發(fā)簡(jiǎn)信
IP屬地：香港
-
Kubernetes - 從零安裝microk8s系統(tǒng)1. 概述 在Ubuntu20.04部署k8s。 2. k8s安裝工具對(duì)比 由于k8s固有的內(nèi)部復(fù)雜性，采用kubeadm部署比較麻煩，但是也具...
-
YOLO - 19分類(lèi)服飾檢測(cè)器1. 概述 訓(xùn)練一個(gè)服飾的分類(lèi)器，這里采用yolo11x的神經(jīng)網(wǎng)絡(luò)架構(gòu)訓(xùn)練。 2. 數(shù)據(jù)集準(zhǔn)備 2.1. 公開(kāi)數(shù)據(jù)集 DeepFashion2 ...
-
YOLO - 圖像檢測(cè)器初識(shí)1. 概述 1.1. 基于傳統(tǒng)計(jì)算機(jī)視覺(jué)的算法 這類(lèi)算法通常涉及圖像預(yù)處理、特征提取和分類(lèi)器分類(lèi)。例如，使用Selective Search算法...
-
XGBoost - Ray.Tune自動(dòng)調(diào)參工具初試1. 概述 Ray.Tune是一個(gè)人工智能模型自動(dòng)調(diào)參工具，有幾個(gè)優(yōu)勢(shì)： 方便定義參數(shù)空間，包含模型超參，以及訓(xùn)練的一些特殊參數(shù) 并行訓(xùn)練，且支...
-
XGBoost - 分類(lèi)器訓(xùn)練1. 目標(biāo) 預(yù)測(cè)一個(gè)分子molecule的kpuu性質(zhì)大于0.5的概率。 由于數(shù)據(jù)不足，訓(xùn)練回歸模型，性能較差，所以改成分類(lèi)模型。 2. 設(shè)計(jì)思...
-
AutoDock - python binding開(kāi)發(fā)與測(cè)試
1. 概述 通過(guò)pybind11，生成autodock-gpu的python binding，方便python直接調(diào)用。 https://git...
-
AutoDock - 編譯與測(cè)試1. 準(zhǔn)備工作 安裝cuda，并設(shè)置環(huán)境變量： 不同GPU設(shè)備下的編譯問(wèn)題 根據(jù)不同的GPU設(shè)備，選擇不同的計(jì)算能力ComputeCapabil...
-
大模型應(yīng)用 - 低代碼開(kāi)發(fā)框架Flowise1. 概述 基于LangChain實(shí)現(xiàn)的零代碼平臺(tái)，可以通過(guò)拖拽的方式輕松實(shí)現(xiàn)LLM Apps.FlowiseAI/Flowise: Drag ...
-
大模型量化 - 基于激活感知的權(quán)重量化AWQ1. 背景 計(jì)劃通過(guò)FastChat加載一個(gè)語(yǔ)言大模型或代碼大模型，7B參數(shù)的沒(méi)問(wèn)題。嘗試加載量化之后的13B或33B級(jí)別的模型。 FastCh...