logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

基于华为开发者空间项目同步能力实现java电商项目部署

华为开发者空间,是为全球开发者打造的专属开发者空间,致力于为每位开发者提供一台云主机、一套开发工具和云上存储空间,汇聚昇腾、鸿蒙、鲲鹏、GaussDB、欧拉等华为各项根技术的开发工具资源,并提供配套案例指导开发者 从开发编码到应用调测,基于华为根技术生态高效便捷的知识学习、技术体验、应用创新。开发者空间重磅推出智能项目同步功能,彻底打通云主机与GitCode平台的数据通道,实现GitCode代码仓

#华为
基于LSTM自编码器与KMeans聚类的时间序列无监督异常检测方法

Numenta异常基准(NAB)是一个综合性的时间序列异常检测评估框架,涵盖了工业测量传感器数据、真实网络流量监控数据、在线广告交换系统数据以及合成生成的模拟数据等多个应用领域的时间序列样本。本文选用NAB数据集中的artificialWithAnomaly子集作为实验数据。该子集包含人工合成的时间序列数据,其中注入了预定义的异常模式,为无监督异常检测算法的有效性验证提供了理想的测试环境。数据集的

#lstm#kmeans#聚类 +2
鸿蒙开发:hvigor插件中的节点模型HvigorNode

本文API>=13,基于DevEco Studio 5.1.0 Release,版本号5.1.0.828上篇文章,我们介绍了两种方式,实现了一个hvigor插件的开发,但是只概述了基本的开发流程,并未涉及到具体的代码开发,接下来的几篇文章,我们会重点去了解一下,hvigor插件中的那些API用法,以便于实际的插件开发。

当老板问起LLM的落地,数据要花多少钱

随着大型语言模型(Large Language Models,LLMs)的迅速发展,越来越多的企业开始考虑将LLM应用于实际业务中。然而,在落地LLM的过程中,数据成本往往是一个不可忽视的重要因素。作为决策者,了解LLM训练各阶段的数据需求及其相关成本,对于项目的成功实施至关重要。整数智能将带您深入探讨LLM训练的三个关键阶段:预训练(Pre-training)、监督微调(Supervised F

#人工智能#深度学习#机器学习
一次由热部署导致的 OOM 排查经历 !

比较可疑,其他加载器都是spring和jdk的,这个是谷歌的,同时这个类加载器的实例数量和加载的类的数量非常大,同时随着服务的运行在不断的增长。的情况下(使用单例模式),就不会出现这么严重的问题了,但依然存在热部署 agent 对自定义 classloader 的强引用问题。此刻,我比较好奇的是热部署包里的什么类型的对象强引用了我们的自定义类加载器?方法是线程安全的,代码里的使用姿势不对,修改代码

#kubernetes#容器#云原生
深入 UserDetailsService 2

它默认(可以自定义)需要两个表:users 表和 authorities 表,users 表至少有 username、password、enabled 三个列,用来保存用户的信息,authorities 表至少有 username、authority 两个列来保存授权,并与用户关联。至此 JdbcUserDetailsManager 就可以工作了,如果数据库表名或列和 JdbcUserDetail

#数据库
k8s1.28版本开启临时容器功能及创建临时容器

临时容器特别适合包含主容器剥离出来的一些调试工具,在需要的时候临时注入到目标pod中。目前在pod中添加临时容器之后,还无法删除,同时如果这时候临时容器已经退出,会导致无法再次attach,也不会被拉起(临时容器不支持probe什么的),

#kubernetes#容器#云原生
pytest接口自动化测试框架搭建

由于用例中用到了@pytest.mark.httptest给用例打标,因此需要创建pytest.ini文件,并在里面添加markers = httptest,不然会有warning,说这个Mark有问题。从Excel文件中读取数据的工具类:get_excel_data_utils.py(虽然本次框架中暂时未采用存放接口数据到Excel中,但也写了个工具类,需要的时候可以用)因此数据文件中url只填

#pytest
基于昇腾适配基因表达预测模型Geneformer

Geneformer被广泛应用于疾病建模、治疗靶点发掘、基因网络预测与调控分析、基因功能预测与剂量敏感性分析、单细胞转录组数据集成与标准化、遗传变异解释与GWAS靶点优先排序。该案例既有算法原理,也有手把手的昇腾部署教学,包含细胞分类、基因分类、提取细胞嵌入图、细胞多分类的微调任务GeneFormer是一种基于Transformer架构的深度学习模型,专为基因表达数据分析而设计。

昇腾数据探险家:挖掘数据的隐藏宝藏

数据清洗(Data Cleansing)是指对数据进行处理和纠错,以去除或修复数据集中存在的错误、不一致、不完整和冗余的数据,从而使数据更加准确、可靠和可用。数据清洗是数据处理和数据分析中一个非常重要的步骤,它可以帮助我们提高数据的质量,从而提高数据分析和机器学习的准确性和可靠性。本案例选择PyThon所及生成杂乱数据及清洗作为示例,通过实际操作,让大家深入了解如何利用Python中预装的库来进行

    共 120 条
  • 1
  • 2
  • 3
  • 12
  • 请选择