- 综合排序
- 最热优先
- 最新优先
- 来自专栏潇湘信安
应急靶场 | 2014-11-16流量分析练习
同时也给大家分享一个学习流量包分析和恶意文件分析的网站：https://www.malware-traffic-analysis.net/ 此次靶场地址： https://www.malware-traffic-analysis.net/2014/11 很明显从包序1到10就可以看到虚拟机地址是172.16.165.165，大概从包序11开始交互，但是交互地址出现了变化。 2) 被感染的 Windows 虚拟机的主机名是什么？
2K20发布于 2021-11-04 - 来自专栏python入门
Python入门11 函数参数
我们来看之前这个函数的书写形式：ret()为什么函数后面要加括号呢，是因为括号内是预留给参数的位置，当没有参数的时候，括号内为空，当需要参数的时候，情况就不同了【函数参数】以下是一个使用函数参数的例子： ，根据name的不同，它会打印不同的结果接受参数使得函数拥有了更大的灵活性，这就是参数的作用一个函数也可以接受多个参数，参数之间用逗号隔开在函数的参数传递过程中，有两个比较抽象的概念：形式参数和实际参数 【形式参数】在函数定义阶段括号内所填写的参数，简称"形参"def func(a, b): passa和b就是函数func的形参【实际参数】在函数调用阶段括号内传入的参数，简称"实参"func(1,2 (3,5)可以看到minus(5,3)和minus(3,5)运行的结果是不一样的因为a,b有先后顺序【关键字参数】有时，为了避免位置参数赋值带来的混乱，python提供使用参数名赋值的方式# coding 5)add(5,2)当运行add(5)时，b取默认值0，a+b=5+0=5当运行add(5,2)时，b的值被覆盖为2，a+b=5+2=7默认参数值使得函数的使用更加灵活※注意，有默认值的参数要放在无默认值参数的后面
29310编辑于 2024-05-09 - 来自专栏AI派
一文了解11个常见的多变量分析方法！
在社会科学研究中，主要的多变量分析方法包括多变量方差分析（Multivariate analysis of variance，MANOVA）、主成分分析（Principal component analysis 六、判别分析 判别分析是多变量分析中应用相当广泛的统计方法，它可以用来对样本进行分类的工作；也可以用来了解不同类别样本在某些变量上的差异情形；同时也可以根据不同类别的样本在某些变量的实际表现，用来预测新的样本属于某一类别的概率 八、线性结构方程 线性结构方程是一个相当具有变通与弹性的统计方法，随着研究者对变量间关系界定的差异，LISREL的常见名称包括协方差结构分析，潜变量分析、线性结构模型或验证性因子分析。 利用对数线性模型来解决多元列联表的问题的目的，主要就在于探讨构成列联表的多个定类变量间的关系，进而在精简原则下构建拟合的解释模型，并根据所建立的模型估计单元格参数值，以了解各变量效果对单元格次数的影响。 Logit对数线性模型的功能与多元回归分析相当类似，都可以用来探讨与解释因变量与自变量间的关系，但不同的是，多元回归分析的变量都是定距以上层次变量，通常以最小二乘法进行模型估计与检验；logit对数线性模型的变量都是定类变量
3.4K40发布于 2021-07-28 - 来自专栏数据库学习笔记
【参数优化】11gR2安装后参数优化
以下为11gR2安装完成后需要优化的参数，建议PC端查看。 前序： 【安装】CentOS7.7下图形化安装Oracle11gR2 【补丁】Oracle11gR2补丁更新（PSU） 一、参数优化 #如果指定为TRUE， 并行操作只会在当前instance里面并行 但是该参数存在不稳定因素，可能会带来执行效率的问题，建议关闭优化器反馈。 11R2会遇到一个BLOOM过滤器导致的BUG 9124206和BUG 8361126，出现ORA-00060 ORA-10387错误 alter system set "_bloom_filter_enabled ，还是各有区别，部分参数在当前知识体系下还不理解，后续深入学习后再补充修正。
1.6K30发布于 2021-04-22 - 来自专栏燧机科技-视频AI智能分析
教师教学质量分析评价系统 A教育大模型
本文提出一种基于YOLOv12目标检测、RNN时序分析与情感计算的教师教学质量分析评价系统，通过“多模态感知-时序行为研判-情感-行为关联评价”机制，实现对课堂学生行为（玩手机、举手、睡觉等6类）、表情 人教室（检测距离3-8米），集成偏振滤镜（抑制黑板反光）、自动白平衡（适应不同光照）； 环境补偿模块：搭载光照传感器（量程0-100000lux）、声音传感器（检测课堂噪音＞70dB），动态调整相机曝光参数 实验室数据（NVIDIA A100 GPU训练，PyTorch 2.3框架）显示，优化后模型在课堂数据集上mAP@0.5达97.6%，单帧检测耗时10ms（100FPS），较YOLOv11基线模型提升39% ：每周收集教师反馈样本（如“举手但未发言”的特殊场景），通过增量训练更新LSTM参数（实验室数据显示迭代3次后误报率降至2.7%）； 低侵入部署：相机隐蔽安装于教室后方，不干扰教学，支持POE供电（功耗 教师教学质量分析评价系统基于YOLOv12+RNN的深度学习算法，教师教学质量分析评价系统精准地检测到学生是否在玩手机、举手、睡觉、交头接耳、趴桌子、行走运动等行为。
54910编辑于 2025-12-31 大模型、小模型、参数量
## 几个概念总参数量 = 词嵌入层参数 + 解码器层参数小模型 就是在参数量上显著小于LLM的模型所有参数 都放在 safttensors 模型文件 中预训练 就是为了 生成合理的 参数值后训练 也是为了 生成合理的 参数值蒸馏、微调、强化学习，都是后训练大模型变成小模型采用"蒸馏+量化+剪枝"的组合策略 一、大模型 GPT-3 参数量详解大模型的参数量是指神经网络中所有可训练权重和偏置的总数，这些参数决定了模型的学习能力和表达能力 模型总参数量（参考）若词嵌入层与输出层共享权重（主流方案）：总参数量 = 词嵌入层参数 + 32层解码器参数=65,660,928+2,684,354,560=2,750,015,488≈27.5 亿= 三、大模型、小模型参数差距的本质大模型的参数量，本质上是用 dmodel2d_{model}^2dmodel2 的代价，换取高维语义空间的表达能力。 维度对比大模型 (LLM)小模型 (SLM)对参数量的影响隐藏层维度 (dmodeld_{model}dmodel)12288 (GPT-3/4)2048 (Phi-3) / 1024 (TinyLLaMA
55021编辑于 2026-01-04- 来自专栏啄木鸟软件测试
由人工智能参数讨论基于Bug的软件测试质量分析
上文和大家一起讨论了人工智能样本的评价参数：准确度、精准度、召回率和F1分数。这篇文章，我们结合这些参数来讨论基于Bug的软件测试质量分析。 软件测试质量分析是软件测试工作中非常重要的管理工作，其实在没有了解准确度、精准度、召回率这些概念之前，我们其实已经多多少少使用了这些概念。
99910发布于 2020-06-17 - 来自专栏Linux网络
【C++11】可变参数模板
前言： 上文我们学到右值引用及其移动语义，学习到了C++11中对性能提升对重要的更新之一。C++11进阶之路：右值引用和移动语义，让代码跑得更快！ -CSDN博客 本文我们来讲讲，C++11的下一个新语法：可变参数模板 1.基本原理 C++11支持可变参数模板。既支持可变参数的函数模板、可变模板参数的类模板。 可变的参数被称为参数包。参数包分为两类：1. 模板参数包：包含零或多个模板参数。 2. 函数参数包：包含零或多个函数参数。 在模板参数中，使用class + ...或typename + ...来表示此时的参数为参数包。 在函数参数中，类型名+ ... 表示此时的参数为参数包。 Args> iterator emplace (const_iterator position, Args&&... args); emplace是C++11提供的新类成员函数。
17510编辑于 2026-01-14 - 来自专栏全栈程序员必看
sklearn输出模型参数_rfm模型算法
总第105篇 最近会开始一个新的系列，sklearn库中各模型的参数解释，本篇主要讲述最基础的LR模型。 模型参数详解 逻辑回归： sklearn.linear_model.LogisticRegression(penalty='l2', dual=False, tol=0.0001, class_weight:class_weight是很重要的一个参数，是用来调节正负样本比例的，默认是值为None，也就是正负样本的权重是一样的，你可以以dict的形式给模型传入任意你认为合适的权重比， 比如，有一数据集的正负样本绝对数量比为4:6,如果你给参数class_weight赋予balanced值，那么最后模型结果中，正负样本的权重比就会变成6:4。 set_params(**params):为估计器设置参数 你还可以看： 逻辑斯蒂回归模型 版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。
1K10编辑于 2022-11-04 - 来自专栏机器之心
刚刚，谷歌发布基础世界模型：11B参数，能生成可交互虚拟世界
Genie 是一个 110 亿参数的基础世界模型，可以通过单张图像提示生成可玩的交互式环境。 我们可以用它从未见过的图像进行提示，然后与自己想象中的虚拟世界进行互动。 在这个假设基础上，谷歌针对机器人视频训练了一个 Genie 模型，作为机器人领域潜在世界模型应用的概念验证。 因此，谷歌在所有模型组件中采用内存高效的 ST-transformer 架构（见图 4），以此平衡模型容量与计算约束。 Genie 的推理过程如下所示 实验结果 扩展结果 为了研究模型的扩展行为，谷歌对参数量为 2.7B 到 41M 的模型进行了实验来探讨模型大小和批大小的影响，实验结果如下图 9 所示。 定性结果 谷歌展示了在 Platformers 数据集上训练的 Genie 11B 参数模型和在 Robotics 数据集上训练的较小模型的定性实验结果。
38410编辑于 2024-02-27 - 来自专栏一个正经的测试
谷歌发布基础世界模型！11B参数，能生成可交互虚拟世界
Genie 是一个 110 亿参数的基础世界模型，可以通过单张图像提示生成可玩的交互式环境 论文地址：https://arxiv.org/pdf/2402.15391.pdf 项目主页：https:// 11B参数，能生成可交互虚拟世界 前言 谷歌定义了生成式 AI 的全新范式 —— 生成式交互环境（Genie，Generative Interactive Environments）。 Genie 是一个 110 亿参数的基础世界模型，可以通过单张图像提示生成可玩的交互式环境。 我们可以用它从未见过的图像进行提示，然后与自己想象中的虚拟世界进行互动。 pli=1 这篇来自 Google DeepMind 的论文介绍了一个 11B 基础世界名为 Genie 的模型，根据 2d 平台游戏的未标记互联网视频进行训练。 Genie 模型还针对机器人视频进行了训练，作为机器人中潜在世界模型应用的概念验证。 可玩世界的基础模型？ 近年来，生成式人工智能取得了重大进展，使模型能够跨各种媒介生成创意内容。
62020编辑于 2024-02-27 - 来自专栏10km的专栏
C++11:可变参数模板实现print输出参数
https://blog.csdn.net/10km/article/details/51226657 C++11支持可变参数模板的特性，真的是很好用。 下面代码实现的print函数，就利用可变参数模板以及函数模板递归调用，实现将任意多个不同类型的参数顺序输出打印到std::ostream流中。 #include <iostream> /* 终止递归函数 */ inline void args_print(std::ostream& steam){} /* 使用可变参数模板实现参数打印到输出流( ;//剩余参数递归调用 }
2.7K10发布于 2019-05-25 - 来自专栏ClearSeve
C++11内存模型
Thread-1: Thread-2: x = 100; // A std::cout << x; // B C++11 C++11的内存模型共有6种，分四类。其中一致性的减弱会伴随着性能的增强。 Relaxed 在这种模型下，load()和store()都要带上memory_order_relaxed参数。 参考链接 【1】C++11中的内存模型上篇 – 内存模型基础 【2】C++11中的内存模型下篇 – C++11支持的几种内存模型 【3】理解 C++ 的 Memory Order 【4】如何理解 C++ 11 的六种 memory order 【5】《现代C++实战三十讲》中的内存模型与Atomic
1K30编辑于 2022-02-11 - 来自专栏菩提树下的杨过
ruby学习笔记(11)--symbol与hash参数
内部会每次生成一个全新的"0001"字符串对象，所以一般没人这么用，应该改成这样: products = {:"0001"=>"手机",:"0002"=>"电脑"} puts products[:"0001"] 哈希参数指的其实就是在调用方法并传入参数时 ，可以传入任意的 xx=>yy,aa=>bb,11==>22... 参数，是不是很灵活? title=>"标题" , :id=>123 效果完全相同，这个写法是不是跟link_to 'Show', :action => 'show', :id => product一样时尚了 :) 题外话:哈希参数与可选参数还是有些不同的 (可选参数参见"ruby学习笔记(3)--语法层面的先见之明")，个人觉得哈希参数其实更灵活
1.3K100发布于 2018-01-22 - 来自专栏张俊红
Sklearn参数详解—LR模型
总第105篇 最近会开始一个新的系列，sklearn库中各模型的参数解释，本篇主要讲述最基础的LR模型。 模型参数详解 逻辑回归： sklearn.linear_model.LogisticRegression(penalty='l2', dual=False, tol=0.0001, class_weight:class_weight是很重要的一个参数，是用来调节正负样本比例的，默认是值为None，也就是正负样本的权重是一样的，你可以以dict的形式给模型传入任意你认为合适的权重比， 比如，有一数据集的正负样本绝对数量比为4:6,如果你给参数class_weight赋予balanced值，那么最后模型结果中，正负样本的权重比就会变成6:4。 模型对象 coef_:返回各特征的系数,绝对值大小可以理解成特征重要性 intercept_:返回模型的截距 n_iter_:模型迭代次数 模型方法 decision_function(X):返回决策函数值
7.8K60发布于 2018-06-11 - 来自专栏深度学习自然语言处理
GLoRA—高效微调模型参数！
这些高度复杂的模型，通常具有数百万甚至数十亿个参数，在计算机视觉、自然语言理解和语音识别等领域表现出了卓越的能力。 本文提出了广义LoRA(GLoRA)，一种通用参数高效微调任务的先进方法。 RepAdapter：RepAdapter将轻量级网络插入到预先训练的模型中，并且在训练后，额外的参数将被重新参数化为附近的投影权重。 它们之间的区别仅在于搜索空间中的LoRA维度，该维度在最大模型中为8和4，在中间模型中为4和2，在最小模型中为2。本文方法中增加的参数灵活性允许在最终模型中进行用户定义的可训练参数计数。 将最先进的参数有效迁移学习提高了2.9%，即使是最小的模型也大大优于所有现有方法。 总结 本文提出了GLoRA，这是一种广义参数高效的微调方法，它成功地证明了增强大规模预训练模型的微调和迁移学习能力的有效性。
85710编辑于 2023-08-22 C++11之可变参数模板
而可变参数模板（Variadic Templates）作为 C++11 引入的一项强大特性，更是将模板的灵活性推向了新的高度。 Args> iterator emplace (const_iterator position, Args&&... args); C++11以后STL容器新增了empalce系列的接⼝，empalce 3.2emplace 系列接口的登场 C++11 引入了 emplace 系列接口，为容器操作带来了革命性的变化。 C++11新增了两个默认成员函数，移动构造函数和移动赋值运算符重载。 如果你没有⾃⼰实现移动构造函数，且没有实现析构函数、拷⻉构造、拷⻉赋值重载中的任意⼀个。 在C++11中更简单，只需在该函数声明加上=delete即可，该语法指⽰编译器不⽣成对应函数的默认版本，称=delete修饰的函数为删除函数。
11910编辑于 2026-01-15- 来自专栏LINUX阅码场
深入理解C11C++11内存模型
个人认为，内存模型表达为“内存顺序模型”可能更加贴切一点。 2011年发布的C11/C++11 ISO Standard为我们带来了memory order的支持， 引用C++11里的一段描述： The memory model means that C++ code C11/C++11使用memory order来描述memory model， 而用来联系memory order的是atomic变量， atomic操作可以用load()和release()语义来描述 C11/C++11内存模型 C/C++11标准中提供了6种memory order，来描述内存模型[6]: enum memory_order { memory_order_relaxed, - Frank Birbacher [ACCU 2017] C++11中的内存模型下篇 - C++11支持的几种内存模型 memory ordering, Gavin's blog c++11 内存模型解读
2.9K30发布于 2020-06-04 - 来自专栏自然语言处理
大模型生成解码参数速查
控制输出长度的参数 控制所使用的生成策略的参数 用于操作模型输出 logits 的参数 定义“generate”输出变量的参数 可以在生成时使用的特殊字符
24610编辑于 2024-01-09 - 来自专栏技术分享
ChatGPT模型请求参数学习
请求响应参数详情： 如果刚开始进行开发， 只用对必须携带的参数进行测试， 等项目熟练了之后再将所有的参数都进行测 查看可用的请求正文 ： curl https://api.openai.com/v1 与GPT-4 Turbo和所有GPT-3.5 Turbo模型兼容。 type 是一个可选的字符串参数，默认值为 text。 如果省略parameters，则定义了一个参数列表为空的函数。 tool_choice (string or object，可选)：控制模型调用的函数（如果有）。 我们首先调用默认的必须的参数进测试， 然后通过curl来进行实现。 通过创建问答模型的问答请求对象， 然后将上述的Message内容 和 需要的一些其他参数传递进去。
1K10编辑于 2024-05-31
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