- 综合排序
- 最热优先
- 最新优先
- 来自专栏奇点大数据
话说量化（5）
钱是越多越好吗？这个问题似乎不用回答，那是肯定的啊。试问在座的各位看客哪位不是在挣钱，挣更多的钱，挣更多更多的钱的路上奔跑着的呢？钱是一种交换物质（当然也可以是精神层面的）的重要工具，对于每个人都很重要。所以狭义来说，钱当然是越多越好。
55410发布于 2018-09-14 - 来自专栏量子化学
利用MOKIT从PySCF向其他量化程序传轨道
近期笔者和另一开发者wsr在MOKIT程序中加入了fchk(),py2molpro,py2molcas,py2qchem等模块，可用于从PySCF程序向其他量子化学程序传递分子轨道。 （为什么不用Gaussian算完了传轨道给其他程序：因为Gaussian是商业收费程序，有的课题组/机构没买） （3）自己基于PySCF开发新方法，无现有程序对应，但希望正确地传轨道至下一个量化程序进行后续计算 5. 注意Windows预编译版不支持本文功能，内含的是Gaussian与其他量化程序传轨道的小程序。
2K20编辑于 2022-12-07 - 来自专栏量子化学
利用MOKIT从ORCA向其他量化程序传轨道
本文介绍如何使用MOKIT从ORCA向其他量化程序传轨道，有以下可能的用途： （1）在ORCA中进行了RIJK或RIJCOSX加速的大体系HF/DFT计算，想传轨道给其他程序进行后续计算，或想产生fch 5. ORCA传轨道给GAMESS mkl2inp h2o.mkl 会产生h2o.inp文件，内含坐标，基组数据和一些简单的关键词。 6. 若读者在计算中使用全电子基组，自然无此问题；若用了赝势，按上文操作产生其他量化程序的文件不会含赝势信息，即使轨道系数正确，SCF也会剧烈振荡。这里笔者推荐一种解决办法： Step 1. 以防覆盖 mkl2fch ZnMe2_o.mkl # 将轨道传回ZnMe2_o.fch 后续可以使用fch2inp，fch2inporb，fch2com，bas_fch2py等小程序传给其他量化程序做计算 致谢 感谢wzkchem5，wsr和zhigang的修改建议。
2K20编辑于 2023-09-03 - 来自专栏AI机器学习与深度学习算法
机器学习入门 5-4 向量化
本小节主要介绍使用向量化的方式提升性能。 简单线性回归 先来回归一下简单线性回归优化目标以及通过最小二乘的方式求得的参数a，b的解析解。 ? 在上一个小节中，我们是通过循环的方式来求解分子和分母，前面也说过，使用for循环的这种方式，性能相对是比较低的，如果有办法将for循环的计算变成向量之间的计算的话，得益于numpy模块性能就会大大的提升，这就是向量化运算含义 上面我们将对应元素相乘然后相加的操作看成是向量之间的点乘，这也是为什么在最小二乘求解a的解析解的时候要把式子写成相乘累加的形式，这样就可以将其转换成向量之间的运算，进行向量化运算提升性能。 使用向量化运算实现线性回归算法 前面使用sklearn的思想封装了一个名为"SimpleLinearRegression1"的类，在类中使用for循环的方式来求解参数a的值。 ? ? ? ? 实现向量化的代码只需将for循环部分改成向量点乘即可： ? ? ? ? 为了比较两者的性能，将两种方式导入jupyter中，通过魔法命令来验证性能。 ? ? ? ?
93620发布于 2019-11-13 - 来自专栏AI智韵
YoloV5改进策略：RefConv打造轻量化YoloV5利器
我们使用RefConv替换YoloV5中的卷积，既能提高精度，又能降低运算量，使得模型更加轻量化！ YoloV5官方结果 YOLOv5l summary: 267 layers, 46275213 parameters, 0 gradients, 108.2 GFLOPs c17 230 131 0.992 0.992 0.995 0.797 c5 tu-22 230 98 0.983 1 0.995 0.788 测试结果 YOLOv5l c17 230 131 0.984 1 0.995 0.839 c5
28510编辑于 2024-10-22 - 来自专栏SDNLAB
向5G迁移的安全性问题
本文将介绍3GPP近期在5G方面取得的成就，并就向5G迁移的安全性问题进一步展开讨论，最后详细介绍非独立或4G-5G双连接的3GPP规范。 3GPP近期的成就 5G架构和无线规范已经在2017年12月按照计划进行发布，其中3GPP的成就之一是完成了4G-5G双连接规范，设备可以同时连接到4G和5G基站，而5G基站连接到4G核心网。 这种双连接解决方案使5G能够尽快进入市场，并可用作从4G向5G迁移的路径。当然，还有其他的途径向5G迁移。 因此，向5G的迁移是发生在不同类型的系统中。 （3）与0SS/BSS和O&M相关的安全性也需要充分考虑（4）向5G迁移也将导致虚拟化部署的增加。根据公司战略和国家法规，可能会使用共享或专用虚拟化基础设施，因此需要考虑云和虚拟化的安全因素。
99750发布于 2018-03-28 - 来自专栏生信入门课
生信入门课DAY5--向逸一
这里的x是你刚才赋值的变量名，根据自己的情况来修改x[4] #x第4个元素x[-4]#排除法，除了第4个元素之外剩余的元素x[2:4]#第2到4个元素x[-(2:4)]#除了第2-4个元素x[c(1,5) ] #第1个和第5个元素x[x==10]#等于10的元素x[x<0]x[x %in% c(1,2,5)]#存在于向量c（1，2，5）中的元素数据框(即常说的表格）（补充：一个向量是一排有序排列的元素，以后会用到把一个向量作为数据框中的一列的情况
62940编辑于 2023-02-10 - 来自专栏Python数据科学
Python 量化交易神书面世，赠送 5 本
前不久，收到清华大学出版社赠送的 《深入浅出Python量化交易实战》 一书，也答应了出版社要写一些读书笔记，今天就来交作业了。 下面是我参考书中内容做的一些简单尝试，仅供学习参考。 这本书对于使用Python玩量化的初学者们，还是很友好的，感兴趣可以考虑入手一本看看。 笔记① 用Python绘制出股价的5日均线和20日均线。 众所周知，5日均线是短线交易的生死线，而20日均线是中长线趋势的分水岭。因此，基于这两条均线，可以设计出一些简单的交易策略。 能够看到最早的数据到2021年的10月8日： 然后我开始添加5日和20日均线 price['ma5'] = price['Adj Close'].rolling(5).mean() price['ma20 fig.add_subplot(111, ylabel='Price') price['Adj Close'].plot(ax=ax1, color='g', lw=2., legend=True) price.ma5.
1K20编辑于 2022-03-11 - 来自专栏叶子的开发者社区
【yolov5】onnx的INT8量化engine
GitHub上有大佬写好代码，理论上直接克隆仓库里下来使用 git clone https://github.com/Wulingtian/yolov5_tensorrt_int8_tools.git 然后在yolov5_tensorrt_int8_tools的convert_trt_quant.py 修改如下参数 BATCH_SIZE 模型量化一次输入多少张图片 BATCH 模型量化次数 height 成功量化后的模型大小只有4MB，相比之下的FP16的大小为6MB，FP32的大小为9MB 再看看检测速度，速度和FP16差不太多 但是效果要差上一些了 那肯定不能忘记送上修改的代码，折腾一晚上的结果如下 cv2 BATCH_SIZE = 1 BATCH = 79 height = 640 width = 640 CALIB_IMG_DIR = '/content/drive/MyDrive/yolov5/ DataLoader() engine_model_path = "runs/train/exp4/weights/int8.engine" calibration_table = 'yolov5_
1.2K70编辑于 2023-11-13 - 来自专栏GiantPandaCV
NCNN+Int8+yolov5部署和量化
ncnn+int8量化的教程，却在yolov5的量化上遇到了麻烦，一方面是量化后速度更慢了，另一方面是精度下降严重，出现满屏都是检测框的现象，后来经过很多尝试，最终都以失败告终。 再后来，还是决定换其他方式对yolov5进行量化，一是即使最小的yolov5s模型量化后能提速，依旧满足不了我对速度的需求，二是对于Focus层，不管使用哪个向前推理框架，要额外添加对Focus层的拼接操作对我来说过于繁琐 -Yolov5 更轻更快易于部署的yolov5 这篇博客，还是接着上一篇yolov4量化的工作，对yolov5进行ncnn的部署和量化。 量化后的模型如下： 量化后的模型大小大概在1.7m左右，应该可以满足你对小模型大小的强迫症； 此时，可以使用量化后的shufflev2-yolov5模型进行检测： 量化后的精度略有损失，但还是在可接受范围内 六、总结 本文提出shufflev2-yolov5的部署和量化教程； 剖析了之前yolov5s之所以量化容易崩坏的原因； ncnn的fp16模型对比原生torch模型精度可保持不变； [上图，左为torch
4.4K30发布于 2021-09-14 - 来自专栏JohnYao的技术分享
UE5 创建Level并实现Level Streaming(新手向)
UE5常见的Game Templates默认启用了新的World Partition的关卡组织方式。如果想在UE5中，试验UE4的Level Streaming，则需要从头创建一个新的关卡。 https://docs.unrealengine.com/4.27/en-US/BuildingWorlds/LevelStreaming/StreamingVolumes/ 5 default map
3.3K20编辑于 2023-03-24 - 来自专栏全栈程序员必看
Yolov5更换backbone，与模型压缩（剪枝，量化，蒸馏）
项目地址（GitHub）：https://github.com/Ranking666/Yolov5-Processing 项目介绍： 本仓库是基于官方yolov5源码的基础上，进行的改进。 目前支持更换yolov5的backbone主干网络为Ghostnet，以及采用eagleeye的剪枝方法支持对yolov5系列的剪枝。 后续，将会添加更多更轻量，更优秀的主干网络，比如swintrans，EfficientNet等，以及其他剪枝方法，以及量化，蒸馏对于yolov5系列的支持。 EagleEye: Fast Sub-net Evaluation for Efficient Neural Network Pruning 详细大家可以看之前的初入神经网络剪枝量化3
2.2K20编辑于 2022-09-22 - 来自专栏韩曙亮的移动开发专栏
【Cubase】Cubase 量化设置 ( 量化预置 | 长度量化 | 快捷键设置 | 量化开头 | 量化 MIDI 事件结尾 | 量化 MIDI 事件长度 )
文章目录 一、要解决的问题 二、量化预置 三、长度量化 四、快捷键及设置 1、快捷键及设置 2、量化开头 3、量化 MIDI 事件结尾 4、量化 MIDI 事件长度 五、对 MIDI 进行量化操作 本博客中的所有设置都是在 ; 三、长度量化 ---- 长度量化 参数设置 : 在下图 处设置长度量化 , 如果设置成 " 1/16 " , 那么使用鼠标拖动时 , 音符的长度只能是 16 分音符的整数倍 ; 上述的 量化预置 ; 2、量化开头 量化开头 : 默认按键 " Q " 是量化开头 ; 将所有音符的开始位置对齐到 " 量化预制 " 对应的格子中 ; 该设置是系统自带的 , 不建议修改 ; 3、量化 MIDI 事件结尾 量化 MIDI 事件结尾 : 首先选中左侧的 " 量化类别 / 量化 MIDI 事件结尾 " , 点击右侧的 " 输入快捷键 " 下方的输入框 ; 输入快捷键后 , 点击 " 指定 " " 快捷键 , 量化音符长度 , 此时音符都排列整齐了 , 音符开头和音符长度进行了量化 , 音符结尾自然也进行了量化 ;
4.8K00编辑于 2023-03-28 构建高确定性融合创新底座：驱动政企架构从“可用”向“好用”的量化演进
专属云架构演进与多级算力融合 将传统虚拟化平台向云原生专属云演进，提供从IaaS到PaaS的产品交付： 部署形态全覆盖：提供建设区域行业云平台（TCE，具备全栈自主供应与多地多活）、私有化PaaS平台（ 多级算力调度：系统性支持裸金属（自研HostOS）、VM虚拟机、KubeVM轻量化虚机以及云原生容器，通过多级算力融合替代传统VMWare架构。 2. 第三章：量化云原生底座效能：资源利用率与并发处理能力的指数级跃升 通过自研操作系统与大规模多集群容器算力平台（TCS）的底层调优，腾讯云在网络层（VPC网络加速HARP、RDMA网络加速TCCL）与框架层进行深度优化 ，在实际应用场景中实现了量化的业务指标提升： 计算资源ROI指标：通过服务质量监控与算力隔离，通用算力资源利用率实现 提升200%+；GPU容器部署密度实现 提升200%+。 AI训推效率指标：依托TACO AI加速框架及算子/编译优化，标准测试集训推效率实现 提升5倍。
18610编辑于 2026-05-30- 来自专栏张俊红
如何向5岁小孩解释什么是支持向量机（SVM）？
编辑：王萌(深度学习冲鸭公众号) 著作权归作者所有，本文仅作学术分享，若侵权，请联系后台删文处理 今天和大家分享一个入门级分类方法的讲解吧！ 什么是SVM？ 关于什么是SVM这个事情，就要必须要说一说刘强西救爱人的故事： 在很久以前的情人节，魔鬼抢走了刘强西的爱人，旅馆老板刘强西便发誓要救他的爱人。 来到魔鬼的城堡前，魔鬼和他玩了一个游戏，只要他通过了就放走他的爱人。 魔鬼在桌子上似乎有规律放了两种颜色的球，说：“你用一根棍分开它们？要求：即便再放更多球之后，仍然能将它们分开。” 于是刘强西这样放，干
44830编辑于 2022-09-27 - 来自专栏图灵人工智能
诺奖得主向TOP5刊审稿人开炮！！！
Steve Tadelis最近分享了他与某本TOP刊ECM的互动经历，并建议将决定信公开分享。对于那些感到灰心的年轻人来说，值得注意的是，这篇论文曾被QJE——一个风格更为契合的“家”——拒绝。
33410编辑于 2024-04-18 - 来自专栏前端侠2.0
【译】Angular中，向子组件传值的5种方式
翻译：http://blog.briebug.com/5-ways-to-pass-data-into-child-components-in-angular 原作者： 前言 如果你是新手，或翻译 angularJs的项目代码时，第一个要想的可能是：我如何向周围传值。 本文，让我们跟随 accompanying demo app 的示例来阐述下面5个技术： @Input来响应变化的值 @ViewChild来设置属性 在services中使用BehaviorSubjects my-component [price]="500"></my-component> <my-component price="One kajillion dollars"></my-component> 你也可以向属性传入方法
3.8K20发布于 2018-12-19 - 来自专栏hightopo
矢量化的HTML5拓扑图形组件设计
HT一直被客户称道的就是其全矢量化的设计特色，矢量相比传统图片好处太多了： 矢量可无级缩放，界面不失真不模糊 描述矢量的文本内容远比图片小得多 目前各种window.devicePixelRatio不一致的设备 但，我还是不喜欢DOM上太重都是元素，不喜欢庞大包罗万象搞得没有一家能完美实现的标准，另外用XML、Flex的MXML或Sliverlgiht/WPF的XAML来描述图形实在是笨重不灵活，基于HTML5的 至此仅可以说重造了个SVG的轮子没啥特殊，如果仅能达到矢量化的功能，那费那么大劲自定义一套标准也没大意义，其实HT for Web设置矢量的初衷并非为了矢量化，而是HT产品的核心理念：让程序员更轻松的开发图形界面
2K20发布于 2018-07-09 - 来自专栏菩提树下的杨过
JAVA CDI 学习(5) - 如何向RESTFul Service中注入EJB实例
RESTFul Service中如果要注入EJB实例,常规的@Inject将不起作用,在Jboss中,应用甚至都启动不起来(因为@Inject注入失败),解决方法很简单:将@Inject换成@EJB 参考代码: CityInvoker是一个Stateless的EJB package test; import javax.ejb.Stateless; import ... @Stateless public class CityInvoker { public CityResponse getC
96370发布于 2018-01-24 - 来自专栏哆哆Excel
ThinkPHP5学习002-向模板中传递变量
注：近来找到一个大神的博客，向大神学习中 ThinkPHP5学习002-向模板中传递变量 知识点 控制器可以向模板传递数据，并显示在模板中 $this->assign() 表示：给模板赋值，需要传递两个参数 测试一下 http://localhost:81/tp5/public/index.php/index/ 成功 4.再修改一下控制器中的index.php，其中的show方法 先定义一个数组，再传递一个变量 stu，向它传入一个数组 5.再修改一下模板文件：application\index\view\index中的show.html 准备了一个变量“stu”，以数组中的row，进循环 在模板中，输出二维数组的值 ，可以使用volist标签，这个标签是tp5模板自带的标签，主要用于循环输出二维数组中的值 其中，name属性的值是控制器传过来的变量，id 属性指定的变量自己随意定义 【知识点扩展】 thinkphp 循环输出用户的编号和姓名： <volist name="list" id="vo"> {$vo.id}:{$vo.name}
</volist> 6.测试一下 http://localhost:81/tp5/1.9K20编辑于 2022-10-25
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