搜尋結果
2018年11月5日 · Software Development. 以資料庫為開發核心，利用通用 API 玩轉後端資料存取的概念與實作 系列 第 28 篇. Day28: 一個完整系統開發的生命週期 (一) 2019鐵人賽. 潛龍勿用. 2018-11-05 09:42:27. 4441 瀏覽. 分享至. 接下來，我們就要開始進入實戰階段，預計分四個主題來談： 1.標準化---樣板程式. 2.元件化---底層共用程式. 3.自動化---Wizard. 4.系統化---用程式自動化管理，不要有過多的人工管理。 統稱之為開發四化。 今天我們先來聊聊前面 2個主題. 標準化. 所謂的標準化，主要是從下面幾個面向來討論. A. 樣板程式：
2023年9月28日 · 現在你已經了解預訓練模型和自主訓練模型的差異，因此在後續的內容中，我將逐步告訴你自然語言處理領域中，有那些具有劃時代意義的預訓練模型，並深入介紹他們如何實行強大且有效的訓練策略，這一點是我們學習自然語言處理不可或缺的一部分 ...
2022年9月16日 · 網路上對infra有很多解釋，對從事Infra的我來說，若要用一句概括它，我會定義為「 維持公司所有【商業系統營運】的IT基礎設施 」運作的單位。 因此infra要管理的範圍真的很廣，廣到可能比海岸線還廣，因為只要同仁系統使用上有任何問題，都和infra有關。 Infra是【infrastructure】的簡稱，通常用來表述IT單位負責公司基礎設備運作的維護單位。 Infra工作內容，舉凡公司網路、伺服器、儲存設備、UPS、專線網路、防火牆、用戶端電腦等，有時甚至電話語音交換機、影印事務機等…..皆可納入Infra的範圍內，當然除了硬體還包含軟體上的維護管理。 這些年我所學到的infra管理有以下，後續會挑幾個重點進行分享 (粗體部分)。 1.機房管理：消防、環控、空調。
GAN相關名詞解釋. 1.生成器 ：生成器會從符合常態分布的潛在空間 (Latent Space)中採樣一批數據，也就是雜訊，並輸入至生成器中，透過生成器生成一張假的數據分布，例如圖片、音訊、文本等。 並且要嘗試欺騙判別器使判別器認為這些生成圖片是真實的數據。 從下圖訓練流程中可以看到生成器的訓練方式。 2.判別器 ：判別器的目的是從真實數據或生成器產生的數據中分辨出真假，從流程圖中可以看到從資料集 (Dataset)中取出要訓練的真實資料，接著生成器生成的假圖片與真實資料會一起被送入判別器中再由判別器來分辨真假。 生成對抗網路訓練流程。 [圖源] 判別器的目標be likes：
2021年10月13日 · noobStudent. 團隊 NUTC_IMAC_NEW. 2021-10-13 20:14:10. 6725 瀏覽. 分享至. 我們昨天介紹了 Transformer 的結構，但是並沒有介紹到 Transformer 內最神祕的 Self-Attention 層。. 究竟 Transformer 是怎麼憑藉著 Self-Attention 來對輸入序列進行平行運算？. 又要怎麼做到解決預測結果和 ...
2023年10月5日 · 簡介. 上下文學習 (In-Context Learning, ICL) 是一種語言模型的現象，LLM 可以根據提供的範例來產生預測的標記，而不需要任何額外的微調。 這聽起來相當神奇，今天就來探索這個神秘的 ICL 能力吧！ (Powered By Microsoft Designer) 起源. In-Context Learning 一詞源自 GPT-3 的論文，當時研究人員發現 LLM 訓練到後面，突然開始浮現一種能力，我們只要將範例按照一個固定的格式排好，模型就會自已產生正確答案。 這個格式甚至可以非常隨意，只需要前後一致即可。 雖然名稱帶有 Learning 但他並不是一種訓練手法，其本質上是一種被觀察到的現象，然而為何 LLM 會產生 ICL 能力，至今也沒有一個非常好的解釋。
2022年10月3日 · 網路拓樸. 樹狀 (Tree) ＝＞ Bus的延伸目的是為了解決碰撞 (Collision)的問題。 連接方式：分層式結構在各節點連接形成樹狀結構，任兩個節點間僅存在一條傳輸路徑。 優缺點：能夠避免碰撞 (Collision)但終端設備故障全網路將無法傳輸資料。 1.網路節點有資料傳輸需求時需送一個請求給終端節點。 2.網路節點收到終端節點的回傳則可傳送資料。 2.環狀 (Ring) ＝＞ 常見的網路拓樸. 連接方式：利用一個環繞在各電腦之間的標記 (Token)來決定傳資料的權限，只有取得Token才能傳送，資料在網路上做單向傳輸，每台電腦都會將資料加強訊號，直到目的的電腦收到為止。 優缺點：優點為不會有兩個連接的設備同時進行傳輸而產生干擾，缺點是任何一台電腦故障都會影響整個網路運作。
