520·2025-01-17 13:32

机器学习模型调优指南

通过合理调整模型的超参数，能够提高模型的准确性、降低过拟合或欠拟合的风险、加快训练过程等。
闵少搞AI·2025-01-17 13:00

Java 大视界 -- Java 开发 Spark 应用：RDD 操作与数据转换

ApacheSpark是一个强大的分布式计算框架，提供了高效的数据处理能力，广泛应用于大数据分析与机器学习。Spark提供了多种高级API，支持批处理和流处理。
一只蜗牛儿·2025-01-17 12:26

【C#深度学习之路】如何使用C#实现Yolov8模型的训练和推理

【C#深度学习之路】如何使用C#实现Yolov8模型的训练和推理项目背景算法实现模型结构项目展望写在最后项目下载链接本文为原创文章，若需要转载，请注明出处。
来瓶霸王防脱发·2025-01-17 12:54

【C#深度学习之路】如何使用C#实现Yolov11模型的训练和推理

【C#深度学习之路】如何使用C#实现Yolov11模型的训练和推理项目背景算法实现模型结构项目展望写在最后项目下载链接本文为原创文章，若需要转载，请注明出处。
来瓶霸王防脱发·2025-01-17 12:54

神经网络基础-价格分类案例

文章目录1.需求分析2.导入所需工具包3.构建数据集4.构建分类网络模型5.训练模型6.模型训练7.评估模型8.模型优化学习目标：掌握构建分类模型流程动手实践整个过程1.需求分析小明创办了一家手机公司，
dwjf321·2025-01-17 10:36

详细描述一下Elasticsearch索引文档的过程？

1000道互联网大厂Java工程师精选面试题-Java资源分享网Elasticsearch是一个开源的分布式搜索和分析引擎，广泛用于处理大规模数据。
java1234_小锋·2025-01-17 10:06

RocketMQ原理解析

RocketMQ是阿里巴巴开源的一款分布式消息队列系统，也是一款高性能、高可用性、高可靠的消息中间件。
Luxangn·2025-01-17 10:04

浅谈云计算02 | 云计算模式的演进

云计算计算模式的演进一、云计算计算模式的起源追溯1.2个人计算机与桌面计算二、云计算计算模式的发展阶段2.1效用计算的出现2.2客户机/服务器模式2.3集群计算2.4服务计算2.5分布式计算2.6网格计算三
时光札记z·2025-01-17 09:56

Mysql，Redis数据一致性问题

引发数据不一致的原因在分布式系统中，数据不一致性通常是由于操作时序问题、系统故障、网络延迟或设计缺陷引起的。MySQL和Redis是两个独立的系统，在同时使用它们时，可能会出现数据不一致的情况。
MoLick_zxy·2025-01-17 09:55

first parameter of redis.call/redis.pcall must be a single literal string

使用redission分布式锁的时候报错ERRbadluascriptforrediscluster,firstparameterofredis.call/redis.pcallmustbeasingleliteralstringorg.redisson.client.RedisException
杨过姑父·2025-01-17 09:55
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他