- 综合排序
- 最热优先
- 最新优先
- 来自专栏Python与算法之美
9，模型的评估
模块中的交叉验证相关方法可以评估模型的泛化能力，能够有效避免过度拟合。 二，分类模型的评估 模型分类效果全部信息： confusion_matrix 混淆矩阵,误差矩阵。 ? 模型整体分类效果： accuracy 正确率。通用分类评估指标。 模型对某种类别的分类效果： precision 精确率，也叫查准率。模型不把正样本标错的能力。“不冤枉一个好人”。 recall 召回率，也叫查全率。模型识别出全部正样本的能力。 三，回归模型的评估 回归模型最常用的评估指标有： r2_score(r方，拟合优度，可决系数) explained_variance_score(解释方差得分) ? ? 留出法 为了解决过拟合问题，常见的方法将数据分为训练集和测试集，用训练集去训练模型的参数，用测试集去测试训练后模型的表现。
96631发布于 2020-07-17 - 来自专栏知了一笑
监控平台SkyWalking9入门实践
需要对请求的链路有完整监控，并且采集和分析各个环节的数据，这样才能清晰的理解系统的行为信息，比如耗时分析，故障原因发现，从而进行优化和解决；能实现这种能力的组件很多，这里来看看基于SkyWalking9的实践方式 ，到达account业务服务，完成一次调用后，查看请求的拓补结构图（即Topology一栏）； 可以清晰的看到请求的路由链路，以及相关服务访问的数据库地址，对于微服务架构中的复杂接口来说，借助该拓补模型
1.1K10编辑于 2022-11-30 - 来自专栏测试开发干货
接口测试平台设计思路-9:成品总览
防止有人恶意利用平台进行线上改数据然后嫁祸等行为。 用户在项目中 任意地方想填入host的时候，都会从这里去选择使用，接口的表存放的也不是host，而是host的id。 继续看使用帮助 针对 平台各功能都有对应图解。上面的快捷锚点可以直接滑动，右下角有体贴的返回顶部按钮。 继续看优化建议留言板 又名 吐槽列表。 用户可自行添加或编辑或删除或查看。
27920编辑于 2022-05-18 - 来自专栏测试开发干货
接口测试平台193： 并发报告（9）
上节课我们简单优化了下step报告弹层详情的数据展示，本节课我们的任务就是俩个：
25110编辑于 2022-05-20 - 来自专栏测试开发干货
数据工厂平台9： 首页的数据关联
真实的遍历统计数据表来求得总数 注意，这里其实可以写js代码的哦~所以说js可不是没用的语言，selenium或者vue可都是在这基础上发展的，当封装的框架弄不了的时候，js这个万能语言就可以大显身手了，我的前一个系列接口测试平台就全是
54310编辑于 2022-05-19 - 来自专栏ATYUN订阅号
9种平台帮助你深度学习Keras
在这篇文章中，会为你推荐可以提问，并在Keras的深度学习模式中能得到帮助的9个平台。 ? 如何最好地利用这些资源 知道在哪里获得帮助是第一步，但是你需要知道如何从这些资源中获得更大的帮助。 例如：“我的模型不起作用”或者“x是怎么工作的”。 在提问前先搜索答案。 提供尽可能小的工作示例来演示你的问题。 1.Keras Users Google Group ? 地址：Keras Github Issues 9.Twitter ? Twitter上带有Keras的标签的推文 在Twitter上，你可以快速回答一些一次性的问题。
95440发布于 2018-03-02 - 来自专栏又见苍岚
DE-9IM 空间关系模型
DE-9IM 是Dimensionally Extended 9-Intersection Model 的缩写，直接翻译为 维度扩展的 9 个相交模型，本文记录相关内容。 简介 DE-9IM 是Dimensionally Extended 9-Intersection Model 的缩写，DE-9IM 模型是用于描述两个 二维几何对象（点、线、面） 之间的空间关系的一种模型 维度扩展九交模型（DE-9IM）是一种拓扑模型和标准，用于描述两个区域（二维中的两个几何图形，R2）的空间关系，在几何学、点集拓扑、地理空间拓扑、以及与计算机空间分析相关的领域。 空间关系 模型主要要描述的就是二维平面下的两个几何对象之间的空间关系。 DE-9IM 模型 DE-9IM 模型把几何对象分为 内部、边界、外部 三个部分，两个几何对象这三个部分两两之间的关系，就可以组合为一个3X3大小（就是 9 个值）的矩阵，这9个值的组合，就表示两个几何对象的空间关系
89910编辑于 2024-07-04 - 来自专栏测试开发干货
接口测试平台代码实现9：菜单常显
3. 把菜单作为后台唯一能返回的html，也就是唯一的render函数内的那个html参数。然后在菜单welcome.html 中 把其他各个页面都当作一个子页面 一个来引入。
1.1K20编辑于 2022-05-19 - 来自专栏reizhi
IE9平台预览版发布
微软最近在Mix 2010大会上公开发布了IE9的平台预览版（IE9 Mix 2010 Platform Preview 1.9.7745.6019）。 通过微软提供的此Windows IE平台，我们可以预览IE9的新性能。不过微软表示这只是一个初期预览版本，很多功能还没有完成，也有可能在今后进行更改。 在IE9中微软将加入HTML5支持以及GPU加速能力，更好的为用户提供上网体验。 想要抢先体验IE9，需要以下条件： — 操作系统：Windows 7、Windows Vista SP2； — 系统必须安装IE8和DirectX 2D。 根据上面微软给出的数据，IE9预览版相对于IE8还是有一定的进步。但毕竟还只是preview，Acid3得分依旧很低。
42030编辑于 2022-09-26 - 来自专栏测试开发干货
(简易)测试数据构造平台: 9 (首页美化)
到这里，有的小伙伴会觉得 这个布局高度似乎并没有充满整个浏览器，所以很难看。那么原因是什么呢？
49610编辑于 2022-07-07 - 来自专栏生信技能树
RNAvelocity 9：scVelo应用—动力学模型
动力学模型 在这里，我们使用通用动力学模型来解释完整的转录动态。 这产生了一些额外的见解，如潜在时间和假定驱动基因的识别。 与以前的教程一样，应用胰腺内分泌发育数据集来展示。 我们运行动力学模型来学习剪切动力的完整转录动力学。 [9]: df = adata.var df = df[(df['fit_likelihood'] > .1) & df['velocity_genes'] == True] kwargs = dict 'degradation rate', xticks=[.1, .4, 1], **kwargs) scv.get_df(adata, 'fit*', dropna=True).head() [9] 潜在时间 动力学模型可恢复细胞过程的潜在时间。这个潜伏时间代表细胞的内部时钟，并接近细胞在分化时所经历的实时，分析仅基于其转录动力学。
62620发布于 2021-10-12 - 来自专栏深度学习和计算机视觉
加速 PyTorch 模型训练的 9 个技巧
[1_CER3v8cok2UOBNsmnBrzPQ](9 Tips For Training Lightning-Fast Neural Networks In Pytorch.assets/1_CER3v8cok2UOBNsmnBrzPQ.gif 将模型的不同部分放在不同的GPU上，batch按顺序移动 有时你的模型可能太大不能完全放到内存中。 9. 多节点GPU训练 每台机器上的每个GPU都有一个模型的副本。每台机器获得数据的一部分，并且只在那部分上训练。每台机器都能同步梯度。 在.backward()上，所有副本都接收到所有模型的梯度副本。这是模型之间唯一一次的通信。 英文原文：https://towardsdatascience.com/9-tips-for-training-lightning-fast-neural-networks-in-pytorch-8e63a502f565
1.2K20编辑于 2022-02-09 winform部署yolov9的onnx模型
C# WinForms 部署 YOLOv9 ONNX 模型简介 在当今的计算机视觉领域，目标检测是不可或缺的一项技术。 ONNX是一个开放的模型表示，使得不同深度学习框架之间可以相互转换和共享模型。这使得YOLOv9模型可以在C#环境中得到高效利用。 在部署过程中，我们可以使用ONNX Runtime这一跨平台的库来加载和运行ONNX模型。ONNX Runtime提供了对多种硬件平台的支持，包括CPU、GPU等，从而实现了模型的快速推理。 用户可以通过界面上传图像，应用程序则利用YOLOv9模型进行目标检测，并在图像上标注出目标物体的位置和类别。 通过C# WinForms部署YOLOv9的ONNX模型，我们可以为用户提供一个功能强大的目标检测工具。
44910编辑于 2025-07-20- 来自专栏Ywrby
9-线程概念与多线程模型
因此内核级线程的切换必须在核心态下执行 注意 操作系统只能“看见”内核级线程，因此只有内核级线程才是处理机分配的单位 以下方的多对多模型为例，其由三个用户级线程映射到两个内核级线程上，在用户看来，进程中同时有三个线程并发执行 ，但在操作系统看来，只有两个内核级线程，所以哪怕是在4核处理机的计算机上运行，该进程也最多只能被分配到两个核心，最所只有两个用户进程并行执行 多线程模型 多对一模型 一对一模型 多对多模型
37510编辑于 2022-10-27 - 来自专栏单细胞天地
RNAvelocity 9：scVelo应用—动力学模型
动力学模型 在这里，我们使用通用动力学模型来解释完整的转录动态。 这产生了一些额外的见解，如潜在时间和假定驱动基因的识别。 与以前的教程一样，应用胰腺内分泌发育数据集来展示。 我们运行动力学模型来学习剪切动力的完整转录动力学。 [9]: df = adata.var df = df[(df['fit_likelihood'] > .1) & df['velocity_genes'] == True] kwargs = dict 'degradation rate', xticks=[.1, .4, 1], **kwargs) scv.get_df(adata, 'fit*', dropna=True).head() [9] 潜在时间 动力学模型可恢复细胞过程的潜在时间。这个潜伏时间代表细胞的内部时钟，并接近细胞在分化时所经历的实时，分析仅基于其转录动力学。
93910发布于 2021-10-09 - 来自专栏测试开发干货
接口测试平台代码实现113:登录态接口-9
本节我们要把登陆态安装到 请求体中,首先我们先解决一个bug，就是当选择不添加登陆态时候，login_res未被定义的问题：
42350编辑于 2022-05-19 - 来自专栏测试开发干货
【简历优化平台开发教程-9】目标企业 优化意向
小作坊更看重 候选人的全能性，抗压性，薪酬低，能干活不挑活好说话。对于学历和履历很宽松。
28020编辑于 2023-08-14 使用python部署yolov9的onnx模型
【框架地址】 https://github.com/WongKinYiu/yolov9 【yolov9简介】 在目标检测领域，YOLOv9 实现了一代更比一代强，利用新架构和方法让传统卷积在参数利用率方面胜过了深度卷积 自 2015 年 Joseph Redmon、Ali Farhadi 等人提出初代模型以来，领域内的研究者们已经对 YOLO 进行了多次更新迭代，模型性能越来越强大。 ，从而使得模型的预测结果能够最接近真实情况。 该架构证实了 PGI 可以在轻量级模型上取得优异的结果。 研究者在基于 MS COCO 数据集的目标检测任务上验证所提出的 GELAN 和 PGI。 对于 PGI 而言，它的适用性很强，可用于从轻型到大型的各种模型。我们可以用它来获取完整的信息，从而使从头开始训练的模型能够比使用大型数据集预训练的 SOTA 模型获得更好的结果。
27100编辑于 2025-07-20- 来自专栏深度学习与python
Arm 发布全新 Armv9 边缘 AI 计算平台，可运行超 10 亿参数端侧 AI 模型
作者 | 冬梅 近日，Arm 正式发布了其全球首款 Armv9 边缘 AI 计算平台。 据介绍，该平台以全新的 Arm Cortex-A320 CPU 和边缘 AI 加速器 Arm Ethos-U85 NPU 为核心，可支持运行超 10 亿参数的端侧 AI 模型。 Cortex-A320 与 Ethos-U85 的深度配合 全新发布的 Arm Cortex-A320 是 Arm 首款基于 Armv9 架构的超高能效 CPU，专为物联网应用优化，也是该全新计算平台的核心组件 与去年发布的基于 Cortex-M85 搭配 Ethos-U85 的平台相比，全新 Armv9 边缘 AI 计算平台的 ML 计算性能提升了 8 倍，带来了显著的 AI 计算能力突破, 助力大模型与生成式 此次发布的全新 Armv9 边缘 AI 计算平台可覆盖多个应用场景，实现包括视觉和自然语言在内的多模态的环境感知与理解，进而运行智能体 AI、自主规划、执行复杂任务。
67010编辑于 2025-03-13 - 来自专栏ECS服务器
Android平台启动图使用.9.png图片
概述 目前HBuilder|HBuilderX中仅定义几种标准分辨率的启动图配置，而实际上存在很多不同分辨率的手机，导致启动图会进行拉伸或压缩引起变形，Android平台为了解决此问题就出现了可以适配各种尺寸的一种图片格式 “.9.png”。 使用.9.png的优点： 避免在非标准分辨率手机上缩放变形 可以只配置1张或多张图片适配更多分辨率，减少apk的体积（推荐至少配置1080P高分屏启动图片） .9.png图片和普通png图片的差异 .9 制作.9.png图片 工具 在Android sdk目录下的tools目录下，有一个叫做draw9patch.bat的文件，双击打开就可以使用（最新android SDK该文件已经不存在，若电脑不没有安装 ，点击create 9-patch file 选项。
93030编辑于 2023-08-28
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