国民技术 高性能5.8G射频芯片 NWF580用户手册_V2.3.pdf
2021-09-06 13:04:41
4.16MB
1
联想制造行业HPC 解决方案，介绍：联想与高性能计算联想对 CAE 仿真业务的理解
CAE 仿真业务中遇到的挑战；联想 CAE 仿真 HPC 解决方案概述；联想 CAE HPC 方案优势和关键技术要点；联想在 CAE 仿真领域的经验及技术服务和支持
2021-09-06 10:35:50
17.69MB
1
无规范化网络和SGD的Tensorflow实现-自适应梯度剪切
论文： :
原始代码： :
安装及使用
我建议使用Docker运行代码：
docker build -t nfnets/imagenet:latest --build-arg USER_ID=$(id -u) --build-arg GROUP_ID=$(id -g) .
要在imagenet数据集上训练NFNet，请执行以下操作：
docker run --rm -it --gpus all -v $(pwd):/tf -p 8889:8888 -p 6006:6006 nfnets/imagenet:latest python train.py --variant F0 --batch_size 4096 --num_epochs 360
请参阅train.py模块以获取更多参数。
预先训练的权重已转换为
2021-09-06 03:15:14
143KB
1
渐变光机
LightGBM是使用基于树的学习算法的梯度增强框架。 它被设计为分布式且高效的，具有以下优点：
训练速度更快，效率更高。
降低内存使用率。
更好的准确性。
支持并行和GPU学习。
能够处理大规模数据。
有关更多详细信息，请参阅。
受益于这些优势，LightGBM被广泛用于许多机器学习竞赛的中。
在公共数据集上进行的表明，LightGBM可以在效率和准确性上均优于现有的Boosting框架，并且显着降低了内存消耗。 此外， 表明，LightGBM可通过使用多台机器进行特定设置的训练来实现线性加速。
入门和文档
我们的主要文档位于并从该存储库生成。 如果您不熟悉LightGBM，请按照站点上进行。
接下来，您可能需要阅读：
显示常见任务命令行用法的。
LightGBM支持的和算法。
是您可以进行的自定义的详尽列表。
和可以加快计算速度。
是有关超参数的详细指南。
为LightGBM超参数（）提供自动调整。
贡献者文档：
。
查阅《 。
新闻
请参考页面上的变更日志。
一些重要的更新日志可在“页面上找到。
外部（非官方）存储库
Optun
2021-09-04 16:56:17
7.03MB
1
高性能网站建设指南.pdf高性能网站建设指南.pdf高性能网站建设指南.pdf高性能网站建设指南.pdf高性能网站建设指南.pdf高性能网站建设指南.pdf
2021-09-03 16:28:44
19.07MB
1
2021年全球及中国高性能纤维行业研究及十四五规划分析报告
2021-09-02 18:07:24
1.3MB
1