文章列表
低价使用GPU服务器---驱动云
记录一下驱动云食用方法。
# 驱动云平台
H100,RTX4090 算力平台,大家可以通过我下面链接注册给我加个餐🤿
注:↓以下接码链接带 aff
https://platform.virtaicloud.com/gemini_web/auth/register?inviteCode=4a8db3f4d8842448e96eea414b5be8f0
注册号之后,就可以通过下面接码平台🌈左脚踩右脚低成本接力使用 GPU 资源。
注:↓以下接码链接带 aff【+86 接码】【单价最低 0.1】↓
http://ww
more...用脚本白嫖美团、滴滴优惠券
自学链接👉DeathNote
📣仅用于交流学习,请下载后 24h 之内自行删除。本篇只是记录一下学习途中遇到的一些问题,和自己的解决方法。
本机环境:
Node.js: v20.11.1
OS: Ubuntu
# didi
# 安装依赖
直接运行 didi.js ,会提示缺少 Error: Cannot find module 'got' 依赖,这里不能直接安装 got 依赖,如果直接安装再次运行会报以下错误:
Error [ERR_REQUIRE_ESM]: require() of ES Module /*****/node_module
more...药学数据模型构建5--Seq2Seq
构建一个简单 Seq2Seq 模型,通过更改训练数据比例、调整训练参数等对比模型预测效果。
class Encoder(nn.Module): def __init__(self, input_size, hidden_size): super().__init__() self.input_size = input_size self.hidden_size = hidden_size self.lstm = nn.LSTM(self.input_size, self.hidden_size, bat
more...药学数据模型构建6--TCN
构建一个简单 TCN 模型,通过加更改训练数据比例、调整训练参数等对比模型预测效果。
class Chomp1d(nn.Module): def __init__(self, chomp_size): super(Chomp1d, self).__init__() self.chomp_size = chomp_size def forward(self, x): """ 其实这就是一个裁剪的模块,裁剪多出来的padding """
more...药学数据模型构建1--FNN
构建一个简单 FNN 模型,通过加深模型深度、更改训练数据比例、调整训练参数等对比模型预测效果。
class FNNModel(nn.Module): def __init__(self, input_size, output_size, seq_length): super(FNNModel, self).__init__() self.nn1 = torch.nn.Sequential( nn.Linear(input_size*seq_length, output_size) ) self.nn
more...药学数据模型构建4--CNNLSTM
构建一个简单 CNNLSTM 模型,通过更改训练数据比例、调整训练参数等对比模型预测效果。
class CNNLSTM(nn.Module): def __init__(self, input_size, output_size): super(CNNLSTM, self).__init__() out_channels = 32 hidden_size = 16 self.relu = nn.ReLU(inplace=True) # (batch_size=30, s
more...药学数据模型构建3--LSTM
构建一个简单 LSTM 模型,通过加深模型深度、更改训练数据比例、调整训练参数等对比模型预测效果。
class LSTMModel(nn.Module): def __init__(self, input_size, output_size): super(LSTMModel, self).__init__() hidden_layer_size=100 self.hidden_layer_size = hidden_layer_size self.lstm1 = nn.LSTM(input_size,
more...药学数据模型构建2--CNN
构建一个简单 CNN 模型,通过加深模型深度、更改训练数据比例、调整训练参数等对比模型预测效果。
class CNNModel(nn.Module): def __init__(self, input_size, output_size, seq_length): super(CNNModel, self).__init__() hidden_channel=64 out_channel=32 kernel_size = 3 stride = 1 p
more...