并行化

Open3d 学习计划—13（Azure Kinect）

后端是高度优化的，并且是为并行化而设置的。本系列学习计划有Blue同学作为发起人，主要以Open3D官方网站的教程为主进行翻译与实践的学习计划(点击“原文阅读”可以直接关注
Being_young·2023-01-16 11:55

RF,GBDT,XGBoost,lightGBM对比分析

根据基本学习器的生成方式，目前的集成学习方法大致分为两大类：即基本学习器之间存在强依赖关系、必须串行生成的序列化方法，以及基本学习器间不存在强依赖关系、可同时生成的并行化方法；前者的代表就是Boosting
简单点1024·2023-01-15 13:37

深度学习20-强化学习中的黑盒优化

▪这些方法通常可以很好地并行化。例如，上述的随机搜索可以轻
clayhell·2023-01-15 08:11

【阶段三】Python机器学习25篇：机器学习项目实战：LigthGBM算法的核心思想、原理与LightGBM分类模型

与传统的机器学习算法相比，LightGBM算法具有这些优势：训练效率更高；低内存使用；准确率更高；支持并行化学习；可
胖哥真不错·2023-01-14 10:23

Open3D点云库（0.16.0）安装配置（Python版本）

Open3D前端在c++和Python中公开了一组精心挑选的数据结构和算法；后端则是经过高度优化，并设置为并行化。它只需要很少的工作就可以在不同的平台上进行布置，并从源代码编译。
大鱼BIGFISH·2023-01-13 15:51

java for循环 多线程_使用多线程并行化Java中的for循环

有两种方法可以使它并行运行：Streams和Executors.使用流您可以使用并行流,将其余部分留给jvm.在这种情况下,您无法控制何时发生的事情.另一方面,您的代码将易于阅读和维护：sellerDataList.stream().forEach(sellerNames->{Streamstream=StreamSupport.stream(sellerNames.spliterator(),t
chanlier·2023-01-12 18:32

XGBoost论文阅读

提出一种树学习方法，支持稀疏数据，并行化和分布式训练、支持更快
Bruce-XIAO·2023-01-11 14:46

网格搜索与贝叶斯优化

网格搜索相当于把每一个组合都作一个评估,然后找到其中最好的组合网格搜索的最大优点在于可以做并行化处理。所以只要有足够多的计算资源，都不成问题。
急着吃饭的李先生·2023-01-10 15:47

pytorch---基础篇（常用函数）

API2.创建操作3.索引、切片、连接、换位3.1张量索引3.2张量切片3.3张量拼接3.4张量分块3.5压缩与扩维3.6纬度扩充3.7纬度置换3.8纬度变形4.随机抽样5.序列化（模型的保存和加载）6.并行化
hei_hei_hei_·2023-01-09 17:22

机器学习(十一)——集成学习

根据个体学习器的生成方式，目前集成学习的方法大致分为两类，即个体学习器之间存在强依赖关系，必须串行生成的序列化方法；另一类就是个体学习器之间不存在强依赖关系、可同时生成的并行化方法。
hhhcbw·2023-01-09 16:31

HALCON reference_hdevelop翻译Chapter1 1D Measuring(二)

如果输入的参数没有问题，那么算子会返回值2执行信息多线程类型:重入（并行运行）多线程范围：全局（可以从任意线程调用）没有进行并行化处理
郑建广视觉·2023-01-07 13:20

[NLP]——The Annotated Transformer（模型篇）

EncoderDecoderAttentionFFNEmbeddingsPositionalEncoding(sinusoidalversion)完整模型实战参考背景有很多为了减少序列计算而引出的模型：NeuralGPU\ByteNet\ConvS2S,它们使用卷积神经网络来并行化的计算
Muasci·2023-01-06 20:54

使用pthread和线程池实现B+树的并行块加载bulkload过程

并行化实现实现底层叶子节点的并行构建。实现索引节点（非叶子节点）的并行构建。实验结果比较不同数据量的并行加速效果，将加速比绘制成折线
StuGeek·2023-01-06 10:37

机器学习算法之LightGBM

它有以下优势：更快的训练效率低内存使用更高的准确率支持并行化学习可处理大规模数据支持直接使用category特征从下图实验数据可以看出，LightGBM比XGBoost快将近10倍，内存占用率大约为XGBoost
The king always the king·2023-01-06 10:35

基于Spark的KMeans算法的并行化实现

聚类分析算法集中的KMeans以快速简单、对大数据集有较高的效率和可伸缩性、时间复杂度近于线性、适合挖掘大规模数据集等优点而被广泛应用，但该算法也有其特定的性能瓶颈。KMeans算法初始化过程中预先设定的K值很难估计，大多数全凭经验决定，具有主观性算法开始前随机选定的初始类簇中心也会在很大程度上影响聚类的结果传统的数据挖掘模型及其优化算法大多在单机上进行串行运算，当面对如此复杂多样的大规模数据集和
MasanoYu·2023-01-05 21:54

影响检测模型推理速度的因素

1.运行平台不同（不同配置、同配置不同电脑）2.不同深度学习框架3.不同的复现版本4.并行化程度，并行程度高的推理快5.内存访问率，访问率高的推理时间长（可以理解为多次读取内存）6.同步等待，模型分支较多
爱学习的大志·2023-01-05 01:46

01.浅谈深度学习中Batch_size的大小对模型训练的影响

在合理范围内增大Batch_size的好处：提高内存利用率以及大矩阵乘法的并行化效率；跑完一次epoch（全数据集）所需要的迭代次数减少，对相同的数据量，处理速度比小的Batch_size要更快；在一定范围内
poowicat·2023-01-05 01:39

UCI German Credit 数据集完成logistic回归实战

LogisticRegression因其简单、可并行化、可解释强深受工业界喜爱。Logistic回归的本质是：假设数据服从这个分布，然后使用极大似然估计做参数的估计。
夏天是冰红茶·2023-01-03 09:28

Open3d 学习计划—12（Jupyter 可视化）

后端是高度优化的，并且是为并行化而设置的。本系列学习计划有Blue同学作为发起人，主要以Open3D官方网站的教程为主进行翻译与实践的学习计划。
Being_young·2023-01-02 08:51

Halide编程

一个算法的Halide算法描述不依赖于硬件，其调度描述使用并行化、向量化（SIMD指令）和处理本地化（blo
serpentine·2023-01-01 13:21

ASGD-异步随机梯度下降（论文笔记）

但难以直接实现并行环，采用并行化技术，算法执行效率不高。异步随机梯度下降（ASGD）将模型参数迭代
smile_and_ovo·2023-01-01 11:37

logistic回归实战

LogisticRegression因其简单、可并行化、可解释强深受工业界喜爱。Logistic回归的本质是：假设数据服从这个分布，然后使用极大似然估计做参数的估计。
夏天是冰红茶·2023-01-01 07:35

举例理解transformer中的位置编码

2.位置编码的作用由于transformer是并行化运算，所以输入的信息中没有位置信，而在语音文本中，绝大部分都是有语序的。例如：我爱你，要是翻译成’
陈壮实的搬砖生活·2022-12-30 11:27

Vision Transformer(1):Self-attention Multi-head Self-attention

但是他们还有另外一个问题就是无法并行化，也就是说我们必须先计算t0t_0t
@BangBang·2022-12-30 10:44

使用Open3d在点云中实现第一人称视角导航

后端经过高度优化，并设置为并行化。
GoHowz·2022-12-30 07:56

区块链并行化调研

区块链并行化调研一、区块链现存问题：1、可拓展性问题，拥堵成常态2、技术创新剑走偏锋，区块链技术被肢解3、闭关锁国发展，区块链呈孤岛状态4、去中心化日渐中心区块链变伪命题二、为什么是并行链？
yitahutu79·2022-12-30 02:27

CI 系统并行功能对比

上一篇博文中，同样围绕这个主题，我写了一些独立于CI/CD平台的并行化解决方案。
Incredibuild·2022-12-30 02:51

善用并行，让构建倍速进行

这个方案在之前的博客中也有提到——并行化。我们先来回顾一下独立于CI系统的并行化解决方案案例。这种方案的特点是，无论构建系统如何，都能快速、便捷地解决问题。
Incredibuild·2022-12-30 02:50

[Pytorch]DistributedDataParallel(DDP)报错 [enforce fail at inline_container.cc:145]和[222]

最近的并行化工作中,报错RuntimeError:[enforcefailatinline_container.cc:222]和[enforcefailatinline_container.cc:145
江南蜡笔小新·2022-12-29 22:36

transformer框架+self-attention技术+和图的关系

不过其最大的优点在于它的并行化训练。Transformer模型：编码组件是一系列编码器的堆叠（文章中是6个编码器的堆叠——没什么特别的，你也可以试试其他的数字）。解码部分也是同样的堆叠数。
cloudless_sky·2022-12-29 19:39

选择深度学习的GPU卡

但是很快发现，在多个GPU上高效地并行化神经网络不仅非常困难，而且对于密集型神经网络，其加速率也非常低。使用数据并行性可以相当有效地并行化
bebr·2022-12-29 11:23

kmeans算法并行化的mpi程序

用c语言写了kmeans算法的串行程序，再用mpi来写并行版的，貌似参照着串行版来写并行版，效果不是很赏心悦目~并行化思路：使用主从模式。
Random_0001·2022-12-28 21:17

MPI并行化实现K-means算法，使用zoo数据集

文章目录详细算法设计算法流程主要函数及其功能说明输入及输出文件格式程序运行实验结果算法源代码该算法的并行化中使用了zoo数据集，数据集地址:(http://archive.ics.uci.edu/ml/
枫2333·2022-12-28 21:46

支持异构GPU集群的超大规模模型的高效的分布式训练框架Whale

Whale是阿里云机器学习PAI平台自研的分布式训练框架，开源后的名称是EPL(EasyParallelLibrary)，Whale通过对不同并行化策略进行统
阿里云云栖号·2022-12-28 14:11

阿里云机器学习平台PAI论文高效大模型训练框架Whale入选USENIX ATC‘22

Whale是阿里云机器学习PAI平台自研的分布式训练框架，开源后的名称是EPL(EasyParallelLibrary)，Whale通过对不同并行化策略进行统
阿里云大数据AI技术·2022-12-28 14:10

支持异构 GPU 集群的超大规模模型的高效的分布式训练框架 Whale

Whale是阿里云机器学习PAI平台自研的分布式训练框架，开源后的名称是EPL(EasyParallelLibrary)，Whale通过对不同并行化策略进行统
阿里云技术·2022-12-28 14:40

【3D目标检测】open3D安装与使用

后端是高度优化的，并且是为并行化而设置的。
Jackilina_Stone·2022-12-27 13:17

Open3D Python版本快速安装和使用

后端是高度优化的，并且是为并行化而设置的。
m0_67505608·2022-12-27 13:37

Open3d学习计划——1（简介与安装）

后端是高度优化的，并且是为并行化而设置的。其核心特性包括：3D数据结构3D数据处理算法场景重建Surfacealignment(表面对齐？)3D可视化基于物理的渲染（PBR
梦醒blue·2022-12-27 13:36

Transformer架构：位置编码

2017年，Google等人提出了Vaswani提出了一种新颖的纯注意力序列到序列架构，闻名学术界与工业界的Transformer架构横空出世，它的可并行化训练能力和优越的性能称为自然语言处理领域和计算机视觉领域研究人员的热门选择
big_matster·2022-12-27 06:18

什么是CUDA？ GPU的并行编程

CUDA使开发人员能够利用GPU的能力来实现计算的可并行化部分，从而加快计算密集型应用程序的速度。
cxw9087·2022-12-26 08:41

万字干货|逻辑回归最详尽解释

LogisticRegression因其简单、可并行化、可解释强深受工业界喜爱。Logistic回归的本质是：假设数据
文文学霸·2022-12-24 08:00

python 并行化 图像处理_Python：使用多处理的并行图像读取和预处理

然而，由于预处理在计算上很昂贵，我想进一步并行化，以便在不同的处理中并行读取和预处理单个图像。
烛煌·2022-12-23 23:28

Transformer 原理理解

然而，最大的好处来自于Transformer如何使自己适应并行化。事实上，GoogleCloud建议使用TheTran
scott198510·2022-12-23 14:56

大数据MapReduce学习案例：数据去重

一，案例分析（一）数据去重介绍数据去重主要是为了掌握利用并行化思想来对数据进行有意义的筛选，数据去重指去除重复数据的操作。
Neroiiey·2022-12-23 03:52

C语言太复杂？CUDA Python也能实现并行计算加速！

作为当前最主流的并行化程序编程方法之一，CUDA能实现在CPU和GPU上的异构编程，有效地管理可用资源并提供最大化的执行速度增益。在当前火热的高性能计算、人工智能等领域，CUDA也都
边缘计算社区·2022-12-22 11:40

ML:随机森林、GBDT、XGBoost

bagging：个体学习器之间不存在强依赖关系，可同时生成的并行化方法。RF：提到随机森林就不得不提Bagging。Bagging简单理解为，放回抽样、多数表决。
ShellDawn·2022-12-22 07:32

Transformer模型简介

Transformer在机器翻译任务上的表现超过了RNN，CNN，只用encoder-decoder和attention机制就能达到很好的效果，最大的优点是可以高效地并行化。
kuokay·2022-12-21 08:46

R语言并行计算spearman相关系数

对spearman相关性分析进行并行化运行可大大节省计算时间，为此我们手写了spearman相关性分析函数来实现并行化运行
道阻且长1994·2022-12-20 07:08

使用MMA解决拓扑优化问题的并行框架

本文的重点是用c++实现的完全并行拓扑优化框架（线性求解器和优化算法），将MMA(MethodofMovingAsymptotes)优化算法并行化，作为代码的基本部分。
圈圈`·2022-12-19 12:52
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他