- 综合排序
- 最热优先
- 最新优先
- 来自专栏用户10122115的专栏
Autodesk 3ds Max2020中文版免费下载安装图文教程
3dmax2020中文版新增14个新的OSL着色器并增加高效的工具箱集成，帮助用户快速生成专业品质的3D动画、渲染和模型工具。 7、3dmax2020可以跟Arnold、V-Ray和Iray等许多渲染器搭配使用，从而创建出更加出色的场景和惊人的视觉效果 8、Chamfer修改器的改进，并且扩展了对OSL着色的支持， 1、3dmax2020可以跟Arnold、V-Ray和Iray等许多渲染器搭配使用，从而创建出更加出色的场景和惊人的视觉效果 2、Chamfer修改器的改进，并且扩展了对OSL
2.2K50编辑于 2022-10-20 - 来自专栏光芯前沿
新加坡New Silicon Corp. ：GaN MicroLED＋SiN光波导实现封装内光互连方案
为突破这些限制，新硅公司（nsc）提出了一种基于大规模并行、封装内发光二极管（LED）的光互连方案——光学流式链接（OSL）。 OSL技术架构：低功耗高并行的光互连方案 OSL的核心定位是替代传统局部硅中介层，通过TSV微凸点实现与小芯片（如GPU和高带宽内存HBM）的直接连接。 传统基于microLED的光互连受限于GaN LED相对较低的调制速率，单通道速率通常仅约10 Gbps，但OSL通过大规模并行链路设计构建了超高带宽的数据通道。 SiNₓ波导的低损耗特性使得OSL的传输距离仅受限于自身芯片尺寸，远超传统电互连的10mm上限，近期目标可达25mm以上。 这一架构带来了显著的设计灵活性，例如在GPU与HBM小芯片的互连场景中，OSL支持新增第二圈HBM小芯片，大幅提升系统内存容量。
74921编辑于 2025-11-18 - 来自专栏Linux成长之路
【Docker项目实战】使用Docker部署our-shopping-list购物清单工具
一、our-shopping-list介绍1.1 our-shopping-list简介OSL （Our Shopping List）是一个简单的共享列表应用程序。 pull nanawel/our-shopping-list五、部署our-shopping-list应用5.1 创建部署目录创建部署目录/data/dockermkdir -p /data/docker/osl version: '3.2'services: app: image: nanawel/our-shopping-list container_name: osl# command: environment: LISTEN_PORT: 8080 MONGODB_HOST: mongodb MONGODB_PORT: 27017 MONGODB_DB: osl 1.1s ⠿ Container osl
63610编辑于 2024-04-25 - 来自专栏存储公众号：王知鱼
揭秘 NVIDIA Dynamo：分布式AI推理的高效引擎
在NVIDIA Hopper GPU上运行Llama 70B模型时，其性能提升超过两倍。 左：TensorRT-LLM，FP4，ISL/OSL（输入/输出）：32K/8K。 右：vLLM，FP8，ISL/OSL（输入/输出）：3K/50。未启用Dynamo：飞行批处理，TP8DP2。启用Dynamo：解耦式服务，上下文：TP2DP4，生成：TP8。 二、序列长度配置 ISL/OSL：3K/50 ISL（Input Sequence Length）：输入序列最大长度（3K = 3000 tokens）。 OSL（Output Sequence Length）：输出序列最大长度（50 tokens）。 作用： 控制上下文窗口大小，直接影响显存占用（序列越长，显存需求越高）。 设想一个场景：大量需要长输入序列长度（ISL）但短输出序列长度（OSL）的摘要请求突然涌入，导致预填充GPU过载。此时，解码GPU可能处于闲置状态，而预填充GPU成为瓶颈。
3.6K10编辑于 2025-03-29 - 来自专栏腾讯云原生团队
在 TKE 上使用 NVIDIA Dynamo 部署 PD 分离的大模型
参考 dynamo 官方压测示例，模拟 chat 场景，设置了 ISL/OSL = 3000/150，请求中输入 token 数在 3000 左右，输出 token 数在 150 左右，需要的上下文长度在 如果你不提前下载模型，或者配置的模型路径不存在，那么 dynamo 会尝试从 huggingface 上拉取模型数据。 真实请求的特征：这里主要指的是真实请求处理的 ISL（输入 Token 数） 和 OSL（输出 Token 数）。 通常来讲，在 ISL 比较大而 OSL 比较小的情况下，会需要更多的 prefill 节点；而 ISL 比较小而 OSL 比较大的情况下，会需要更多的 decode 节点。 首先根据真实请求的特征确定 ISL 和 OSL 来构造压力测试。推荐参考 dynamo 官方提供的脚本[3]，使用 genai-perf 可以很方便地控制 ISL 和 OSL。 2.
3.5K10编辑于 2025-04-21 - 来自专栏全栈程序员必看
国外代理服务器ip哪个好用？
人们在网上冲浪时，常常无意中暴露自己的IP地址，是因特网链路级网关提供的一个重要安全功能，主要工作于开放系统互连(Osl)模型的对话层上，因此可以作为防火墙。那什么类型的IP代理运行得更好呢？
9.8K30编辑于 2022-08-11 3ds Max 2025下载安装教程（附安装包）3ds Max 2025
纹理和明暗处理：支持开放式明暗处理语言（OSL），可使用新的或预先存在的 OSL 贴图以及任何受支持的渲染器，生成高质量纹理；烘焙到纹理功能支持 PBR 材质、覆盖和 OSL 工作流，提供简化、直观且完全可脚本化的纹理烘焙
5.1K11编辑于 2025-08-26- 来自专栏hank
提高PetaLinux/Yocto的编译速度，暨整合Open Source U-Boot/Linux编译 -- PetaLinux 2021/2022版本
/bin/bash # Author: Hank FU, hankf@amd.com; hankf@xilinx.com; # osl-fetch-source.sh # Execute osl-fetch-source.sh /bin/bash # Author: Hank FU, hankf@amd.com # osl-make-uboot.sh # Execute osl-make-uboot.sh in PetaLinux # Usage: osl-make-uboot.sh uboot_source_dir [ Default: components/yocto/workspace/sources/u-boot-xlnx /bin/bash # Author: Hank FU, hankf@amd.com # osl-make-linux.sh # Execute osl-make-linux.sh in PetaLinux # Usage: osl-make-linux.sh linux_source_dir [ Default: components/yocto/workspace/sources/linux-xlnx
6.1K30编辑于 2022-11-23 - 来自专栏IT小圈
HTML 弹窗实践
none"; }, 5000); } 附上效果 说明 代码还是比较简单的； 相关样式可以自己调试； 源码附件 链接: https://pan.baidu.com/s/1_YgvZd4WUp2oSL38Q55w9g
83640编辑于 2023-06-15 - 来自专栏Mac软件的分享
三维动画设计：CINEMA 4D Studio R2023 for Mac
FBX 和 USD 从 FBX 和 USD 导入构建的基于节点的基本 Redshift 材料 Node Material SDK 增强了所有第三方对材质导入/导出的更多控制其他改进 节点材质现在支持 OSL
67310编辑于 2022-11-10 - 来自专栏开源服务指南
全渠道客服体验：Rocket.Chat 的无缝互动 | 开源日报 No.41
该项目旨在帮助开发人员和研究者更好地理解大型语言模型（LLMs）的能力和局限性，并通过prompt engineering技术来改进LLMs在各种任务上的表现，如问答和算术推理等。 magento/magento2[4] Stars: 10.9k License: OSL-3.0 Magento Open Source 是一个开源项目，它提供基本的电子商务功能，可以从零开始构建独特的在线商店
2K30编辑于 2023-09-27 - 来自专栏剑指工控
手把手教你｜西门子200smart使用库指令采集模拟量
OSL：传感器的最小量程，本项目使用0-100摄氏度的传感器，此处设置为0。 完成上述步骤后，连接PLC 和上位机。将程序下载进PLC里面，选择“程序状态”，在PLC里编程来读取压力数值。
6.7K31编辑于 2023-11-03 - 来自专栏mac软件推荐
Cinema 4D for mac(C4DR26)26.110中文激活版
材质的基本材质属性和纹理导出到 FBX 和 USD从 FBX 和 USD 导入构建的基于节点的基本 Redshift 材料Node Material SDK 增强了所有第三方对材质导入/导出的更多控制其他改进节点材质现在支持 OSL
1.5K60编辑于 2022-12-26 NVIDIA IGX Thor边缘AI计算平台技术解析
从工厂自动化单元到自主移动平台，再到手术室，操作者正在边缘部署日益复杂的生成式AI模型、更多传感器以及更高保真度的数据流。 毫秒条件下的用户处理能力对比配置：dGPU: NVIDIA RTX PRO 6000 Blackwell Max-Q (IGX T7000), NVIDIA RTX 6000 ADA (IGX Orin 700); ISL/OSL : 2028/128; 量化: NVFP4 (IGX T7000), W4A16 (IGX Orin 700); 框架: VLLM模型NVIDIA IGX Thor (IGX T7000) (令牌/秒) 2B1,6301,2501.3xCosmos Reason 2 8B8225401.5xgpt-oss-20B1,0727111.5x表2：IGX T7000 和 IGX Orin 700 平台上热门模型的生成式 性能配置：dGPU: NVIDIA RTX PRO 6000 Blackwell Max-Q (IGX T7000), NVIDIA RTX 6000 ADA (IGX Orin 700); ISL/OSL
14310编辑于 2026-04-10- 来自专栏云计算linux
C#三十一 序列化与反序列化
Stream stream = File.Open("EmployeeInfo.osl", FileMode.Create); 80. stream = File.Open("EmployeeInfo.osl", FileMode.Open); 90.
55510编辑于 2024-12-13 - 来自专栏数据分析与挖掘
pycaret之集成模型（集成模型、混合模型、堆叠模型）
1、集成模型 组装训练好的模型就像编写ensemble_model一样简单。它仅采用一个强制性参数，即经过训练的模型对象。 此函数可用于混合可以使用blend_models中的estimator_list参数传递的特定训练模型，或者如果未传递列表，它将使用模型库中的所有模型。 3、堆叠模型 堆叠模型是使用元学习的整合方法。堆叠背后的想法是建立一个元模型，该模型使用多个基本估计量的预测来生成最终预测。在PyCaret中堆叠模型就像编写stack_models一样简单。 此函数使用estimator_list参数获取训练模型的列表。所有这些模型构成了堆栈的基础层，它们的预测用作元模型的输入，可以使用meta_model参数传递该元模型。 restack参数控制将原始数据公开给元模型的能力。默认情况下，它设置为True。当更改为False时，元模型将仅使用基本模型的预测来生成最终预测。
3.5K10发布于 2020-10-27 - 来自专栏全栈程序员必看
–AR模型,MA模型,ARMA模型介绍
AR模型的定义 ————— AR模型平稳性判别 AR模型是常用的平稳序列的拟合模型之一，但并非所有的AR模型都是平稳的 。 第一个平稳的AR模型 这个AR模型的递推式子是x[t]=0.8*x[t-1]+e，其实e是一个误差项。 AR模型的一些性质 若AR模型满足平稳性条件，则他的均值为0，我们可以从上面的图中看出 AR模型的自相关系数是呈复指数衰减– 有拖尾性 AR模型的偏自相关系数有截尾性 注意第二,第三条很重要，后面可以用来做模型的识别 我在强调一遍 AR模型的自相关系数是呈复指数衰减– 有拖尾性 * AR模型的偏自相关系数有截尾性* MA模型 MA模型的定义 MA模型的可逆性 这个性质在推到MA模型的相关系数和自相关系数的时候比较有用 看一下可逆的定义 接下来看一下MA模型怎么转换成AR模型 最后我们看一下什么样的MA模型可以转化为AR模型 可逆MA模型的应用 对于一些MA模型，虽然其生成的式子不一样，但是其自相关图是一样的
2.5K20编辑于 2022-09-20 - 来自专栏学习
【软件测试】敏捷模型（Scrum模型）和V模型、W模型
敏捷模型 前面的那些模型以前非常流行，但现在开发人员在使用的时候会遇到各种问题。主要困难包括在项目开发期间处理来自客户的变更请求，以及合并这些变更所需要的高成本和时间。 在实际工作中，一款产品的功能是不断在变化的 所以为了克服这些缺点，就提出了敏捷软件开发模型。在敏捷模型中，需求被分解成许多可以增量开发的小部分。敏捷模型采用迭代开发。每个增量部分都是在迭代中开发的。 敏捷模型主要旨在帮助项目快速适应变更请求。 V 模型 V 模型中，明确的标注了测试过程中存在的不同类型的测试 右边的测试，都需要参考左边对应高度的要求 缺点： 仅仅把测试作为在编码之后的一个阶段，未在需求阶段就介入测试。 缺点和瀑布模型一样 W 模型（双 V 模型） V 模型中未将测试前置的问题在 W 模型中得以解决 开发 V 模型并不是单单指编码阶段，而是为产品开发流程而实施的各个阶段 测试的对象不仅是程序，需求、
2.8K10编辑于 2024-11-15 - 来自专栏数据分析与挖掘
pycaret之训练模型（创建模型、比较模型、微调模型）
1、比较模型 这是我们建议在任何受监管实验的工作流程中的第一步。此功能使用默认的超参数训练模型库中的所有模型，并使用交叉验证评估性能指标。它返回经过训练的模型对象。 2、创建模型 在任何模块中创建模型就像编写create_model一样简单。它仅采用一个参数，即型号ID作为字符串。 尽管有一个单独的函数可以对训练后的模型进行集成，但是在通过create_model函数中的ensemble参数和方法参数创建时，有一种快速的方法可以对模型进行集成。 3、微调模型 在任何模块中调整机器学习模型的超参数就像编写tune_model一样简单。它使用带有完全可定制的预定义网格的随机网格搜索来调整作为估计量传递的模型的超参数。 对于有监督的学习，此函数将返回一个表，该表包含k倍的通用评估指标的交叉验证分数以及训练有素的模型对象。对于无监督学习，此函数仅返回经过训练的模型对象。
2.7K10发布于 2020-10-27 - 来自专栏全栈程序员必看
GloVe模型_nerlove模型
文章目录 系列目录（系列更新中） 1.概述 2.统计共现矩阵 3.使用GloVe模型训练词向量 3.1.模型公式 3.2.模型怎么来的 3.3.Glove和skip-gram、CBOW模型对比 4. Sampling） 第三讲 cs224n系列之skip-pram优化 & Global Vector by Manning & 词向量评价 理解GloVe模型（+总结） 1.概述 模型目标 3.使用GloVe模型训练词向量 3.1.模型公式 先看模型，代价函数长这个样子： J = ∑ i , j N f ( X i , j ) ( v i T v j + b i + b j − l o 可以看到，GloVe模型没有使用神经网络的方法。 3.2.模型怎么来的 那么作者为什么这么构造模型呢？ 融入全局的先验统计信息，可以加快模型的训练速度，又可以控制词的相对权重。
69110编辑于 2022-09-29
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