首页
AI Coding
数据标注
NEW
沸点
课程
直播
活动
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
登录
注册
生锈的键盘
掘友等级
获得徽章 0
动态
文章
专栏
沸点
收藏集
关注
作品
赞
0
文章 0
沸点 0
赞
0
返回
|
搜索文章
生锈的键盘
1天前
关注
Windows搭建agent环境
1. 下载模型 国内使用modelscope镜像 安装依赖 2. 下载模型 3. 测试用例,使用openai...
0
评论
分享
生锈的键盘
1天前
关注
Windows安装python
1. 安装python环境 pacman也可以安装python,但是三方库总是安装不成功,所以就不折腾了,感兴趣的可以自己试试 直接通过应用商店安装的python,不知道为...
0
评论
分享
生锈的键盘
1天前
关注
Windows编译llama.cpp
1. 安装msys2 我们一般都是在linux上开发程序,linux有很多的命令,例如ls,grep,echo等等,这些程序在windows都是没有的,msys2你可以认为...
0
评论
分享
生锈的键盘
9月前
关注
推荐算法实践:ItemCF计算相似度与召回率
1. 数据加载与预处理 train_user_x_items.json:存储用户与物品的交互记录,格式为{user_id: [(item_id, rating, times...
0
评论
分享
生锈的键盘
9月前
关注
推荐算法实践:ItemCF原理
ItemCF 核心假设:如果用户历史上喜欢了某个物品,则在未来大概率会喜欢与该物品相似的物品。 计算相似度:通过分析用户的行为记录(如购买、点击等),计算物品之间的相似度 ...
0
评论
分享
生锈的键盘
9月前
关注
推荐算法实践:UserCF计算召回率
1. 加载数据 从test_user_items.json加载测试集数据,其中包含每个用户在测试集上交互的物品。 从train_user_items.json加载训练集数据...
0
评论
分享
生锈的键盘
9月前
关注
推荐算法实践:UserCF计算用户相似度
读取文件中的用户-物品交互数据,构建了两个字典:user_x_items和item_x_N。 user_x_items:键为用户ID,值为该用户交互过的物品ID集合。 it...
0
评论
分享
生锈的键盘
9月前
关注
推荐算法实践:UserCF原理
userCF UserCF(基于用户的协同过滤)的核心思想是 “物以类聚,人以群分” 。它通过分析用户之间的相似性,为用户推荐其他相似用户喜欢的物品。具体来说,UserCF...
0
评论
分享
生锈的键盘
9月前
关注
推荐算法实践:ml-1m划分数据集
划分逻辑非常的简单 按照用户分组 对每个用户交互的item按照时间戳排序 排好序的item按照比例划分训练集和测试集...
0
评论
分享
生锈的键盘
9月前
关注
推荐算法实践:划分训练集和测试集
推荐数据集特点 推荐系统数据集通常具有以下特点: • 稀疏性 推荐系统的数据通常是高度稀疏的,因为用户与项目(如电影、书籍或商品)之间的交互通常只占所有可能交互的一小部分。...
0
评论
分享
生锈的键盘
9月前
关注
推荐算法实践:movielens数据集
MovieLens 数据集介绍 MovieLens 数据集是由明尼苏达大学的GroupLens研究小组维护的一个广泛使用的电影评分数据集,主要用于推荐系统的研究。该数据集包...
0
评论
分享
生锈的键盘
1年前
关注
ddp训练流程-pytorch教程
总结 这边博客并不是教会如何使用dpp,只是记录一下自己使用dpp时遇到的一些困惑 分布式节点如何知道彼此并通信。...
0
评论
分享
个人成就
文章被阅读
2,008
掘力值
96
关注了
0
关注者
1
收藏集
0
关注标签
14
加入于
2025-01-05