- 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（4）
货币——也就是我们俗称的“钱”是世界上最可爱的东西之一，可以说没有它的刺激，也就没有我们现在这么繁荣的市场，也没有这么丰富的各类物质产品和幸福生活。
71320发布于 2018-09-14 - 来自专栏HAUE_LYS'Blog
货仓选址
设仓库选址最佳处为 P，此时在该位置左侧存在 m 个货仓，右侧存在 n 个货仓，总距离为 L。 若更改货仓位置为 P-1，则总长度变为 L - m + n。
49630编辑于 2023-03-01 - 来自专栏数据结构与算法
P2605 基站选址
输入输出样例 输入样例#1： 3 2 1 2 2 3 2 1 1 0 10 20 30 输出样例#1： 4 说明 40%的数据中，N<=500； 100%的数据中，K<=N，K<=100，N<= 1 #include<iostream> 2 #include<cstdio> 3 #include<cstring> 4 #include<cmath> 5 #include<cstring define INF 0x7ffff 9 #define ls k<<1 10 #define rs k<<1|1 11 using namespace std; 12 const int MAXN=4e4 name=%E9%A2%98%E8%A7%A3+P2605 1 #include <iostream> 2 #include <cstdio> 3 #include <cstring> 4 sR (s << 1 | 1) 7 8 using namespace std; 9 const int Maxn = 0x3f3f3f3f; 10 const int N = 2e4
1K80发布于 2018-04-12 - 来自专栏疯狂学习GIS
基于Pix4Dmapper的空间三维模型重建应用——空间分析选址
其中，本文在上述第三篇推文的基础之上，直接基于无人机影像建模完成后的结果加以空间分析；如果需要了解建模的详细过程，大家查阅基于Pix4Dmapper的运动结构恢复法无人机影像三维模型重建即可。 基于实际情况，为该学校疫情临时观察隔离选址条件加以初步规划，结果如下： 1）坡度在3°以下； 2）海拔低于35 m； 3）周围15 m不得含有20 m以上地物； 4）需具有一定防洪能力； 随后，看到有部分网络资料提及，可以利用Pix4Dmapper软件建模所得点云LAS结果文件对地表高度加以求解。因此，尝试由这一角度加以实现。 4 不足与问题 结合上述操作流程中出现的问题，以及所得选址结果的表现效果，可以看到本次空间分析依然具有一定不足。 1）未对选址区域外形特征加以限定。 4）未考虑零散选址点的联通性。在进行面积筛选时，将很多零散的可选址点直接舍弃；但对于一些相距较近、分布密集的可选址点而言，其往往可以实现相互之间的联通，从而组成更大的选址区域。
95610编辑于 2022-08-10 - 来自专栏GiantPandaCV
INT4量化用于目标检测
Int 4量化用于目标检测 【GiantPandaCV】文章2019 CVPR，讲的是Int 4量化用于目标检测，主要是工程化的一些trick。 感受：这篇文章主要是做了实践工作，可以看作是低bit量化(Int 4)用于目标检测的一些trick。 的Int算法即Int-4。 并且让activation在[，] (0 < < 1) 内，文章设置n=20，=0.999. 4、折叠bn。 Int4量化与全精度对比 ? 消融实验 ? FreezeBN与不同bit的对比 ? 截断激活函数阈值的百分比 ? 与其他量化方法的对比图
1.3K20发布于 2021-03-24 - 来自专栏OI
LuoguP2605 基站选址 题解
LuoguP2605 [ZJOI2010]基站选址 题解 Description 题目链接 有 N 个村庄坐落在一条直线上，第 i(i>1)1 个村庄的距离为 D_i。 1\leq N \leq 2\times 10^4,1\leq K \leq 100。
66510编辑于 2022-09-19 - 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。 ? ? ? ?
89420发布于 2019-11-13 - 来自专栏可以叫我才哥
使用Python进行量化投资A股的4 种方法！
大家应该都知道，Python的一个应用方向就是——量化交易，恰好最近收到了清华出版社赠送的 《深入浅出Python量化交易实战》 一书，因为平时对数据科学和机器学习都比较感兴趣，简单试读了一下，今天文末也会送出几本 2021年11月1日后用户将无法从中国大陆使用 Yahoo 的产品与服务) yfinance 另外，yfinance也有类似的功能，使用方法也很简单 Tushare 当然，说到用 Python 进行量化交易 JoinQuant 最后一种方法来获取数据就是用现成的量化平台。这里我用joinquant实验了一下 可以看到，通过平台获取数据，还是比较简单的。 http://mpvideo.qpic.cn/0bc3lqaaaaaaoyaj25qpmbrfaxgdaboaaaaa.f10002.mp4? dis_k=4e6da654e1bbc5d6818c55e3835d64ea&dis_t=1649751382&vid=wxv_2274959819105320960&format_id=10002&support_redirect
1.8K10编辑于 2022-04-12 - 来自专栏数据分析之旅
店铺选址的6C评估模型
相比自己构建的店铺选址模型，发现存在更科学的5C评估模型，主要从城市市场评估（city）、核心区域分析（Core Distinct）、竞争分析（Competition）、交通便利性（Convenience ）、成本/收入分析（Cost/Revenue）五个维度更加系统、科学评估选址。 但最终还是可以落实到零售最基本的要素：人、场、人在场的行为数据 基于工作中KA客户的选址分析及选址分析的数据产品，觉得应该再加入一个"C"：Correlation（协同品牌：与待选品牌/店铺相关性高的异业品牌
2.3K52发布于 2020-08-11 - 来自专栏Python3爬虫100例教程
华为OD机试 新学校选址
新学校选址 ❓ 题目 为了解新学期学生暴涨的问题,小乐村要建立所新学校 考虑到学生上学安全问题,需要所有学生家到学校的距离最短.
56330编辑于 2023-03-11 - 来自专栏DrugScience
超量化合物库筛选策略–P4
上期回顾 超量化合物库筛选策略–P1 超量化合物库筛选策略–P2 超量化合物库筛选策略–P3 具体步骤 5. #1])]=O','[CX4][Cl,Br,I]','[R][Cl,Br,I]','[N;H2;D1;$(N-!@[#6]);! $(N-C=[O,N,S])]'), ('[CX4][Cl,Br,I]', '[R][Cl,Br,I]'), ('[CX4][Cl,Br,I]', '[N;H2;D1;$(N-!@[#6]);! $(N-C=[O,N,S])]'), ('[CX4][Cl,Br,I]', '[N;H1;D2;$(N(-[#6])-[#6]);! #1])]=O','[CX4][Cl,Br,I]','[R][Cl,Br,I]','[N;H2;D1;$(N-!@[#6]);!
59010编辑于 2022-05-17 DeepSeek-7B-chat 4bits量化 QLora 微调
DeepSeek-7B-chat 4bits量化 QLora 微调 概述 本节我们简要介绍如何基于 transformers、peft 等框架，对 DeepSeek-7B-chat 模型进行 Lora =True, # 是否在4位精度下加载模型。 如果设置为True，则在4位精度下加载模型。 bnb_4bit_compute_dtype=torch.half, # 4位精度计算的数据类型。 bnb_4bit_quant_type="nf4", # 4位精度量化的类型。这里设置为"nf4"，表示使用nf4量化类型。 bnb_4bit_use_double_quant=True # 是否使用双精度量化。如果设置为True，则使用双精度量化。
52810编辑于 2025-07-17- 来自专栏GiantPandaCV
NCNN+INT8+YOLOV4量化模型和实时推理
【GiantPandaCV导语】本文记录了作者使用NCNN量化YOLOV4模型并进行推理的全过程，过程比较详细，希望对想使用NCNN这一功能的读者有帮助。 (ncnn2table)新特性 支持 kl aciq easyquant 三种量化策略 支持多输入的模型量化 支持RGB/RGBA/BGR/BGRA/GRAY输入的模型量化 大幅改善多线程效率 离线进行 ，安装和编译过程可以看我的另一条博客： https://zhuanlan.zhihu.com/p/368653551 2.2 yolov4-tiny量化int8 在量化前，先不要着急，我们先看看ncnn 也就是说，在进行量化前，我们需要yolov4-tiny.bin和yolov4-tiny.param这两个权重文件，因为想快速测试int8版本的性能，这里就不把yolov4-tiny.weights转yolov4 /ncnn2int8 yolov4-tiny-opt.param yolov4-tiny-opt.bin yolov4-tiny-int8.param yolov4-tiny-int8.bin yolov4
3K30发布于 2021-05-18 - 来自专栏生信技能树
信息熵的4个量化指标的R代码实现
d50.index(b3) [1] 0.5 > d50.index(1:100) [1] 0.5 > d50.index(1:1000) [1] 0.5 > d50.index(c(1,2,2,2,3,4) 总结 上面我写的4个公式里面只有基尼系数计算必须输入的是数值，或者把非数值变量取频数后再进行计算。而且仅仅是只有基尼系数是越大，贫富差距越大，多样性越差。其它的数值都是越小多样性越差。
1.9K40发布于 2020-05-26 - 来自专栏AI人工智能
模型量化大揭秘：INT8、INT4量化对推理速度和精度的影响测试
在我过去两年的实践中，我系统性地测试了INT8和INT4量化技术在不同模型架构上的表现，发现量化技术不仅能够将模型大小压缩2-4倍，还能在特定硬件上实现1.5-3倍的推理速度提升。然而，量化并非银弹。 本文将基于我在多个实际项目中的量化实践经验，深入剖析INT8和INT4量化技术的原理、实现方法和性能表现。 INT4量化的极限压缩探索3.1 INT4量化的挑战与机遇INT4量化将模型压缩推向了极限，但也带来了更大的精度挑战：class INT4Quantizer: """INT4量化器 - 实现4位量化 INT4量化中的关键技术，通过将权重分成小组并为每组计算独立的量化参数，可以显著提高量化精度。 量化优化关键词标签#模型量化 #INT8量化 #INT4量化 #推理优化 #AI部署
2.1K21编辑于 2025-08-20 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
中科星图GVE（案例）——AI实现光伏选址
人工智能可以帮助优化光伏选址过程，以下是一些AI算法和技术可以应用于光伏选址： 数据分析和模型预测：使用机器学习算法对大量的历史气象数据和土地利用数据进行分析，建立气候条件和土地适宜度的预测模型。 同时，可以考虑电网的输电损耗和电力质量等因素，以便在选址过程中考虑到电网的适应性。 多因素优化算法：使用多目标优化算法，考虑多个因素的权衡和平衡，以找到最佳的光伏选址方案。 这些算法可以考虑到太阳辐射量、土地适宜度、电网可靠性等因素，并给出一系列最优选址方案供决策者选择。 上述算法和技术可以结合使用，形成一个综合的光伏选址决策支持系统。 通过人工智能的辅助，可以加快选址过程，提高选址的准确性和效率，为光伏发电项目的规划和建设提供科学依据。 photovoltaicLocationFeatureCol = gve.Services.AI.PhotovoltaicLocationDetection(image) var style = { color: '#4a90e2
38710编辑于 2024-10-15 - 来自专栏csdn文章同步
Capacitated Facility Location Problem容量有限设施选址问题
对于设施选址问题，将用户的分配情况列为一个数组，作为解空间，则要在这个解空间内进行搜索。 == customer_1: customer_2 = random.randint(0, self.cnum - 1) method = random.randint(1, 4) _next[i] = current[i - 1] _next[customer_2] = current[customer_1] elif method == 4: == facility_2: facility_2 = random.randint(0, self.fnum - 1) method = random.randint(1, 4) _next[i] = current[i - 1] _next[facility_2] = current[facility_1] elif method == 4:
1.1K20编辑于 2022-06-23 - 来自专栏拓端tecdat
JupyterLab实现医疗推理数据集Llama4Scout的4-bit量化、LoRA低秩适配、SFT有监督微调|轻量化适配
模型4-bit量化加载代码import osimport torchfrom transformers import AutoTokenizer, Llama4ForConditionalGeneration 量化参数，修改变量名，降低模型显存占用quant_4bit_config = BitsAndBytesConfig( load_in_4bit=True, # 开启4-bit量化 bnb_4bit_use_double_quant =False, bnb_4bit_quant_type="nf4", bnb_4bit_compute_dtype=torch.bfloat16,)......上述代码执行后，模型将以4-bit量化的形式完成加载 总结本文基于实际的客户咨询项目，详细拆解了如何通过云GPU平台实现Llama 4 Scout大模型的低成本、轻量化微调，通过4-bit量化、LoRA低秩适配、多GPU分布式训练等技术优化，将原本需要4张高端 后续我们将继续探索更大规模Llama 4模型的轻量化微调技术，同时针对更多垂直领域开展大模型的适配研究，优化模型的泛化能力与行业适配性，推动大语言模型的普惠化落地。
13510编辑于 2026-02-10 - 来自专栏DeepHub IMBA
NVFP4量化技术深度解析：4位精度下实现2.3倍推理加速
传统INT4量化在推理过程中无法直接处理4位数值，必须先将INT4权重反量化为16位数值才能进行计算，这一额外步骤虽然在SGLang和vLLM等现代推理框架中已经高度优化，但仍然产生计算开销并限制了整体速度 无需反量化操作直接带来了更高的推理吞吐量。 如果希望保持激活精度以最大化模型准确性，可选择NVFP4A16方案，该方案仅量化权重，通常无需校准数据集。 值得注意的是，NVFP4还对激活进行量化，但精度基本保持稳定，特别是与仅量化权重的NVFP4A16相比差异很小。 测试结果还证实了激活量化对保持速度优势的关键作用——仅量化权重的NVFP4A16模型速度提升有限，仅略快于INT4模型。 从技术角度看，NVFP4模型的QLoRA微调是完全可行。NVFP4本质上只是一种数据类型和量化格式，QLoRA可以应用于任何格式和数据类型的量化模型。
91410编辑于 2025-11-15 - 来自专栏ml
2015编程之美（资格赛）--基站选址
题目3 : 基站选址 时间限制:2000ms 单点时限:1000ms 内存限制:256MB 描述 需要在一个N × M的网格中建立一个通讯基站，通讯基站仅必须建立在格点上。 1 ≤ y ≤ M 1 ≤ B ≤ 100 小数据 1 ≤ N, M ≤ 100 1 ≤ A ≤ 100 大数据 1 ≤ N, M ≤ 107 1 ≤ A ≤ 1000 样例输入 2 3 3 4 1 1 2 2 1 2 3 3 2 2 2 4 4 4 2 1 2 2 4 3 1 4 3 1 4 1 3 样例输出 Case #1: 4 Case #2: 13 这道题，很不好理解： 刚开始代码思路错了n边..... 4 4 4 2 1 2 2 4 3 1 4 3 1 4 1 3 可以排除基站的坐标为（2，,3) 所以得到的数据欧几里得的距离为{x1*x1+y1*y1); 对于路程为 ： 直接坐标之差的绝对值（x+y）; 代码： 1 #define _CRT_SECURE_NO_WARNINGS 2 3 #include<iostream> 4 #include<string
79650发布于 2018-03-26
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