Shallow Dreamer Blog

获取模型配置数据

在 Django 中进行权限数据初始化时,无需使用私有方法,可以通过 Django 提供的公共 API 获取模型的 app_label、verbose_name 以及默认权限等信息。以下是一个标准且合规的方式来实现基于模型自动初始化权限数据的方法: ✅ 一、获取模型的元信息(Meta) 你可以从模型类中通过 _meta 获取如下信息(这是公有 API): from django.a...

训练过程记录

你提出的这个需求非常清晰,而且很实用,属于一种分段线性采样策略,我们可以称它为: ✅ 「分段精度采样(Piecewise Linear Sampling)」策略 📌 核心目标 在训练轮次较小时(如 <1000),记录全部数据; 当训练轮次较大时(如 >100000),线性间隔采样; 总记录条数保持在合理范围,如 2000~10000; 无需提前知道总轮...

模型保存测试

✅ 好的! 这句话非常关键: “我希望在加载时能完全还原训练时保存的模型,包括训练出的参数等。” ⚡ 这里的重点:要“完全还原”不仅仅是结构和参数,还包括优化器状态、超参数、epoch 等训练上下文。 🟢 你需要什么? 需要什么 解释 1️⃣ 结构 必须保留(或用 To...

预测流程测试

太好了,你这套 【预测前的输入数据质检】 的思路是非常专业、非常有必要的! 我帮你把这个需求整理成一个可落地的、可执行的标准方案,并给你示例代码示意,方便你直接落地到你的多输入多输出场景。 ✅ 1️⃣ 你的检测目标拆解 你要做的: 检测项 要点 常用做法 1. 缺失值检测 ...

组与组员的查找

下面是一个完整的 Django 单元测试代码示例,用于测试你这个“找出标签集合完全一致的 TagGroup”逻辑,不使用原生 SQL,仅使用 Django ORM(依赖 PostgreSQL 的 ArrayAgg)。 ✅ 模型假设(用于测试) # models.py from django.db import models class TagGroup(models.Model):...

训练流程测试

你这个需求可以很好地使用 适配器模式 来构建一个灵活的模型训练框架,用于适配各种不同类型的模型(如线性回归、神经网络、LLM、大数据分析等)。 下面我将为你提供一个完整的结构化训练流程框架,包含以下模块: ✅ 总体流程(模块划分) User Request ↓ 1. 参数输入(模型参数 + 因子参数 + 训练数据列表) ↓ 2. 数据清洗(缺失值、字段映射、类型识别) ...

模型适配器测试

为了设计一个通用的 模型训练流程框架,能够适配多种模型类型(如线性回归、数据分析、大语言模型等),最好的方法是使用 “适配器模式(Adapter Pattern)” 来封装不同类型模型的差异,使它们统一实现一套训练和评估接口,便于调度、管理、日志记录、结果展示等。 🧩 一、核心设计理念 统一接口:定义一个抽象基类 BaseModelAdapter,所有模型适配器继承它,实现统一...

dnn

我们逐步讲解 DNN(Deep Neural Network,深度神经网络)模型的实现、原理以及设计方法,并附一个简单的实现示例。 一、什么是 DNN(深度神经网络)? DNN 是一种前馈神经网络(Feedforward Neural Network),由多个隐藏层组成,每一层都包含多个神经元(神经节点)。常用于处理结构化数据、图像、语音、自然语言等任务。 基本结构: 输入...

超参数pydantic

参数 类型 示例值 说明 model_type str ‘resnet18’, ‘bert-base’ 模型结构名称 epochs int 10 训练轮数 ...

update乐观锁测试

from django.db import models # Create your models here. class OptimisticLockException(Exception): def __init__(self, conflict_ids): self.conflict_ids = conflict_ids super().__i...