weixin_50008473的博客

本文参考opncompass进行大模型的精度评测。

这里model-id可以修改为本地模型路径。

项目地址：

更新中......

注：b表示batch size，第一个2表示k/v cache，第二个2表示FP16占2字节。例：GPT3-175B，模型占用显存：350G（FP16），层数l为96，维度h为12888。假设序列输入长度：s，输出长度：n，数据类型以FP16来保存KV cache。峰值显存占用：b(s+n)h。

action="store_false，默认值是True。action="store_true，默认值是False。action="store_false，手动指定该参数后才为False。action="store_true，手动指定该参数后才为True。

基础环境：centos7 + cuda10.2+cudnn7显卡：Tesla V100。

为了方便对比，这里左图输入以256（论文为64）来计算。左图：3x3x256x256+3x3x256x256=1179648右图：1x1x256x64+3x3x64x64+1x1x64x256=69632卷积计算：out=(in-k+2p) / s + 1使用残差结构可以极大减少计算量。

kill -l常用信号：HUP 1：重新加载进程。INT 2：中断（同 Ctrl + C）QUIT 3：退出（同 Ctrl + ）KILL 9：强制终止TERM 15 ：终止。

本文安装版本为：jax0.2.21、jaxlib0.1.72、tensorflow2.7。

修改为自己的python安装路径修改cd的路径。

安装过程中不报错，检查/etc/ssh目录下若有sshd_config配置文件则为安装成功。1、点击左侧工具栏中的扩展，搜索“ssh”，选择第一个进行安装（此处已安装）1、点击左侧工具栏中的“远程”可以查看远程连接，再点击**+**2、点击添加按钮，输入远程服务器的地址，账号和ip自己进行修改。选择以后才会出现输入密码，之后成功连接远程服务器。4、设置root密码，用于VScode登录使用。4、可以自行选择远程服务器的文件进行操作。6、再按照连接服务器方式进行连接即可。...

0. 添加方法主要步骤：（1）在models/common.py中注册注意力模块（2）在models/yolo.py中的parse_model函数中添加注意力模块（3）修改配置文件yolov5s.yaml（4）运行yolo.py进行验证各个注意力机制模块的添加方法类似，各注意力模块的修改参照SE。完整代码链接：1. SE（1）在models/common.py中注册SE模块class SE(nn.Module): def __init__(self, c1, c2, ratio=

1. AlphaPose环境配置项目地址：https://github.com/MVIG-SJTU/AlphaPose（1）安装anaconda（参考链接1.1）https://blog.csdn.net/weixin_50008473/article/details/115250986?spm=1001.2014.3001.5501（2）创建虚拟环境：conda create -n alphapose python=3.6 -y（3）进入虚拟环境：conda activate alphapose

1. 下载YOLOv3和权重文件YOLOv3:git clone https://github.com/pjreddie/darknetyolov3.weights：wget https://pjreddie.com/media/files/yolov3.weightsdarknet53.conv.74：wget https://pjreddie.com/media/files/darknet53.conv.742. 数据集处理（1）在scripts文件夹下按如下目录创建VOCdevkit 文件夹

目录1.环境配置2.权重下载3.数据集处理4.修改配置文件4.1 修改data/voc.names4.2 修改data/voc.data4.3 修改cfg/yolov4.cfg4.4 修改Makefile文件5.开始训练文献地址：https://arxiv.org/pdf/2004.10934.pdf源码地址：https://github.com/AlexeyAB/darknet1.环境配置https://blog.csdn.net/weixin_50008473/article/details/1

原因：在21.1.3中该方法被去除方法：检查pip版本：pip show pip若为21.1.3，请尝试降级或升级后再试降级方法：pip install pip==21.2.4(版本号)升级方法：pip install --upgrade pip注：降级为21.2.x后该方法可以正常使用...

1.机器学习算法分类<1>监督学习监督学习——根据输入数据（训练数据）学习一个模型，能对后来的输入做预测。其中输入变量和输出变量可以是连续的，也可以是离散的。回归即：输入变量和输出变量均为连续变量分类即：输出变量为有限个离散变量标注即：输入变量与输出变量均为变量序列算法：分类（类别）、回归（数字）<2>非监督学习监督学习：训练数据有标注类别。非监督学习：训练数据没有标注类别。算法：聚类，降维聚类基于划分、层次、密度、图形和模型五大类<3>半监督学习

1 准备环境配置：https://blog.csdn.net/weixin_50008473/article/details/115250986?spm=1001.2014.3001.5501YOLOv5_DeepSORT_Pytorch代码地址：https://github.com/mikel-brostrom/Yolov5_DeepSort_PytorchDeepSORT论文：https://arxiv.org/pdf/1703.07402.pdf2 训练目标检测模型训练自己的目标检测模

目录1 最小路径和2 编辑距离3 最长回文子序列4 两个字符串的删除操作5 最长公共子序列6 让字符串成为回文串的最少插入次数前言：最近准备笔试和面试的时候，发现了一个爱考的知识点——动态规划，特此整理。1 最小路径和力扣64题题解题目：给定一个包含非负整数的 m x n 网格 grid ，请找出一条从左上角到右下角的路径，使得路径上的数字总和为最小。说明：每次只能向下或者向右移动一步。code：def minPathSum(self, grid): """ :type g