- 综合排序
- 最热优先
- 最新优先
- 来自专栏daos
UCX-UCT统一通信传输层3-服务端和客户端调用栈详解(及相关)_源码解读
创建端点(uct_ep_create), 获取端点地址(uct_ep_get_address), 连接对等端点(uct_ep_connect_to_ep, 内部通过 ibv_modify_qp 设置QP [in] – _name 框架名称（作为令牌） ucs_load_modules("uct", uct_MODULES, &ucs_framework_init_once_uct, 0) () uct_component_register(&uct_ib_component) -> 注册组件 uct_tl_register(&uct_ib_component uct_ib_device_query_ports uct_ib_device_port_check uct_ib_device_port_attr -> uct_rc_verbs_iface_query status = uct_rc_iface_query status = uct_ib_iface_query
1.8K00编辑于 2023-11-19 - 来自专栏daos
UCX-UCT统一通信传输层1-简介
在通信 API 方面，UCT 定义了立即（短消息,如: uct_ep_am_short）、缓冲区复制发送（bcopy,如: uct_ep_am_bcopy）和零拷贝（zcopy, 如: uct_ep_am_zcopy 对外API的头文件: src/uct/api/uct.h PUT操作 uct_ep_put_short uct_ep_put_bcopy uct_ep_put_zcopy GET操作 uct_ep_get_short uct_ep_get_bcopy uct_ep_get_zcopy AM活动消息 uct_ep_am_short uct_ep_am_short_iov uct_ep_am_bcopy uct_ep_am_zcopy uct_ep_atomic32_fetch uct_ep_atomic64_fetch TAG操作 uct_ep_tag_eager_short uct_ep_tag_eager_bcopy uct_ep_tag_eager_zcopy uct_ep_tag_rndv_zcopy uct_ep_tag_rndv_cancel uct_ep_tag_rndv_request uct_iface_tag_recv_zcopy uct_iface_tag_recv_cancel
1.7K31编辑于 2023-10-25 - 来自专栏全栈程序员必看
freemarker把从后台传来的uct时间格式化展现到前台
今天第一次遇到uct的时间格式，格式如下：YYYYMMDD T HHMMSS Z(或者时区标识) 实例如：2017:12:04 T 00:00:00 +0800 这就是一个uct时间格式的北京时间。 当后台是返回到前台是一个对象，这个对象的一个属性是字符串格式，值就是上面那个uct时间格式。当传到前台显示时，在freemaker模板中的书写格式是： ${(blackRecist.conmedAt?
68030编辑于 2022-08-05 - 来自专栏绿巨人专栏
蒙特卡洛树搜索算法（UCT）: 一个程序猿进化的故事
我现在学习一个蒙特卡罗树搜索算法的变种：UCT算法，用于提供一种通用的游戏对弈解决算法。" “明天，可以学习Upper Confidence bound applied to Trees(UCT) - 信任度上限树算法。” 阿袁工作的第4天 - 蒙特卡罗树搜索 - Upper Confidence bound applied to Trees(UCT) - 信任度上限树算法 一开始，阿静就开始讲到。 “UCT算法使用了置信区间的上限值做为每个步骤的价值。” UCT算法的过程。
3.2K60发布于 2018-05-18 - 来自专栏DPU
RDMA技术 - 请求事件SE(SOLICITED EVENT)-降低CPU开销
注意: 这仅与上面提到的操作相关如UCX中的零拷贝发送(uct_rc_verbs_ep_am_zcopy):ucs_status_t do_am_zcopy -> 零拷贝ucs_status_t uct_rc_verbs_ep_am_zcopy uct_completion_t *comp){ uct_rc_verbs_iface_t *iface = ucs_derived_of(tl_ep->iface, uct_rc_verbs_iface_t ); uct_rc_verbs_ep_t *ep = ucs_derived_of(tl_ep, uct_rc_verbs_ep_t); uct_rc_iface_send_desc_t (iovcnt, iface->config.max_send_sge - 1, "uct_rc_verbs_ep_am_zcopy"); UCT_RC_CHECK_AM_ZCOPY (header_length + uct_iov_total_length(iov, iovcnt))); // 发送方设置请求事件标记 uct_rc_verbs_ep_post_send_desc
87510编辑于 2024-12-21 - 来自专栏daos
UCX-UCT统一通信传输层2-深入-建连_数据收发主流程
), 获取端点地址(uct_ep_get_address), 连接对等端点(uct_ep_connect_to_ep, 内部通过 ibv_modify_qp 设置QP状态机建立QP连接) 连接建立后, ucs_status_t uct_ep_am_short ucs_status_t uct_rc_verbs_ep_am_short uct_rc_verbs_iface_fill_inl_am_sge ; 内存域资源描述符 typedef struct uct_md_resource_desc 接口属性(能力和限制), 嵌套结构体 struct uct_iface_attr 接口信息 typedef UCT_IB_SPEED_QDR = 4, // 10Gbps UCT_IB_SPEED_FDR10 = 8, UCT_IB_SPEED_FDR = 16 , UCT_IB_SPEED_EDR = 32, UCT_IB_SPEED_HDR = 64, UCT_IB_SPEED_NDR = 128, UCT_IB_SPEED_LAST
2.2K00编辑于 2023-11-19 - 来自专栏daos
Intel高性能IO500分布式存储系统DAOS资源汇总-包含RDMA 网络 SPDK NVME TSE 任务调度 异步 事件队列等
https://cloud.tencent.com/developer/article/2348703晓兵技术杂谈8_UCX统一通信框架_UCT传输层简介_rdma_零拷贝_rpc_高性能网络_c语言_ 晓兵技术杂谈9_UCX统一通信框架_UCT传输层深入_服务端与客户端_连接建立主流程_rdma_零拷贝_rpc_高性能网络_c语言_常用通信语义_内存注册_云计算_GPU通信等2023-11-18 21 /developer/article/2349389UCX-UCT统一通信传输层3-服务端和客户端调用栈详解(及相关)_源码解读: https://cloud.tencent.com/developer /article/2353126晓兵技术杂谈10_UCX统一通信框架_UCT传输层深入_服务端与客户端_连接建立主流程_rdma_零拷贝_rpc_高性能网络_c语言_常用通信语义_内存注册_云计算_GPU /developer/article/2351953UCX-UCT统一通信传输层1-简介: https://cloud.tencent.com/developer/article/2349389UCX-UCT
2.9K171编辑于 2025-07-24 - 来自专栏量子位
传送门！ICML2017（国际机器学习大会）最佳论文（附下载）
最具时间价值奖则是2007年巴黎南大学和阿尔伯塔大学共同投递的论文Combining Online and Offline Knowledge in UCT。 作者：Sylvain Gelly、David Silver 单位：巴黎南大学、阿尔伯塔大学 摘要：UCT算法使用基于样本的搜索在线学习价值函数。 我们在UCT算法中考虑了三种离线和在线价值函数的组合。第一种，在蒙特卡洛模拟中使用离线价值函数作为默认策略。第二种，UCT价值函数与快速在线action values评估相结合。 第三，离线价值函数作为UCT搜索树的先验知识。我们通过在9×9规格围棋盘上对阵GnuGo 3.7.10来评估这些算法。 第一种算法的表现，由于使用随机模拟策略的UCT，但是令人意外的比使用手工模拟策略的UCT算法要差。第二种算法全面优于UCT。第三种算法表现优于使用手工先验知识的UCT算法。
1.1K140发布于 2018-03-28 - 来自专栏AI科技评论
并行蒙卡树搜索，性能无损，线性加速，勇闯「消消乐」1000关！
作者对文章的简介为：我们开发了一种有效的并行UCT算法，该算法在线性加速的同时，性能损失很小。 为解决这一问题，我们提出了 WU-UCT 算法（Watch the Unobserved in UCT）。这个算法借用了异步并行算法的思想 [2]。 WU-UCT 算法的核心在于维护一个额外的统计量用于记录每个节点上有多少个正在对其进行仿真的 worker，并用其对选择算法进行调整： ? 在标准测试环境 Atari 下，WU-UCT 在相同 worker 数和总仿真次数的情况下，在 13/15 个游戏中取得了最好的表现。 ? 此外，随着仿真 worker 数的增大，WU-UCT 基本达到了线性加速比，且其性能损失明显小于对比算法。 ? ?
1.8K20发布于 2020-02-24 - 来自专栏探物及理
强化学习笔记10：经典游戏示例 classic games
算法 使用置信上界UCB 来平衡探索和利用 自驱动 UCT 收敛于 极小极大价值函数 在完美信息游戏、不完美信息游戏均表现良好 MCTS蒙特卡洛树搜索 表现in games ? 反事实的 后悔值最小化 自驱动RL e.g. smooth UCT Smooth UCT search 应用 MCTS 到 信息状态游戏树 UCT的变种，由博弈论的虚拟play启发 代理agent根据对手的平均行为作出 动作 并 学习 从节点的动作计数中 提取 平均策略 \[\pi_{a v g}(a \mid s)=\frac{N(s, a)}{N(s)}\] 对每个节点，根据UCT概率选择动作 \[A \sim \left\{\begin{array}{ll} \text { UCT }(S), & \text { with probability } \eta \\ \pi_{\text {avg}}(\ cdot \mid S), & \text { with probability } 1-\eta \end{array}\right.\] 经验 Naive MCTS 发散 Smooth UCT
1.1K20发布于 2020-09-10 - 来自专栏机器学习算法原理与实践
强化学习(十八) 基于模拟的搜索与蒙特卡罗树搜索(MCTS)
上限置信区间算法UCT 在讨论棋类游戏的MCTS搜索之前，我们先熟悉下上限置信区间算法(Upper Confidence Bound Applied to Trees, 以下简称UCT)。 但是在棋类问题中，UCT更常使用。 $\epsilon-$贪婪策略可以用，但是UCT是一个更不错的选择。 可见，由于我们把探索率c设置的比较大，第三个节点是被UCT选中要执行的动作节点。当然如果我们把c设置的比较小的话，第一个或者第二个可能就变成最大的分数了。 5. 第一步是选择(Selection):这一步会从根节点开始，每次都选一个“最值得搜索的子节点”，一般使用UCT选择分数最高的节点，直到来到一个“存在未扩展的子节点”的节点，如图中的 3/3 节点。
1.8K30发布于 2019-03-15 - 来自专栏量子位
8B模型奥数成绩比肩GPT-4！上海AI Lab出品
然后基于Q值，MCTSr会使用改进的UCB公式计算每个叶子节点的UCT值，选择UCT值最高的节点进行扩展。 （UCB是一种实现总奖励最大化的方式，UCT是将UCB策略应用于树形搜索问题的一种算法。） 计算UCT值的目的，是为了平衡了节点的平均奖励和访问频率，避免单纯追求高Q值导致的效率下降。 此外，作者修正的UCT计算公式中还引入了动态调整探索系数c，以便在搜索过程中适应不同的问题复杂度，并在探索广度和深度之间做出平衡。 根据新的Q值和访问次数，各个节点的UCT值也会被重新计算。 接着，上述步骤会被不断重复，直到满足预设的终止条件，此时具有最高Q值的答案节点被视为问题的最优解。
26510编辑于 2024-06-18 影像组学多模态模型预测肺癌新辅助免疫化疗 作者开源模型 可以用于自己研究中直接提取特征或者经过微调后再提取特征
从平扫CT中提取768维特征向量（FS-uCT）；从增强CT中提取768维特征向量（FS-eCT）； 融合特征（FS-fCT）：对FS-uCT和FS-eCT进行平均池化，整合两种模态信息。 3. 模型训练：降维+随机森林，构建三种预测模型特征降维：采用主成分分析（PCA）对上述特征降维，保留16个PCs，减少冗余信息并避免过拟合；模型构建：使用随机森林算法分别构建LUNAI-uCT模型（仅平扫特征 模型结果融合模型性能最优，AUC达0.866 在外部测试集（112例）中，三种模型的表现如下： 模型 AUC（95%CI） 准确率 敏感性 特异性 阴性预测值 LUNAI-uCT
44400编辑于 2025-08-05- 来自专栏全栈程序员必看
MCTS (Monte Carlo Tree Search)[通俗易懂]
UCT(Upper Confidence Bound1 applied to trees)算法是将它们二者结合的尝试之一，并且在当时很长一段时间都得到了广泛的应用。 UCT针对下一节点的选择借鉴了UCB算法，具体来说就是采用能使如下表达式达到最大值的节点： 其中： l wi 代表的是在i次操作后候选节点赢的次数 l ni 代表的是候选节点参与模拟的次数 l l UCT中的exploitation设计 上述表达式中的第一部分，即wi/ni代表了对已经探索过的经验数据的利用——只要赢的次数在总次数中的比率越大，那么最终值也越大 l UCT中的exploration (1) Selection 从根节点开始，每次选择UCT值最大的节点往下走。 例如根节点下有4种选择，它们的UCT计算过程分别是(取C为理论值 ): l 7/10 = 7/10 + C = 0.7 + 0.567C = 1.5 l 2/5 = 2/5 + C =
7.5K10编辑于 2022-06-28 - 来自专栏AI科技大本营的专栏
标题：重磅 | ICML 2017 开幕，华人再获最佳论文奖（附历届引用量最高论文解读）
论文标题：整合 UCT 算法中的在线和离线知识(Combining Online and Offline Knowledge in UCT) 论文作者：Sylvain Gelly、David Silver 论文摘要：UCT 算法利用基于样本的搜索来学习在线价值函数。 我们探讨了三种在 UCT 算法里整合离线和在线价值函数的方法。 UCT 搜索树中的先验知识。 第一个算法在表现上要好于使用随机模拟策略的 UCT 算法，但是却意外地落后于使用较差的人为模拟策略。第二个算法的表现优于 UCT 算法。第三个算法的表现优于使用人为模拟策略的 UCT 算法。
1.1K40发布于 2018-04-26 - 来自专栏常用算法专栏
蒙特卡洛树-AI快速进阶系列
选择此类子节点的一个好方法是使用 UCT（应用于树的置信上限）公式： 其中 Wi =第i步后获胜的次数 Ni =第i步后的模拟次数 C =勘探参数(理论上等于√2) T =父节点的模拟总数 该公式确保没有状态会成为受害者 扩展 当它无法再应用 UCT 来查找后续节点时，它会通过附加叶节点中的所有可能状态来扩展游戏树。 3.3. 模拟 扩展后，算法任意选取一个子节点，从所选节点模拟随机博弈，直到达到博弈的结果状态。 我们将从选择阶段开始，这也需要 UCT 实现： private Node selectPromisingNode(Node rootNode) { Node node = rootNode; = 0) { node = UCT.findBestNodeWithUCT(node); } return node; }Copy public class UCT {
51110编辑于 2025-04-05 - 来自专栏机器之心
大模型+蒙特卡洛树搜索，一招让LLaMa-3 8B奥数水平直逼GPT-4
如果任何子节点的 Q 值发生变化，则更新父节点的 Q； UCT 更新：在所有节点的 Q 值更新完成后，确定一个候选节点集合 C，用于进一步扩展或选择，然后使用 UCT 更新公式更新所有节点的 UCT 值 更新 UCT 和选择 在更新了树中所有节点的 Q 值之后，会进入下一轮选择阶段。这个过程包括以下步骤： 候选节点选择：在选择节点时，研究者无需从根节点开始，而是按层次顺序遍历树中的节点。 UCT 更新：借鉴 AlphaGo，该研究使用 UCT 和 UCB-1 方法来平衡节点的探索和利用；对于候选集 C 中的节点 a，其 UCT_a 值为： 终止函数 提前终止：当搜索结果的改进开始减少或连续搜索产生重复结果时
35110编辑于 2024-06-17 - 来自专栏UAI人工智能
蒙特卡洛树搜索 Monte Carlo Tree Search
MCTS 和 UCT Kocsis 和 Szepervari 在 2006 年首先构建了一个完备的 MCTS 算法，通过扩展 UCB 到 minimax 树搜索，并将其命名为 Upper Confidence Bounds for Trees（UCT）方法。 UCT 可以被描述为 MCTS 的一个特例：UCT = MCTS + UCB。 ---- 优点 MCTS 提供了比传统树搜索更好的方法。 Kocsis 和 Szepesvári 将此观点形式化进 UCT 算法。
4.4K40发布于 2018-06-21 - 来自专栏机器之心
AlphaGo背后的力量：蒙特卡洛树搜索入门指南
这些值是为了最后一部分：树的置信上限（UCT）做准备。 树的置信上限 UCT 是一个函数，使我们在被访问节点中选择下一个要遍历的节点，这也是蒙特卡洛树搜索的核心函数： ? UCT 最大的节点就是蒙特卡洛树搜索遍历过程中选择的节点。让我们来看看 UCT 函数如何运行： 首先，该函数为节点 v 的子节点 v_i 而定义，它包括两个组件：第一个组件是 ? 因此我们还要有第二个 UCT 组件 exploration。exploration 组件支持未被探索的节点，这些节点相对来说更少被访问（N(v_i) 较低）。 我们来看一下 UCT 函数 exploration 组件的形状：随着节点访问量的增加而递减，给访问量少的节点提供更高的被选中几率，以指引 exploration 探索。 ? 最终，UCT 公式中的参数 c 控制蒙特卡洛树搜索中 expolitation 和 exploration 组件之间的权衡。
1.8K50发布于 2018-05-08 - 来自专栏Linux内核
Intel E810/ICE DPU RDMA 及MLX中断原理分析2(CE/AE)
(uct_ib_iface_t *iface, uct_ib_dir_t dir, UCT_IB_IFACE_ARG(iface), dir, solicited_only); return UCS_ERR_IO_ERROR; } return UCS_OK; }UCT的IB设备结构中的ARM与IBV_SEND_SOLICITED标记位/** * IB device (corresponds to HCA) */typedef struct uct_ib_device ]; /* Cached port attributes */ uct_ib_pci_id_t pci_id; /* PCI identifiers */ ) async_events_hash;} uct_ib_device_t;IB协议要求请求完成通知(11.4.2.2 REQUEST COMPLETION NOTIFICATION)对于特定的 CQ(
55610编辑于 2025-03-29
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