BQ量化笔记一

已于 2022-11-07 21:52:48 修改
阅读量128 收藏
点赞数
分类专栏： python fensorflow机器学习 文章标签： 人工智能 深度学习
于 2022-09-19 14:26:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/cangxiao/article/details/126932987
版权

* 序列窗口滚动

窗口大小：例5   每一行（天）的输入特征序列组在当日前追加4日，共5天输入特征为一组            （窗 口）。开始日没有前日的补0.  

   如：数字为表示行（本行所有列）  00001  00012 00123 01234 12345 23456 ......

特征裁剪值：5   输入特征小于-5为-5.大于5为5.

会将原维度增加一维。

木易程序量化
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
极智AI | 谈谈模型量化组织方式
极智视界
09-30 786
本文主要聊一下深度学习模型量化组织方式。
深度学习特征裁剪（roi_align&grid_sample）
始于足下
08-08 1136
pytorch中的两中特征裁剪函数
《书生大模型实战营第3期》入门岛 学习笔记与作业：Python 基础知识
shiter编写程序的艺术
07-21 1000
python开发简介：【集成开发环境 IDE】python开发简介：【Conda，Pip】虚环境搭建、配置python开发简介：【jupyter notebook】实战配置python开发简介： 编码规范与工程基础实践使用 jupyter hub /lab搭建机器学习工作台使用跨平台的visual studio code 进行python 开发（综合内容老版本）python 开发环境搭建（综合内容老版本）其实Python 的环境配置在所有编程技术栈中是相对简单的，由于conda，pip 的存在。
《动手学深度学习》学习笔记 第9章 现代循环神经网络
weixin_42046845的博客
01-12 967
笔记是从第四章开始，前面三章为基础知识，有需要的可以自己去看看 关于本系列笔记： 书里为了让读者更好的理解，有大篇幅的描述性的文字，内容很多，笔记只保留主要内容，同时也是对之前知识的查漏补缺
【学习笔记】d2l-chapter8 循环神经网络
weixin_51413726的博客
11-09 2465
目录前言序列模型自回归模型马尔可夫模型序列模型代码序列数据处理——文本预处理从序列模型到语言模型（过渡）语言模型传统方法马尔可夫模型和n元语法词元统计深度学习方法处理长序列数据随机采样顺序分区Q&A循环神经网络背景从MLP到RNN反向传播1.通过时间反向传播（BPTT）2.反向传播梯度细节质量度量指标——困惑度RNN代码从0实现RNN框架梯度截断训练简洁实现 前言 循环神经网络RNN：用于处理序列数据和时间序列数据。且具有一种循环的结构，使其能够在处理序列数据（input） 时具有记忆能力。 RNN
FFMPEG入门 基础知识笔记一
darwinlong的博客
12-25 820
官方文档：http://ffmpeg.org/doxygen/2.0/index.html AVCodecContext配置参数 1.基本API  AVFormatContex * pFormatCtxEnc;   AVCodecContext * pCodecCtxEnc;    AVStream * video_st;  AVOutputFo
《动手学深度学习》学习笔记
欢迎来到槐月初叁的博客
01-11 1605
本文首先介绍了深度学习的基础知识，包括线性回归、多层感知机、卷积神经网络、循环神经网络的基本原理，在其基础上讲解网络优化算法进一步优化网络和自定义网络实现自己的网络。然后介绍深度学习的应用，具体包括单发多框目标检测、语义分割、风格迁移、中英文翻译系统。最后总结我对本课程学习的心得体会和建议。
大数据概论学习笔记
weixin_43310853的博客
09-02 1382
链接：https://pan.baidu.com/s/1twFM1vUrRF_qPnd1xcP3bQ 提取码：slgt
x264 ffmpeg编解码参数笔记
keen_zuxwang的博客
05-09 3294
X264 ffmpeg 1、码率： 码流（Data Rate），是指视频文件在单位时间内使用的数据流量 三种可选的码率控制方法(bitrate, CQP，CRF), 选择的顺序是 bitrate > QP > CRF QP是固定量化参数，bitrate是固定文件大小，crf则是固定“质量"，abr(ABR平均码率，VBR是动态码率。CBR是静态码率。)，crf（限制码率），cqp（固定质量） –qp, –bi
和数集团十周年庆典：新起点、新目标、新征程
Likelib的博客
08-01 297
在十周年庆典这个特殊的日子，和数集团对在市场开拓、客户服务等方面具有突出表现的个人进行了表彰。
昇思25天学习打卡营第1天|快速入门
07-28 802
昇思大模型平台是一个集算法选型、创意分享、模型实验和大模型在线体验为一体的AI学习与实践社区，而且还内置了AI实验室，它覆盖多领域任务，体验全流程开发，支持用户在线训练和推理可视化，可创建自己的项目空间对待开发者很友好，提供云上开发环境，无需配置环境，既可灵活调试运行代码，每天免费使用8个小时。
MOE模式：或将是最好的大模型应用开发路径
AI相关从业分享
07-28 781
MOE（Mixture of Experts，混合专家）是一种机器学习模型架构，旨在通过结合多个专家网络来提高模型的性能和泛化能力。以下是传统模型和大模型中MOE模式的相关介绍及其优势。传统模型中的MOEGate网络：决定输入数据应该被路由到哪一个专家网络。Gate网络可以根据输入数据的特征来动态分配数据。Expert网络：一系列专门的网络，每个网络都是针对特定数据分布进行训练的。Expert网络可以是对特定问题有深入理解的小模型。组合层：将所有Expert网络的输出进行组合，形成最终的预测结果。
带并行卷积的水下图像背景前景分割方法
renhongxia1的博客
07-30 731
图6，7为不同照度条件下水下图像及在不同分割方法的实验结果，其中第1，4行的原始图像为13.826 lx照度下采集的，第2，5行为6.947 lx照度下采集的，第3，6行为0.925 lx照度下采集的。在进行图像采集时，图6，7中，目标距离采集设备分别为1.4，1 m。图5是相机距目标1.4 m处采集的图像，图5a）为空气中的图像，图5b）为照度为13.826 lx条件下采集的水下图像，图5c）为照度为6.947 lx条件下采集的水下图像，图5d）为照度为0.925 lx条件下采集的水下图像。
常用的机器学习模型的不同调用方式
最新发布
weixin_71458119的博客
08-01 254
不同机器学习方法的调用
Transformer 架构告诉我们什么？
2401_85233349的博客
08-01 513
在传统的心理语言学方法中，人类语言是用可解释的模型来解释的，这些模型将符号元素（例如名词、动词、形容词、副词等）与基于规则的操作相结合。从几何上讲，它们之间的夹角越小，余弦值和点积就越大，并且这两个词在特定上下文中的相关性就越高，就像在高维空间中表示的那样。，Transformer 作为过度参数化的简单模型所展现出的蛮力学习，与进化过程类似，都是“简单而简约的”。下面是一个简单的示例，展示了词向量的基本概念。有趣的是，A 和 B 的相关系数也是角度的余弦（见上文 (2) 和 (3) 的公式）。
torch.nn.RNN(）相关的参数设置
guoqingru0311的博客
07-31 281
torch.nn.RNN(）相关的参数设置
＜数据集＞手机识别数据集＜目标检测＞
qq_53332949的博客
07-29 290
YOLO与VOC格式的人员持有手机识别数据集，适用于YOLO系列、Faster Rcnn、SSD等模型训练，图片数量16172
如何把视频语音转文字？交给这4款工具就完事
xixixihahaha_的博客
08-01 212
然而，随着采访的深入，如何快速准确地将这些珍贵的视频内容转化为文字记录，成为了一个亟待解决的问题。在这场速度与精准度的竞赛中，视频转文字的免费软件便成为了记者们不可或缺的助手。这两天巴黎奥运会的盛大开幕，世界各地的记者们纷纷涌入这个体育盛事的现场，带着他们的镜头和麦克风，捕捉每一个激动人心的瞬间。高精度识别：采用先进的语音识别技术，确保转换文字的准确性。适用于多种场景的视频转文字需求，特别是对外语视频的支持。云端存储：转换后的文字自动保存在云端，方便随时访问。③ 开始转写，并在线查看和编辑生成的文字内容。
TI bq76PL455A-Q1电池管理系统芯片详细规格解析
1. **电池监控**：bq76PL455A-Q1能够监测电池组中每个单元的电压和温度。每个单元的电压通过VSENSE1到VSENSE16引脚进行测量，而温度则通过集成的温度传感器RT进行监控。 2. **差分信号**：使用差分信号进行通信，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值