一亩三分地

Linux C/C++C++ std::thread 使用详解

在现代软件开发中，并发编程成为提升性能的关键。无论是处理大量数据、提升响应速度，还是高效利用多核 CPU，多线程编程都至关重要。在 C++ 中 通过使用 std::thread 类，我们能够轻松地创建并启动一个或多个线程...

机器学习主成分分析（PCA）

主成分分析（PCA，Principal Component Analysis）是一种常用的数据降维技术。数据降维是指将高维数据转换为低维数据的过程，同时尽可能保留原始数据的重要信息。通过降维可以： 1. 基本思想 PCA...

机器学习感知机对偶算法

对偶形式的感知机将权重向量表示为训练样本和对应标记的线性组合，因此不需要显式地维护权重向量，而是通过记录支持向量（误分类的样本）与权重更新系数的乘积来完成分类。 1. 基本原理 感知机原始形式的参数更新规则是： 其中 是...

Linux C/C++Google gRPC 编译、安装、使用

Google gRPC（Google Remote Procedure Call）是一个高性能、开源的远程过程调用框架，它允许客户端直接调用远程服务器上的方法，就像调用本地方法一样，屏蔽了网络通信的复杂性。 假设：我们有...

机器学习高斯混合模型（GMM）算法初探

高斯混合模型（Gaussian Mixture Model，GMM）是一种基于概率的无监督学习模型，通过假设数据由多个高斯分布组成来进行数据建模，在机器学习、统计学和信号处理等领域有广泛的应用。 1. 基本理解 假设：我...

机器学习高斯混合模型（GMM）聚类过程

在本节课程中，我们将探讨高斯混合模型（GMM）如何对新数据进行聚类。即：当我们输入一条新的数据时，模型会基于先前学习到的各个高斯分布的参数来估计该数据属于每个类别的概率。接下来，我们将详细了解这一过程的具体步骤。 1. ...

机器学习高斯混合模型（GMM）拟合过程

GMM 假设数据是由多个高斯分布混合而成，接下来，我们将会探讨 GMM 是如何根据训练数据得到这些不同的高斯分布参数： 估计高斯混合模型的参数，我们并不知道数据属于哪个分布，这是典型的包含隐藏变量的参数估计问题。对于这个...

机器学习高斯混合模型（GMM）使用详解

scikit-learn 中 GaussianMixture 类是对高斯混合模型算法的实现，它包含了一些用于控制混合高斯模型（GMM）的初始化、训练方式和模型的其他设置。 1. 参数 1.1 基本参数 1.2 covar...

PYTHONPython 对象拷贝问题

在 Python 中涉及到对象拷贝主要有两个问题： 1. 深浅拷贝 深拷贝和浅拷贝的主要区别在于它们如何处理对象中的可变子对象。对于不可变类型不涉及到深浅拷贝问题。在 Python 中，只有字典、集合、列表属于可变类型。...

机器学习自注意力机制（Self-Attention）

多头自注意力机制（Multi-Head Self-Attention）是深度学习中一种用于处理序列数据的重要机制，广泛应用于自然语言处理（NLP）和计算机视觉等领域。它最早出现在 Transformer 模型中。 1. ...

Linux C/C++C++ std::ref 引用包装器

std::ref 是 C++ 标准库中的一个工具，用于将对象封装为引用包装器 ，从而实现将原本作为值传递、需要拷贝的对象，能够以避免对象拷贝的方式传递。 问题场景：一个对象传递一个以值方式接受参数的函数里，如何避免对象拷...

机器学习Flash Attention

机器学习梯度下降算法（Gradient Descent）

梯度下降算法是一种用于寻找函数最小值的优化方法。在机器学习中，常用于训练模型，帮助我们找到模型参数（比如权重和偏置）的最佳值，以使模型的预测误差（损失函数）最小。 想象你站在一个山顶上，目标是找到最低的山谷（最小值）。你...

Linux C/C++C++ std::bind 函数适配器

std::bind 是 C++11 引入的一个函数适配器，它可以将函数或可调用对象与其参数绑定在一起，在调用时，减少传入的参数数量，从而简化函数调用。 1. 使用 2. 探讨 这一小节主要探讨l两个话题。 示例代码： 3...