扩散张量

OneFlow深度学习框架介绍

框架的安装与配置2.1.1环境准备2.1.2安装OneFlow框架Linux系统安装Windows系统安装MacOS系统安装2.1.3配置OneFlow框架2.2OneFlow框架的核心概念2.2.1张量

技术探秘者·2025-03-25 04:13

Manus智能体持续学习系统的技术实现与效能验证 —— 基于多模态记忆架构与联邦迁移学习的创新框架研究

该框架通过以下创新机制实现了智能体在多领域、多任务场景下的高效持续学习：四层记忆系统（HMS）：基于张量压缩的层次化记忆存储架构，实现对PB级数据的有效管理和快速检索，检索延迟低至0.3

熵减画眉·2025-03-25 01:46

深度学习框架PyTorch——从入门到精通（6.2）自动微分机制

本节自动微分机制是上一节自动微分的扩展内容自动微分是如何记录运算历史的保存张量非可微函数的梯度在本地设置禁用梯度计算设置requires_grad梯度模式（GradModes）默认模式（梯度模式）无梯度模式推理模式评估模式

Fansv587·2025-03-24 06:17

基于 PyTorch 的 MNIST 手写数字分类模型

二、依赖库torch：PyTorch深度学习框架的核心库，提供了张量操作、自动求导等功能。torch.nn：PyTorch的神经网络模块，包含了各种神经网络层、损失函数等。torc

欣然～·2025-03-24 04:27

【笔记】扩散模型（五）：Classifier-Free Guidance 理论推导与代码实现

论文链接：Classifier-FreeDiffusionGuidance上一篇文章我们学习了ClassifierGuidance，这种方法通过引入一个额外的分类器，使用梯度引导的方式成功地实现了条件生成。虽然ClassifierGuidance可以直接复用训练好的diffusionmodels，不过这种方法的问题是很明显的，首先需要额外训练一个分类器，而且这个分类器不仅仅分类一般的图像，还需要分

LittleNyima·2025-03-23 22:02

卷积神经网络 - 理解卷积核的尺寸 k×k×Cin

以下是详细解释：1.输入数据的结构输入形状：假设输入数据为三维张量，形状为H×W×Cin，其中：H：高度（Height）W：宽度（Width）Cin：通道数（Channelsin）多通道的物理意义：对于

谦亨有终·2025-03-23 22:26

PyTorch核心基础知识点

niuTaylor·2025-03-23 21:20

模式搜索+扩散模型：FlowMo重构图像Token化的技术革命

斯坦福大学李飞飞与吴佳俊团队提出的FlowMo（FlowtowardsModes）创新性地融合模式搜索与扩散模型，在多个关键维度突破传统方法局限，为图像压缩与重建开辟新路径。

芯作者·2025-03-23 14:21

【现代后端架构演进：微服务设计与云原生】

现代后端架构演进：微服务设计与云原生一、架构演进历程1.单体架构到分布式系统单体架构瓶颈典型问题：代码耦合（代码行超百万级）、扩展困难（垂直扩容成本>105>10^5>105美元/节点）、技术栈固化故障扩散

蝉叫醒了夏天·2025-03-22 23:47

复旦大学等提出4D扩散模型，成果入选AAAI 2025

蛋白质的功能很大程度上取决于其3D结构。19世纪中期，科学界普遍认为蛋白质结构是固定的、刚性的，类似「锁与钥匙」模型(lock-and-keymodel)，即蛋白质与配体的结合是由固定的三维结构决定的。然而，当DanielKoshland提出酶与底物结合时会发生构象变化的观点后，传统思维开始受到挑战。1980年代，分子动力学模拟(MolecularDynamics,MD)兴起，首次从计算角度揭示了

HyperAI超神经·2025-03-21 19:16

【无标题】

KVCache（键值缓存）是一种优化策略，它缓存先前计算的K/V张量，避免重复计算，从而提高生成速度并降低计算成本。2.KVCache在自回归

gs80140·2025-03-21 06:19

H800核心性能优化技术

其技术突破聚焦于张量核心重构带来的计算密度提升、混合精度运算对资源利用率的增强，以及智能散热方案在复杂负载场景下的稳定性保障。

智能计算研究中心·2025-03-21 01:13

注意力机制：让AI拥有“黄金七秒记忆“的魔法----（点积注意力）

想象我们有两个张量x1和x2，我们希望⽤注意⼒机制把它俩给衔接起来，让x1看⼀看，x2有哪些特别值得关注的地⽅。具体来说，要得到x1对x2的点积注意⼒，我们可以按照以下步骤进⾏操作。

y江江江江·2025-03-20 06:33

innovus命令每日精要 | setCheckMode：数字后端物理设计的必备神器

这个命令就像是你的设计流程中的“健康卫士”，能够在各个阶段帮你揪出潜在的数据问题，避免因小失大，让错误在流程中扩散。

数字后端物理设计知识库·2025-03-19 21:53

MNIST数据集&手写数字识别

TensorFlow的核心概念是张量（Tensor）和流图（Graph）。张量是TensorFlow中的基本数据单位，可以理解为多维数组，可以是标量、向量、矩阵或更高维度的数组。

Zoro｜·2025-03-19 13:18

Megatron-LM训练框架和Deepspeed训练框架最主要的异同和优劣是什么

核心异同点并行策略Megatron-LM核心：以张量并行（TensorParallelism）和流水线并行（PipelineParallelism）为主，结合数据并行。

强化学习曾小健·2025-03-19 09:15

Pytorch torch.prod函数介绍

torch.prod是PyTorch库中的一个函数，用于计算输入张量中所有元素或者指定维度上元素的乘积。下面将从函数的基本语法、参数、返回值、使用示例几个方面进行详细介绍。

qq_27390023·2025-03-19 07:22

深度学习框架PyTorch——从入门到精通（5）自动微分

使用torch.autograd自动微分张量、函数和计算图计算梯度禁用梯度追踪关于计算图的更多信息张量梯度和雅可比乘积在训练神经网络时，最常用的算法是反向传播。

Fansv587·2025-03-19 06:20

深度学习中的Channel，通道数是什么？

一般pytorch中尺寸/张量的表现方式是：torch.size([16,3,24,24])。这四个参数的含义如下：16

%KT%·2025-03-19 02:39

python，squeeze的详细解释，代码并进行解释

总结python，squeeze的详细解释，代码并进行解释Python中的squeeze操作Squeeze是一个用于去除张量或数组

资源存储库·2025-03-18 20:59

torch.unsqueeze：灵活调整张量维度的利器

在深度学习框架PyTorch中，张量（Tensor）是最基本的数据结构，它类似于NumPy中的数组，但可以在GPU上运行。在日常的深度学习编程中，我们经常需要调整张量的维度以适应不同的操作和层。

冰蓝蓝·2025-03-17 23:07

PyTorch中，将`DataLoader`加载的数据高效传输到GPU

一、数据加载到GPU的核心步骤数据预处理与张量转换若原始数据为NumPy数组或Python列表，需先转换为PyTorch张量：X_tensor=torch.from_numpy(X).float()#转换为浮点张量

大霸王龙·2025-03-17 20:42

【数学基础】线性代数#1向量和矩阵初步

目录标量、向量、矩阵和张量矩阵运算单位矩阵和逆矩阵线性相关和生成子空间范数特殊类型的矩阵和向量特征分解奇异值分解Moore-Penrose伪逆迹运算行列式标量、向量、矩阵和张量标量标量是一个单独的数。

-一杯为品-·2025-03-17 16:38

【动手学深度学习】#1PyTorch基础操作

数据操作1.1.1入门1.1.2运算符1.1.3广播机制1.1.4索引和切片1.1.5节省内存1.1.6转换为其他Python对象1.2数据预处理1.2.1读取数据集1.2.2处理缺失值1.2.3转换为张量格式

-一杯为品-·2025-03-17 13:17

PyTorch从入门到精通：探索深度学习新境界

本文将带领您从张量操作基础开始，逐步探索GPU加速、动态图机制、框架生态集成等高级主题，最终实现理论与实战的双重突破。一、PyTorch核心基础构建1.

lmtealily·2025-03-17 04:36

算法手撕面经系列(1)--手撕多头注意力机制

多头注意力机制一个简单的多头注意力模块可以分解为以下几个步骤：先不分多头，对输入张量分别做变换，得到Q,K,VQ,K,VQ,K,V对得到的Q,K,VQ,K,VQ,K,V按头的个数进行split；用Q,

夜半罟霖·2025-03-16 07:37

深度学习 Deep Learning 第2章线性代数

张量操作是神经网络计算的基石，矩阵乘法是前向传播的核心，范数约束模型复杂度，而生成空间理论揭示模型表达能力的本质。本章介绍线性代数的基本内容，为进一步学习深度学习做准备。

odoo中国·2025-03-16 07:07

【深度学习与大模型基础】第3章-张量

今天我们来聊聊张量（Tensor）。别被这个词吓到，其实它没那么复杂。什么是张量？简单来说，张量就是一个多维数组。你可以把它看作是一个装数据的容器，数据的维度可以是一维、二维，甚至更高。

lynn-66·2025-03-15 23:08

鸿蒙特效教程03-水波纹动画效果实现教程

最终效果预览我们将实现以下功能：点击屏幕任意位置，在点击处生成一个水波纹触摸并滑动屏幕，波纹会实时跟随手指位置生成波纹从小到大扩散，同时逐渐消失波纹颜色随机变化，增加视觉多样性一、创建基础布局首先，我们需要创建一个基础页面布局

苏杰豪·2025-03-15 22:02

【PyTorch】PyTorch 中改变张量形状的几种方法

PyTorch中改变张量形状的几种方法在深度学习领域，PyTorch是一个广泛使用的框架，它提供了丰富的API来处理张量（tensor）。在模型开发过程中，我们经常需要改变张量的形状以满足特定的需求。

shengchao0920·2025-03-15 17:27

PyTorch 中的维度操作详解

在PyTorch中，维度（dimension）是描述张量形状的一种方式。维度操作是PyTorch中非常重要的功能，常用于调整张量的形状以适配各种计算需求。以下是常见的维度操作及其示例。

萝卜小白·2025-03-15 17:26

torch.logical_and()方法

torch.logical_and()计算给定输入张量的元素逻辑AND。

CodeWang_NC·2025-03-15 17:56

llm数据存储基础设施

链接:https://i68.ltd/notes/posts/20250310-llm-db/infinity专为LLM应用程序构建的AI原生数据库，可提供对密集向量、稀疏向量、张量（多向量）和全文的快速混合搜索项目仓库

galileo2016·2025-03-15 17:24

【PyTorch】torch.nn.functional.log_softmax() 函数：计算 log(softmax)，用于多分类任务

1.log_softmax的数学公式对于输入张量XXX，softmax计算如下：softmax(Xi)=eXi∑jeXj\text{softma

彬彬侠·2025-03-14 23:54

数据分析及人工智能框架汇总

Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。

xihuanyuye·2025-03-14 21:00

【AI论文】TPDiff：时序金字塔视频扩散模型

摘要：视频扩散模型的发展揭示了一个重大挑战：巨大的计算需求。为了缓解这一挑战，我们注意到扩散的反向过程具有内在的熵减少特性。鉴于视频模态中的帧间冗余，在高熵阶段保持全帧率是不必要的。

东临碣石82·2025-03-14 14:31

【扩散模型Diffusion Model系列】1-一篇文章带你快速入门扩散模型Diffusion Model，个人入门学习路线+优质学习博客资料

文章目录零、写在前面一、扩散理论缘起DDPM再见，马尔科夫！高视角DDIMLevelup！更高视角SDE、ScoreMatching、ODE走直线！

Leafing_·2025-03-14 12:14

《信息系统安全》课后习题答案（陈萍）

恢复二、选择题1、D2、C3、B4、A5、D6、A7、C8、B9、A10、B第二章一、填空题1、《保密系统的信息理论》，DES，RSA2、相同、存在确定的转换关系3、单向、机密性、不可否认性4、混淆、扩散

1ce0range·2025-03-14 12:44

ComfyUI之“注入间隔”（Injection Interval）对生成过程进行控制

在ComfyUI的图像生成流程里，尤其是使用扩散模型生成图像时，整个过程会被拆分成多个步骤逐步迭代，每一步都会对图像进行一些细微的调整和更新。

AI-AIGC-7744423·2025-03-14 11:43

python和pytorch关系_PyTorch：Python优先的深度学习框架

据该项目官网介绍，PyTorch是一个Python优先的深度学习框架，能够在强大的GPU加速基础上实现张量和动态神经网络。

weixin_39877182·2025-03-14 02:36

Deep Lake：人工智能时代的数据湖

张量存储：以深度学习框架友好的张量格式存储数

开源项目精选·2025-03-13 22:43

动手深度学习笔记（二十九）5.5. 读写文件

动手深度学习笔记（二十九）5.5.读写文件5.深度学习计算5.5.读写文件5.5.1.加载和保存张量5.5.2.加载和保存模型参数5.5.3.小结5.5.4.练习5.深度学习计算5.5.读写文件到目前为止

落花逐流水·2025-03-13 04:29

FLOW MATCHING FOR GENERATIVE MODELING 阅读笔记

FM可以用于训练扩散路径，用FM训练扩散路径更稳定。FM也可以用于训练其他路径，一个例子是训练最优

冰冰冰泠泠泠·2025-03-13 01:35

Sglang部署大模型常用参数详解

Sglang部署大模型常用参数详解常用启动命令HTTP服务器配置API配置并行处理张量并行数据并行专家并行内存和调度其他运行时选项日志记录多节点分布式服务LoRA内核后端约束解码推测解码双稀疏性调试选项优化选项参数概览常用启动命令要启用多

小树苗m·2025-03-12 16:36

Spring Cloud Alibaba 实战：Sentinel 保障微服务的高可用性与流量防护

1.1Sentinel作用Sentinel是阿里巴巴开源的一款流量控制和熔断降级框架，主要用于：流量控制：限制QPS，防止流量暴增导致系统崩溃熔断降级：当某个服务不可用时自动降级，避免故障扩散热点参数限流

扣丁梦想家·2025-03-12 13:47

扩散 Transformer 策略：用于通才视觉-语言-动作学习的规模化扩散 Transformer

25年2月来自上海AI实验室、浙大、香港中文大学、北大、商汤科技、清华和中科院香港科学创新研究院的论文“DiffusionTransformerPolicy:ScalingDiffusionTransformerforGeneralistVision-Language-ActionLearning”。最近，在多样化的机器人数据集上进行预训练的大型视觉-语言-动作模型，已展示出利用少量域内数据泛化到

三谷秋水·2025-03-12 10:27

量子计算基础数学

文章目录前言一、向量表示和向量运算向量的表示向量的运算二、线性算子和矩阵线性算子几个简单的常用算子三、特征值和特征向量谱分解（SpecialDecomposition）谱分解的作用四、张量积与迹向量的张量积矩阵的张量积张量积操作规则迹

诸葛思颖·2025-03-12 05:48

Pytorch 张量的scatter_add_方法介绍

torch.Tensor.scatter_add_是PyTorch中的一个原地操作（in-placeoperation），用于将一个源张量（src）中的值根据指定的索引（index）累加到目标张量（self

qq_27390023·2025-03-12 01:42

三维声学各向异性材料设计：具体步骤与示例

三维声学各向异性材料设计：具体步骤与示例1.理论建模：三维微结构与等效参数映射(1)各向异性密度张量推导假设材料由椭球体散射体周期性嵌入基体材料构成，其等效密度张量可通过三维均匀化理论计算：未旋转椭球的局部密度张量

斡旋小羊·2025-03-11 18:42

PointPillars:数据预处理

在PointPillars算法中，将点云划分为点柱（Pillars）是核心步骤之一，用于将稀疏点云数据转换为规则的张量表示，方便后续2D卷积操作。

壹十壹·2025-03-11 16:55

推荐频道