Library Search
结果页Leaf-wise 生长与 GOSS 原理揭秘
在 元器件 / 技术栈 / 知识库 中找到 16 个匹配结果。
技术栈
技术栈
8 个 LightGBM # LightGBM 入门教程：Leaf-wise 生长与 GOSS 原理
## 1. LightGBM 的设计哲学
LightGBM 的三个核心问题：
> "XGBoost 在大数据上太慢了，内存也吃不起。能不能更快、更省？"
答案：三个算法创新 —— **Leaf-wise / GOSS / EFB**。
## 2. Leaf-wise vs Level-wise
```
XGBo… 2% FastAI ```python
learn = vision_learner(dls, resnet34, metrics=accuracy)
lr_min, lr_steep = learn.lr_find(suggest_funcs=(minimum, steep))
print(f"建议 lr: {lr_steep:.2e}")
```
规则：选择 loss 曲线最陡下降点，或 loss 最小点 ÷… 1% Scikit-learn # Scikit-learn 机器学习入门实战
## 背景
Scikit-learn 提供了「瑞士军刀」式的机器学习工具箱。无论你是做表格数据的分类、用户分群还是异常检测，掌握它能让你在几分钟内完成从数据处理到模型评估的完整流程。
---
## 第 1 章：理解 API 设计哲学
Scikit-learn 所有模型遵循统一接口：
| 模式 | 伪代码 |
|------|-------… 1% Go (Golang) # Go (Golang) 技术栈概览
Go 是由 Google 的 Robert Griesemer、Rob Pike 和 Ken Thompson 于 2009 年发布的**编译型、并发优先的系统编程语言**。它融合了 C 语言的性能与 Python 的开发效率，被称为「21 世纪的 C 语言」。
## 解决什么问题
- **高并发服务端**：goroutine + channel 原生并… 1% Gin # Gin 毕设实战 — Go Web 开发从入门到上线
## 前言
Gin 是国内 Go 后端开发的事实标准。它性能极高、API 简洁，非常适合毕设中需要高性能接口的场景（如数据处理、实时计算）。
## 第一章：Gin 的 radix tree 路由
Gin 基于 httprouter 的压缩前缀树（radix tree），路由时间复杂度 O(log n)：
```
GET /api/u… 1% PyTorch 1. 动态计算图相比静态图，性能上有损失吗？PyTorch 2.0 的 `torch.compile` 如何解决？
2. `optimizer.zero_grad()` 如果忘记调用会怎样？
3. `model.train()` 和 `model.eval()` 具体影响了哪些层的行为？
4. 为什么 `CrossEntropyLoss` 的输入不能经过 softmax？
# PyTorch 进… 1% CakePHP ## CakePHP\n\nCakePHP 是历史悠久的 PHP 快速开发框架，由 Michal Tatarynowicz 于 2005 年创建。它深受 Ruby on Rails "约定优于配置"理念影响，提供 Bake 脚手架代码生成器，能快速构建 CRUD 应用。\n\n### 核心特性\n\n- **Bake CLI**：一键生成模型、控制器、视图、测试\n- **约定优于配置**：遵循命… 1% Fiber Fiber v3 引入了钩子系统，可以在请求生命周期的特定阶段执行逻辑：
```go
app := fiber.New()
// Hooks
app.Hooks().OnListen(func(listenData fiber.ListenData) error {
log.Printf("🚀 服务已启动在 %s", listenData.Addr)
return nil
}… 1%
知识库
知识库
8 个 Leaf-wise 生长与 GOSS 原理揭秘 # LightGBM 入门教程：Leaf-wise 生长与 GOSS 原理
## 1. LightGBM 的设计哲学
LightGBM 的三个核心问题：
> "XGBoost 在大数据上太慢了，内存也吃不起。能不能更快、更省？"
答案：三个算法创新 —— **Leaf-wise / GOSS / EFB**。
## 2. Leaf-wise vs Level-wise
```
XGBo… 3% DataBlock 声明式数据管道与学习率调参 ```python
learn = vision_learner(dls, resnet34, metrics=accuracy)
lr_min, lr_steep = learn.lr_find(suggest_funcs=(minimum, steep))
print(f"建议 lr: {lr_steep:.2e}")
```
规则：选择 loss 曲线最陡下降点，或 loss 最小点 ÷… 2% Scikit-learn 机器学习入门实战 # Scikit-learn 机器学习入门实战
## 背景
Scikit-learn 提供了「瑞士军刀」式的机器学习工具箱。无论你是做表格数据的分类、用户分群还是异常检测，掌握它能让你在几分钟内完成从数据处理到模型评估的完整流程。
---
## 第 1 章：理解 API 设计哲学
Scikit-learn 所有模型遵循统一接口：
| 模式 | 伪代码 |
|------|-------… 1% Gin 毕设实战 — Go Web 开发从入门到上线 # Gin 毕设实战 — Go Web 开发从入门到上线
## 前言
Gin 是国内 Go 后端开发的事实标准。它性能极高、API 简洁，非常适合毕设中需要高性能接口的场景（如数据处理、实时计算）。
## 第一章：Gin 的 radix tree 路由
Gin 基于 httprouter 的压缩前缀树（radix tree），路由时间复杂度 O(log n)：
```
GET /api/u… 1% Go 毕设入门 — 从语法到高并发服务 # Go 语言毕设入门教程
## 前言
Go 语言在国内互联网大厂（字节跳动、腾讯、B站）广泛使用，毕选用 Go 写后端能体现扎实的工程能力。本教程带你快速掌握 Go 的核心概念。
## 第一章：Go 的哲学 — 少即是多
Go 的设计哲学是 **简洁实用**：
- 没有类继承 → 用组合 + interface
- 没有泛型（Go 1.18 以前）→ 简洁但有局限
- 没有异常 → 用 e… 1% 02-进阶实战-迁移学习与部署 # PyTorch 进阶实战 —— 迁移学习、混合精度与模型部署
## 本章目标
- 使用预训练模型进行迁移学习（Fine-tuning）
- 掌握混合精度训练（AMP）加速
- 模型导出：TorchScript → ONNX
- 模型量化与推理优化
## 1. 迁移学习（Fine-tuning）
### 1.1 使用 torchvision 预训练模型
```python
import… 1% Fiber 毕设实战 — Express 用户迁移到 Go 的最短路径 Fiber v3 引入了钩子系统，可以在请求生命周期的特定阶段执行逻辑：
```go
app := fiber.New()
// Hooks
app.Hooks().OnListen(func(listenData fiber.ListenData) error {
log.Printf("🚀 服务已启动在 %s", listenData.Addr)
return nil
}… 1% LangChain 四大核心：Chain, Agent, Memory, Tools ```
文档加载器 → TextSplitter → Embedding → VectorStore ←─ 检索
↓ ↑
用户提问 → Embedding ─┘… 1%