火炬指标 PyTorch的模型评估指标 火炬指标作为自定义库，以提供Pytorch共同ML评价指标，类似于tf.keras.metrics 。 如，Pytorch没有用于模型评估指标的内置库torch.metrics 。 这类似于的指标库。 用法 pip install --upgrade torch-metrics from torch_metrics import Accuracy ## define metric ## metric = Accuracy ( from_logits = False ) y_pred = torch . tensor ([ 1 , 2 , 3 , 4 ]) y_true = torch . tensor ([ 0 , 2 , 3 , 4 ]) print ( metric ( y_pred , y_true )) ## define metri

信道质量评估是自适应跳频通信的关键技术,其实时评估结果为自适应频率控制和自适应功率控制提供依 据 。快速自适应跳频是跳频系统发展的主要方向之一,针对其特点,提出了基于接收信号信噪比预测算法的信道质 量评估方法 。主要由信噪比预测、信噪比估计和门限比较3个部分构成,分别采用卡尔曼滤波器、信号子空间法和误 码率性能分析法进行了实现,在 FFH/BFSK系统中做了仿真验证 。结果表明,在0～25 dB的信噪比变化范围内,估 计和预测误差较小,能够对信道质量做出实时评估 。可以应用于快速自适应跳频通信系统 。

NIST SP800-26 中文翻译版，IT系统安全自评估NIST SP800系列，行业参考资料，中文翻译版

DeepAccNet.py 描述的 DeepAccNet 的 Python-PyTorch 实现 此方法将使用称为 l-DDT（局部距离差异测试）的度量来估计您的蛋白质模型的效果。 usage: DeepAccNet.py [-h] [--modelpath MODELPATH] [--pdb] [--csv] [--leaveTempFile] [--process PROCESS] [--featurize] [--reprocess] [--verbose] [--bert] [--ensemble] input ... Error predictor network positional arguments: input path to input fold

UL 9540A-2019中文 评估电池储能系统中热失控火灾传播的测试方法的安全标准.pdf

为实现区域电网电能质量的有效评价,提出了一种基于纵横向拉开档次法的动态评价算法,该算法充分利用当前与历史数据,体现了评价对象在一段时期内的总体水平。研究中,首先应用纵横向拉开档次法和序关系分析法确定电能质量指标的综合权重,其中客观权重用于突出评价对象的整体差异,主观权重用于反映专家经验;线性加权各项指标值得出评价对象在各时刻的电能质量评价值;最后利用最小方差法对区域电网各时刻的电能质量评价值加权求和,其中时间度的调整体现了对当前与历史数据的重视程度。通过对某供电局的数据分析,验证了该算法的性能。

COSMIC 功能规模度量方法4.0.1 版度量手册 COSMIC 方法为“业务应用”（或 MIS）软件，“实时软件”，“基础设施 ”软件1以及 一些科学/工程软件2提供了一种度量软件功能规模的标准方法。像 3.0 版一样，ISO/IEC 19761 只包括了基本规范的定义和方法的规则。度量手册的目的 不仅是提供这些规则和定义，而且提供进一步的解释和更多案例，来帮助度量者完全理解如何应用这些方法。度量手册为度量者提供了在实践中应用COSMIC方法最主要的标准描述。

实现了Kenlm、ConvSeq2Seq、BERT、MacBERT、ELECTRA、ERNIE、Transformer等多种模型的文本纠错，并在SigHAN数据集评估各模型的效果，开箱即用

官网不好找资料，把我找到的资料分享给大家，0积分下载

华为星闪1.0空口技术性能评估报告