barzilar_borwein算法微调函数的优化收敛
import optimtool as oo
from optimtool.base import np, sp, plt
pip install optimtool>=2.4.2
加载barzilar_borwein算法
import optimtool.unconstrain as ou
barzilar_borwein = ou.gradient_descent.barzilar_borwein
初始化输入数据
f ( x ) = ∑ i = 1 n / 2 c ( x 2 i − x 2 i − 1 2 ) 2 + ( 1 − x 2 i − 1 ) 2 , x 0 = [ − 1.2 , 1 , . . . , − 1.2 , 1 ] . c = 100 f(x)=\sum_{i=1}^{n/2}c(x_{2i}-x_{2i-1}^2)^2+(1-x_{2i-1})^2, x_0=[-1.2, 1, ...,-1.2, 1]. c=100 f(x)=i=1∑n/2c(x2i−x2i−12)2+(1−x2i−1)2,x0=[−1.2,1,...,−1.2,1].c=100
# make data(4 dimension)
x = sp.symbols("x1:5")
f = 100 * (x[1] - x[0]**2)**2 + \(1 - x[0])**2 + \100 * (x[3] - x[2]**2)**2 + \(1 - x[2])**2
x_0 = (-1.2, 1, -1.2, 1) # Random given
采用默认配置研究
print(f, x, x_0, verbose=True)
出现如下报错：
Traceback (most recent call last):File "E:\workspace\test.py", line 10, in <module>print(barzilar_borwein(f, x, x_0, verbose=True))File "D:\anaconda\lib\site-packages\optimtool\unconstrain\gradient_descent.py", line 167, in barzilar_borweinalpha = search(funcs, args, x_0, dk, k, point, c1, beta, alpha, constant)File "D:\anaconda\lib\site-packages\optimtool\_search.py", line 190, in Grippoassert alpha > 0
AssertionError
意思是罚因子项小了些，需要把基于Grippo的算法的约束因子微调大些，因为只有alpha>0才会梯度下降。
微调算法默认参数
print(barzilar_borwein(f, x, x_0, verbose=True, c1=0.9, beta=0.9, M=10))
(-1.2, 1, -1.2, 1) 48.4 0
[-1.17218609 1.01135262 -1.17218609 1.01135262] 35.74234399993523 1
[-1.07573959 1.05146734 -1.07573959 1.05146734] 10.853930877079154 2
[-1.03729194 1.06784358 -1.03729194 1.06784358] 8.314339559517752 3
[-1.03059542 1.06930565 -1.03059542 1.06930565] 8.256942356362453 4
[-1.02949345 1.06786974 -1.02949345 1.06786974] 8.250528895172161 5
[-1.01145948 1.02980508 -1.01145948 1.02980508] 8.101063953719645 6
[ 0.18155041 -0.21954138 0.18155041 -0.21954138] 14.091164315347264 7
[0.06257751 0.14023334 0.06257751 0.14023334] 5.474008089570103 8
[0.08739254 0.0122698 0.08739254 0.0122698 ] 1.6699964827703286 9
[0.09717293 0.00770988 0.09717293 0.00770988] 1.6307938771999826 10
[0.12174316 0.01260807 0.12174316 0.01260807] 1.5436499168969129 11
[0.71993385 0.17321525 0.71993385 0.17321525] 23.974225961732103 12
[0.69341458 0.19173749 0.69341458 0.19173749] 16.902165798059535 13
[0.59947343 0.25999758 0.59947343 0.25999758] 2.2957547438866586 14
[0.56017728 0.29391331 0.56017728 0.29391331] 0.4659728719309865 15
[0.55278525 0.30213422 0.55278525 0.30213422] 0.4023650853432392 16
[0.55308681 0.30367679 0.55308681 0.30367679] 0.4004558072779859 17
[0.55647063 0.30743861 0.55647063 0.30743861] 0.3944231285815026 18
[0.86021216 0.65100256 0.86021216 0.65100256] 1.6219430382036113 19
[0.70931846 0.73951826 0.70931846 0.73951826] 11.344620053720568 20
[0.8100935 0.66909219 0.8100935 0.66909219] 0.10510577406964994 21
[0.81731167 0.6650097 0.81731167 0.6650097 ] 0.06853647456044182 22
[0.8164723 0.66582992 0.8164723 0.66582992] 0.0674919060017248 23
[0.81662502 0.66605803 0.81662502 0.66605803] 0.06738671804221721 24
[0.86835509 0.75122239 0.86835509 0.75122239] 0.03624918137947759 25
[0.77235521 0.82683779 0.77235521 0.82683779] 10.711743471603352 26
[0.81192998 0.80138115 0.81192998 0.80138115] 4.1121138687376 27
[0.88346099 0.75768716 0.88346099 0.75768716] 0.1312782107449447 28
[0.87314179 0.76370122 0.87314179 0.76370122] 0.0325369376654432 29
[0.87401353 0.76337883 0.87401353 0.76337883] 0.03179943209268424 30
[0.87410199 0.76351067 0.87410199 0.76351067] 0.031759723095652316 31
[0.88694234 0.78612821 0.88694234 0.78612821] 0.025622065675204374 32
[0.95184857 0.98548447 0.95184857 0.98548447] 1.267694088111409 33
[1.03892769 0.93988749 1.03892769 0.93988749] 3.8941464214885255 34
[0.98107815 0.96769113 0.98107815 0.96769113] 0.006075928176673569 35
[0.9830691 0.96669501 0.9830691 0.96669501] 0.0005879072914185411 36
[0.98321319 0.96663944 0.98321319 0.96663944] 0.0005645390367161203 37
[0.98321997 0.96665369 0.98321997 0.96665369] 0.0005640588458026667 38
[0.98971109 0.97943603 0.98971109 0.97943603] 0.0002134165931058616 39
[0.95171388 1.02355346 0.95171388 1.02355346] 2.779755313116296 40
[0.98444683 1.00639357 0.98444683 1.00639357] 0.2781156378581681 41
[1.00030797 0.99835475 1.00030797 0.99835475] 0.001022880219129762 42
[0.99938771 0.99881442 0.99938771 0.99881442] 1.0480525859292297e-06 43
[0.99940435 0.99880671 0.99940435 0.99880671] 7.106978129659511e-07 44
[0.9994046 0.99880718 0.9994046 0.99880718] 7.101292197589673e-07 45
[0.99953764 0.99907365 0.99953764 0.99907365] 4.282354083211168e-07 46
[1.00000356 0.9999974 1.00000356 0.9999974 ] 1.8955821269642996e-08 47
[0.99066961 1.00465583 0.99066961 1.00465583] 0.10809652952210036 48
[0.9999825 0.99996504 0.9999825 0.99996504] 6.131958176710077e-10 49
[0.99998255 0.99996503 0.99998255 0.99996503] 6.100493838834033e-10 50
[0.99998256 0.99996504 0.99998256 0.99996504] 6.095180589185439e-10 51
[0.9999865 0.99997287 0.9999865 0.99997287] 3.676877863890199e-10 52
[0.99993462 1.00003166 0.99993462 1.00003166] 5.284526365615982e-06 53
[1.00001028 0.99999391 1.00001028 0.99999391] 1.4234808255557074e-07 54
[0.99999962 0.99999923 0.99999962 0.99999923] 2.964397028197504e-13 55
[0.99999962 0.99999923 0.99999962 0.99999923] 2.9534013511438936e-13 56
[0.99999962 0.99999923 0.99999962 0.99999923] 2.9507256358442176e-13 57
[1. 1. 1. 1.] 1.88063786036214e-20 58
[1.00000001 1. 1.00000001 1. ] 1.0948317471092592e-13 59
[1. 1. 1. 1.] 1.1024327807665554e-22 60
[1. 1. 1. 1.] 3.549874073494553e-30 61
另一种步长搜索器
barzilar_borwein(f, x, x_0, verbose=True, method="ZhangHanger", c1=0.8, beta=0.8, eta=0.6)
(-1.2, 1, -1.2, 1) 48.4 0
[-1.14402704 1.02284611 -1.14402704 1.02284611] 25.547385906612575 1
[-1.04917293 1.06298694 -1.04917293 1.06298694] 8.683638321782801 2
[-1.03278859 1.06919128 -1.03278859 1.06919128] 8.265748234572825 3
[-1.02996132 1.06871536 -1.02996132 1.06871536] 8.253952272254296 4
[-1.02880459 1.06645286 -1.02880459 1.06645286] 8.244940882294298 5
[-0.75881417 0.49681826 -0.75881417 0.49681826] 7.434444489232861 6
[-0.71206416 0.52368118 -0.71206416 0.52368118] 5.917743983089465 7
[-0.71412212 0.51847911 -0.71412212 0.51847911] 5.890908900222328 8
[-0.71176181 0.51445338 -0.71176181 0.51445338] 5.872576785186908 9
[-0.38846072 0.08764221 -0.38846072 0.08764221] 4.655999792942503 10
[-0.34569326 0.13056384 -0.34569326 0.13056384] 3.646245482183912 11
[-0.34190925 0.12336077 -0.34190925 0.12336077] 3.609784188103343 12
[-0.31361399 0.10306018 -0.31361399 0.10306018] 3.4555935448716233 13
[ 0.00397922 -0.04371105 0.00397922 -0.04371105] 2.3665227959068664 14
[0.02130878 0.03512281 0.02130878 0.03512281] 2.1560573397774148 15
[ 0.03323879 -0.00159448 0.03323879 -0.00159448] 1.8707117086887108 16
[0.04338918 0.00129321 0.04338918 0.00129321] 1.8302779870130716 17
[0.22543897 0.01257035 0.22543897 0.01257035] 1.4925384627561797 18
[0.21426361 0.05756136 0.21426361 0.05756136] 1.2619193148303254 19
[0.22533239 0.04752472 0.22533239 0.04752472] 1.2023322716998874 20
[0.23164194 0.05078892 0.23164194 0.05078892] 1.1823945212759244 21
[0.39858439 0.12616496 0.39858439 0.12616496] 0.9373190719661812 22
[0.38145931 0.15408892 0.38145931 0.15408892] 0.7799006036978148 23
[0.38942728 0.14871975 0.38942728 0.14871975] 0.7473195943947577 24
[0.39208339 0.15075934 0.39208339 0.15075934] 0.740889445363389 25
[0.54384873 0.27095384 0.54384873 0.27095384] 0.5393305593466469 26
[0.52980061 0.28649559 0.52980061 0.28649559] 0.4489189523781992 27
[0.53484966 0.28379459 0.53484966 0.28379459] 0.4337598682697777 28
[0.53596463 0.28493254 0.53596463 0.28493254] 0.43173927738659845 29
[0.66711966 0.42695983 0.66711966 0.42695983] 0.28705969635936956 30
[0.6555018 0.43706044 0.6555018 0.43706044] 0.24824451482332732 31
[0.66027465 0.43437596 0.66027465 0.43437596] 0.23133012100250183 32
[0.6607599 0.4349673 0.6607599 0.4349673] 0.2307032124435715 33
[0.76387974 0.57216118 0.76387974 0.57216118] 0.13727493959232465 34
[0.75426998 0.57944271 0.75426998 0.57944271] 0.14289849619262165 35
[0.75982798 0.57625237 0.75982798 0.57625237] 0.1156011583706373 36
[0.76005697 0.57658352 0.76005697 0.57658352] 0.11538866972480637 37
[0.86143683 0.73133553 0.86143683 0.73133553] 0.061459919065018784 38
[0.85446275 0.73571119 0.85446275 0.73571119] 0.04864447302661772 39
[0.85725529 0.73429265 0.85725529 0.73429265] 0.040822666441657225 40
[0.85735963 0.73444416 0.85735963 0.73444416] 0.04076977055273804 41
[0.87135784 0.75854423 0.87135784 0.75854423] 0.033201365652168045 42
[0.87174017 0.76736276 0.87174017 0.76736276] 0.04394760040221391 43
[0.87398087 0.76619333 0.87398087 0.76619333] 0.03286687198523424 44
[0.8753094 0.76561167 0.8753094 0.76561167] 0.031157068795362352 45
[0.87537792 0.76574967 0.87537792 0.76574967] 0.031118963457695742 46
[0.89466678 0.79955226 0.89466678 0.79955226] 0.022343784290254107 47
[0.89301787 0.80235929 0.89301787 0.80235929] 0.02765007340992803 48
[0.89462001 0.80156035 0.89462001 0.80156035] 0.02250531824469297 49
[0.89539064 0.80127024 0.89539064 0.80127024] 0.021927489016178737 50
[0.89544715 0.80138049 0.89544715 0.80138049] 0.021902219932405945 51
[0.92813781 0.85996455 0.92813781 0.85996455] 0.010763616666667527 52
[0.92614688 0.86141869 0.92614688 0.86141869] 0.013603307269649175 53
[0.92787507 0.8605771 0.92787507 0.8605771 ] 0.01043214239830986 54
[0.92788077 0.86066166 0.92788077 0.86066166] 0.010420494397709812 55
[0.928094 0.86105668 0.928094 0.86105668] 0.010359161042322382 56
[0.9705483 0.94169756 0.9705483 0.94169756] 0.001749003669665157 57
[0.96879935 0.94379027 0.96879935 0.94379027] 0.007392649706546043 58
[0.96964345 0.94336767 0.96964345 0.94336767] 0.003839211350773539 59
[0.97099486 0.9427037 0.97099486 0.9427037 ] 0.0016858380908765503 60
[0.97100383 0.9427304 0.97100383 0.9427304 ] 0.0016843424445882975 61
[0.97155834 0.94380875 0.97155834 0.94380875] 0.0016205873167718177 62
[0.99298678 0.98746597 0.99298678 0.98746597] 0.0005149481798177243 63
[0.99405866 0.98693913 0.99405866 0.98693913] 0.0003651100160972216 64
[0.99358383 0.987184 0.99358383 0.987184 ] 8.245778054657986e-05 65
[0.99358682 0.987189 0.99358682 0.987189 ] 8.239052921973421e-05 66
[0.99405188 0.98811496 0.99405188 0.98811496] 7.087718695175268e-05 67
[0.99968373 1.0000437 0.99968373 1.0000437 ] 9.163261199483933e-05 68
[1.00005465 0.99985861 1.00005465 0.99985861] 1.2575323104527597e-05 69
[0.99995439 0.99990868 0.99995439 0.99990868] 4.162393555661443e-09 70
[0.99995444 0.9999087 0.99995444 0.9999087 ] 4.1577523758631505e-09 71
[0.99995448 0.99990879 0.99995448 0.99990879] 4.150285949048248e-09 72
[0.99999998 1. 0.99999998 1. ] 1.6347843490821497e-13 73
[1.00002865 0.9999857 1.00002865 0.9999857 ] 1.027136418355962e-06 74
[1. 1. 1. 1.] 6.014856540114234e-20 75
[1. 1. 1. 1.] 5.359465147840669e-20 76
[1. 1. 1. 1.] 5.3551774107473235e-20 77
[1. 1. 1. 1.] 1.225496980276194e-21 78
相关文章：
barzilar_borwein算法微调函数的优化收敛
import optimtool as oo from optimtool.base import np, sp, pltpip install optimtool>2.4.2加载barzilar_borwein算法 import optimtool.unconstrain as ou barzilar_borwein ou.gradient_descent.barzilar_borwein初始化输入数据 f ( x ) ∑ i 1 n / 2 c ( x 2 i −…...
SpringBoot篇---第一篇
系列文章目录 文章目录 系列文章目录一、为什么要用SpringBoot二、Spring Boot 的核心注解是哪个？它主要由哪几个注解组成的？三、运行Spring Boot有哪几种方式？一、为什么要用SpringBoot Spring Boot 优点非常多，如： 一、独立运行 Spring Boot而且内嵌了各种servlet容器，…...
算法通关村第二关-白银挑战反转链表拓展问题
大家好我是苏麟 , 今天聊一聊链表反转拓展问题 . 反转链表拓展问题 1.指定区间反转 描述 : 给你单链表的头指针 head 和两个整数 left 和 right ，其中 left < right 。请你反转从位置 left 到位置 right 的链表节点，返回 反转后的链表 。 题目…...
【rust/树莓派】使用rppalembedded-graphics控制st7789 LCD屏幕
说在前面 树莓派版本：4bLCD模块：ST7789V2 240*280 LCD树莓派系统：Linux raspberrypi 5.15.76-v8 #1597 SMP aarch64 GNU/Linuxrust版本：rustc 1.73.0 模块详情 某雪的1.69inch LCD模块，包含杜邦线 准备工作 树莓派…...
WebSocket—STOMP详解(官方原版)
WebSocket协议定义了两种类型的消息（文本和二进制），但其内容未作定义。该协议定义了一种机制，供客户端和服务器协商在WebSocket之上使用的子协议（即更高级别的消息传递协议），以定义各自可以发送…...
淘宝/天猫获取购买到的商品订单物流信息 API分享
开发背景： 淘宝是中国最大的电商平台之一，拥有海量的用户和卖家。为了方便卖家和买家之间的交易，淘宝提供了订单物流API的开发接口。通过这个接口，卖家可以快速获取到买家的订单信息以及物流状态，从而更好地管理自己的…...
PS软件 点击 “另存为 Web 所用格式” ，提示错误 无法完成操作 系统找不到指定路径
软件：Adobe Photoshop 问题： PS 点击 另存为 Web 所用格式 ，提示错误 无法完成操作 系统找不到指定路径 解决： 如果是Win10以上的系统，出现这种情况基本就是被系统自带的杀毒软件阻止了，可以看一下电脑右…...
解决“您点击的链接已过期”；The Link You Followed Has Expired的问题
今天WP碰到一个坑。无论发布文章还是更新插件、更换主题都是这么一种状态“您点击的链接已过期”；The Link You Followed Has Expired 百度出来的答案都是修改post_max_size 方法1. 通过functions.php文件修复 这种方法更容易，只需将以下代码添加到Wor…...
说说对ajax、axios、jsonp的理解
下面是对 AJAX、Axios 和 JSONP 的简要说明： 1：AJAX（Asynchronous JavaScript and XML）： AJAX 是一种用于创建异步通信的技术，通过在后台与服务器进行数据交换，实现页面的局部更新，…...
黄金代理这么多，怎么选？
目前，现货黄金代理已成为了市场中成熟的模式，我们只要在搜索引擎上搜索如何在市场中开户，会搜到各种各样的黄金代理，其中更是不乏服务非常优秀的。部分投资者早就接受了黄金代理的存在，并且率先开始在黄金代理中进行开…...
一个工作三年的前端是如何做性能优化的
你是怎么做性能优化的？关于这一个问题，也是我们前端开发程序员经常会讨论到的问题，接下来这篇文章将总结一下前端方面的性能优化及方式。 为什么要做性能优化 性能优化是为了提高网页的加载速度和相应速度，给用户带来更好的体验…...
如何确定自己的armbian系统是不是ARM64架构
使用 arch 命令： arch 命令会返回当前系统的架构信息。 arch系统是ARM64架构，返回 aarch64。系统是ARM32架构，它会返回 armv7l 或类似的值。 使用 uname 命令： 确认系统架构的方法是使用 uname 命令 uname -a这会显示系统的详…...
leetcode_1155 掷骰子等于目标和的方法数
1. 题意 n个k面的骰子，投掷出骰子的点数之和为target的所有可能。 掷骰子等于目标和的方法数 2. 题解 动态规划，实际上相当于一个0-1背包。 令 d p [ i ] [ j ] dp[i][j] dp[i][j]为前 i i i个骰子和为j的方案数 则 d p [ i ] [ j ] ∑ t 1 k d p…...
2023年中国精准放疗未来展望分析：将朝着精准化、数字化和智能化发展[图]
肿瘤放射治疗是利用放射线治疗肿瘤的一种局部治疗方法。放射线包括放射性同位素产生的α、β、γ射线和各类x射线治疗机或加速器产生的x射线、电子线、质子束及其他粒子束等。放射治疗在肿瘤治疗中的作用和地位日益突出，已成为治疗恶性肿瘤的主要手段之一。 现代放…...
大数据之LibrA数据库常见术语（二）
Cgroups Control Groups，控制组（FusionInsight LibrA中也称之为优先级组）。SUSE Linux和RedHat内核提供的一种可以限制、记录、隔离进程组所使用的物理资源的机制。 CLI Command-line Interface，命令行界面。应用程序和用户交互…...
华为面试题
一、实习 1、健康险核心 batch 自动查询和一键重启 2、后端如何实现免密登录 Spring Boot与Spring Security： 如果你使用的是Spring框架，Spring Security可以为你提供大量的安全功能。创建一个基于Spring Boot的新项目，并添加Spring Securi…...
进阶JAVA篇-深入了解 List 系列集合
目录 1.0 List 类的说明 1.1 List 类的常用方法 1.2 List 集合的遍历方式 2.0 ArrayList 集合的底层原理 2.1 从 ArrayList 集合的底层原理来了解具有该特性的原因： 2.2 ArrayList 集合的优缺点 3.0 LinkedList 集合的底层原理 3.1 从 LinkedList 集合的底层原理来了…...
typeof 与 instanceof 区别
typeof 和 instanceof 是 JavaScript 中用于检测数据类型的运算符，它们在使用和功能上有一些区别。 typeof 运算符： typeof 运算符用于检测给定值的数据类型，返回一个表示数据类型的字符串。typeof 可以用于检测基本数据类型（如字符串、数字、布尔值）和函数，也可以用于检…...
python 之计算矩阵乘法
文章目录 总的介绍例子 总的介绍 np.matmul 是NumPy库中的矩阵乘法函数，用于执行矩阵乘法操作。矩阵乘法是线性代数中的一种常见操作，用于将两个矩阵相乘以生成新的矩阵。在神经网络、机器学习和科学计算中，矩阵乘法经常用于变换和组合数据。…...
【Linux】进程优先级|进程并发概念|在vim中批量化注释
文章目录 前言tips——如何在vim中批量化注释进程更深度理解一、什么是进程优先级二、 为什么要有优先级三、Linux怎么设置优先级查看进程优先级的命令PRI and NI用top命令更改已存在进程的nice： 如何根据优先级开展调度呢？五、其他概念并发（…...
深度学习在微纳光子学中的应用
深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向： 逆向设计 通过神经网络快速预测微纳结构的光学响应，替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…...
Chapter03-Authentication vulnerabilities
文章目录 1. 身份验证简介1.1 What is authentication1.2 difference between authentication and authorization1.3 身份验证机制失效的原因1.4 身份验证机制失效的影响 2. 基于登录功能的漏洞2.1 密码爆破2.2 用户名枚举2.3 有缺陷的暴力破解防护2.3.1 如果用户登录尝试失败次…...
使用VSCode开发Django指南
使用VSCode开发Django指南 一、概述 Django 是一个高级 Python 框架，专为快速、安全和可扩展的 Web 开发而设计。Django 包含对 URL 路由、页面模板和数据处理的丰富支持。 本文将创建一个简单的 Django 应用，其中包含三个使用通用基本模板的页面。在此…...
springboot 百货中心供应链管理系统小程序
一、前言 随着我国经济迅速发展，人们对手机的需求越来越大，各种手机软件也都在被广泛应用，但是对于手机进行数据信息管理，对于手机的各种软件也是备受用户的喜爱，百货中心供应链管理系统被用户普遍使用，为方…...
利用ngx_stream_return_module构建简易 TCP/UDP 响应网关
一、模块概述 ngx_stream_return_module 提供了一个极简的指令： return <value>;在收到客户端连接后，立即将 <value> 写回并关闭连接。<value> 支持内嵌文本和内置变量（如 $time_iso8601、$remote_addr 等）&a…...
遍历 Map 类型集合的方法汇总
1 方法一 先用方法 keySet() 获取集合中的所有键。再通过 gey(key) 方法用对应键获取值 import java.util.HashMap; import java.util.Set;public class Test {public static void main(String[] args) {HashMap hashMap new HashMap();hashMap.put("语文",99);has…...
java调用dll出现unsatisfiedLinkError以及JNA和JNI的区别
UnsatisfiedLinkError 在对接硬件设备中，我们会遇到使用 java 调用 dll文件 的情况，此时大概率出现UnsatisfiedLinkError链接错误，原因可能有如下几种 类名错误包名错误方法名参数错误使用 JNI 协议调用，结果 dll 未实现 JNI 协…...
Auto-Coder使用GPT-4o完成：在用TabPFN这个模型构建一个预测未来3天涨跌的分类任务
通过akshare库，获取股票数据，并生成TabPFN这个模型 可以识别、处理的格式，写一个完整的预处理示例，并构建一个预测未来 3 天股价涨跌的分类任务 用TabPFN这个模型构建一个预测未来 3 天股价涨跌的分类任务，进行预测并输…...
MMaDA: Multimodal Large Diffusion Language Models
CODE ： https://github.com/Gen-Verse/MMaDA Abstract 我们介绍了一种新型的多模态扩散基础模型MMaDA，它被设计用于在文本推理、多模态理解和文本到图像生成等不同领域实现卓越的性能。该方法的特点是三个关键创新:(i) MMaDA采用统一的扩散架构…...
linux arm系统烧录
1、打开瑞芯微程序 2、按住linux arm 的 recover按键 插入电源 3、当瑞芯微检测到有设备 4、松开recover按键 5、选择升级固件 6、点击固件选择本地刷机的linux arm 镜像 7、点击升级 （忘了有没有这步了 估计有） 刷机程序 和 镜像 就不提供了。要刷的时…...