95-140-040-源码-transform-简介

最新推荐文章于 2024-05-23 22:14:45 发布
最新推荐文章于 2024-05-23 22:14:45 发布
阅读量445 收藏
点赞数
分类专栏： 大数据-flink
本文为博主九师兄（QQ:541711153 欢迎来探讨技术）原创文章，未经允许博主不允许转载。
本文链接：https://blog.csdn.net/qq_21383435/article/details/105737841
版权
大数据-flink 专栏收录该内容
838 篇文章 843 订阅 ¥99.90 ¥99.00
订阅专栏

1.视界

在这里插入图片描述

2.前文回顾

Flink程序的source、sink就差transformation了。今天我们就来解读一下Flink的transformation。它们三者的关系如下图：
在这里插入图片描述

​ 当然这还是从Flink编程API的角度来看的（编程视角）。所谓的transformation，用于转换一个或多个DataStream从而形成一个新的DataStream对象。Flink提供编程接口，允许你组合这些transformation从而形成非常灵活的拓扑结构。

3.概述

算子转换大纲

在这里插入图片描述

​ Transformation是所有transformation的抽象类，提供了实现transformation的基础功能。每一个DataStream都有一个与之对应的Transformation。</

了解本专栏 订阅专栏 解锁全文
九师兄
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
16 -总结-【cartographer源码分析】系列的第二部分【transform源码分析】
slamcode的博客
07-27 3711
【cartographer源码分析】系列的第二部分【transform源码分析】
commons-collections-3.2源码包
01-19
《Apache Commons Collections 3.2源码解析》 Apache Commons Collections是Java开发中不可或缺的工具库，它极大地扩展了Java的内置集合框架，为开发者提供了更丰富的数据结构和算法实现。这个源码包，名为"commons...
一文读懂Transformer+源码复现
程序猿废柴的博客
04-28 1万+
本文主要介绍Transformer的原理以及对Transformer的源码进行复现。关于Transformer的原理在上篇《一文读懂BERT(原理篇)》一文中有较详细的介绍，读者可以通过传送门过去进一步阅读，本片着重对代码部分进行研究。本文内容参考了The Annotated Transformer（读者可以从这里下载代码）以及《Convolutional Sequence to Sequence...
Tranformer模型详解及源码阅读
最新发布
sjtu_wyy的博客
05-23 1090
详细介绍了transformer的各个模块，并思考各个模块为何这么设计。Position Encoding为什么是正余弦函数的形式？如何对位置进行编码？Position Encoding和Position Embedding的区别？为什么不乘以缩放因子容易落入梯度饱和区？
（简洁版）Transformer源码解析
qq_43703185的博客
09-27 2585
原文链接：https://www.cnblogs.com/zingp/p/11696111.html#_label10 阅读目录1 模型的思想2 模型的架构3 Embedding3.1 Word Embedding3.2 Positional Encoding4 Encoder4.1 Muti-Head-Attention4.1.1 Self-Attention4.1.2 Add & Norm4.2 Feed-Forward Network5 Decoder5.1
Transform介绍 - 源码分析（3）
qq_37776700的博客
11-04 787
简单介绍下transform
商业编程-源码-Csharp实例89 Transform.zip
06-21
在本压缩包“商业编程-源码-Csharp实例89 Transform.zip”中，包含的是一个C#编程实例，专门探讨了Transform类的使用。Transform类是Unity引擎中的核心组件之一，用于处理游戏对象的位置、旋转和缩放。在这个实例中...
Chirp-Z变换实现频谱细化的MATLAB源码
01-19
【资源内容】本资源利用MATLAB编程实现了Chirp-Z变换细化频谱结构。 【适用对象】信号处理、雷达专业等学生。 【仿真内容】以加噪的单/双频信号（可扩展到更多频率）为分析对象，信号、系统参数设置如下： f1:50 kHz...
transform
03-26
transform
Transform(1)_transformhtm_DirectX简单旋转动画_
10-04
DirectX圆筒简单旋转动画visual studio平台
transform简单示例代码（保姆级注释）
YHKKun的博客
03-30 398
该模型首先对输入序列加上位置编码，然后通过6层TransformerBlock进行编码处理，每层包含自注意力机制和前馈神经网络结构，同时配合层归一化和Dropout正则化，最后通过一个全连接层输出100维的特征向量。
Transformer源码详解（Pytorch版本）逐行讲解
热门推荐
Queen_sy的博客
11-01 1万+
下面的PAD表示填充，填充就是当句子长度不满足max_len时候，会填充pad。## 这里有两个数据进行输入，一个是enc_inputs 形状为[batch_size, src_len]，主要是作为编码段的输入，一个dec_inputs，形状为[batch_size, tgt_len]，主要是作为解码端的输入。一定需要注意的是这里得到的矩阵形状是batch_size x len_q x len_k，我们是对k中的pad符号进行标识，并没有对q中的做标识，因为没必要（尚未理解，有理解的小伙伴评论私信奥）
transformer源码详解
woshiliulei0的专栏
06-11 1747
参考文献： 1.https://zhuanlan.zhihu.com/p/110800071
Transformer源码解读-读书笔记
scar2016的博客
03-02 1410
文章目录1. 模型2. 基于位置的前馈网络3. 残差连接和层规范化4. 编码器5. 解码器6. 训练7. 小结 1. 模型 2. 基于位置的前馈网络 3. 残差连接和层规范化 4. 编码器 5. 解码器 6. 训练 7. 小结
（无敌版的简洁版）深入理解transformer源码
qq_43703185的博客
09-29 894
原文链接：https://blog.csdn.net/zhaojc1995/article/details/109276945 参考资料： transformer原论文 深入理解transformer及源码 图解Transformer（完整版） The Annotated Trans
Pendulum-v0源码
05-25
以下是Pendulum-v0的源码实现，你可以直接在Gym官方GitHub仓库中查看完整的代码实现：https://github.com/openai/gym/blob/master/gym/envs/classic_control/pendulum.py ```python import gym from gym import spaces from gym.utils import seeding import numpy as np from os import path class PendulumEnv(gym.Env): metadata = { 'render.modes': ['human', 'rgb_array'], 'video.frames_per_second': 30 } def __init__(self, g=10.0): self.max_speed = 8 self.max_torque = 2. self.dt = .05 self.g = g self.m = 1. self.l = 1. self.viewer = None high = np.array([1., 1., self.max_speed], dtype=np.float32) self.action_space = spaces.Box( low=-self.max_torque, high=self.max_torque, shape=(1,), dtype=np.float32) self.observation_space = spaces.Box( low=-high, high=high, dtype=np.float32) self.seed() self.state = None def seed(self, seed=None): self.np_random, seed = seeding.np_random(seed) return [seed] def step(self, u): th, thdot = self.state # th := theta g = self.g m = self.m l = self.l dt = self.dt u = np.clip(u, -self.max_torque, self.max_torque)[0] self.last_u = u # for rendering costs = angle_normalize(th) ** 2 + .1 * thdot ** 2 + .001 * (u ** 2) newthdot = thdot + (-3 * g / (2 * l) * np.sin(th + np.pi) + 3. / (m * l ** 2) * u) * dt newth = th + newthdot * dt newthdot = np.clip(newthdot, -self.max_speed, self.max_speed) # pylint: disable=E1111 self.state = np.array([newth, newthdot]) return self._get_obs(), -costs, False, {} def reset(self): high = np.array([np.pi, 1]) self.state = self.np_random.uniform(low=-high, high=high) self.last_u = None return self._get_obs() def _get_obs(self): theta, theta_dot = self.state return np.array([np.cos(theta), np.sin(theta), theta_dot], dtype=np.float32) def render(self, mode='human'): from gym.envs.classic_control import rendering if self.viewer is None: self.viewer = rendering.Viewer(500, 500) self.viewer.set_bounds(-2.2, 2.2, -2.2, 2.2) rod = rendering.make_capsule(1, .2) rod.set_color(.8, .3, .3) self.pole_transform = rendering.Transform() rod.add_attr(self.pole_transform) self.viewer.add_geom(rod) axle = rendering.make_circle(.05) axle.set_color(0, 0, 0) self.viewer.add_geom(axle) fname = path.join(path.dirname(__file__), "assets/clockwise.png") self.img = rendering.Image(fname, 1., 1.) self.imgtrans = rendering.Transform() self.img.add_attr(self.imgtrans) self.viewer.add_onetime(self.img) self.pole_transform.set_rotation(self.state[0] + np.pi / 2) if self.last_u: self.imgtrans.scale = (-self.last_u / 2, np.abs(self.last_u) / 2) return self.viewer.render(return_rgb_array=mode == 'rgb_array') def close(self): if self.viewer: self.viewer.close() self.viewer = None def angle_normalize(x): return (((x+np.pi) % (2*np.pi)) - np.pi)

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

九师兄

你的鼓励是我做大写作的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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