- 博客(6)
- 收藏
- 关注
RSS订阅原创 SQL语句进阶练习
查询员工及其所属部门（如果员工没有部门则无法查询出这个员工及其所属部门）INNER JOINdept dON查询所有员工及其所属部门（包括没有部门的员工，即e.deptno=null）LEFT JOINdept dON查询所有部门及其员工（包括没有员工的部门）RIGHT JOINdept dON查询所有员工和部门（包括没有部门的员工和没有员工的部门）LEFT JOINdept dONUNIONRIGHT JOINdept dON。
2026-04-10 11:24:01
319
原创 SQL语句练习
1、创建一个名为 db_test 的数据库。db_test；2、在 db_test 数据库中创建一个员工考勤表 t_attendance，包含以下字段：id：主键，自增；empno：员工编号，INT类型；att_date：考勤日期，DATE类型；status：考勤状态（正常/迟到/请假），VARCHAR类型；create_time：创建时间，DATETIME类型。
2026-03-27 17:43:50
391
原创 Mysql下载与安装
MySQL安装与配置指南 本文介绍了Windows和Linux系统下MySQL数据库的安装方法。Windows用户需从官网下载社区版MSI安装包，配置环境变量后通过PowerShell验证安装。Linux用户需使用wget下载安装包，通过rpm命令安装组件，并设置临时密码、修改密码及防火墙配置。文章还涵盖了数据库基本操作，包括服务管理、远程访问授权和图形化界面使用。两种系统都详细说明了从安装到基础配置的全过程，帮助用户快速搭建MySQL环境。
2026-03-20 19:29:47
342
原创 归一化均方误差(NMSE)
归一化均方误差的值越小，说明预测值与实际值之间的差距越小，模型的性能越好。NMSE的一个优点是它不受量纲的影响，因此适用于不同量级的数据之间的比较。此外，当分母使用实际值的方差时，NMSE实际上反映了预测误差相对于数据本身变异性的大小。归一化均方误差（Normalized Mean Square Error, NMSE）是衡量预测值和实际值之间差异的一种方法，通常用于评估模型的性能。NMSE通过对均方误差（MSE）进行归一化处理，使得不同规模数据集之间的误差可以相互比较。
2024-12-26 15:47:51
9194
原创 知识蒸馏（KD）中的FKL和RKL
正如你提到的，在实际应用中，特别是对于大型语言模型（LLMs）的知识蒸馏，学生和教师模型的输出通常是经过softmax层处理后的离散分布，并不符合理想的高斯分布假设。最后，最新的研究提出了从更基础的角度重新审视KL散度的作用，例如考虑softmax之前的变量Z来进行分析，或者探索结合FKL和RKL的方法，甚至是引入其他类型的散度度量。: 这种方式可能会让模型在某些特定任务中表现得更加锐利，因为它专注于最重要的特征，但也有可能忽略掉一些细微但重要的信息，特别是在教师模型具有复杂多模态结构的情况下。
2024-12-24 20:50:39
984
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人