- 博客(39)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 重新开启GPT Plus充值通道——基于前端开发者工具
由于chatGPT用户激增，近日，OpenAI的CEO Sam Altman宣布需要暂停新用户对ChatGPT Plus的订阅。在X上，他表达了对于确保用户体验的承诺，同时也提到了用户可以通过应用程序内的通知功能来了解服务恢复的最新消息。值得注意的是，这是技术层面的探讨，此行为可能违反OpenAI的服务条款。打开ChatGPT Plus界面，也显示由于用户需求过大，此时已暂停Plus的升级计划。，这是一个充值页面的后端API。强烈建议用户尊重服务提供商的规定，并耐心等待官方通道的重新开放。
2023-11-24 09:35:05
1225
2
原创 基于GPTs个性化定制SCI论文专业翻译器
本文介绍了OpenAI最新发布的GPTs功能，一种允许用户根据自己的需求定制专属ChatGPT模型的服务。GPTs通过简化定制流程和扩展功能，提供了更加个性化的使用体验。特别地，详细描述了如何利用GPTs创建专业的中英文翻译器，翻译器可以集成专业术语对照表、专业知识和理论，从而提高翻译的准确性和专业性。
2023-11-12 08:06:51
2134
原创 环境感知算法——1.简介与GPU驱动、CUDA和cudnn配置
环境感知算法主要负责处理周围环境中障碍物和道路的信息，为车辆的决策与执行提供车辆与环境的数据。笔者将若干重要的环境感知算法整理并复现。
2023-05-25 18:39:54
1218
翻译 分布式优先经验回放（DISTRIBUTED PRIORITIZED EXPERIENCE REPLAY, Ape-X）
我们提出了一种分布式深度强化学习的架构，该架构使得Agent能够有效地从比以前可能的数量级更多的数据中学习。该算法将Acting与学习分离：Actor根据共享神经网络选择动作，并与他们自己的环境实例进行互动，将产生的经验累积在共享的经验重放记忆中；Learner重放经验样本并更新神经网络。这个架构依赖于优先经验重放，只关注由Actor生成的最重要的数据。我们的架构在Arcade学习环境上大大改善了SOTA技术的表现，实现了更好的最终性能，并且使用了更少的实际训练时间。
2023-05-23 19:59:56
1448
原创 SIMPACK与Python联合仿真——2. C程序代码编写与编译
SIMPACK与Python联合仿真系列博客之二，SIMPACK模型搭建、C程序的编写与编译。
2023-05-17 02:40:07
1069
原创 SIMPACK与Python联合仿真——1. 预备知识
使用Python与SIMPACK进行数据交互，可以在Linux系统中通过进程间通信的方式（例如TCP通信等），将Python与编译后的SIMPACK Realtime C文件在本机上进行通信，实现联合仿真。
2023-05-16 14:44:26
822
原创 机器学习框架Ray -- 3.3 RLlib训练BipedalWalkerHardcore
上一篇博客，主要针对BipedalWalker普通版进行了训练，相对来讲环境较为简单。训练timesteps在80M时，平均回合奖励就非常稳定了。BipedalWalkerHardcore环境则相对困难，对于算法、算力提出了更高的要求。Hardcore版本包含梯子、树桩和陷阱，需要在2000个时间步内获得300分。
2023-05-06 23:05:23
487
原创 机器学习框架Ray -- 3.1 RayRLlib训练Pendulum-v1
使用SAC/DDPG/Apex-DDPG训练强化学习环境Pendulum-v1
2023-04-21 09:50:21
1216
原创 机器学习框架Ray -- 2.7 将PyTorch代码切换至Ray AIR
将现有的PyTorch代码转换为可与Ray AIR一起使用的代码。学习了如何使用Ray Train抽象使分布式训练成为可能、通过Ray AIR保存和检索模型检查点、加载模型进行批量预测。
2023-04-14 10:02:36
601
5
原创 机器学习框架Ray -- 2.6 基于Ray Core的Batch Training
使用Ray Core针对NYC Taxi数据集进行并行的基于线性回归模型的Batch Training。
2023-04-08 11:22:11
305
原创 机器学习框架Ray -- 2.2 Ray Core计算π
Ray Core案例：基于Ray Core，使用蒙特卡洛计算圆周率。Ray Core启动并行计算节点。
2023-04-06 04:25:40
158
翻译 机器学习框架Ray -- 2.1 Ray 用例整理
为扩展机器学习而设计的Ray常见使用案例进行索引。包含对博客、示例和教程的突出引用，这些资源也可以在Ray文档的其他位置找到。Batch Inference是指在一组输入观测值上生成模型预测。该模型可以是回归模型、神经网络，也可以仅是Python函数。Ray可以将批量推断从单GPU机器扩展到大型集群。将训练模型的体系结构和权重导出到共享对象存储中，可以并行化对输入数据批量推断的过程。使用这些模型副本，Ray AIR的Batch Predictor可以跨工作进程扩展批量预测。
2023-04-06 03:18:56
952
原创 机器学习框架Ray -- 1.4 Ray RLlib的基本使用
RLlib是一种建立在Ray之上的行业级别的强化学习（RL）库。RLlib提供了高度可扩展性和统一的API，适用于各种行业和研究应用。定义了一个名为SimpleCorridor的gym环境，使用PPO算法进行并行强化学习。
2023-04-05 14:08:11
1860
3
原创 机器学习框架Ray -- 1.3 Ray Clusters与Ray AIR的基本使用
Ray cluster与Ray AIR的快速安装与基本使用
2023-04-05 06:46:08
1190
翻译 机器学习框架Ray -- 1.1 Overview
Ray是一个开源的、用于扩展人工智能和Python应用程序的统一框架，提供了可扩展的机器学习库、分布式计算基元和集成工具。
2023-04-05 06:01:27
815
原创 基于SURF的受电弓定位算法
当滑板磨耗超限、弓头倾斜和羊角缺失等典型故障出现的时候，都可能会引发严重交通事故，危及行车安全。因而，准确地检测受电弓的各种异常情况对于受电弓的维护和行车安全十分重要。首先应通过算法来进行受电弓的定位，为后续不同的故障类型检测打下基础。 2.1 机器视觉模板匹配算法由于受电弓在车辆运行过程中始终位于图像的相对固定位置，则受电弓在图像中的定位问题即为机器视觉领域模板匹配问题。目前，常用的特征匹配算法主要有SIFT与SURF。（a）SIFTSIFT即尺度不变特征变换匹配算法（Scale Inva
2022-02-18 13:50:57
1742
原创 基于YOLO的弓网系统接触火花识别检测算法
1.1 任务目标针对地铁车辆受电弓与接触网偶发性出现的接触火花，拟通过物体检测机器视觉算法YOLO，进行接触火花的识别、定位。车辆运行期间，通过设置于地铁车辆车体顶部的摄像系统，车载机器视觉系统将不间断采集弓网接触视频数据，获得受电弓与接触网相互位置、接触点和接触火花情况。所采集视频流数据分解为图像信息后，通过本文提出的基于YOLO的神经网络进行接触火花的识别与定位，并给出相应的置信度。对于弓网接触火花的机器视觉问题，主要存在以下几个难点。首先，接触火花并非存在于所有采集图像中，出现的位置也是相
2022-02-18 13:47:50
2456
翻译 在Unity环境中使用强化学习训练Donkey Car（转译）
在Unity环境中使用强化学习训练Donkey Car1.Introduction2. Train Donkey Car with Reinforcement Learning3. Simulation to Reality4. Donkey Car Simulator4.1. Establish a way to get Python communicate with Unity4.2. Create a customized OpenAI gym environment for Donkey Car4.
2021-12-28 16:20:03
1950
转载 TensorFlow GPU与CPU运行速度比较
测试TensorFlow采用GPU或CPU对于同一任务的运行速度测试。第一次使用TensorFlow，第2个月使用python，不是CS行业。测试环境软件环境：windows10，VScode，TensorFlow2.x（实际上代码是tf1.x版本）硬件环境：E5-2667v3QS×2 对比 2080Ti（七彩虹OC），115G内存测试代码原代码来自：https://blog.csdn.net/beyond9305/article/details/90450246argv元组的参数0
2020-07-08 21:12:06
7132
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人