 |
kzzhrV2EX 第 69171 号会员，加入于 2014-07-28 14:02:28 +08:00 |
yifangtian
romatic.net
micln
kzzhr
kzzhr 最近回复了
16 天前 回复了 julyclyde 创建的主题 › 职场话题 › 提议不要用“优化”“毕业”这些词 |
肄业
21 天前 回复了 kzzhr 创建的主题 › 京东 › 京东真是越来越狗了，保价越来越难申请，变着花样坑消费者 |
100 天前 回复了 kzzhr 创建的主题 › 分享发现 › 发现京东修改 plus 权益了，京准达需要单独收费了 |
@idragonet 100 元优惠券我这里还是能看到的，显示到这个会员周期结束。不过从我自己的体验来说，越来越多的商品不能使用东券了。所以也没太当回事
100 天前 回复了 kzzhr 创建的主题 › 分享发现 › 发现京东修改 plus 权益了，京准达需要单独收费了 |
@IvanLi127 运费券可以抵的，两周内还用过一次
211 天前 回复了 zodia 创建的主题 › 问与答 › 在大城市，平时可以去哪里瞎逛游？ |
博物馆。空调足，新鲜感强
245 天前 回复了 kzzhr 创建的主题 › 宽带症候群 › 打算办北京移动宽带，外加 20 的公网 IP，有没有过来人分享下感受 |
@oldhan 上行怎么有这么多？我看介绍页 500 兆的宽带上行只有 30
互斥这个之前还真不清楚，非常感谢！
互斥这个之前还真不清楚，非常感谢！
245 天前 回复了 kzzhr 创建的主题 › 宽带症候群 › 打算办北京移动宽带，外加 20 的公网 IP，有没有过来人分享下感受 |
@blufaux 这个是个什么活动？没看到。我看介绍页要消费满 198 才有千兆
247 天前 回复了 laoooo 创建的主题 › 问与答 › 需要一个高性能的图片相似度计算方案 |
我把这个问题丢给了 GPT ，以下是他的回答（还给了个代码，太长了不贴了。。。）
要实现一个高性能的图片相似度计算方案，可以使用以下方法：
1. 使用深度学习模型：使用预训练的深度学习模型，如 VGG, ResNet 等，可以更高效地提取图像特征。这些特征可以用于计算相似度。
2. 特征向量降维：使用 PCA 或 t-SNE 等方法对特征向量进行降维，这样可以减少计算量，提高相似度计算速度。
3. 近似最近邻搜索：对于相似度计算，可以使用近似最近邻搜索（ Approximate Nearest Neighbors ，ANN ）算法，如 Annoy 、Faiss 等库。它们可以在保持搜索质量的同时大大提高搜索速度。
4. 多线程 /多进程：使用 Python 的 multiprocessing 或 concurrent.futures 模块来实现多线程 /多进程并行计算。
要实现一个高性能的图片相似度计算方案，可以使用以下方法：
1. 使用深度学习模型：使用预训练的深度学习模型，如 VGG, ResNet 等，可以更高效地提取图像特征。这些特征可以用于计算相似度。
2. 特征向量降维：使用 PCA 或 t-SNE 等方法对特征向量进行降维，这样可以减少计算量，提高相似度计算速度。
3. 近似最近邻搜索：对于相似度计算，可以使用近似最近邻搜索（ Approximate Nearest Neighbors ，ANN ）算法，如 Annoy 、Faiss 等库。它们可以在保持搜索质量的同时大大提高搜索速度。
4. 多线程 /多进程：使用 Python 的 multiprocessing 或 concurrent.futures 模块来实现多线程 /多进程并行计算。
Select Language