- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器学习AI算法工程
【LDA数学八卦-2】认识BetaDirichlet分布
P(p)⋅P(m1,m2|p)P(m1,m2)=1⋅P(m1,m2|p)∫10P(m1,m2|t)dt=(mm1)pm1(1−p)m2∫10(mm1)tm1(1−t)m2dt=pm1(1−p)m2∫10tm1 (X(k1),X(k1+k2))的联合分布推导 P(X(k1)∈(x1,x1+Δx),X(k1+k2)∈(x2,x2+Δx))=n(n−1)(n−2k1−1,k2−1)xk1−11xk2−12xn−k1 (k2−1)!(n−k1−k2)!xk1−11xk2−12xn−k1−k23(Δx)2 于是我们得到 (X(k1),X(k1+k2))的联合分布是 f(x1,x2,x3)=n!(k1−1)! 令 α1=k1,α2=k2,α3=n−k1−k2+1,于是分布密度可以写为 f(x1,x2,x3)=Γ(α1+α2+α3)Γ(α1)Γ(α2)Γ(α3)xα1−11xα2−12xα3−13(4) 这个就是一般形式的 游戏4 为了方便，我们记 m→=(m1,m2,m3),k→=(k1,k2,n−k1−k2+1) 由游戏中的信息，我们可以推理得到 p1,p2在X1,X2,⋯,Xn, Y1,Y2,⋯,Ym ∼iidUniform
1.6K40发布于 2018-03-12 - 来自专栏全栈程序员必看
八卦时钟代码
<!DOCTYPE html> <html lang=”en”> <head> <meta charset=”UTF-8″> <title>www.dupengfei.top</title> <style> html{ background: #000; color: #666; font-size: 12px; overflow:hidden; } *{ margin: 0; padding: 0; } span{ display: block; float: left; } .on{ color: #fff; } .wrapper{ width: 200px; height: 200px; position: absolute; left:50%; top:50%; margin-top: -100px; margin-left: -100px; } .wrapper .timebox{ position: absolute; width: 200px; height: 200px; top: 0; left:0; border-radius: 100%; transition: all 0.5s; } .timebox span{ transition: all 0.5s; float: left; } .wrapper .timebox span{ position: absolute; left:50%; top:50%; width: 40px; height: 18px; margin-top: -9px; margin-left: -20px; text-align: right; }
77410编辑于 2022-09-14 - 来自专栏罗西的思考
快手八卦 --- 机器学习分布式训练新思路(2)
[源码解析] 快手八卦 --- 机器学习分布式训练新思路(2) 目录 [源码解析] 快手八卦 --- 机器学习分布式训练新思路(2) 0x00 摘要 0x01 优化 1.1 重叠通信和计算 1.2 分桶通信和扁平化 并行性能显著提高； 对网络环境更鲁棒； “一键式”使用； 分布式通讯算法易拓展性； 可用于工业级场景大规模使用； 安全、故障易排查； 本文以： 快手官方公共号文章 快手八卦 八卦希望设计一种针对所有通信算法的优化方式。BAGUA的核心部分是它的执行优化器（execution optimizer）。 ([[0, 1], [2, 3], [4, 5]]) c storage : 0 1 2 3 4 5 [torch.LongStorage of size 6] c size : torch.Size([3, 2]) c stride : (2, 1) c.data.storage().data_ptr() : 140266160612352 我们单独看看
74710编辑于 2022-05-09 - 来自专栏大前端（横向跨端 & 纵向全栈）
Canvas绘制八卦图
运用Canvas绘图编写一个八卦图效果。 最终效果如下： 代码实现如下： <! doctype html> <html lang="en"> <head> <meta charset="UTF-8"> <title>Canvas绘制八卦图</title> 您的浏览器不支持Canvas绘图 </canvas> <script type="text/javascript"> var ctx = c0.getContext("2d ctx.fill(); //3.绘制黑色圆 ctx.beginPath(); ctx.arc(200, 250, 50, 0, Math.PI * 2) ctx.fill(); //4.上面的白色圆 ctx.beginPath(); ctx.arc(200, 150, 50, 0, Math.PI * 2)
65010发布于 2020-11-26 - 来自专栏大前端（横向跨端 & 纵向全栈）
CSS 实现八卦图
利用CSS实现一个八卦图，效果如下： 实现代码如下： <! DOCTYPE HTML> <html> <head> <meta charset="utf-8" /> <title>CSS实现八卦图</title> <style> margin: auto; width: 100px; height: 50px; border-top: 2px solid red; border-right: 2px solid red; border-bottom: 50px solid red; border-left: 2px solid red; border-radius: 100px; } #circle::after {
67310发布于 2020-11-26 - 来自专栏机器学习AI算法工程
【LDA数学八卦-1】神奇的Gamma函数
直观的说也就是可以找到一条平滑的曲线y=x2通过所有的整数点(n,n2)，从而可以把定义在整数集上的公式延拓到实数集合。 的插值计算问题的是丹尼尔.贝努利，他发现， 如果 m,n都是正整数，如果 m→∞，有 1⋅2⋅3⋯m(1+n)(2+n)⋯(m−1+n)(m+n2)n−1→n! 于是用这个无穷乘积的方式可以把n! 可以用如下的一个无穷乘积表达 [(21)n1n+1][(32)n2n+2][(43)n3n+3]⋯=n! (∗∗)(2) 左边可以整理为 ===1⋅2⋅3⋯m(1+n)(2+n)⋯(m+n)(m+1)n1⋅2⋅3⋯n⋅(n+1)(n+2)⋯m(1+n)(2+n)⋯m⋅(m+1)n(m+1)(m+2)⋯( 例如，取n=1,k=12我们可以计算 x 的 12阶导数为 Γ(1+1)Γ(1−1/2+1)x1−1/2=2x√π−−√ 很容易想到对于一般的函数 f(x) 通过 Taylor 级数展开可以表达为幂级数
3.9K50发布于 2018-03-12 - 来自专栏大前端（横向跨端 & 纵向全栈）
CSS 3.0实现八卦图
利用CSS实现一个八卦图，效果如下： 实现代码如下： <! DOCTYPE HTML> <html> <head> <meta charset="utf-8" /> <title>CSS实现八卦图</title> <style> margin: auto; width: 100px; height: 50px; border-top: 2px solid red; border-right: 2px solid red; border-bottom: 50px solid red; border-left: 2px solid red; border-radius: 100px; } #circle::after {
33210编辑于 2022-11-27 - 来自专栏机器学习AI算法工程
【LDA数学八卦-4】文本建模
文本建模 我们日常生活中总是产生大量的文本，如果每一个文本存储为一篇文档，那每篇文档从人的观察来说就是有序的词的序列 d=(w1,w2,⋯,wn)。 上帝的这个唯一的骰子各个面的概率记为 p→=(p1,p2,⋯,pV), 所以每次投掷骰子类似于一个抛钢镚时候的贝努利实验， 记为 w∼Mult(w|p→)。 上帝投掷V 个面的骰子 对于一篇文档d=w→=(w1,w2,⋯,wn), 该文档被生成的概率就是 p(w→)=p(w1,w2,⋯,wn)=p(w1)p(w2)⋯p(wn) 而文档和文档之间我们认为是独立的 ， 所以如果语料中有多篇文档 W=(w1−→,w2−→,…,wm−→),则该语料的概率是 p(W)=p(w1−→)p(w2−→)⋯p(wm−→) 在 Unigram Model 中， 我们假设了文档之间是独立可交换的 使用上个小节中的结论，由于 p→ 的后验分布为 Dir(p→|n→+α→)，于是 E(p→)=(n1+α1∑Vi=1(ni+αi),n2+α2∑Vi=1(ni+αi),⋯,nV+αV∑Vi=1(ni
1.1K30发布于 2018-03-12 - 来自专栏机器学习AI算法工程
【LDA数学八卦-5】LDA 文本建模
如果语料中一共有 N 个词，则上帝一共要抛 2N次骰子，轮换的抛doc-topic骰子和 topic-word骰子。 共轭结构，从而我们可以得到整个语料中词生成概率 p(w→|z→,β→)=p(w→′|z→′,β→)=∏k=1Kp(w→(k)|z→(k),β→)=∏k=1KΔ(n→k+β→)Δ(β→) (∗∗)(2) 我接触 Topic Model 的时间不长，主要是由于2年前和 PLDA 的作者 Wangyi 一起合作的过程中，从他身上学到了很多 Topic Model 方面的知识。 — Richard Feynman LDA数学八卦 LDA-math 的汇总， “LDA数学八卦.pdf” 我整理贴出来了， 希望对大家理解 LDA 有帮助。 文章标题挂上“八卦”两字， 因为八卦意味着形式自由、不拘束、可以天马行空，细节处理上也难免有不严谨的地方；当然我也希望八卦是相对容易理解的。
1.5K40发布于 2018-03-12 - 来自专栏机器学习AI算法工程
【LDA数学八卦-3】MCMC 和 Gibbs Sampling
例如正态分布可以通过著名的 Box-Muller 变换得到 [Box-Muller 变换] 如果随机变量 U1,U2 独立且U1,U2∼Uniform[0,1]， Z0Z1=−2lnU1−−−−−− −√cos(2πU2)=−2lnU1−−−−−−−√sin(2πU2) 则 Z0,Z1 独立且服从标准正态分布。 π(2)⋯π(2)⋯⋯⋯⋯⋯⋯π(j)π(j)⋯π(j)⋯⋯⋯⋯⋯⋯⎤⎦⎥⎥⎥⎥⎥ π(j)=∑i=0∞π(i)Pij π 是方程 πP=π 的唯一非负解 其中, π=[π(1),π(2),⋯,π(j 我们先看看二维的情形，假设有一个概率分布 p(x,y), 考察x坐标相同的两个点A(x1,y1),B(x1,y2)，我们发现 p(x1,y1)p(y2|x1)=p(x1)p(y1|x1)p(y2|x1 )p(x1,y2)p(y1|x1)=p(x1)p(y2|x1)p(y1|x1) 所以得到 p(x1,y1)p(y2|x1)=p(x1,y2)p(y1|x1) (∗∗∗)(4) 即 p(A)p(y2
1.4K80发布于 2018-03-12 - 来自专栏用户7778128的专栏
【技术创作101训练营】人人有颗八卦的心
PPT: 训练营人人有颗八卦的心运营-joyan.pptx 演讲文稿： 人人有颗八卦的心 – 管理应用产品运营 在这样的大企业有很多意想不到的八卦消息，比如XXX总监被警察带走了，提前知晓了XX 这里就对应上我们的主题“八卦”，运营离不开八卦用户和八卦数据。 八卦运营数据也是两个角度 ：业务数据和运维数据。 同是运营的小伙伴可能会觉得以上的内容很虚，理论指标都是大同小异，更想八卦不同领域技术层面采用的运营方案。 这里我们也重新认识一下八卦，八卦原本是指中国古人认识世界时对事物的分类，从运营根本的八卦是指衡量各产品是对运营管理成熟度的标准。我们按照运营来源分为两大类来源 ，八大子项。
59530发布于 2021-01-14 - 来自专栏call_me_R
仅使用 CSS 旋转制作八卦迷惑动画 🧘♀️
步骤一：制作八卦图 第一步是使用 CSS 创建阴阳八卦图，如下： image.png 上面仅使用一个 div 元素，配合 ::before 和 ::after 创建伪元素完成。 } </style> </head> <body>
</body> </html> 你可以运行上面的代码进行验证 步骤二：整合八卦图 我们需要一个外部的元素 div 对我们生成的两个八卦图进行管理。 其实我们相当于又制作了一个大的八卦图，如下： 这里制作的方法跟步骤一的方法大同小异，这里就不进行赘述了。 步骤三：添加动画 下面我们让图动起来。为八卦图添加 animation 动画。1K20编辑于 2022-03-10 - 来自专栏云数据库技术
数据火器库 - 八卦系列之借老枪谈可靠性
来源：云数据库技术数据库打工仔喃喃自语的八卦1. 老枪：Db2/z和可靠性2. K.I.S.S (Keep it Simple, Stupid!)3. 不过数据库的爷爷辈应该算是79年的Oracle和83年的Db2/z(z又叫mainframe,国内称主机)。今天用这把老枪讲讲可靠性。 最早的一批商用数据库就包括主机上的DB2/z(1983年GA v2.3)。 图片2、如何保证可靠性教科书里有很多，架构设计的书也可以轻而易举的找到。本文既然是八卦篇，就只分享现实世界的事情。那些理论上支撑的功能，原则上不会宕机的架构设计不是这里的重点怎么能不犯错？ 那么如果做到simple/简单呢，上次八卦SQL的时候专注到产品边界，就是要有节制，开发有明确的特点的产品，而不要试图做大而全的产品。
40660编辑于 2022-09-26 - 来自专栏量化投资与机器学习
少八卦，多学习！国内量化开源的顶流项目
公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者，荣获2021年度AMMA优秀品牌力、优秀洞察力大奖，连续2年被腾讯云+社区评选为“年度最佳作者”。 我们在github中以“quant”为topic： 按Star数量对众多量化项目进行排序，取其中排名前10的项目，得到了以下数据： Star排名前10的量化开源项目 *截止2022年2月10日 可以看出排名前十的项目有 呼吁大家： 少八卦，少负面，少蹭热度，少关注量化网红！ 多学习，多思考，多点正面报道！
7.4K30编辑于 2022-03-03 - 来自专栏儿童编程
天干地支五行八卦的对应关系
了解天干地支五行八卦的对应关系能够为学习易经提供极大的方便。现总结如下： 五行八卦天干地支对应关系 十二地支与时辰月份季节的对应关系
2.1K90发布于 2018-09-12 针织机不听八卦，只听PROFINET和MODBUS的话
针织机不听八卦，只听PROFINET和MODBUS的话在现代纺织行业，自动化技术的应用正深刻改变着传统生产模式。针织机与印染机械作为关键生产设备，其控制系统的性能直接影响能耗水平与工艺质量。
18010编辑于 2025-09-18- 来自专栏巴山学长
火遍抖音的八卦时钟matlab源代码来了
在浏览抖音的时候看见一款名叫“八卦时钟”的视频，看起来很炫酷，于是小编决定亲自动手采用matlab来实现。
1.7K10发布于 2020-07-07 - 来自专栏域名资讯
娱乐八卦号们怎么办？域名帮你找答案
近日在微博上，“中国第一狗仔卓伟”、“八卦_我实在是太CJ了”等多个知名八卦新浪微博账号被封。 不止新浪 多家平台八卦大号被封 6月7日下午，新浪微博官方账号@微博管理员 发布官方公告称：“根据《微博用户服务使用协议》、《微博社区公约》等法律文件和社区规则，对存在严重编造传播谣言、诋毁他人名誉的 此外，在今日头条、优酷、网易、百度等平台上，也都有一些比较知名的娱乐八卦类账号“被点名”关闭。 关黑屋不用怕 买个域名就好了 那么问题就来了，这些靠八卦爆料吸粉的大号被封，网友们一颗爱八卦的内心无处可去怎么办？相信不少米友们会说：买个域名就解决了嘛！（很机智、很实际，有木有！） 鲜明案例：关八收购域名guanba.com 在这一点上，很多八卦爱好者都知道的自媒体大号“关八（关爱八卦成长协会）”就是一个活生生的例子： [图片] 2016年8月得到消息，关八收购品牌双拼域名
1.2K10发布于 2017-12-01 - 来自专栏罗西的思考
快手八卦 --- 机器学习分布式训练新思路(1)
[源码解析] 快手八卦 --- 机器学习分布式训练新思路(1) 目录 [源码解析] 快手八卦 --- 机器学习分布式训练新思路(1) 0x00 摘要 0x01 设计思路 1.1 如何通信 1.2 通信模式分类 0x01 设计思路 以下摘录于快手官方帖子 快手八卦！突破 TensorFlow、PyTorch 并行瓶颈的开源分布式训练框架来了！ 和 ETH PPT，按照自己理解有调整。 如果把计算单元之间的信息同步类比为人与人之间的信息同步，那么社会实践经验告诉我们，“八卦”可能是消息传递最高效的模式。 “八卦”消息传播具有去中心化、异步通讯、信息压缩的特点，这与 Bagua 里面实现的通讯算法刚好一一呼应。 1.2 通信模式分类 针对通信模式，有如下分类。 这时，使用八卦的负载均衡数据加载器可以大大提高分布式训练吞吐量，在这种情况下，worker 的工作负载是相似的。我们接下来就从实例入手，看看如何实现数据加载的负载均衡。
1.1K20编辑于 2022-05-09 - 来自专栏罗西的思考
快手八卦 --- 机器学习分布式训练新思路(3)
[源码解析] 快手八卦 --- 机器学习分布式训练新思路(3) 目录 [源码解析] 快手八卦 --- 机器学习分布式训练新思路(3) 0x00 摘要 0x02 去中心化 2.1 示例用法 2.2 去中心化培训概述 本系列前两篇链接为： [源码解析] 快手八卦 --- 机器学习分布式训练新思路(1) [源码解析] 快手八卦 --- 机器学习分布式训练新思路(2) 0x02 去中心化 官方文章中是这样介绍其设计思路的 到目前为止，八卦已经结合了两种基本的去中心化算法，即去中心化 SGD和 低精度去中心化 SGD。凭借八卦对去中心化的自动系统支持，我们预计在不久的将来会实现越来越多的去中心化算法。 2.4 Decentralized SGD 现在我们将描述在八卦中实现的 Decentralized SGD 算法。 0xFF 参考 PyTorch internals 快手八卦！突破 TensorFlow、PyTorch 并行瓶颈的开源分布式训练框架来了！
98420编辑于 2022-05-09
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号