- 博客(206)
- 资源 (8)
- 问答 (2)
- 收藏
- 关注
原创 ubuntu多版本cuda如何指定cuda版本
本文作者: slience_me在 Ubuntu 系统上选择和管理 CUDA 的多个版本可以通过以下步骤进行:你可以通过以下命令查看当前安装的 CUDA 版本:1.2 下载并安装所需的 CUDA 版本你可以从 NVIDIA CUDA Toolkit 下载页面 下载你需要的 CUDA 版本。选择你的操作系统(Linux)、架构(x86_64)、发行版(Ubuntu)和版本,然后按照提示下载并安装。每个 CUDA 版本都会安装在不同的目录中,例如 , 等。你可以通过设置环境变量 和修改 来切换不同的
2024-06-21 14:56:27 1118
原创 【论文笔记合集】LSTNet之循环跳跃连接
本文作者: slience_me文章仅作为个人笔记论文链接这句话提到了LSTNet,它是一种用于时间序列预测的方法。LSTNet引入了卷积神经网络(CNNs)和递归跳跃连接(recurrent-skip connections),以捕捉时间序列数据中的短期和长期时间模式。具体来说,LSTNet使用了卷积神经网络来处理时间序列数据,这使得模型能够有效地捕捉数据中的局部模式和趋势。卷积层在时间维度上进行滑动窗口的操作,从而可以识别数据中的局部特征。此外,LSTNet还引入了递归跳跃连接,这是一种从当前时间步向
2024-03-14 14:49:31 545 2
原创 【论文笔记合集】ARIMA 非平稳过程通过差分转化为平稳过程
本文作者: slience_me这句话提到了许多时间序列预测方法通常从经典工具开始,并提到了其中的一个经典工具是ARIMA模型。ARIMA(自回归综合移动平均模型)是一种经典的时间序列预测方法,它通过将非平稳过程通过差分转化为平稳过程来解决预测问题。在时间序列分析中,许多时间序列数据都具有非平稳性,即它们的统计特性(如均值和方差)随着时间而变化。ARIMA模型通过对时间序列进行差分操作,将原始序列转换为一个平稳的序列,然后在这个平稳序列上建立自回归和移动平均模型,以进行预测。因此,这句话指出了ARIMA作为
2024-03-14 10:56:41 755
原创 【论文笔记合集】Transformers in Time Series A Survey综述总结
Transformers在自然语言处理和计算机视觉的诸多任务中取得了更优的性能,这也引起了时间序列社区的广大的兴趣。在Transformers的众多优点中,捕获远程依赖关系和交互的能力对于时间序列建模特别具有吸引力,从而在各种时间序列应用中取得了令人兴奋的进展。在本文中,作者团队系统地审查Transformer计划的时间序列建模,突出他们的优点以及局限性。该文章从两个角度去审视时间序列Transformers的发展网络结构 : 总结了Transformers,以适应时间序列分析的挑战,已作出的调整和修改。
2024-03-13 10:56:25 2210
原创 注意力、自注意力和多头注意力的区别
理解注意力(Attention)、自注意力(Self-Attention)和多头注意力(Multi-Head Attention)之间的区别非常重要,因为它们是自然语言处理(NLP)和深度学习模型中关键的组件。总之,自注意力是一种特殊类型的注意力机制,用于在输入序列内部建立元素之间的关系;而多头注意力是一种扩展形式,使用多个并行的自注意力头来捕获不同的关注点,以更全面地理解输入序列。
2024-03-12 15:34:31 927
原创 绝对位置编码与相对位置编码区别
绝对位置编码(Absolute Positional Encoding)和相对位置编码(Relative Positional Encoding)是用于在Transformer等模型中处理序列数据时引入位置信息的两种不同方法。
2024-03-12 10:32:49 511
原创 encoding和embedding的区别
Embedding 更多地关注于将数据映射到低维度空间以捕捉其语义信息,而 Encoding 则更多地关注于将数据转换为特定格式或表示的过程。在某些情况下,两者的概念可能会有所重叠,但它们通常在不同的上下文中使用。
2024-03-12 10:15:38 1249 1
原创 关于python环境变量相关的配置汇总(venv虚拟环境/conda环境/pip相关)
python环境变量的配置,包括anaconda环境,venv环境和系统环境的配置
2024-01-18 20:10:24 1362
原创 【论文笔记合集】卷积神经网络之深度可分离卷积(Depthwise Separable Convolution)
【论文笔记合集】卷积神经网络之深度可分离卷积(Depthwise Separable Convolution)
2024-01-16 15:08:32 1938 1
原创 【已解决】Pytorch RuntimeError: expected scalar type Double but found Float
本文作者: slience_me在训练模型时候,将数据集输入到网络中去,在执行卷积nn.conv1d()的时候,报出此错误报错堆栈信息原因分析:tensor的数据类型dtype不正确这个错误通常是由于数据类型不匹配导致的。在PyTorch中,张量有不同的数据类型,如float32(FloatTensor)和float64(DoubleTensor)等。在进行计算时,PyTorch要求输入的张量数据类型要与操作或模型所期望的数据类型一致,否则会出现这个错误。例如,如果你的模型或操作期望输入的数据类
2024-01-08 16:11:05 4649
原创 【Leetcode合集】1457. 二叉树中的伪回文路径
给你一棵二叉树,每个节点的值为 1 到 9。我们称二叉树中的一条路径是 「」的,当它满足:路径经过的所有节点值的排列中,存在一个回文序列。请你返回从根到叶子节点的所有路径中路径的数目。
2023-11-25 20:48:36 1097
原创 【Leetcode合集】2824. 统计和小于目标的下标对数目
给你一个下标从开始长度为n的整数数组nums和一个整数target,请你返回满足且的下标对(i, j)的数目。
2023-11-24 08:49:12 683
原创 【Leetcode合集】1410. HTML 实体解析器
编写一个函数来查找字符串数组中的最长公共前缀。如果不存在公共前缀,返回空字符串""。「HTML 实体解析器」 是一种特殊的解析器,它将 HTML 代码作为输入,并用字符本身替换掉所有这些特殊的字符实体。⁄给你输入字符串text,请你实现一个 HTML 实体解析器,返回解析器解析后的结果。
2023-11-23 10:14:57 1246
原创 【Leetcode合集】13. 罗马数字转整数
罗马数字包含以下七种字符:IVXLCD和M。例如, 罗马数字2写做II,即为两个并列的 1。12写做XII,即为XII。27写做XXVII, 即为XXVII。通常情况下,罗马数字中小的数字在大的数字的右边。但也存在特例,例如 4 不写做IIII,而是IV。数字 1 在数字 5 的左边,所表示的数等于大数 5 减小数 1 得到的数值 4。同样地,数字 9 表示为IX。IVXXLCCDM给定一个罗马数字,将其转换成整数。s[1, 3999]
2023-11-21 09:08:33 239
原创 【Leetcode合集】9. 回文数
给你一个整数x,如果x是一个回文整数,返回true;否则,返回false。回文数是指正序(从左向右)和倒序(从右向左)读都是一样的整数。121123你能不将整数转为字符串来解决这个问题吗?
2023-11-20 17:15:43 109
原创 【Leetcode合集】1. 两数之和
给定一个整数数组nums和一个整数目标值target,请你在该数组中找出target的那整数,并返回它们的数组下标。你可以假设每种输入只会对应一个答案。但是,数组中同一个元素在答案里不能重复出现。你可以按任意顺序返回答案。
2023-11-19 17:13:33 159
原创 【Leetcode合集】2342. 数位和相等数对的最大和
在给定的代码中,您的目标是找到满足数位和相等的两个数的和的最大值。目前的方法是使用两层嵌套的循环来检查所有数对,并找到它们的数位和相等的情况下的最大和。消耗内存分布 65.10MB 击败19.74%使用 C++ 的用户。消耗内存分布 65.10MB 击败19.74%使用 C++ 的用户。执行用时分布 208ms 击败16.01%使用 C++ 的用户。执行用时分布 144ms 击败66.89%使用 C++ 的用户。执行用时分布 208ms 击败16.01%使用 C++ 的用户。请你找出所有满足条件的下标。
2023-11-19 16:01:13 400
原创 PyTorch深度学习原理与实现
感知机网络(解决线性可分问题,20世纪40年代)BP神经网络(解决线性不可分问题,20世纪80年代)深度神经网络(海量图片分类,2010年左右)常见深度神经网络:CNN、RNN、LSTM、GRU、GAN、DBN、RBM ……计算机视觉语音识别自然语言处理人机博弈。
2023-11-17 21:05:15 555
原创 【机器学习合集】模型设计之注意力机制&动态网络 ->(个人学习记录笔记)
【机器学习合集】模型设计之注意力机制&动态网络 ->(个人学习记录笔记)
2023-10-31 09:29:50 889 1
【进程调度实现C++】先来先服务 短进程优先 优先级调度(抢占非抢占式) 包含文档
2022-06-08
【java课设+源代码+注释】文件加密
2022-06-04
问图片网站怎么处理图片压缩预览,减小服务器压力
2021-09-21
TA创建的收藏夹 TA关注的收藏夹
TA关注的人