CUDA는 일종의 엄격한 nvidia 라이브러리이며, 예를 들어 AMD의 vidyuhi는 이를 지원하지 않습니다. 결론은 일반적인 C ++ 코드를 가져와서 vidyuhi에서 실행되도록 컴파일하는 것입니다. 아마도 허용된 기능에 대한 제한이 있을 것입니다. 자세히 살펴보지는 않았습니다.
선형 분류기의 예. 분류기에 무언가를 가르친다고 가정하고 2개의 출력에 대해 0에서 1로 가격 증분을 적용합니다. 여기서 0.5는 신호가 없음(출력의 합은 항상 1임)
예를 들어 가격을 기준으로 간단한 회귀선을 만들면 더 큰 가격 증분은 선에서 멀어지고 더 작은 것은 더 가깝습니다. 즉, 분류기가 0.9를 출력하는 경우입니다. 0.1이면 양수 증분은 선에서 멀리 떨어져 있습니다. 0.9 신호는 0.6 구매 신호보다 강합니다.
그리고 비선형 분류로 신경망을 사용하는 경우 출력 판독값이 신호의 강도를 나타내거나 2개 클래스 중 1개 클래스에 속하는 정도만 표시하고 더 이상 표시하지 않습니다.
저것들. 다음 조건이 충족됩니까?
이 상황에서 이미 재료를 잘 모르는 초보자의 절반은 실패 할 것 같습니다.. 특정 클래스에 속하는 정도는 직관적으로 신호 강도가 크거나 작음을 나타냅니다. 그러나 이것이 실제로 그러하며 증분을 분산하기 위해 더 많은 클래스를 만드는 것이 더 낫지 않습니까, 예를 들어 % 단위로 값을 가져오면 하나 또는 다른 클래스(예: 10개 중 하나)에 값을 가져오면 이미 정확히 알려줄 것입니다. 증가.
글쎄, 그렇다면 나는, 아아, 도울 수 없습니다. 문제가 해결되기 전에 문제를 재현해야 합니다.
지연을 위해 EventSetTimer를 사용할 수 있습니다. 막대가 나타난 후 몇 초 후에 표시기를 읽으십시오 .
추천해주셔서 감사합니다.
그리고 당신은 몇 초 안에 할 수 없지만 30 초 안에 그런 식으로 ??? 그리고 그것을 하는 방법?
그리고 당신은 몇 초 안에 할 수 없지만 30 초 정도 ??? 그리고 그것을 하는 방법?
할 수 있다. 그의 예제에 대한 코드 기반에서 지표를 찾으십시오.
내 질문에는 전문가가 없습니다. 내가 이해하는대로????
Nvidea의 API를 사용하는 사람이 있습니까? 나는 요전에 카드 측면에서 이리저리 뒤졌지만 회사에서 비디오 커넥터 없이 채굴용 카드를 생산한다는 것을 알았습니다.
Nvidea의 API를 사용하는 사람이 있습니까? 나는 요전에 카드 측면에서 이리저리 뒤졌지만 회사에서 비디오 커넥터 없이 채굴용 카드를 생산한다는 것을 알았습니다.
깜빡하고 일부 API가 출시되었습니다. 나는 la CUDA입니다.
Nvidia에는 많은 API가 있습니다.
OpenCL은 널리 사용되는 표준이므로 특별한 C자형 코드를 작성해야 합니다. Nvidia와 AMD가 모두 지원되며 비디오 카드 대신 CPU 프로세서용 라이브러리를 설치할 수도 있습니다. https://cran.r-project.org/web/packages/OpenCL/index.html 라이브러리를 통해 R에서 사용합니다.
MT5도 이 API를 사용할 수 있습니다.
CUDA는 일종의 엄격한 nvidia 라이브러리이며, 예를 들어 AMD의 vidyuhi는 이를 지원하지 않습니다. 결론은 일반적인 C ++ 코드를 가져와서 vidyuhi에서 실행되도록 컴파일하는 것입니다. 아마도 허용된 기능에 대한 제한이 있을 것입니다. 자세히 살펴보지는 않았습니다.
CUDNN - CUDA 기반 뉴런의 API 및 라이브러리
예를 들어, 이러한 MXNET 뉴런이 있으며 이러한 모든 기술을 지원합니다. https://mxnet.incubator.apache.org/get_started/install.html 에서 비디오를 테스트할 수 있습니다.
프로세스를 이해하도록 도와주세요 :)
선형 분류기의 예. 분류기에 무언가를 가르친다고 가정하고 2개의 출력에 대해 0에서 1로 가격 증분을 적용합니다. 여기서 0.5는 신호가 없음(출력의 합은 항상 1임)
예를 들어 가격을 기준으로 간단한 회귀선을 만들면 더 큰 가격 증분은 선에서 멀어지고 더 작은 것은 더 가깝습니다. 즉, 분류기가 0.9를 출력하는 경우입니다. 0.1이면 양수 증분은 선에서 멀리 떨어져 있습니다. 0.9 신호는 0.6 구매 신호보다 강합니다.
그리고 비선형 분류로 신경망을 사용하는 경우 출력 판독값이 신호의 강도를 나타내거나 2개 클래스 중 1개 클래스에 속하는 정도만 표시하고 더 이상 표시하지 않습니다.
저것들. 다음 조건이 충족됩니까?
이 상황에서 이미 재료를 잘 모르는 초보자의 절반은 실패 할 것 같습니다.. 특정 클래스에 속하는 정도는 직관적으로 신호 강도가 크거나 작음을 나타냅니다. 그러나 이것이 실제로 그러하며 증분을 분산하기 위해 더 많은 클래스를 만드는 것이 더 낫지 않습니까, 예를 들어 % 단위로 값을 가져오면 하나 또는 다른 클래스(예: 10개 중 하나)에 값을 가져오면 이미 정확히 알려줄 것입니다. 증가.프로세스를 이해하도록 도와주세요 :)
선형 분류기의 예. 분류기에 무언가를 가르친다고 가정하고 출력에서 0에서 1로 가격 증분을 적용합니다. 여기서 0.5는 신호가 없음을 나타냅니다.
예를 들어 가격으로 간단한 회귀선을 만들면 큰 가격 증분은 선에서 멀어지고 작은 가격 증분은 더 가깝습니다. 즉, 분류기의 출력이 0.9가 되는 경우입니다. 0.1이면 양수 증분은 선에서 멀리 떨어져 있습니다. 0.9 신호는 0.6 구매 신호보다 강합니다.
그리고 비선형 분류로 신경망을 사용하는 경우 출력 판독값이 신호의 강도를 나타내거나 2개 클래스 중 1개 클래스에 속하는 정도만 표시하고 더 이상 표시하지 않습니다.
저것들. 다음 조건이 충족됩니까?
생각해보십시오. 선은 경계입니다(가장 단순한 경우 평균). 가격 증분의 경계에 가까울수록 평균과의 차이가 적어 지지만 절대 가치에서는 전혀 작지 않을 수 있습니다. (이러한 문제 진술의 경우)
생각해보십시오. 선은 경계입니다(가장 단순한 경우 평균). 가격 증분의 경계에 가까울수록 평균과의 차이가 적어 지지만 절대 가치에서는 전혀 작지 않을 수 있습니다. (이러한 문제 진술의 경우)
즉, 대상이 클래스에 속하는 정도에 따라 절대적인 변화에 대한 결론을 내릴 수 없으며, 0.9가 0.6의 경우보다 가격 상승폭이 크다는 것을 의미하지는 않습니다.
즉, 대상이 클래스에 속하는 정도에 따라 절대적인 변화에 대한 결론을 내릴 수 없으며, 0.9가 0.6의 경우보다 가격 상승폭이 크다는 것을 의미하지는 않습니다.
다시 말하지만, 분류가 구축되는 방식에 따라 다릅니다. 위의 예에서 증분의 절대값을 고려하지 않고 중심선(경계)으로부터의 거리를 기준으로 분류하였다. 절대 증분 지표를 입력하면 원칙적으로 분류가 달라집니다. 그 규모도 다를 것이다.