人工智能
PyTorch生成式人工智能实战（1）——神经网络与模型训练过程详解
PyTorch生成式人工智能实战（1）——神经网络与模型训练过程详解
0. 前言
1. 传统机器学习与人工智能
2. 人工神经网络基础
2.1 人工神经网络组成
2.2 神经网络的训练
3. 前向传播
3.1 计算隐藏层值
3.2 执行非线性激活
3.3 计算输出层值
3.4 计算损失值
3.5 实现前向传播
4. 反向传播
【R画图学习15】哑铃图
哑铃图，又叫做棒棒糖图。因其形状和棒棒糖相似而得名，具体来看实际上是一个散点和一条线段的组合。棒棒糖图是散点图的一种变体，又与柱状图非常相似，但其在清晰展示数据的同时，减少了图形量，使得读者能够更加关注于数据本身而非图形。棒棒糖图能够帮助将数值与类别对齐，非常适合比较多个类别的值之间的差异。
下面两张图就是柱状图展示和棒棒图的差别。可以看出用哑铃图或者棒棒图展示会比柱状图清晰很多，大大减少了图形
单细胞 & 空间整合去批次方法比较（2）
作者，追风少年i
开头先放一张marker表，供大家参考
marker list
这一篇内容很简单
接上一篇，上一篇文章单细胞 & 空间整合去批次方法比较介绍了以下几种方法整合去批次的代码
CCA
merge
SCT
merge & SCT
merge加harmony
SCT && harmony
关于上述方法我只强调一点，就是ScaleData的时
8款国内外免费AI生成视频工具对比实测！我们真的可以做到“一人搞定一部影视作品“吗？
AI生成视频工具的不断普及，其竞争赛道愈发激烈。产品宣发中的精美AI视频更是铺天盖地而来。宣传必不可少，但实际生成AI视频效果如果和宣传差距太大，会大大降低用户的期待值，浪费用户的时间成本，资金成本。因此本文将从AI生成速度、一次可生成视频内容时长、视频呈现效果、文本指令理解，长视频制作等维度对国内外热门AI视频生
Hadoop-MapReduce运行机制
MapRduce是hadoop中的一个分布式计算工具,分为map阶段和reduce阶段其采用了一个分而治之的思想
以下一个例子作为演示,假设有一个涉及300M的文件(1.txt200m 2.txt 100m)
进行计算,求每个单词所占的个数
image.png
mapreduce_流程.png
Map阶段
image.png
1.首先进行逻辑
数据批处理速度慢？不妨试试这个
业务系统产生的明细数据通常要经过加工处理，按照一定逻辑计算成需要的结果，用以支持企业的经营活动。这类数据加工任务一般会有很多个，需要批量完成计算，在银行和保险行业常常被称为跑批，其它像石油、电力等行业也经常会有跑批的需求。
大部分业务统计都会要求以某日作为截止点，而且为了不影响生产系统的运行，跑批任务一般会在夜间进行，这时候才能将生产系统当天产生的新明细数据导出来，送到专门的数据库或数据仓库完成跑
7.一文搞懂Flink中窗口的概念
1.前言
在上一篇文章当中说了，如果需要进行双流join操作，可以选择在窗口的范围内进行，join操作会以窗口范围内的所有数据做inner join，然后将匹配到的所有数据交给计算函数进行处理，这就是窗口join的执行方式，但是这里也有一个之前没有提到过的概念，那就是“窗口”。
窗口在数据计算的过程中很常见，它要做的实际上就是在没有尽头的数据流中切割出一段一段的范围区间，然后对这个区间的数据进行相
遗传算法：启发自真实现象
书名：代码本色：用编程模拟自然系统
作者：Daniel Shiffman
译者：周晗彬
ISBN：978-7-115-36947-5
第9章目录
9.1 遗传算法：启发自真实现象
1、目标
我们的目标不是深入研究遗传和进化的科学原理，我们不会研究旁氏表、核苷酸、蛋白质合成、RNA和其他生物进化相关的话题。
相反，我们只讨论达尔文进化论背后的核心原理，并根据这个原理开发出一套算法。
我们并不在
「碎语杂记」有些东西，可能不是那样
昨天，闲聊，谈到了数学问题，说得更具体一些，是概率问题。
最简单的抛硬币问题。
正面朝上和反面朝上的概率应该是一样的，各占50％。
抛两次硬币，应该有三种结果，两次全是正面朝上，两次全是反面朝上，正面反面各占一次，概率分别是25％、25％和50％。
于是，有些同志以为，如果第一次是反面朝上，那么第二次正面朝上的概率就应该比反面朝上的概率大。
其实不是那回事儿。
每一次抛硬币，正面朝上
