标签

 性能 

相关的文章:

云风的 BLOG -

一个任务调度算法引起的性能问题

这两天遇到一个任务调度算法引起的性能问题,花了颇多精力排查和解决。问题出在我写的 ltask 这个 lua 多任务库上。ltask 最初是对 skynet 的一些反思中开始的,最初只是想换一种思路实现 skynet :做一个库而不是框架、更少的锁竞争、避免服务因为消息队列堆积而过载…… 后来、我们游戏引擎开始尝试基于 ltask 利用手机设备上的多核,渐渐的便完善起来,也发展出和 skynet 不同的部分。它最近两年一直是围绕移动设备客户端程序优化,所以网络部分并非重点,也就不需要像 skynet 那样把网络模块做在框架底层,而是以一个独立服务存在。而网络 IO 、文件 IO 、客户端窗口这些部分又不适合于其它渲染相关的服务混在一起,因为它们需要和操作系统直接打交道,所以我在 ltask 中又分出了独占线程和共享工作线程两种不同的线程,可以把不同的服务绑在不同的线程上。甚至对于 iOS ,还必须让窗口线程运行在主线程上,而不得不在 ltask 里做特殊的支持。 最近发现的这个问题也是游戏客户端特有的,它很能说明用于游戏服务器的 skynet 和用于客户端的 ltask 在实现侧重点上的不同。...

AI生成摘要 本文介绍了游戏客户端特有的问题,以及用于游戏服务器的skynet和用于客户端的ltask在实现侧重点上的不同。作者发现ltask在多任务系统下统计时间的函数有缺陷,未能准确统计真实的CPU耗时,导致主逻辑服务被挂起。作者通过修改工作线程的休息策略,临时唤醒工作线程,可以极大地节省手机的电池,但并没有解决服务对调工作线程的问题。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

UNet 及其变体在医学图像分割中的性能分析

通过探索深度学习模型在医学图像分割中的应用,特别关注 UNet 架构及其变体,本研究评估了这些模型在各种挑战性医学图像分割任务中的表现,并通过解决图像标准化、调整大小、架构选择、损失函数设计和超参数调整等问题来获取结果。研究结果显示,经过深层网络层扩展的标准 UNet 是一种精湛的医学图像分割模型;而 Res-UNet 和 Attention Res-UNet 架构在处理精细图像细节时表现出更平滑的收敛和卓越的性能。此外,本研究还着重解决高类别不平衡问题,通过精心预处理和定义损失函数来处理。我们预期本研究结果将为希望将这些模型应用于新的医学成像问题的研究人员提供有用的见解,并为其实施提供指导和最佳实践。

AI生成摘要 本研究评估了深度学习模型在医学图像分割中的应用,特别关注 UNet 架构及其变体。研究结果显示,经过深层网络层扩展的标准 UNet 是一种精湛的医学图像分割模型;而 Res-UNet 和 Attention Res-UNet 架构在处理精细图像细节时表现出更平滑的收敛和卓越的性能。本研究还解决了高类别不平衡问题,为研究人员提供了有用的见解和最佳实践。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

用动态规划发现决策树的解释性与性能的最优解

为了找到最佳的决策树,本文提出了一种新的马尔可夫决策问题 (MDP) 的公式,允许用户在计算一个动态规划的同时选择最适合自身需求的决策树

AI生成摘要 该研究提出了一个MIO框架,用于学习最优的分类树算法,并扩展到任意公平性约束。同时,提出了一个新的模型可解释性度量标准,称为决策复杂度。研究者在流行数据集上进行了综合分析,证明了该方法在公平性、可解释性和预测准确性之间的权衡中表现出色。该方法在几乎完全平等的情况下仍能保持精度。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

基于扩散的多乐器音乐合成的性能调整

在音乐信息检索(MIR)中,从符号音乐表示生成多仪器音乐是一项重要任务。本研究的主要贡献是提出通过将生成模型的条件设置为特定表演和录音环境,从而增强多仪器合成的控制能力,从而更好地引导音色和风格。通过基于最先进的扩散音乐生成模型,我们引入了性能条件化,这是一种简单的工具,表明生成模型可以合成具有特定表演所使用的特定乐器的音乐的风格和音色。我们的原型采用各种仪器的非编目表演进行评估,实现了最先进的 FAD 真实性评分,并允许新的音色和风格控制。我们的项目页面,包括样本和演示,可在 benadar293.github.io/midipm 上找到。

AI生成摘要 本研究提出了一种增强多仪器合成控制能力的方法,通过将生成模型的条件设置为特定表演和录音环境,从而更好地引导音色和风格。该方法基于最先进的扩散音乐生成模型,引入了性能条件化,可以合成具有特定表演所使用的特定乐器的音乐的风格和音色。该研究的原型采用各种仪器的非编目表演进行评估,实现了最先进的 FAD 真实性评分,并允许新的音色和风格控制。该项目页面可在 benadar293.github.io/midipm 上找到。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

软合并:提升神经网络性能的灵活和鲁棒的软模型合并方法

本文提出了一种软融合方法,通过学习门控参数来实现多个模型的快速融合,简化神经网络的特定部分融合,增强对具有极端值的恶意模型的鲁棒性,从而提高模型性能并降低计算成本。

AI生成摘要 该研究探讨了多个工作者独立运行 SGD 并定期平均模型的常见但未被充分理解的做法,探讨了模型平均作为方差减少机制的两种方式,并说明了平均频率对收敛的影响。在凸目标函数中,频繁平均的好处依赖于梯度方差包络,在非凸目标函数中,该好处取决于多个全局最优点的存在。研究结果通过多核实验在合成数据和实际数据上得到了补充。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

利用深度学习构建带性能界限的随机局部搜索 SAT 求解器

利用图神经网络训练适用于布尔可满足性问题的 SLS 求解器,可显著提高性能,平均解决比例更高、步骤更少,具有性能保证。

AI生成摘要 该文介绍了如何使用机器学习模型来改进 SAT 求解器的启发式算法,以减少步数和总运行时间。作者建议首先使用训练好的机器学习模型进行几个初始步骤,然后将控制权交给经典启发式算法,以简化 SAT 求解的冷启动。此外,作者还介绍了一种改进的 Graph-Q-SAT,专门针对从其他领域转换而来的 SAT 问题。作者通过随机和工业 SAT 问题验证了该方法的可行性。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

基于模型的机器学习方法用于评估区块链应用的性能

本研究采用机器学习模型方法,通过预设配置参数训练 k 最近邻和支持向量机来预测区块链性能,并利用蚂蚁群优化模型对达到所需性能水平的最优区块链配置进行研究。使用粗糙集理论增强蚂蚁群优化模型,证明了在不确定性条件下实现了精确推荐最优参数配置;统计比较表明,本模型具有竞争优势,k 最近邻模型的性能超过支持向量机 5%,ISO 模型相较于常规蚂蚁群优化模型减少了 4%的不准确度偏差。

AI生成摘要 该研究提出了一种可信机器学习系统的统一分析框架,利用区块链技术存储数据并利用智能合约自动化机器学习流程。研究中构建了三个核心机器学习算法的实现,并提出了在设备边缘部署的流媒体层上运行机器学习模型的新方法和一种可增强样本的综合数据生成方法。这些方法可以有效解决部分应用程序所需的训练数据量不足的问题。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

机器学习数据适用性和性能测试的故障注入测试框架

创建弹性机器学习系统对于确保生产就绪的机器学习系统并顺利获取用户信任已成为必要。输入数据和模型的质量对数据敏感系统的端到端测试成功具有高度影响。然而,与模型测试相比,输入数据的测试方法缺乏系统性且较少。为了填补这一空白,本文提出了一种基于故障注入技术的输入数据故障注入测试框架(FIUL-Data),该框架测试机器学习模型对多种故意引发的数据故障的弹性。数据变异器探索机器学习系统的脆弱性,针对不同故障注入效果。提出的框架基于三个主要想法设计:变异器不是随机的;在某个时刻应用一个数据变异器;事先优化选定的机器学习模型。本文使用来自分析化学的数据进行了 FIUL-Data 框架的实证评估,包括反义寡核苷酸保留时间测量。经验评估分为两个步骤进行,首先分析选定机器学习模型对数据变异的响应,然后对比彼此。结果显示 FIUL-Data 框架允许评估机器学习模型的弹性。在大多数实验情况下,较大的训练数据集上,机器学习模型表现出更高的弹性,在较小的训练集中梯度提升方法优于支持向量回归。总体而言,均方误差指标在评估模型弹性方面具有较高的敏感性。

AI生成摘要 本文提出了一种基于故障注入技术的输入数据故障注入测试框架(FIUL-Data),该框架测试机器学习模型对多种故意引发的数据故障的弹性。经实证评估,结果显示 FIUL-Data 框架允许评估机器学习模型的弹性。在大多数实验情况下,较大的训练数据集上,机器学习模型表现出更高的弹性,在较小的训练集中梯度提升方法优于支持向量回归。

相关推荐 去reddit讨论

少数派 -

手感更轻、性能更重:iPhone 15 Pro 快速上手体验

随着新一代 iPhone 系列机型的亮相以及正式发售日期的临近,在拿到新设备前,相信不少人都对几款新 iPhone 有许多感兴趣的细节和疑问。在正式发售前夕,少数派也有机会获得了提前体验新款 iPhone 的机会,对于大家比较关心的配色、外观、重量、新功能等问题,我们在短暂体验之后也进行了整理,通过这篇文章与你分享。查看全文

AI生成摘要 本文介绍了少数派提前体验 iPhone 15 和 iPhone 15 Pro 系列的情况。iPhone 15 Pro 系列的外观变化不大,但钛金属边框的握持体验更顺滑,响铃/静音切换拨键改为操作按钮,支持第三方开发者开放 API 接口。iPhone 15 Pro Max 采用了120mm焦距的5倍长焦镜头,增加了专业的Log视频拍摄模式。iPhone 15 系列支持2倍长焦拍摄,采用了新工艺的哑光质感玻璃背板。A16芯片进一步完善影像能力,灵动岛的加入让信息获取更加便捷。同时,文章也介绍了全新推出的精织斜纹保护壳。

相关推荐 去reddit讨论

张洪Heo -

PICO4上手:渲染分辨率有点低,性能有点弱,但还算是个合格的VR一体机

因为我从来也没搞过一个VR设备,之前用VR仅仅是局限于那种纸盒子里塞手机的印象。那个时候手机比较垃圾,确实有一丢丢三维效果,但是显示的分辨率的重量之类的都很不友好。 Vision

AI生成摘要 该文章介绍了作者对Pico VR设备的体验和评价。该设备的显示效果一般,不适合文本阅读,但适合观看视频和玩游戏。设备采用的芯片等同于骁龙865,应用体验有些卡顿。设备应用商店以游戏和视频为主,少有工具应用。续航约为两小时,但作者通常边充电边使用。作者认为未来的VR设备应具有更高的分辨率和更低的画面延迟,并暗示期待苹果的VR产品。作者不推荐购买该设备,但认为VR设备可以增加锻炼机会。

相关推荐 去reddit讨论