- 博客(21)
- 资源 (2)
- 问答 (10)
- 收藏
- 关注
RSS订阅原创 Orin环境配置
下载 torch-1.13.0a0+d0d6b1f2.nv22.10-cp38-cp38-linux_aarch64.whl。稳定性：GPU 计算时间波动系数 15.75%（需优化）GPU 计算时间：6.94 ms (均值)吞吐量：143.64 qps。平均延迟：7.37 ms。
2025-03-24 09:19:42
225
翻译 Getting Started with CUDA Graphs
对于当前的CUDA版本，概要文件将类似于“重叠内核启动和执行”中所示的概要文件，不同之处在于，对于每组20个内核执行，CUDA API行中只有一个“cudaGraphLaunch”条目，并且在CUDA API行中会在与graph创建和实例化相对应的一开始有额外条目。该行中的紫色条目对应于CPU线程在启动内核的CUDA API函数中所花费的时间，绿色条目是在与GPU同步的CUDA API函数中所耗费的时间，即等待内核在GPU上完全启动和完成。可以看出，在GPU空闲的情况下，每个内核执行之间都有很大的间隙。
2024-03-06 19:50:40
232
1
翻译 A Survey of Techniques for Cache Locking
翻译部分文章 A Survey of Techniques for Cache Locking作者：SPARSH MITTAL, Oak Ridge National Laboratory高速缓存虽然对于提高应用程序性能很重要，但也是执行时间可变性的一个来源，这使得它在需要最坏情况执行时间 (WCET) 保证的系统中难以使用。缓存锁定是一种有前途的简化 WCET 估计并提供可预测性的方法，因此，一些商用处理器提供了锁定缓存的能力。
2024-03-01 16:20:28
135
1
翻译 CUDA C++ Programming Guide学习记录——Chapter 5
本章通过概述 CUDA 编程模型背后的主要概念如何在 C++ 中公开来介绍它们。Programming Interface中给出了 CUDA C++ 的详细描述。本章和下一章中使用的向量加法示例的完整代码可以在 vectorAdd CUDA sample 中找到。
2023-12-29 15:31:39
196
原创 山东大学软件学院创新实训——项目记录（三）
基于多模态数据的脑卒中病人健康评估与预测系统数据处理流程1.将光密度转换为血氧浓度数据2.滤波对数据滤波是一个常规的操作，目的就是去掉不需要的频率信号并保留属于fNIRS的频率信号。对血氧浓度数据进行巴特沃斯滤波，使用了matlab的工具包Butterworth Filters中的带阻滤波函数bandstop_butterworth()............
2022-05-07 21:02:56
773
原创 山东大学软件学院创新实训——项目记录（二）
NIRS-KIT是北师大朱朝喆老师研究团队于2019年发布的一款同时支持任务态和静息态 fNIRS 数据分析的图形化界面软件。该工具箱涵盖了近红外数据整个分析流程，包括数据准备、质量检查、预处理、个体水平分析、组水平统计和结果可视化。对于任务 fNIRS 数据，基于 GLM 进行个体层面的分析以检测与任务相关的神经激活。对于静息状态 fNIRS 数据，可以计算个体水平的功能连接 (FC)、ALFF/fALFF 和网络指标。对于组水平分析，NIRS-KIT 提供了几种流行的参数模型和多重比较校正方法。NIRS
2022-04-03 19:54:23
1057
1
原创 山东大学软件学院创新实训——项目记录（一）
项目介绍项目背景“脑卒中”（cerebral stroke）又称“中风”、“脑血管意外”（cerebralvascular accident，CVA）。是一种急性脑血管疾病，是由于脑部血管突然破裂或因血管阻塞导致血液不能流入大脑而引起脑组织损伤的一组疾病，包括缺血性和出血性卒中。缺血性卒中的发病率高于出血性卒中，占脑卒中总数的60%～70%。颈内动脉和椎动脉闭塞和狭窄可引起缺血性脑卒中，年龄多在40岁以上，男性较女性多，严重者可引起死亡。出血性卒中的死亡率较高。调查显示，城乡合计脑卒中已成为我国第一位死
2022-03-27 00:01:27
188
原创 山东大学2019级软件工程应用与实践——基于人工智能的多肽药物分析问题（十三）
2021SC@SDUSC基于人工智能的多肽药物分析问题主题：蛋白质预训练模型（7）原始下游预测二级结构预测与其他蛋白质语言模型的对比关于ProtT5-XL-UniRef50（称为ProtT5-XL-U50）的重要注意事项：所有性能仅使用从底层T5模型的编码器侧提取的嵌入件进行测量，如下所述。此外，还以半精度模式(model.half())进行了实验，以加快嵌入生成的速度。以半精度运行时，在任何实验中均未观察到性能下降。论文阅读蛋白质语言模型到达上限了吗？将NLP技术应用到蛋白质中，为
2021-12-24 23:55:12
3380
2
原创 山东大学2019级软件工程应用与实践——基于人工智能的多肽药物分析问题（十二）
2021SC@SDUSC基于人工智能的多肽药物分析问题主题：蛋白质预训练模型（6）代码分析Benchmark SectionProtTrans/Benchmark/ProtAlbert.ipynb加载必要的库，包括 huggingface transformerimport torchfrom transformers import AlbertModelimport timefrom datetime import timedeltaimport osimport requests
2021-12-16 20:54:02
1375
原创 山东大学2019级软件工程应用与实践——基于人工智能的多肽药物分析问题（十一）
2021SC@SDUSC基于人工智能的多肽药物分析问题主题：蛋白质预训练模型（5）代码分析 Visualization SectionProtTrans/Visualization/ProtAlbert_attention_head_view.ipynb加载必要的库，包括 huggingface 和 bertvis transformerimport torchfrom transformers import AlbertTokenizer, AlbertModelfrom bertviz
2021-12-11 00:18:33
947
原创 山东大学2019级软件工程应用与实践——基于人工智能的多肽药物分析问题（十）
2021SC@SDUSC基于人工智能的多肽药物分析问题主题：蛋白质预训练模型（4）代码分析Prediction SectionProtTrans/Prediction/ProtBert-BFD-Predict-SS3.ipynbfrom transformers import AutoTokenizer, AutoModelForTokenClassification, TokenClassificationPipelineimport repipeline = TokenClassif
2021-12-02 23:15:41
366
原创 山东大学2019级软件工程应用与实践——基于人工智能的多肽药物分析问题（九）
2021SC@SDUSC基于人工智能的多肽药物分析问题主题：蛋白质预训练模型（3）代码分析细调: Fine Tuning Sectionimport torchfrom transformers import AutoTokenizer, Trainer, TrainingArguments, AutoModelForTokenClassification, BertTokenizerFast, EvalPredictionfrom torch.utils.data import Datase
2021-11-26 18:35:12
515
原创 山东大学2019级软件工程应用与实践——基于人工智能的多肽药物分析问题（八）
2021SC@SDUSC基于人工智能的多肽药物分析问题主题：蛋白质预训练模型（2）代码分析根据使用方法，将按照以上顺序对每部分代码进行分析。特征提取 : Embedding SectionProtTrans/Embedding/Onnx/ProtBert-BFD.ipynbONNX简介：Open Neural Network Exchange（ONNX，开放神经网络交换）格式，是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移。ONNX是一种针对机器学习所设计的开放式的文件格
2021-11-18 23:33:48
843
原创 山东大学2019级软件工程应用与实践——基于人工智能的多肽药物分析问题（七）
2021SC@SDUSC基于人工智能的多肽药物分析问题主题：蛋白质预训练模型学习论文：《ProtTrans: Towards Cracking the Language of Life’s Code Through Self-Supervised Learning》文章地址：https://www.biorxiv.org/content/10.1101/2020.07.12.199554v3源码地址：https://github.com/agemagician/ProtTrans摘要：
2021-11-11 22:58:18
1256
原创 山东大学2019级软件工程应用与实践——基于人工智能的多肽药物分析问题（六）
2021SC@SDUSC基于人工智能的多肽药物分析问题主题：肽与HLA分子结合预测研究（6）论文学习DeepHLApan的体系结构结合亲和力是HLA肽结合最广泛使用的测量方法。然而，随着用于HLA肽结合检测的高通量方法（例如MS）的发展，出现了大量没有结合亲和力的HLA肽结合数据。在从IEDB收集的绑定数据集中，66.8%的绑定数据未通过绑定亲和力进行测量。随着时间的推移，差距进一步扩大。作者将具有绑定亲和力的绑定数据转换为二进制模型，以创建一个只提供绑定或不绑定结果的模型。此外，pHLA的潜在
2021-11-04 21:57:32
437
原创 山东大学2019级软件工程应用与实践——基于人工智能的多肽药物分析问题（五）
2021SC@SDUSC基于人工智能的多肽药物分析问题主题：肽与HLA分子结合预测研究（5）论文学习循环神经网络用于训练的模型架构由三层双向门控循环单元（BiGRU）和一个注意力层堆叠而成。GRU是RNN的一种变体。与RNN类似，GRU具有循环隐藏状态，以此处理可变长度序列，该状态的每次激活都依赖于前一次的激活。GRU和RNN的区别在于循环隐藏状态的更新，这是克服训练模型中梯度消失或爆炸以捕获长期依赖的核心部分。具体而言，GRU建议推导每个时间步 t 的隐藏状态 hth_tht 的向量表示，如下
2021-10-28 20:08:45
558
原创 山东大学2019级软件工程应用与实践——基于人工智能的多肽药物分析问题（四）
2021SC@SDUSC基于人工智能的多肽药物分析问题主题：肽与HLA分子结合预测研究（4）代码分析代码结构attention.pyfrom keras import backend as K, initializers, regularizers, constraintsfrom keras.engine.topology import Layerdef dot_product(x, kernel): if K.backend() == 'tensorflow':
2021-10-21 21:56:43
319
原创 山东大学2019级软件工程应用与实践——基于人工智能的多肽药物分析问题（三）
2021SC@SDUSC基于人工智能的多肽药物分析问题主题：肽与HLA分子结合预测研究（3）代码分析代码结构核心代码接上回deephlapan_main()方法的后半部分deephlapan_main.py result = np.average(predScores, axis=0) result1 = np.average(predScores1, axis=0) with open(WD + '/' + fname + '_predicted_result.csv
2021-10-14 21:13:58
321
原创 山东大学2019级软件工程应用与实践——基于人工智能的多肽药物分析问题（二）
2021SC@SDUSC基于人工智能的多肽药物分析问题——第二周学习记录 代码分析主题：肽与HLA分子结合预测研究代码结构代码分析deephlapan#!/usr/bin/pythonfrom deephlapan.deephlapan_main import *from deephlapan.parse_args import *def main(): (opt,_)=CommandLineParser() deephlapan_main(opt)if __
2021-10-08 14:47:07
289
原创 山东大学2019级软件工程应用与实践——基于人工智能的多肽药物分析问题
我的工作为：肽与HLA分子结合预测研究DeepHLApan: A Deep Learning Approach for Neoantigen Prediction Considering Both HLA-Peptide Binding and Immunogenicity
2021-09-29 21:19:43
555
c_cpp_properties.json的代码应该如何配置
2020-09-22
Java图片文件转化成二进制码？
2020-05-01
用Java做平台，请问用户登录要怎么实现呢？
2020-04-14
请问这段代码为什么不给我输出呢？
2019-12-31
多态的意义到底是什么？
2019-12-29
如果数组的一个元素中包含了好几个不同类型的内容，能否通过输入一个内容来找到这个元素？
2019-11-17
请问这个银行账户的代码是不是遵从了封装原则呢？有什么错误或建议呢？
2019-11-04
为什么不显示结果呢？
2019-10-21
TA创建的收藏夹 TA关注的收藏夹
TA关注的人