MLB Player Digital Engagement Forecasting

字数统计: 1.4k字   |   阅读时长: 6分

记录一次kaggle比赛，这次比赛的场景主要通过MLB球员的历史表现数据、社交媒体数据以及市场规模等团队因素来预测在未来MLB 球员的数字内容互动趋势（社交媒体互动）。建立的模型将预测出MLB球员在未来的数字内容互动趋势指数（target1- target4）。

more >>

展开全文 >>

网络单纯形法

字数统计: 3.1k字   |   阅读时长: 11分

在实际应用中。迄今为止求解线性规划问题著名的仍是单纯形法。通过专业的实现，它具有卓越的性能：≈1000变量和≈1000约束的问题可以在0.1到0.5秒内得到解决。那么，是否可以尝试将该算法应用于图论中的问题呢？

​ 事实上，最重要的网络优化问题都可以用线性规划来表示，比如确定最短路、最大流、最小费用流等。然而，直接应用通常的单纯形算法是没有意义的，因为所产生的程序将是笨拙(unwiedy)和高度退化的(highly degenerate)。这两个问题通过使用单纯形法的适当图论特殊化来避免：网络单纯形法。

more >>

展开全文 >>

FFT的CUDA实现

字数统计: 10.7k字   |   阅读时长: 47分

一维FFT算法在Maxwell架构上，归为访存密集算法。
即，在足够优化的情况下，可在一次memory copy的耗时内完成计算。

本文实现的FFT算法达到与官方库cuFFT一致的速度，通过整合kernel，可实现比调用CUFFT更快的算法整体执行速度。在处理65536*4以上大点数一维FFT+IFFT计算时（一个大核心共享内存放不下完整的一维FFT数据），组合算法可以实现比CUFFT少2个kernel调用的时间（减少两次显存数据交换），主要说明4096点FFT算法设计的思路及实现。大点数仅说明方法和测试结果。

more >>

展开全文 >>

一维卷积的SASS实现

字数统计: 2.1k字   |   阅读时长: 8分

本项目使用MaxAs提供的汇编器编写GPU一维卷积算法

有16点和1024点卷积核两种实现，SASS代码在目录下，两个VS2013工程在文件夹中

实验环境：WIN7 + VS2013 + CUDA 6.5 + MaxAs (SASS代码已注入cubin，运行不需要MaxAs)

16点卷积和1024点卷积恰好可划分在访存密集和计算密集这两个类型中，是比较好的练手项目。

1024点卷积在Maxwell架构下达到硬件75%的峰值算力，还在找未达到90%以上的原因。

more >>

展开全文 >>

flask实现图像处理API

字数统计: 103字   |   阅读时长: 1分

Flask是一个轻量级的后台框架，学习成本低，维护简单，传统java、Php太过笨重。如果只是从简单这个角度出发，Flask是开发后端的佼佼者，最快只需要7行代码完成一个Web应用。

本文通过flask实现了一个图像处理的API接口，写了不少，hexo有字符无法转义，就转pdf放上来了

more >>

展开全文 >>

Tensorflow分布式实现-Kubernetes

字数统计: 2.2k字   |   阅读时长: 10分

随着海量数据的出现和模型参数的增多，我们必然需要更大的集群来运行模型，这样最大的好处在于把原本可能需要周级别的训练时间缩短到天级别甚至小时级别。未来的模型训练面对的都是上亿数据和上亿参数，稳定的计算能力和管理便捷的集群环境至关重要。Kubernetes 是目前应用最广泛的容器集群管理工具之一，它可以为对分布式TensorFlow 的监控、调度等生命周期管理提供所需的保障。

more >>

展开全文 >>

《CUDA权威编程指南》笔记-1

字数统计: 2.8k字   |   阅读时长: 10分

CUDA是一种通用的并行计算平台和编程模型，是在C语言上扩展的。借助于CUDA，你可以像编写C语言程序一样实现并行算法。你可以在NIVDIA的GPU平台上用CUDA为多种系统编写应用程序，范围从嵌入式设备、平板电脑、笔记本电脑、台式机工作站到HPC集群。在CUDA编程平台中，GPU并不是一个独立运行的计算平台，而需要与CPU协同工作，可以看成是CPU的协处理器，因此当我们在说GPU并行计算时，其实是指的基于CPU+GPU的异构计算架构。在异构计算架构中，GPU与CPU通过PCIe总线连接在一起来协同工作，CPU所在位置称为为主机端（host），而GPU所在位置称为设备端（device）。

more >>

展开全文 >>

yolov5的openvino部署

字数统计: 785字   |   阅读时长: 3分

OpenVINO是一个用于提升深度学习模型部署性能的跨平台的工具包，安装和使用都非常简单，下面 demo 视频是在 Mac 机器上运行的例子，安装过程在上面的文档链接中，安装主要是需要下载大量深度框架相关的库和模型，以及 Intel 已经封装好的一些脚本。

之前在神经计算棒上部署过openvino来测试神经棒的速度。

Demo 大致的过程是下载一个预先训练好的模型，这个模型是用来检测图片车辆的一个模型，然后针对例子中的车的图片，并做 Inference 的过程。

more >>

展开全文 >>

载入天数...载入时分秒...

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

计算机科学先驱阿兰·图灵说，“We can only see a short distance ahead, but we can see plenty there that needs to be done.”<br> 我们只能向前看到一小段未来，但我们可以在那里看到足够多可以做的事。很难说当代一个受过良好教育的人，一个理解银河系、理解宇宙演化史、理解现代社会法则的人和16世纪一个仍然相信地球是平的的人有什么本质的区别。看起来16世纪的你一定会比21世纪的你更愚蠢，但从未知的方面看，两者其实同等幼稚。今天宏大的宇宙观可能就是另一个版本的平坦地球，如果被25世纪的人观察的话。正因为如此，图灵的话才会有意义。正是因为所有人都没有大自然聪明，才会有文明的发展，才会有人秉持真理去挑战所谓的人类权威；正是因为问题永远都无法完善，才会有生机与希望，才会有足够多的工作可以做。 所以我想实际上图灵是在说，既然都离不开这艘飞船，那就让我们在这里做一些可以做的事吧，或许会有些惊喜也说不定呢。