从头专题

C语言从头学05——头文件及库文件

我们写"Hello World!"程序时，一上来先写了一句代码： #include <stdio.h> 我们看上面这条代码，前面有个"#"号后边没有";"号，这样的代码不是普通的C语言代码，它属于预处理命令。这条代码的含义是包含"stdio.h"这个头文件。我们编写C语言程序，程序要用到的功能肯定不都是我们从头写的，那样太麻烦了。许多功能C语言已经自

从头理解transformer，注意力机制（下）

交叉注意力交叉注意力里面q和KV生成的数据不一样自注意力机制就是闷头自学解码器里面的每一层都会拿着编码器结果进行参考，然后比较相互之间的差异。每做一次注意力计算都需要校准一次编码器和解码器是可以并行进行训练的训练过程好久不见输入到编码器，long time no see输入到解码器，按照transformer的编码和解码这个过程逐渐往上进行计算。有交叉注

从头理解transformer，注意力机制（上）

深入理解注意力机制和Transformer架构，及其在NLP和其他领域的突破。要想理解transformer，先从编码器解码器结构开始理解基于transformer发展起来的llm 右边：只有解码器，强项是生成内容左边：只有编码器，强项是学习和理解语言的内容编码和解码的码究竟是什么码图像领域 CNN 文字领域 RNN 从数学角度看，transformer和RNN是

C语言从头学04——介绍占位符和输出格式

占位符、输出格式都是与 printf() 相关的，当然其它函数也有用到占位符的。这里先介绍它们在 printf() 的使用。一、先介绍占位符，所谓“占位符”通俗讲就是先占个位置，后边再找具体值(参数)代入进行显示的一种方法。先用一个例子说明使用方法： printf("这里有 %i 张桌子\n", 3); //输出结果："这里有 3 张桌子" 语句中的

C语言从头学02——基本语法概念

这篇文章介绍几个编写C语言程序需要掌握的基本语法概念：一、语句 C语言代码的组成单位是语句（statement），语句是构成程序的基本单位。C语言规定，语句必须使用分号结尾。但有例外，例如，预处理指令#include<stdio.h>结尾就没有";"。举例：int a=0; //声明一个命名为 a 的整形变量并赋初值一般一个语句占一行，也可以一行写几

2. 从头搞懂 Transformer模型（代码实现）

模型理论讲解： 1. 从头搞懂 Transformer模型（图解） 1、计算注意力分数以下是自注意力在一个简单示例中的工作原理：考虑一句话：“The cat sat on the mat.” 嵌入首先，模型将输入序列中的每个单词嵌入到一个高维向量表示中。这个嵌入过程允许模型捕捉单词之间的语义相似性。查询、键和值向量模型为序列中的每个单词计算三个向量：查询向量、键向量和值向量

使用PyTorch从头实现Transformer

前言本文使用Pytorch从头实现Transformer，原论文Attention is all you need paper，最佳解读博客，学习视频GitHub项目地址Some-Paper-CN。本项目是译者在学习长时间序列预测、CV、NLP和机器学习过程中精读的一些论文，并对其进行了中文翻译。还有部分最佳示例教程。如果有帮助到大家，请帮忙点亮Star，也是对译者莫大的鼓励，谢谢啦~ Se

复旦北大 | 从头训练中文大模型：CT-LLM

引言当前，绝大多数大模型（LLMs）基本上都是以英文语料库训练得到的，然后经过SFT来匹配不同的语种。然而，今天给大家分享的这篇文章旨在从头开始训练中文大模型，在训练过程中「主要纳入中文文本数据」，最终作者得到了一个2B规模的中文Tin LLM （CT-LLM）。结果表明，该模型在中文任务上表现出色，且通过SFT也能很好的支持英文。 https://arxiv.org/pdf/2404

手机信号怎样传输的；蜂窝网络不选用八边形或圆形？点灯中一个电子会从头走到尾吗：不是；通过相互碰撞和交换位置来传递能量和电荷，从而实现了电流的流动

目录手机信号怎样传输的：电磁波==电子移动产生电场调频，调幅技术数字调制技术

剑指offer--从头打印链表

题目描述输入一个链表，按链表值从尾到头的顺序返回一个ArrayList。代码实现（JAVA） /*** public class ListNode {* int val;* ListNode next = null;** ListNode(int val) {* this.val = val;*

从头开发一个RISC-V的操作系统(四)嵌入式开发介绍

文章目录前提嵌入式开发交叉编译GDB调试，QEMU，MAKEFILE练习目标：通过这一个系列课程的学习，开发出一个简易的在RISC-V指令集架构上运行的操作系统。前提这个系列的大部分文章和知识来自于：[完结] 循序渐进，学习开发一个RISC-V上的操作系统 - 汪辰 - 2021春，以及相关的github地址。在这个过程中，这个系列相当于是我的学习笔记，做个记

从头开发一个RISC-V的操作系统(二)RISC-V 指令集架构介绍

文章目录前提ISA的基本介绍ISA是什么CISC vs RISCISA的宽度 RISC-V指令集RISC-V ISA的命名规范模块化的ISA通用寄存器Hart特权级别内存管理与保护异常和中断目标：通过这一个系列课程的学习，开发出一个简易的在RISC-V指令集架构上运行的操作系统。前提这个系列的大部分文章和知识来自于：[完结] 循序渐进，学习开发一个RISC-V上

从头学Java基础篇（二）

Java流程控制用户交互Scanner 之前我们学习的基本语法中并没有实现程序和人的交互，但是Java给我们提供了一个这样的工具类，可以获取用户的输入。java.util.Scanner是Java5的新特性，可以通过Scanner类来获取用户输入。基本语法： Scanner s = new Scanner(System.in); 通过Scanner类的next()与nextLine

从头学Java基础篇（一）

Java基础注释单行注释 //这是单行注释多行注释 /*1这里是多行注释2这里是多行注释3这里是多行注释4这里是多行注释*/ 文档注释(JavaDoc) /*** @Description:HelloWorld* @Author:TheBeacon*/ 标识符 Java对所有的组成部分都需要名字。类名、变量名以及方法名都被称为标识符。所有的标识符都

虚拟机-从头配置Ubuntu18.04（包括anaconda,cuda,cudnn,pycharm,ros,vscode）

最好先安装anaconda后cuda和cudnn，因为配置环境的时候可能conda会覆盖cuda的路径（不确定这种说法对不对，这里只是给大家的建议）准备工作： 1.Ubuntu18.04，x86_64，amd64 虚拟机下载和虚拟机Ubuntu18.04配置流程地址 2.anaconda：Anaconda3-2022.10-Linux-x86_64.sh anaconda下载地址 3.

【MD】激光驱动原子动力学的全尺寸从头算模拟

Zeng Q, Chen B, Zhang S, et al. Full-scale ab initio simulations of laser-driven atomistic dynamics[J]. npj Computational Materials, 2023, 9(1): 213.核心研究内容：本文研究了激光驱动的原子动力学的全尺度从头算模拟。研究的重点是探讨在极端条件下材料响

从头手搓一台ros2复合机器人（带机械臂）

一.前言大家好呀，我们在上一小节进行了仿真，这节我们步入建图导航篇，我们需要对导航代码有一定的了解，知道是如何进行导航与定位，好了，话不多说，马上开始！二.ros2学习前18小节内容可订阅往期博客 19 Slam建图 19.1 地图分类我们根据地图所表达信息的不同可以将地图分为三类： 1. 尺度地图（Metric Map）尺度地图用

从头安装Arch Linux系统

目录一安装成果二疑难点 1 硬盘不足问题 2 Device or resource busy问题 3 下载失败问题 4 日期不是系统上海时间 5 安装微码 6 重启后不需要密码登录三参考链接一安装成果二疑难点 1 硬盘不足问题需要设置分区挂载 cfdisk /dev/sdX # sdX为目标磁盘 2 Devi

Faster RCNN 推理从头写 java (七) 坐标转换为原始图片维度

1. 图片预处理2. RPN网络预测3. RPN to ROIs4. Classifier 网络预测5. Classifier网络输出对 ROIs过滤与修正6. NMS (非最大值抑制)7. 坐标转换为原始图片维度一: 输入输出输入: boxes_on_resize: 最终提取出来的bbox，是在VGG16 输入图片维度上的坐标ratio: 原始图片与VGG16 输入图片的比例关系输

Faster RCNN 推理从头写 java (六) NMS (非最大值抑制)

1. 图片预处理2. RPN网络预测3. RPN to ROIs4. Classifier 网络预测5. Classifier网络输出对 ROIs过滤与修正6. NMS (非最大值抑制)7. 坐标转换为原始图片维度一: 输入输出输入: candidate_bboxes: shape 为 [M, 4]candidate_probs: shape 为 [M, ] 输出: bboxes

Faster RCNN 推理从头写 java (四) Classifier 网络预测

1. 图片预处理2. RPN网络预测3. RPN to ROIs4. Classifier 网络预测5. Classifier网络输出对 ROIs过滤与修正6. NMS (非最大值抑制)7. 坐标转换为原始图片维度一: 输入输出输入: ROIs: RPN to ROI 后没32个为一组的ROIs, shape为 [1, 32, 4]feature: RPN 层的输出, 也就是VGG16

Faster RCNN 推理从头写 java (二) RPN网络预测

1. 图片预处理2. RPN网络预测3. RPN to ROIs4. Classifier 网络预测5. Classifier网络输出对 ROIs过滤与修正6. NMS (非最大值抑制)7. 坐标转换为原始图片维度一: 输入输出输入: omg: 经过预处理过的图像, shape为 [1, 600, 800, 3]. 输出: cls: 每个anchor在pixel上的概率, shape

Faster RCNN 推理从头写 Java (一) 图片预处理

1. 图片预处理2. RPN网络预测3. RPN to ROIs4. Classifier 网络预测5. Classifier网络输出对 ROIs过滤与修正6. NMS (非最大值抑制)7. 坐标转换为原始图片维度一: 输入输出输入: 图像，shape为 [1080, 1440, 3] 输出: 图像，shape为 [1, 600, 800, 3] 二: 流程图片BGR 格式转换为 R

Faster RCNN 推理从头写 java 整体流程

一: 前言项目中涉及大量的货车码表图片，目前需要运营同学人工提取出码表里程值，图片会随着项目的实施，会有大量的图片产生，为了降本增效，需要我们从深度学习的角度来自动化的提取码表总里程值，该任务会分为三个流水线: 分类 (判断是否码表)检测 (检测码表坐标)识别(提取码表里程值) Faster RCNN 是该流水线第二步，检测的具体实现. 二: 测试效果输入图片输出图片输

【仿真基本功】【PyTorch】从头安装PyTorch（GPU版本）【2024/03/03更新】

【仿真基本功】【PyTorch】从头安装PyTorch（GPU版本）【2024/03/03更新】安装步骤1. 安装Anaconda2. 查看显卡对CUDA版本的支持3. 查看PyTorch的安装需求4. 安装PyTorcha) 配置新环境b) 进入新环境c) 按照CUDA版本要求，必须小于等于显卡支持的CUDA最高版本。d) 安装完成后，输入【python】，进入python控制台，然后输

UCSF DOCK 分子对接详细案例（04）-基于RDKit描述符的分子从头设计DOCK_D3N

欢迎浏览我的CSND博客！ Blockbuater_drug …点击进入文章目录前言一、软件及操作环境二、研究目的三、结构文件准备四、 DOCK/RDKit中 de novo design4.1 de novo design - refine_D3N4.2 对输出重新评分总结参考资料前言本文是UCSF DOCK的使用案例分享，我们将使用DOCK 6.11