1. 概述 在Ubuntu20.04部署k8s。 2. k8s安裝工具對比 由于k8s固有的內(nèi)部復(fù)雜性，采用kubeadm部署比較麻煩，但是也具有較大的靈活性。 這里對比幾款...
發(fā)簡信
IP屬地：湖南
-
Kubernetes - 從零安裝microk8s系統(tǒng) -
YOLO - 19分類服飾檢測器1. 概述 訓(xùn)練一個(gè)服飾的分類器，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. 公開數(shù)據(jù)集 DeepFashion2 https://github....
-
YOLO - 圖像檢測器初識1. 概述 1.1. 基于傳統(tǒng)計(jì)算機(jī)視覺的算法 這類算法通常涉及圖像預(yù)處理、特征提取和分類器分類。例如，使用Selective Search算法從待檢測圖像中提取區(qū)域候選框，...
-
XGBoost - Ray.Tune自動調(diào)參工具初試1. 概述 Ray.Tune是一個(gè)人工智能模型自動調(diào)參工具，有幾個(gè)優(yōu)勢： 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，且支持分布式，可以設(shè)置服務(wù)器資源，...
-
XGBoost - 分類器訓(xùn)練1. 目標(biāo) 預(yù)測一個(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，所以改成分類模型。 2. 設(shè)計(jì)思路 2.1. 數(shù)據(jù)清洗 訓(xùn)練集...
-
AutoDock - python binding開發(fā)與測試
1. 概述 通過pybind11，生成autodock-gpu的python binding，方便python直接調(diào)用。 https://github.com/ccsb-sc...
-
AutoDock - 編譯與測試1. 準(zhǔn)備工作 安裝cuda，并設(shè)置環(huán)境變量： 不同GPU設(shè)備下的編譯問題 根據(jù)不同的GPU設(shè)備，選擇不同的計(jì)算能力ComputeCapability，參考：https://...
-
大模型應(yīng)用 - 低代碼開發(fā)框架Flowise1. 概述 基于LangChain實(shí)現(xiàn)的零代碼平臺，可以通過拖拽的方式輕松實(shí)現(xiàn)LLM Apps.FlowiseAI/Flowise: Drag & drop UI to bu...
-
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FastChat加載一個(gè)語言大模型或代碼大模型，7B參數(shù)的沒問題。嘗試加載量化之后的13B或33B級別的模型。 FastChat支持AWQ(llm-awq...