Logo

Menu

All Tags

#虚拟货币 16 #dApp 3 #web3 4 #blockchain 28 #基础设施 1 #shell 0 #k8s 7 #数据库 1 #算法 8 #Go 5 #Python 1 #其他 4 #方法论 1 #工具 14 #操作系统 3 #Java 5
数学与统计学中常见的字母符号
AI #算法

数学与统计学中常见的字母符号

本文介绍了数学中常用的希腊字母及其发音和应用。主要包括：α（阿尔法）用于表示角度、系数；β（贝塔）作为回归系数或角度辅助参数；γ（伽马）涉及伽马函数与热力学；Δ（德尔塔）代表差值，如变量增量；Σ（西格玛）是求和符号；μ（缪）指总体均值；小写σ（西格玛）表示标准差；χ²（卡方）用于卡方检验；ρ（柔）表示相关系数；λ（兰姆达）为泊松分布参数及特征值。这些符号在统计学、物理学等多个领域有广泛应用。

liujie Published on 2025-05-12
等差数列、等比数列、阶乘
AI #算法

等差数列、等比数列、阶乘

等差数列、等比数列与阶乘

liujie Published on 2025-03-17
精度及其3σ准则
默认分类 #算法

精度及其3σ准则

本文详细介绍了精度、标准差及其相关概念。精度是指测量值与真实值的接近程度，包括准确度（反映系统误差与随机误差的综合）、精密度（反映随机误差的影响）和正确度（反映系统误差大小）。标准差作为衡量数据离散程度的重要指标，是方差的算术平方根，用来表示数据集与其平均数之间的偏离程度。文章还介绍了3σ准则，即在正态分布中，几乎所有数据都集中在(μ-3σ, μ+3σ)区间内。此外，文中还提到了均方误差、均方根误差、均方根和极差等其他常见误差概念，这些概念在统计分析和误差理论中具有重要作用。

liujie Published on 2025-02-21
AI #算法

大模型训练挑战

文章探讨了大模型在人工智能领域的发展及其面临的挑战。随着模型和数据规模的增大，可以突破现有精度的局限，但同时也带来了训练上的难题。增加芯片数量能够加速模型训练，然而当训练资源扩大到一定规模时，分布式并行会遇到通讯瓶颈问题，限制系统性能。大模型面临的主要挑战包括“内存墙”、“通讯墙”、“性能墙”以及“调优墙”。这些问题分别指的是存储容量不足、节点间通信效率低下、计算能力受限以及模型参数调整复杂度高等方面。解决这些问题是进一步推动大模型技术发展的关键。

liujie Published on 2023-06-02
AI #算法

预训练技术简介

预训练技术简介 https://www.yuque.com/meta95/hmc3l4/bbb88hai4hqi15ua?singleDoc# 《预训练技术简介》 定义 预训练(PTM)是一种机器学习技术，它使用大量未标记的数据对模型进行训练，以使其具备某些先验知识和常识，从而提高其在各种任务上的表

liujie Published on 2023-06-02
AI #算法

大模型训练为什么那么难

https://www.bilibili.com/video/BV14Y4y1S7A2/?spm_id_from=333.337.search-card.all.click&vd_source=3b73a21c3f8d922f85cb6d54ab274d2c CPU 也可以训练模型 CPU计算单元小

liujie Published on 2023-06-02
AI #算法

AVL树、红黑树以及B树介绍

AVL树、红黑树以及B树介绍 https://www.cnblogs.com/sxkgeek/p/9349931.html

liujie Published on 2023-05-12
AI #算法

对数：log lg ln 的区别是什么

本文介绍了对数函数log、lg和ln的区别及数学常数e的相关知识。对数函数中，lg是以10为底的对数，ln是以自然对数的底数e（约等于2.71828）为底的对数，而log则可以表示以任意正数为底的对数，具体底数通常会在符号下方注明。e是一个重要的无理数，在微积分、概率论等多个领域都有广泛应用。它最初由瑞士数学家欧拉在研究复利计算时提出，并且被定义为当n趋近于无穷大时(1+1/n)^n的极限值。此外，e还与自然对数有着密切联系。

liujie Published on 2023-05-12