学习笔记

谷歌搜索引擎大揭秘！Page Rank是什么？图神经网络奠基之作！

学习笔记
PageRank是一种用于网页排名的算法，由谷歌联合创始人拉里·佩奇和谢尔盖·布林在1996年发明。它的核心思想是通过分析网页之间的相互链接关系，确定每个网页的重要性和影响力。 PageRank的用途 1.网页排序:PageRank算法能够有效地排序搜索引擎结果，使用户能够更快地找到最相关和最有价值的信息。 2.信息检索:在大型数据库或文档集合中，PageRank可以帮助识别最具影响力的文档 3.社交网络分析:PageRank可以用于衡量社交网络中个体的影响力，识别重要的节点 4.科学文献分析:PageRank能够用于评估科学论文的影响力，确定哪些论文在某个领域内最为重要

快速部署YOLOv9

人工智能学习笔记
from ultralytics import YOLO # Build a YOLOv9c model from scratch model = YOLO("yolov9c.yaml") # Build a YOLOv9c model from pretrained weight model = YOLO("yolov9c.pt") # Display model information (optional) model.info() # Train the model on the COCO8 example dataset for 100 epochs results = model.train(data="coco8.yaml", epochs=100, imgsz=640) # Run inference with the YOLOv9c model on the 'bus.jpg' image results = model("path/to/bus.jpg")

序言：博弈论介绍

学习笔记
一、什么是博弈论？ 博弈论(Game Theory)是相互依存情况中的理性行为的数学建模。博弈由这几个要素构成： • 玩家(Players)：博弈的参与者 • 策略(Strategy)：博弈玩家各自的操作 • 收益(Payoff)：博弈玩家的收益，一般用矩阵来表示，在连续的时候也会写成函数。 • 信息(Information)：博弈玩家知道的信息 • 理性(Rationality)：博弈玩家是理性的，在竞争的情况下使自己的收益最大化

SynthID学习笔记

学习笔记
SynthID 是如何工作的？ SynthID 使用两种深度学习模型 - 一种用于水印，另一种用于识别： • 水印 ：SynthID 使用嵌入式水印技术，将数字水印直接添加到 AI 生成的内容中。组合模型经过优化，通过将水印与原始内容对齐来提高不可察觉性。 • 识别 ：SynthID 可以扫描图像或音频中的数字水印，并帮助用户评估内容或其部分内容是否是使用我们的 AI 模型生成的。

yarn介绍

学习笔记
请介绍一下yarn(facebook做的JavaScript的包管理工具) Yarn 是一个由 Facebook 开发的 JavaScript 包管理工具，旨在解决 npm 的一些问题并提供更快、更可靠的包管理体验。以下是关于 Yarn 的一些重要信息： 1. 性能优化：Yarn 通过并行下载、缓存机制、更智能的网络请求和其他优化，提供了比 npm 更快的安装速度和更高的性能。这些优化使得 Yarn 在大型项目中的表现更加出色。 2. 可靠性：Yarn 通过锁定文件（yarn.lock）确保了项目的依赖版本的一致性，防止了由于版本不一致而导致的构建错误和运行时错误。此外，Yarn 的缓存机制和离线模式可以确保即使在没有网络连接的情况下也能够进行包的安装和管理。 3. 安全性：Yarn 提供了一系列的安全检查机制，包括对依赖项的漏洞扫描和警告。这有助于开发者及时发现和解决潜在的安全风险。 4. 易用性：Yarn 的命令行界面与 npm 类似，并且提供了一些额外的功能和选项，例如 yarn add、yarn remove、yarn upgrade 等。这使得开发者可以轻松地迁移到 Yarn 而无需学习新的命令。 5. 跨平台支持：Yarn 支持在多种操作系统上运行，包括 Windows、MacOS 和 Linux。这使得开发者可以在不同的开发环境中使用相同的工具来进行包管理。

GPT4o可能用了什么技术！

人工智能学习笔记
作为GPT-4的扩展，我基于以下技术实现和优化，使得性能比GPT-4更好且速度更快: 1.架构改进 改进变压器架构，包括: 更深层次的网络:增加了变压器的层数，使模型能够捕捉更复杂的语言模式和语义信息。 更宽的网络:增加了每层的神经元数量，提升了模型的容量和表达能力。 2.高效的训练方法 混合精度训练:采用混合精度计算(使用16位和32位浮点数)，提高训练速度的同时节省内存。 分布式训练:利用多GPU和TPU集群进行分布式训练，显著加快了型的训练过程。
123
NotionNext
NotionNext
一个普通的干饭人🍚
Announcement
🌟 欢迎来到盛溪的博客！🌟
大家好，我是盛溪。在这里，我将分享我的生活感悟、学习心得以及其他一些有趣的发现。希望我的文章能为你的生活带来一点启发和乐趣。
📅 更新通知：
  • 我会定期更新博客，分享新的内容。你可以通过RSS订阅或关注我的社交媒体账号来及时获取更新通知。
💬 互动环节：
  • 如果你有任何问题或想法，欢迎在评论区留言。我非常期待与你的互动！
📚 推荐阅读：
  • 不定期推荐一些我觉得有价值的书籍或资源，希望能对你有所帮助。
感谢你的访问和支持，希望你能常来逛逛！
盛溪敬上