- 1 简介等价原理介绍：自由落体系推广狭义相对论的惯性系。等效原理 （EP） 的两个重要变体：弱 EP（无法区分重力下的自由落体和“足够小”区域上的均匀加速度）;爱因斯坦 EP（自由落体系中的物理定律与“足够小”区域上的狭义相对论定律相同），在惯性系的简单系统中，等效原理指出惯性质量和重力质量应该相同。爱因斯坦的等效原理（Equivalence Principle）是广义相对论的基石之一，它... 1 简介等价原理介绍：自由落体系推广狭义相对论的惯性系。等效原理 （EP） 的两个重要变体：弱 EP（无法区分重力下的自由落体和“足够小”区域上的均匀加速度）;爱因斯坦 EP（自由落体系中的物理定律与“足够小”区域上的狭义相对论定律相同），在惯性系的简单系统中，等效原理指出惯性质量和重力质量应该相同。爱因斯坦的等效原理（Equivalence Principle）是广义相对论的基石之一，它...
- 1 简介本文简单展示了 Go 里面 数值、字符（本质上也是数值）、变量在内存里的管理方式，以及和字符串/UTF-8 表达方式的差异。以下可以从几个角度拆开来看： 2. 数字在内存里的表达和管理在 Go 里，像 int、float64、byte 等基本数值类型都有固定的内存宽度，例如： int 在 64 位系统通常是 8 字节（64bit） int32 就是 4 字节 floa... 1 简介本文简单展示了 Go 里面 数值、字符（本质上也是数值）、变量在内存里的管理方式，以及和字符串/UTF-8 表达方式的差异。以下可以从几个角度拆开来看： 2. 数字在内存里的表达和管理在 Go 里，像 int、float64、byte 等基本数值类型都有固定的内存宽度，例如： int 在 64 位系统通常是 8 字节（64bit） int32 就是 4 字节 floa...
- 1 简介Google 在计算机视觉与感知流（perception pipeline）方面的重要开源项目。以下是对其底层实现、算法架构，以及一些值得注意的算法成果的详细分析——供你参考： 2. Google 开源的 CV 框架底层实现与架构图计算结构 + 模块化设计：MediaPipe 使用一种图（graph）结构定义整个视觉／感知流水线，把模型推理、媒体处理、数据转换等功能模块组织成组合组... 1 简介Google 在计算机视觉与感知流（perception pipeline）方面的重要开源项目。以下是对其底层实现、算法架构，以及一些值得注意的算法成果的详细分析——供你参考： 2. Google 开源的 CV 框架底层实现与架构图计算结构 + 模块化设计：MediaPipe 使用一种图（graph）结构定义整个视觉／感知流水线，把模型推理、媒体处理、数据转换等功能模块组织成组合组...
- 训练深度学习模型，早期很多人是在单张显卡上完成的。数据不算太大，模型也不算太深，跑一晚上往往就有结果。后来模型越来越大，数据越来越多，一张卡的显存和算力很快成为瓶颈。有人换更贵的卡，有人开始把任务拆到多张卡、多台机器上。这就是分布式训练要解决的问题：怎么让多份计算资源一起干活，又尽量少地互相拖后腿。这篇文章用比较直白的方式，聊聊分布式训练在做什么、常见怎么拆、以及实际用起来会遇到什么。 为什... 训练深度学习模型，早期很多人是在单张显卡上完成的。数据不算太大，模型也不算太深，跑一晚上往往就有结果。后来模型越来越大，数据越来越多，一张卡的显存和算力很快成为瓶颈。有人换更贵的卡，有人开始把任务拆到多张卡、多台机器上。这就是分布式训练要解决的问题：怎么让多份计算资源一起干活，又尽量少地互相拖后腿。这篇文章用比较直白的方式，聊聊分布式训练在做什么、常见怎么拆、以及实际用起来会遇到什么。 为什...
- 1、问题与挑战推荐系统中的用户（User）、物品（Item）及上下文（Context）特征具有高度异构性，其物理含义和量纲差异显著。为将这些特征有效引入深度神经网络（DNN），须通过Embedding技术将其映射为统一的低维稠密向量表示，从而解决特征间的语义鸿沟并提升模型泛化能力。为提升推荐系统的整体推荐效果，满足用户个性化推荐的需求，加速互联网电商企业快速变现。如下图所示：近10年来推荐... 1、问题与挑战推荐系统中的用户（User）、物品（Item）及上下文（Context）特征具有高度异构性，其物理含义和量纲差异显著。为将这些特征有效引入深度神经网络（DNN），须通过Embedding技术将其映射为统一的低维稠密向量表示，从而解决特征间的语义鸿沟并提升模型泛化能力。为提升推荐系统的整体推荐效果，满足用户个性化推荐的需求，加速互联网电商企业快速变现。如下图所示：近10年来推荐...
- 大模型API调用会用，但不理解背后原理？微调训练无从下手？本文从底层架构到工程实践，拆解完整技术路径。 大模型技术体系全景：从原理到工程实践随着ChatGPT引发的AI浪潮，大模型技术已成为开发者必备技能。但从API调用到深入理解架构原理，再到企业级应用落地，中间存在明显的知识断层。本文整理了一套完整的学习资源，帮助开发者系统掌握大模型技术栈。 技术栈覆盖范围基础理论层内容涵盖必要的数学基础... 大模型API调用会用，但不理解背后原理？微调训练无从下手？本文从底层架构到工程实践，拆解完整技术路径。 大模型技术体系全景：从原理到工程实践随着ChatGPT引发的AI浪潮，大模型技术已成为开发者必备技能。但从API调用到深入理解架构原理，再到企业级应用落地，中间存在明显的知识断层。本文整理了一套完整的学习资源，帮助开发者系统掌握大模型技术栈。 技术栈覆盖范围基础理论层内容涵盖必要的数学基础...
- 最近做吞吐量调试涉及到输入batch_size的设置，为了把算力和显存用起来，同时不触发out of memory，需要提前估计大模型推理过程中的显存占用，我参考了MindIE官网的这个文档完成了估计：https://www.hiascend.com/document/detail/zh/mindie/20RC2/mindieservice/servicedev/mindie_service... 最近做吞吐量调试涉及到输入batch_size的设置，为了把算力和显存用起来，同时不触发out of memory，需要提前估计大模型推理过程中的显存占用，我参考了MindIE官网的这个文档完成了估计：https://www.hiascend.com/document/detail/zh/mindie/20RC2/mindieservice/servicedev/mindie_service...
- 其实在DeepSeek-R1爆火之前，DeepSeek V2在我们行业就已经妇孺皆知了，它独特的MOE结构值得研究一下。这篇文章是基于 @ZOMI酱 的2个视频写的，这2个视频讲的很好，建议大家都学习一下：《MOE终于迎来可视化解读！傻瓜都能看懂MoE核心原理！》和《使用昇腾NPU手撕MoE单机版代码！没想到如此简单！》。这篇文章是把我自己的理解梳理一下，加强自己的理解和记忆。 MOE结构概... 其实在DeepSeek-R1爆火之前，DeepSeek V2在我们行业就已经妇孺皆知了，它独特的MOE结构值得研究一下。这篇文章是基于 @ZOMI酱 的2个视频写的，这2个视频讲的很好，建议大家都学习一下：《MOE终于迎来可视化解读！傻瓜都能看懂MoE核心原理！》和《使用昇腾NPU手撕MoE单机版代码！没想到如此简单！》。这篇文章是把我自己的理解梳理一下，加强自己的理解和记忆。 MOE结构概...
- 目录 简介论文简介ABSTRACT1 INTRODUCTION2 RELATED WORK2.1 Network Embedding2.2 Sample Selection 5 CONCLUS... 目录 简介论文简介ABSTRACT1 INTRODUCTION2 RELATED WORK2.1 Network Embedding2.2 Sample Selection 5 CONCLUS...
- 目录 简介论文简介ABSTRACT1 INTRODUCTION2 THE HIERARCHICAL MODEL2.1 Model Description 5 RELATED WORK6 CON... 目录 简介论文简介ABSTRACT1 INTRODUCTION2 THE HIERARCHICAL MODEL2.1 Model Description 5 RELATED WORK6 CON...
- 目录 简介简介ABSTRACT1. INTRODUCTION1.1 Problem Statement and Applications1.2 Contributions 2. RELATED... 目录 简介简介ABSTRACT1. INTRODUCTION1.1 Problem Statement and Applications1.2 Contributions 2. RELATED...
- 目录 pytorch实现学习率衰减 手动修改optimizer中的lr使用lr_scheduler LambdaLR——lambda函数衰减StepLR——阶梯式衰减MultiStepLR——多阶梯式衰减ExponentialLR——指数连续衰减 CosineAnnealingLR——余弦退火衰减Reduce... 目录 pytorch实现学习率衰减 手动修改optimizer中的lr使用lr_scheduler LambdaLR——lambda函数衰减StepLR——阶梯式衰减MultiStepLR——多阶梯式衰减ExponentialLR——指数连续衰减 CosineAnnealingLR——余弦退火衰减Reduce...
- 文章目录 博弈论常见模型必胜点和必败点的概念：必胜点和必败点的性质： 巴什博弈斐波那契博弈威佐夫博弈尼姆博弈SG函数与SG定理 博弈论 博弈论 ，是经济学的一个... 文章目录 博弈论常见模型必胜点和必败点的概念：必胜点和必败点的性质： 巴什博弈斐波那契博弈威佐夫博弈尼姆博弈SG函数与SG定理 博弈论 博弈论 ，是经济学的一个...
- 内容概况 文章目录 内容概况一、GraphSAGE模型二、YelpChi评论图数据集上的异常检测2.1题目：反欺诈检测2.2 数据集介绍 三、代码实现1.图数据准备1.1 数据预处理说明1.... 内容概况 文章目录 内容概况一、GraphSAGE模型二、YelpChi评论图数据集上的异常检测2.1题目：反欺诈检测2.2 数据集介绍 三、代码实现1.图数据准备1.1 数据预处理说明1....
- 目录 简介说明5.15.25.3结语 简介 Hello！ 非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭ˊᵕˋ)੭ 昵称：海轰 标签：程序猿｜... 目录 简介说明5.15.25.3结语 简介 Hello！ 非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭ˊᵕˋ)੭ 昵称：海轰 标签：程序猿｜...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签