当前位置:首页 > 报告详情

库内深度模型的探索与实践_郭铁成.pdf

上传人: 茫然 编号:731619 2025-07-14 23页 1.93MB

1、IvorySQL 2025IvorySQL 2025生态大会生态大会暨暨PostgreSQLPostgreSQL高峰论坛高峰论坛库内深度模型的探索与实践库内深度模型的探索与实践pg4ml 郭铁成 2025.6目录CONTENTSIvorySQL 2025IvorySQL 2025生态大会生态大会暨暨PostgreSQLPostgreSQL高峰论坛高峰论坛库内构建模型的库内构建模型的原理原理库内模型的应用库内模型的应用案例案例库内模型的库内模型的挑战挑战库内模型的库内模型的展望展望IvorySQL 2025IvorySQL 2025生态大会生态大会暨暨PostgreSQLPostgreSQL高峰

2、论坛高峰论坛01.01.库内模型的库内模型的原理原理IvorySQL 2025IvorySQL 2025生态大会生态大会暨暨PostgreSQLPostgreSQL高峰论坛高峰论坛模型模型结构结构模型的节点列表模型的节点列表:tb_node:tb_nodeIvorySQL 2025IvorySQL 2025生态大会生态大会暨暨PostgreSQLPostgreSQL高峰论坛高峰论坛模型模型结构结构计算图计算图:IvorySQL 2025IvorySQL 2025生态大会生态大会暨暨PostgreSQLPostgreSQL高峰论坛高峰论坛模型训练与模型训练与推理推理call prc_train(

3、231 -模型编号,10000 -训练次数,0.00003-学习率.)训练训练:select fv_pridict(231 -训练好的模型编号 ,array.-测试集一条数据 )推理推理:return:array.-推理结果训练日志:训练次数1,损失函数:2.3536 训练次数2,损失函数:2.277 训练次数3,损失函数:2.1093 .训练次数10000,损失函数:0.0036IvorySQL 2025IvorySQL 2025生态大会生态大会暨暨PostgreSQLPostgreSQL高峰论坛高峰论坛02.02.库内模型的应用库内模型的应用案例案例IvorySQL 2025IvorySQ

4、L 2025生态大会生态大会暨暨PostgreSQLPostgreSQL高峰论坛高峰论坛机器机器视觉视觉识别:判别判别:质地判别检测检测:测量:图像分割、目标检测:IvorySQL 2025IvorySQL 2025生态大会生态大会暨暨PostgreSQLPostgreSQL高峰论坛高峰论坛Tunnel Conv Tunnel Conv 算子与算子与 TNN TNN 网络网络构构型型非线性滤波器、批量生成式非线性滤波器、批量生成式模型模型TNN TNN 网络构型与网络构型与 CNN CNN 的对比的对比构型的区别构型的区别:池化对信息是否有损、区域重叠池化对信息是否有损、区域重叠/重复计算重复

5、计算/冗余计算、参数在各层的分布冗余计算、参数在各层的分布是否合理是否合理IvorySQL 2025IvorySQL 2025生态大会生态大会暨暨PostgreSQLPostgreSQL高峰论坛高峰论坛TNN TNN 网络构型与网络构型与 CNN CNN 的对比的对比YOLO:you only look 真的 once?后处理的区别后处理的区别:yolo anchor VS:yolo anchor VS 频域空间域变换成像频域空间域变换成像IvorySQL 2025IvorySQL 2025生态大会生态大会暨暨PostgreSQLPostgreSQL高峰论坛高峰论坛VS VS 生成式语言大模型

6、生成式语言大模型PG PG 已经具备部署已经具备部署 SLM SLM 的技术条件的技术条件IvorySQL 2025IvorySQL 2025生态大会生态大会暨暨PostgreSQLPostgreSQL高峰论坛高峰论坛矩阵乘法近似算法(高复杂度环节,float 乘法完全被 int 加法代替)https:/ 项目cpu+0.4GB 内存https:/bitnet- by token 是必须的吗?attention is all you need?替代 transformer 模型构型是什么样子?在库内模型背景下,MCP 是必须的吗?初步验证初步验证:TNN

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要介绍了IvorySQL 2025生态大会暨PostgreSQL高峰论坛上关于库内深度模型探索与实践的内容。关键点如下: 1. 库内模型原理:通过模型结构和计算图,展示如何在数据库内部进行模型训练与推理。 2. 应用案例:包括机器视觉识别、TNN网络构型与CNN对比、生成式语言大模型等。 3. 挑战:涉及张量高速存取、库内框架接入算力资源等问题。 4. 展望:提出无代码设计、训练深度模型,以及基于PG数据库的模型完整生态等。 核心数据: - 模型训练:训练次数1至10000,损失函数从2.3536降至0.0036。 - 模型量化案例:bitnet-b1.58-2B-4T项目,使用CPU+0.4GB内存。 文章最后提到郭铁成联系方式:Tel:135 3765 9360。
"库内模型原理揭秘" - 如何在PostgreSQL内实现深度学习模型训练? "TNN网络对比CNN有何优势?" - 探究库内模型中TNN构型与经典CNN的区别及创新点。 库内模型发展" - 面临哪些挑战,未来库内模型又将如何实现无代码设计?
客服
商务合作
小程序
服务号
折叠