SWMM模型

数模分离革命：LLM驱动下的零代码开发新范式

副标题：从参数化建模到模型动态编排，解锁软件开发终极效率摘要数模分离正在重塑软件开发范式。
领码科技·2025-03-28 02:25

松灵Cobot Magic&ARIO，打造具身智能百万规模标准化数据集

场景多样性不足：现有数据集覆盖场景有限，模型泛化能力受限。高质量数据稀缺：标注数据不足，难以满足大规模训练需求，制约性能提升。
BFT白芙堂·2025-03-28 02:55

PyTorch量化技术教程：第三章 PyTorch模型构建与训练

PyTorch量化技术教程：PyTorch模型构建与训练本教程旨在为读者提供一套全面且深入的PyTorch技术在量化交易领域应用的知识体系。
船长@Quant·2025-03-28 02:54

DeepSeek “开源周（Open Source Week）”全面解读

这些开源项目覆盖AI开发的全链路——从底层硬件性能优化到模型训练、推理加速，再到数据存储与通信效率提升，标志着AI技术普惠化和开源生态建设的重要里程碑。
Real Man★·2025-03-28 02:54

【transformer理论+实战（三）】必要的 Pytorch 知识

【Transformer理论+实战（三）】必要的Pytorch知识【Transformer理论+实战（二）】Lora本地微调实战--deepseek-r1蒸馏模型【Transformer理论+实战（一）
造夢先森·2025-03-28 02:23

Google开源机器学习框架TensorFlow SegFormer优化

1.TensorRT加速流程目标转换SegFormer为TensorRT格式优化FP16/INT8计算提升推理速度（FPS）主要步骤导出TensorFlow模型转换为ONNX格式使用TensorRT进行优化运行
深海水·2025-03-28 02:23

量化交易模型有哪些类型？不同类型的量化交易策略该如何构建？

Python股票接口实现查询账户，提交订单，自动交易（1）Python股票程序交易接口查账，提交订单，自动交易（2）股票量化，Python炒股，CSDN交流社区>>>模型特点趋势跟踪型量化交易模型旨在捕捉市场价格的趋势
股票程序化交易接口·2025-03-28 01:18

大模型压缩技术主要是为了在保持模型性能的前提下，减少模型的参数量和计算复杂度，以适应更低的计算资源、更小的内存占用和更快的推理速度。以下是当前主流的模型压缩技术，包括但不限于

1.剪枝（Pruning）剪枝通过删除神经网络中冗余或不重要的权重（或神经元）来减少模型规模。常见方法：非结构化剪枝：直接去除权重值接近于零的单个参数。
Jeremg·2025-03-28 01:13

HarmonyOS NEXT 中级开发笔记：基于HarmonyOS Design的图片生成应用数据库设计实践

图片生成应用主要需要存储两类数据：用户生成记录和模型配置参数。types
·2025-03-28 01:39

基于动态光影融合的缺陷实时检测和材质量化方法，并且整合EventPS、VMNer和EvDiG

模型整合：将EventPS、VMNer和EvDiG模型整合到一个统一的框架中。动态光影融合：实现动态光影融合算
神经网络15044·2025-03-28 01:13

HarmonyOS NEXT 中级开发笔记：日历提醒应用的数据库设计与实践

一、数据模型设计遵循HarmonyOSDesign的简洁性原则，设计了以下核心表结构：typescript//提醒事项表结构interfaceReminder{id:number;//主键title:string
·2025-03-28 01:39

HarmonyOS NEXT 中级开发笔记：会议办公应用的数据库设计与操作实践

数据模型设计遵循HarmonyOSDesign的简洁性原则，会议数据采用关系型模型。通过@Entry装饰器定义实体类：typescript//会议实体@Entry@Entity('MEETI
·2025-03-28 01:39

HarmonyOS NEXT 中级开发笔记：基于HarmonyOS Design的新闻热搜应用数据库实践

数据模型设计遵循HarmonyOSDesign的"简洁高效"原则，先设计了一个用户数据模型：typescriptinterfaceUser{id:number;//用户IDname:string;//用户名
·2025-03-28 01:38

HarmonyOS NEXT 中级开发笔记：童话主题应用的数据库设计实践

记录几个关键点供参考：数据模型设计遵循HarmonyOSDesign的"简洁性"原则，将童话故事拆解为结构化数据：typescriptinterfaceFairyTale{id:number;//唯一标识
·2025-03-28 01:38

ai提问技巧:思维链——一步一步来

背景:大语言模型所表现出来的一些复杂推理和数学运算能力，是基于概率关系下的“涌现”能力，并非真实学习掌握的能力，思维链，即通过“提示工程”对“涌现”能力的引导和优化方法，以使这种能力更突出和稳定。
冰暮流星·2025-03-28 00:42

主流大模型架构

什么是大模型架构大模型架构是指用于构建大规模人工智能模型的特定结构和设计模式，旨在处理海量数据、学习复杂的模式和关系，并实现强大的语言理解、生成、图像识别、语音处理等多种智能任务。
Jeremg·2025-03-28 00:12

SSL/TLS证书体系中密码学协议的深度解析

一.协议架构与分层模型SSL/TLS协议采用分层设计架构，由记录协议层和握手协议层构成复合型安全通信框架：1.记录协议层（RecordProtocol）：-实现传输数据的加密分帧（Framing）机制-
网安秘谈·2025-03-28 00:07

《Python实战进阶》No34：卷积神经网络（CNN）图像分类实战

本集将深入讲解CNN的核心组件（卷积层、池化层、全连接层），并演示如何使用PyTorch构建一个完整的CNN模型，在CIFAR-10数据集上实现图像分类。
带娃的IT创业者·2025-03-27 23:35

第五天 开始Unity Shader的学习之旅之Unity中的基础光照之漫反射光照模型

UnityShader的学习笔记第五天开始UnityShader的学习之旅之Unity中的基础光照之漫反射光照模型文章目录UnityShader的学习笔记前言一、Unity中的环境光和自发光二、漫反射光照模型逐顶点光照
傻欣一号·2025-03-27 23:04

交换机与路由器的区别：深入解析

一、工作层次与基本功能交换机和路由器在OSI(开放系统互联)模型中的工作层次不同，这是理解它们之间区别的关键点。交换机主要工作在OSI模型的第二层，
苏州世必得·2025-03-27 23:03

Java JVM调优实战指南：从内存模型到高频参数

JavaJVM调优实战指南：从内存模型到高频参数（附自绘内存图+真实案例解析）一、JVM内存模型图解┌───────────────────────────────┐│JVM内存结构│├────────
danny-IT技术博客·2025-03-27 22:57

SpringMVC

1.MVC架构模式MVC是一种软件架构设计模式，用于组织应用程序的结构，将业务逻辑、数据和界面显示分离：Model（模型）：负责数据处理和业务逻辑。包括数据定义、数据存取、数据状态变化、业务规则等。
z小天才b·2025-03-27 22:25

Paddle Inference模型文件解释说明

然而有些同学可能对Paddle推理模型的文件有哪些，以及每个文件有什么作用，傻傻分不清楚，以至于在Download模型或部署时，出现各种各样的问题。
Sweet锦·2025-03-27 21:21

飞桨Paddle Inference模型转ONNX模型的方法

ONNX是个好东西，其全称OpenNeuralNetworkExchange，是一种用于表示和交换深度学习模型的开放标准格式。
Sweet锦·2025-03-27 21:21

分布式训练：（Pytorch）

分布式训练是将机器学习模型的训练过程分散到多个计算节点或设备上，以提高训练速度和效率，尤其是在处理大规模数据和模型时。
达柳斯·绍达华·宁·2025-03-27 20:45

deepseek(1)——deepseek 整体架构

deepseek最新的主要是两个模型：通用多模态大模型deepseek-v3，671B，通用模型，用于常见日常问题推理模型deepseek-r1,671B，推理模型，擅长处理复杂、需要多步思考的问题，适合做深度研究
哦豁灬·2025-03-27 20:14

如何将启发式方法作为混合整数规划模型的热启动——以流水车间调度问题为例

文章目录1.引言2.流水车间调度问题案例3.基于NEH启发式算法获取可行解4.将启发式可行解转化为变量值进行热启动1.引言在计算科学当中，启发式方法是一种用于找到给定问题可行方案的技术，这类方法的特点是通用性强，且找可行方案的速度快，但是启发式方法不能保证获得最优解。另一类的精确方法，则能在求解时间充裕前提下保证最优解，但是计算成本可能极高。两类方法各有优势，在实际应用当中，需要根据具体的应用场景
Lins号丹·2025-03-27 20:11

利用Ollama部署Llama 3/deepseek-r1模型，只需5行代码即可实现对话

文章目录1.前言2.通过Ollama在本地运行Llama3和deepseek-r13.通过ollama的pythonapi与大模型对话4.部分LLM参数4.1Temperature调节推理能力和创造力4.2TestingSeed
Lins号丹·2025-03-27 20:41

机器学习模型的保存与加载：使用pickle和joblib

在机器学习中，模型的保存和加载是非常重要的步骤。一旦我们训练好了一个模型，我们希望能够将其保存到磁盘上，以便以后使用。
FdmPatch·2025-03-27 20:09

机器学习经典算法：决策树原理详解

二、决策树的核心原理1.特征划分标准2.关键公式推导3.决策树构建流程三、Python代码实战1.数据集准备2.模型训
xiaoyu❅·2025-03-27 20:37

机器学习入门第三集——如何完整实现一次模型训练

提示：如何完整的从数据导入到最后模型训练以及模型保存，本集进行介绍。文章目录上集回顾一、数据集是什么？
梯度寻优者_超·2025-03-27 19:37

flask开发中设置Flask SQLAlchemy 的 db.Column 只存储非负整数（即 0 或正整数）

如果你想控制一个FlaskSQLAlchemy的db.Column只存储非负整数（即0或正整数），你可以在模型中使用验证来确保这一点。
上趣工作室·2025-03-27 19:36

OpenAI、谷歌、DeepSeek 同日发布新成果！技术较量，实力如何？

前脚谷歌上线了最强大的推理模型Gemini2.5Pro，后脚OpenAI发布了GPT-4o图像生成功能，而中国的深度求索团队也在官网宣布DeepSeek-V3完成小版本的更新，版本号为DeepSeek-V30324
算力云·2025-03-27 19:05

NoSQL数据库：从理论到实践的全面解析

与传统关系型数据库（RDBMS）不同，NoSQL数据库打破了固定表结构的限制，支持灵活的数据模型。
小李独爱秋·2025-03-27 19:04

Alluxio 携手 vLLM Production Stack 加速大语言模型推理

作为大语言模型（LLM）推理领域的开源项目，vLLMProductionStack旨在为LLM推理提供高效的集群级全栈解决方案。
·2025-03-27 19:53

视频前后景分离

背景减除法通过建立背景模型，检测出与背景不符的区域，从而提取前景。混合高斯模型（MOG）是一种常用的背景减除方法，它通过为每个像素建立多个高斯分布模型，自适应地处理光照变化和阴影。
冬停·2025-03-27 19:34

DeepSeek详解：探索下一代语言模型

文章目录前言一、什么是DeepSeek二、DeepSeek核心技术2.1Transformer架构2.1.1自注意力机制(Self-AttentionMechanism)(a)核心思想(b)计算过程(c)代码实现2.1.2多头注意力(Multi-HeadAttention)(a)核心思想(b)工作原理(c)数学描述(d)代码实现2.1.3位置编码(PositionalEncoding)(a)什么是
小小面试官·2025-03-27 19:33

24、web前端开发之CSS3（一）

CSS3详细讲义目录CSS3简介CSS3核心特性选择器盒模型背景与边框文本样式颜色与透明度过渡与动画变换弹性盒布局网格布局媒体查询多列布局字体与排版装饰与效果性能优化新特性与兼容性CSS3实践示例总结一
跟着汪老师学编程·2025-03-27 19:03

StableDiffusion模型推荐系列（全能型）

今天，我们要聊一聊AI绘画领域里的一个超有趣的话题：为什么Midjourney能用一个5.2模型轻松驾驭各种风格，而StableDiffusion却需要我们切换无数个模型呢？
Python程序员小泉·2025-03-27 19:32

HBase RowKey设计原理与代码实例讲解

设计原理与代码实例讲解文章目录HBaseRowKey设计原理与代码实例讲解1.背景介绍1.1HBase简介1.2RowKey的重要性2.核心概念与联系2.1RowKey设计的核心思想2.2与HBase数据模型的联系
AI大模型应用之禅·2025-03-27 19:00

TCP/IP 协议族详细知识点清单

TCP/IP协议族详细知识点清单一、概述与体系结构TCP/IP协议模型（四层模型）层次协议功能应用层HTTP、FTP、DNS、SMTP提供应用服务传输层TCP、UDP端到端传输，可靠或不可靠网络层IP、
翱翔-蓝天·2025-03-27 18:57

Qwen2-Audio Qwen2.5-VL Qwen2.5_Omni傻傻分不清

引言：Qwen系列多模态大模型阿里巴巴Qwen团队在这一领域持续深耕，推出了一系列备受瞩目的多模态大模型。
kakaZhui·2025-03-27 18:56

AI大模型训练全攻略：零基础到精通，非常详细收藏我这一篇就够了！

AI大模型学习在当前技术环境下，AI大模型学习不仅要求研究者具备深厚的数学基础和编程能力，还需要对特定领域的业务场景有深入的了解。
AGI大模型学习·2025-03-27 18:53

PyTorch量化技术教程：第一章 PyTorch基础入门

系统涵盖PyTorch基础入门、核心组件详解、模型构建与训练，以及在A股市场中的实战应用。采用理论与实战深度融合的讲解模式，详细剖析如何运用PyTorch打造量化交易系统全流程。
船长@Quant·2025-03-27 18:52

深度学习--【完整代码+数据集】线性回归数据模型构建案例

作者简介：Java、前端、Python开发多年，做过高程，项目经理，架构师主要内容：Java项目开发、Python项目开发、大学数据和AI项目开发、单片机项目设计、面试技术整理、最新技术分享收藏点赞不迷路关注作者有好处文末获得源码根据炮哥所讲授内容进行学习心得整理与分享：现在假设这样的一个案例，现在有一组这样的数据，是小明每天学习的时间和最后考试的分数的数据。数据如下表所示，同时想知道小明假设学习
qq_469603589·2025-03-27 17:22

2.企业级AD活动目录架构与设计原则实战指南

一、企业级AD架构核心组件解析1.1多域森林架构设计核心概念：单域模型：适用于中小型企业（3012Enabled2.3高可用性实现方案三大保障机制：DC冗余部署：每个站点至少2台DCFSMO角色分布：合理拆分五大角色
极客奇点·2025-03-27 17:51

Focal Loss

FocalLoss通过动态降低易分类样本的损失权重，迫使模型集中学习难分类样本和少数类，从而有效解决样本不均衡问题。
weixin_47868976·2025-03-27 17:21

【前端】封装带重试机制的request，传入一个promise，成功直接返回，失败进行重试

项目场景：前端处理请求大模型API时，有一些模型服务器在海外或者使用量高的情况下会出现“服务器繁忙，请稍后重试”的情况，导致在客户使用过程中影响生成效果。
Zacks_xdc·2025-03-27 17:48

【深度学习】图形模型基础(5)：线性回归模型第一部分：认识线性回归模型

1.回归模型定义最简单的回归模型是具有单一预测变量的线性模型，其基本形式如下：y=a+bx+ϵy=a+bx+\epsilony=a+bx+ϵ其中，aaa和bbb被称为模型的系数或更一般地，模型的参数。
MUKAMO·2025-03-27 17:48

DeepSeek-V3-0324更新详解与入门指南：从技术突破到实际应用

此次更新不仅让开源模型首次达到闭源顶级水平（如Claude3.7Sonnet），更通过MIT协议彻底解除商用限制，标志着AI技术
Tee xm·2025-03-27 16:16
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他