人工智能

迁移学习 (transfor learning) or 微调(fine tune)

(一)微调 / 迁移学习 数据标注是一个很贵的事情,我们希望在经过大量的数据训练以后。我们的模型具备了一定的学习能力,在以后只需要给一点点的提示就能够学会一个新的事物。就是迁移学习的概念,名字不一样而已。 (1)网络架构 一个神经网络可以分为两块 特征收取将原始像素变为能够线性分割的特征 线性分类器来做分类 那么微调是怎么做的呢? 有一个神经网络net,它的训练来自于A数据集,而

关于数

数字有什么难以理解的吗?我们一、二、三这样数下去,不就知道了吗? 加法就是连续记数。比如,4与5的加法,就是从4出发,数上5步,由此得到数字9。所谓a加b,就是表示从a开始,数了b步而得到的数。但数着数着,位值制的概念就出来了,位置的位,数值的值,也就是什么是十位,什么是百位。 如果只能用一个位置来记数,那么数到9,我们就不能往下数了,这时候,需要增加一个位置,这个新的数位就是十位,数到99时,需

Flink 使用之 SQL UDF

Flink 使用介绍相关文档目录 Flink 使用介绍相关文档目录 简介 在使用纯Flink SQL的场景下,对于复杂业务逻辑,Flink提供的内置fucntion是无法满足要求的。我们需要实现自定义的function,来扩充Flink的功能。用户自己实现的function称为UDF(user defined function)。 Flink支持如下四种UDF: ScalarFunction:

到底是什么原因造成的呢

昨天的收益为什么这么少?按说跟平常应该没有什么不同,我50个赞点完,平均点一个赞,1.1左右的收益率(最低也应该有一个钻贝),那么点赞收益就应该有55个钻贝左右,即便按最少的算,也应该有50个钻贝,我看了一下昨天的收益详图,点赞收益却只有40个钻贝,比我计算的居然少了10到15个钻贝!同样的点赞,比平时竟然少了这么多收益,这确实令我有些意外。 文章收益这一块,跟我平时相比,少了一个大咖的点赞,但算

SM2算法功能简述(一) 数字签名生成流程

SM2数字签名算法由一个签名者对数据产生数字签名,并由一个验证者验证签名的可靠性。每个签名者有一个公钥和一个私钥,其中私钥用于产生签名,验证者用签名者的公钥验证签名。在签名的生成过程之前,要用密码杂凑函数对M (包含ZA和待签消息M)进行压缩;在验证过程之前,要用密码杂凑函数对M′(包含ZA和验证消息M′)进行压缩。 SM2推荐椭圆曲线参数如下: 使用素数域256位椭圆曲线 椭圆曲线方程:y2 =

Hadoop三种文件存储格式Avro、Parquet、ORC

也是知识,要了解 URL: 为什么我们需要不同的文件格式? 对于 MapReduce 和 Spark 等支持 HDFS 的应用程序来说,一个巨大的瓶颈是在特定位置查找相关数据所需的时间以及将数据写回另一个位置所需的时间。这些问题随着管理大型数据集的困难而变得复杂,例如不断发展的模式或存储限制。 在处理大数据时,存储此

Hbase——详解

产生背景 自 1970 年以来,关系数据库用于数据存储和维护有关问题的解决方案。大数据的出现后, 好多公司实现处理大数据并从中受益,并开始选择像 Hadoop 的解决方案。Hadoop 使用分 布式文件系统,用于存储大数据,并使用 MapReduce 来处理。Hadoop 擅长于存储各种格式 的庞大的数据,任意的格式甚至非结构化的处理。 Hadoop 的限制 Hadoop 只能执行批量处理,并且只

Mediapipe实现手势识别教程

1 编写背景        在2024年的高效智能创意大赛中,有一个手势识别的任务,需要通过四足机器人的摄像头识别手势然后做出相应动作。在这我将介绍我的手势识别的思路和相关代码,已记录我那2024.7.21死去的比赛。2 任务要求        比赛规则如下:        3 问题分析与解决3.1 MediaPipe介绍