tag 權重

標籤
貢獻28
27
03:55 PM · Nov 15 ,2025
u_16213635 頭像 u_13357275 頭像 u_6813689 頭像 u_16099331 頭像 u_16213708 頭像 u_56701 頭像 u_15702012 頭像 u_16213709 頭像 u_16099177 頭像 u_17513570 頭像 u_16213614 頭像 u_16213315 頭像

@權重 / 博客 RSS 訂閱

u_12218 頭像

棉花糖 - 計算機軟件工程班級簡介,熱點 | 優秀班集體——2015級軟件工程班

一、結對探索（4分）（漢字序號為一級標題，下同） 1.1 隊伍基本信息**（1分）（阿拉伯數字序號為二級標題，下同） 結對編號：；隊伍名稱：； 學號 姓名

HTTP , 權重 , 數據庫 , 後端開發 , Python

收藏 評論

u_16213620 頭像

mob64ca1401464d - 解讀C++即將迎來的重大更新（一）：C++20的四大新特性 -

第一章：C++20協程與遊戲引擎架構演進 C++20引入的協程特性為高性能系統編程帶來了範式級變革，尤其在遊戲引擎這類對異步任務調度和資源管理高度敏感的領域中展現出巨大潛力。傳統基於回調或狀態機的任務處理方式往往導致代碼分散、可讀性差，而協程允許開發者以同步風格編寫異步邏輯，顯著提升開發效率與維護性。 協程核心機制在引擎中的應用

非阻塞 , 高併發 , 權重 , 後端開發 , Python

收藏 評論

u_17578007 頭像

wx690f565d7bc78 - 詳解圖神經網絡：方法與應用（一）

詳解圖神經網絡（GNN）：方法與應用（一） 圖神經網絡（Graph Neural Networks, GNN）是深度學習領域針對非歐幾里得數據（如社交網絡、分子結構、知識圖譜）的核心模型家族。與CNN（處理網格結構圖像）、RNN（處理序列結構文本）不同，GNN能夠天然捕捉圖數據中的節點關聯關係和拓撲結構信息，已成為解決複雜關聯問題的關鍵技術。本系列將分三篇詳解GNN：第一篇

社交網絡 , MySQL , Graph , 權重 , 數據庫

收藏 評論

u_16492406 頭像

mb65950ac695995 - 十、渲染插幀與 TAA 的關係：累積與去鬼影

Temporal Anti-Aliasing（TAA）通過將多個時間幀的信息累積在一起減輕鋸齒與噪聲。插幀也利用歷史幀，但目標是生成中間幀。兩者常共享重投影與運動向量。若在插幀中引入 TAA 的思想，可以對中間幀進行多幀融合，利用歷史信息提升穩定性。但必須控制鬼影：當運動向量錯誤或遮擋變化時，歷史像素不應參與融合。 去鬼影策略包括： 雙向一致性檢查：前後幀的

光流 , 運動向量 , 權重 , c++ , 後端開發 , c

收藏 評論

u_16099355 頭像

數據挖掘者 - jQuery源碼分析_LQW

Qwen3 模型用於因果語言建模（Causal Language Modeling, CLM）的主類 Qwen3ForCausalLM，它是整個大模型在推理和訓練階段的核心接口。 🧱 1. 類定義 @auto_docstring class Qwen3ForCausalLM(Qwen3PreTrainedModel, Genera

初始化 , Qwen3 , 權重 , Css , 大模型 , 前端開發 , HTML , Git

收藏 評論

u_16099217 頭像

技術博客達人 - 軟工第四次作業——結對編程二_weixin

一、結對探索 1.1 隊伍基本信息 結對編號：2526；隊伍名稱：開發小隊； 學號 姓名 作業博客鏈接

文心一言 , 數據 , 權重 , aigc , 原型設計

收藏 評論

u_16213421 頭像

mob64ca12edea6e - ollama下載的權重文件在何方

ollama下載的權重文件在何方 在使用ollama這款生成模型工具時，許多用户會遇到一個常見的問題，就是如何找到下載的權重文件。下面我們將一步步梳理出解決這一問題的全過程。 環境準備 在開始之前，我們需要確保有一個合適的環境來運行ollama。首先，確保你的計算機或服務器上已經安裝了以下前置依賴。 操作系統：Linux (Ubuntu 20.04 以上), ma

權重 , aigc , Docker , Python

收藏 評論

u_16213568 頭像

網絡小墨舞風 - 【開源】近期遙感航空影像的檢索、檢測、跟蹤、計數、分類相關工作

Abstract 本文針對遙感圖像中的開放集飛機檢測問題展開研究，該任務要求模型能夠在動態環境下，同時識別已知（經過訓練）和未知（未經過訓練）的目標類別。由於背景複雜且目標分辨率較低，難以在對應位置生成高質量的偽標籤。為此，我們提出了一種基於邊緣信息提取的開放集目標檢測框架（Edge Information Extraction-based Ope

權重 , 人工智能 , 遙感圖像 , 計算機視覺 , 目標檢測 , 前端開發 , Javascript

收藏 評論

u_17587833 頭像

mb6923acc0735dc - 鴻蒙AI實戰之模型優化：端側模型壓縮、量化與加速技術詳解

引言：讓大模型在端側設備"輕裝上陣" 隨着AI大模型參數規模從億級邁向萬億級，如何在資源受限的端側設備上高效部署這些"龐然大物"成為行業核心挑戰。HarmonyOS通過創新的輕量化技術棧，實現了大模型從"龐大笨重"到"小巧精悍"的蜕變。本文將深入解析端側模型壓縮的三大核心技術：剪枝、量化和知識蒸餾，以及它們在HarmonyOS生態中的實戰應用，幫助開發者打造真正"小而強大"

移動開發 , 壓縮率 , 權重 , Android , 結構化

收藏 評論

u_14499 頭像

coolfengsy - fasterrcnn訓練輸出

NMS：Non-Maximum Suppression（非極大值抑制） 假設從一個圖像中得到了2000個region proposals，通過在RCNN和SPP-net之後我們會得到2000*4096的一個特徵矩陣，然後通過N個SVM來判斷每一個region屬於N個類的scores。其中，SVM的權重矩陣大小為4096*N，最後得到2000*N的一個score矩陣（其中，N

機器學習 , 權重 , 人工智能 , fasterrcnn訓練輸出

收藏 評論

u_17590687 頭像

長袖員大表哥 - 如何提高App在App Store的搜索排名？

要提高 App 在 App Store 的搜索排名，核心是做好 ASO（應用商店優化），圍繞蘋果搜索算法關注的關鍵詞相關性、用户行為數據等核心因素，從元數據優化、轉化環節打磨、用户口碑維護等多方面推進，以下是具體可落地的策略： 優化元數據，築牢排名核心基礎元數據是影響 App 搜索排名的關鍵，蘋果算法對標題、副標題、關鍵詞字段的權重傾斜明顯，需精準佈局。

移動開發 , app , 搜索 , 權重 , ios

收藏 評論

u_16213667 頭像

mob64ca140c75c7 - vfl損失公式表達

1. 總述 Focal loss主要是為了解決one-stage目標檢測中正負樣本比例嚴重失衡的問題。該損失函數降低了大量簡單負樣本在訓練中所佔的權重，也可理解為一種困難樣本挖掘。 2. 損失函數形式 Focal loss是在交叉熵損失函數基礎上進行的修改，首先回顧二分類交叉上損失： 是經過激活函數的輸出，所以在0

vfl損失公式表達 , 損失函數 , 權重 , 人工智能 , 計算機視覺 , 目標檢測

收藏 評論

u_16213688 頭像

mob64ca14116c53 - AI 學習必知的十大深度學習方法！

NVIDIA-GPU 標量 / 向量 / 矩陣 / 張量 你提的問題很關鍵，這些概念是理解大模型數據流轉和計算邏輯的基礎。簡單説，它們是不同維度的“數值容器”，在大模型中分別承擔着存儲單個參數、單個特徵、批量特徵和高維複雜特徵的角色。 1. 標量（Scalar）：單個數值，0維 標量是最簡單的“數值容器”，只有大小，沒有方

數組 , 標量 , 權重 , 後端開發 , 人工智能 , 深度學習 , Python

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - Andrej Karpathy 發佈新任務 nanochat：一個從零開始構建的極簡全棧式 ChatGPT 克隆

剛剛，Andrej Karpathy 推出了他的最新開源項目 nanochat。與之前聚焦於預訓練階段的 nanoGPT 不同，nanochat 給出了一個從頭開始、代碼極簡的全棧式類 ChatGPT 模型的訓練與推理流水線。 整個項目被整合在一個依賴極少的單一代碼庫中，旨在幫助開發者和研究者深入理解大語言模型（LLM）的完整生命週期。 根據 Karpathy 的介

數據 , 語言模型 , 權重 , 後端開發 , Python

收藏 評論

u_16213405 頭像

mob64ca12ea10ec - stable diffusion的預訓練權重文件

stable diffusion的預訓練權重文件是一個關鍵組件，為各種生成模型提供基礎能力。然而，在實踐中，用户在使用這些預訓練模型時可能會遇到各種問題。以下是我對“stable diffusion的預訓練權重文件”問題解決過程的詳細記錄。 在一個AI藝術生成項目中，用户面臨瞭如下的問題： 用户場景還原 用户下載了由多個社區研發的“stabl

設計規範 , 權重 , aigc , 解決方案

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI教務員智能平台系統——把“排課、考勤、成績單”做成一鍵套餐，讓教務老師準時下班

每學期開局，教務辦公室總上演“人海拼圖”：教師時間衝突、教室容量不足、學生選課撞車……AI教務員智能平台系統用“大模型+運籌算法+實時數據”把排課、考勤、成績、畢業審核串成一條自動化流水線，讓教務老師從“表格奴隸”升級為“數據指揮官”。 一、智能排課：30秒生成“零衝突”課表 平台讀取5類數據： 教師時間碎片（含科研、外出）； 學生選課意願（權重分5級）； 教

多目標 , 數據 , NLP , 權重 , 人工智能

收藏 評論

u_16099265 頭像

智能開發者 - 推薦Rust 項目 | 框架引擎

第一章：Rust 機器學習框架概覽 Rust 作為一種系統級編程語言，憑藉其內存安全、高性能和零成本抽象的特性，逐漸在機器學習領域嶄露頭角。儘管生態尚不如 Python 成熟，但已有多個活躍項目致力於構建高效、可靠的機器學習工具鏈。 主流 Rust 機器學習框架 tch-rs：基於 C++ Torch API 的 R

rust , 加載 , 權重 , 後端開發 , Python

收藏 評論

u_16213315 頭像

mob64ca12d42833 - 如何修改llama模型的每層的結構

如何修改llama模型的每層的結構 在深度學習領域，llama模型由於其出色的性能被廣泛應用於自然語言處理（NLP）任務。然而，隨着具體業務需求的不斷變化和技術的持續發展，我發現需要對llama模型的每層結構進行修改以提升模型的適應性和效果。本文將詳細記錄這個過程，包括相關的背景信息、問題現象、深層次的根因分析、具體的解決方案、驗證測試結果，以及預防優化的方法。 問題背景 隨

加載 , 權重 , aigc , 解決方案

收藏 評論

u_16213614 頭像

mob64ca13ffd0f1 - 《大數據管理：數據集成的技術、方法與最佳實踐》 - china

1.2.1.1.1 年度目標制定 基於指標的企業年度目標制定流程，核心是將公司戰略拆解為可量化、可落地、可監控的指標體系，覆蓋 “戰略對齊→指標拆解→可行性論證→目標分解→行動落地→監控覆盤” 全鏈路，確保年度目標既貼合業務方向，又具備實操性。以下是具體流程設計，含關鍵環節、工具方法及輸出物： 一、流程總框架：從 “戰略” 到 “指標

大數據 , 數據 , 運維 , 權重 , 後端開發 , 人工智能 , Python

收藏 評論

u_17513570 頭像

玫瑰互動GEO - SEO與GEO優化百度搜索結果頁的品牌名片:揭秘“大眾印象”板塊的戰略價值

摘要： SEO與GEO優化：我們最常面對的靈魂拷問是：“做了這些優化，到底能實現什麼效果？”是排名上升，還是流量增長？今天，我們從一個更具説服力的現象切入—當您在百度搜索一個明星或品牌關鍵詞時，赫然出現在結果頁首位的“大眾印象”板塊。 目錄： 1.GEO優化解碼大眾印象 2.用GEO優化大眾印象 一、解碼“大眾印象”：品牌在搜索端的“

SEO優化 , seo , 搜索 , GEO優化 , 權重 , AI寫作 , aigc

收藏 評論

u_16099177 頭像

雲端小夢 - TikTok如何判定賬號是否限流？該怎麼解決？

做TikTok的人，最怕三件事——賬號沒流量、視頻零播放、內容突然掉權。 有時候你明明在按爆款邏輯做內容，卻發現： 視頻剛發就不推流 平常幾千播放，突然變成幾十甚至個位數 換內容也沒用，賬號像“死號” 甚至發一條限一條、換號又廢一個 這就是TikTok最常見的隱形風控機制：限流。本篇文章拆解Ti

音視頻 , 限流 , 風控 , 權重 , 前端開發 , Javascript

收藏 評論

u_16213709 頭像

mob64ca141677f9 - Stanford CoreNLP提取關鍵詞

　　1.關鍵字提取： 　　關鍵詞抽取就是從文本里面把跟這篇文檔意義最相關的一些詞抽取出來。這個可以追溯到文獻檢索初期，當時還不支持全文搜索的時候，關鍵詞就可以作為搜索這篇論文的詞語。因此，目前依然可以在論文中看到關鍵詞這一項。 　　除了這些，關鍵詞還可以在文本聚類、分類、自動摘要等領域中有着重要的作用。比如在聚類時將關鍵詞相似的幾篇文檔看成一個團簇，可以大大提

數據 , 詞頻 , NLP , 權重 , 人工智能

收藏 評論

u_15702012 頭像

呀哈哈kk - 【詳解】Dubbo幾種負載均衡算法

Dubbo幾種負載均衡算法 在分佈式系統中，服務的高可用性和性能優化是至關重要的。Dubbo作為一款高性能的Java RPC框架，在服務治理方面提供了豐富的功能，其中負載均衡（Load Balancing）是一個關鍵特性。通過合理的負載均衡策略，可以有效地提高系統的整體性能和穩定性。本文將詳細介紹Dubbo提供的幾種負載均衡算法。 1. 隨機算法 (Rando

負載均衡 , 權重 , 後端開發 , 服務提供者 , JAVA

收藏 評論

u_56701 頭像

hackernew - matlab 控制小車,小車倒立擺PID，極點配置，LQR控制的MATLAB仿真

一、系統建模與參數設置 1. 狀態空間模型 1. 狀態空間模型 其中狀態變量 其中狀態變量 2. 參數定義 % 物理參數 M = 1.096; % 小車質量 (kg) m = 0.109; % 擺杆質量 (kg) l = 0.25; % 擺長 (m) g = 9.8; % 重力加速度 (m

建模 , 狀態空間 , 權重 , 前端開發 , Javascript

收藏 評論