Во-первых stdafx это мс-овская прибулад, ее надо убрать

во-вторых, обычно стандартные зеголовки подключают через <>, а не "". Так как "" это вроде как поиск заголовка в той же директории, где файл, который подключает заголовок, а <> — из глоабвного пути

Запустилось так
// StlStep2.cpp : Defines the entry point for the console application.

//#include "stdafx.h"
#include "vector"
#include <iostream>


using namespace std;

int main()
{
 vector< int > MyArray;
 
 for (int x=0;x < 10;x++)
   MyArray.push_back(x);

 vector< int >::iterator i;

 for (i=MyArray.begin(); i!=MyArray.end();++i)
   cout << *i << endl;    
   return 0;
}

то есть лучше

#include <vector>
#include <iostream>

спасибо! 🤝

Ну и если уж на то пошло я бы записал так:

for (const auto& i : MyArray)
  ...

Не нужно будет явным образом копаться в итераторах

Вопрос по машинному переводу. В статье Attention is all you need, где были предложены Transformer'ы, авторы используют совмещенный словарь для английского и немецкого языков. Зачем это делается, если это не просто так? Как это обосновать можно?
PS. там токенизация на основе BPE, общий именно словарь токенов

Добрый день, не знаю по чату ли вопрос, может подскажите другой...
Попрошу прощения за детский вопрос, но скажите пожалуйста, а когда человек защищает диссер, кроме него самого есть какая-то выгода другим людям от этого действия? Университету, научнику например? Ну то есть, например, дают ли прибавку к зарплате начальство научнику, если его аспирант защититься ? Или есть какие-то другие плюшки человеку ? Буду благодарен, если подскажите

Мне в отделе аспирантуры сказали, что диссер надо защитить в течение года после того, как официально закончил аспирантуру, иначе это снизит показатели универа. Ну и научнику вроде как плюс, что у него есть защитившийся аспирант. Насчёт денег не знаю, я своего не спрашивал, но думаю, что руководство аспирантом даёт какую-то прибавку к зарплате

Привет всем, такой вопрос, как понять какой RESNET мне нужен? если не ошибаюсь там есть 18 36 50 и 104 не помню точные цифры

Доброго всем дня. Хотел посоветоваться с уже бывалыми. Насколько много внимания нужно уделить освоению теорвера и матстата? Достаточно ли какого-то беглого ознакомления и понимания самих концепций, и следует побыстрее переходить именно к алгоритмам машинного обучения, или же на теорвере и статистике желательно конкретно так задержаться?

С прогой у меняя более-менее  ничего(понимаю базовые алгоритмы и структуры данных, уже имел работу джуниором пайтон веб девелопером), а вот с математикой похуже: в данный момент иду по сжатому математическому курсу от одной интернет-площадки, где материалы даются весьма сжато, но, в целом, понятно. Блоки с матаном и линалом я прошёл, сейчас блок теорвера и матстата, и мне бы понять, насколько подробно стоит на них остановиться, т.к. много раз слышал, что для машоба это суперважные разделы

Слишком мало вводных данных

Ну я имею в виду на какие критерии нужно оператся при выборе

У меня модель должна распознавать 4 признака на изображении, 2 признака занимают по 4-8% изображения, 1 около 15% и 1 около 60-80%

Ты уверен что тебе нужен резнет

Да

Всем привет!
Столкнулся с проблемой в tensorrt: если в модельку постоянно (в цикле) посылать запросы (инференс), то в среднем каждый запрос ~50ms, а когда посылаешь с промежутком 0.5 - 2 секунды (в цикле с sleep-ом), то каждый запрос 500-2000ms. Не знаете в чем может быть проблема?
Setup:
- jetson nano b01
- onnx opset 9
- tensorrt 7.1

Я бы предположил, что дело в кэшах. При регулярных запросах модель в памяти/свопе, а с более длительными интервалами операционная система может их подчищать

Можно как-то зафорсить не чистить кэш?