/** * HTTP API: WP_Http_Curl class * * @package WordPress * @subpackage HTTP * @since 4.4.0 */ /** * Core class used to integrate Curl as an HTTP transport. * * HTTP request method uses Curl extension to retrieve the url. * * Requires the Curl extension to be installed. * * @since 2.7.0 * @deprecated 6.4.0 Use WP_Http * @see WP_Http */ #[AllowDynamicProperties] class WP_Http_Curl { /** * Temporary header storage for during requests. * * @since 3.2.0 * @var string */ private $headers = ''; /** * Temporary body storage for during requests. * * @since 3.6.0 * @var string */ private $body = ''; /** * The maximum amount of data to receive from the remote server. * * @since 3.6.0 * @var int|false */ private $max_body_length = false; /** * The file resource used for streaming to file. * * @since 3.6.0 * @var resource|false */ private $stream_handle = false; /** * The total bytes written in the current request. * * @since 4.1.0 * @var int */ private $bytes_written_total = 0; /** * Send a HTTP request to a URI using cURL extension. * * @since 2.7.0 * * @param string $url The request URL. * @param string|array $args Optional. Override the defaults. * @return array|WP_Error Array containing 'headers', 'body', 'response', 'cookies', 'filename'. A WP_Error instance upon error */ public function request( $url, $args = array() ) { $defaults = array( 'method' => 'GET', 'timeout' => 5, 'redirection' => 5, 'httpversion' => '1.0', 'blocking' => true, 'headers' => array(), 'body' => null, 'cookies' => array(), 'decompress' => false, 'stream' => false, 'filename' => null, ); $parsed_args = wp_parse_args( $args, $defaults ); if ( isset( $parsed_args['headers']['User-Agent'] ) ) { $parsed_args['user-agent'] = $parsed_args['headers']['User-Agent']; unset( $parsed_args['headers']['User-Agent'] ); } elseif ( isset( $parsed_args['headers']['user-agent'] ) ) { $parsed_args['user-agent'] = $parsed_args['headers']['user-agent']; unset( $parsed_args['headers']['user-agent'] ); } // Construct Cookie: header if any cookies are set. WP_Http::buildCookieHeader( $parsed_args ); $handle = curl_init(); // cURL offers really easy proxy support. $proxy = new WP_HTTP_Proxy(); if ( $proxy->is_enabled() && $proxy->send_through_proxy( $url ) ) { curl_setopt( $handle, CURLOPT_PROXYTYPE, CURLPROXY_HTTP ); curl_setopt( $handle, CURLOPT_PROXY, $proxy->host() ); curl_setopt( $handle, CURLOPT_PROXYPORT, $proxy->port() ); if ( $proxy->use_authentication() ) { curl_setopt( $handle, CURLOPT_PROXYAUTH, CURLAUTH_ANY ); curl_setopt( $handle, CURLOPT_PROXYUSERPWD, $proxy->authentication() ); } } $is_local = isset( $parsed_args['local'] ) && $parsed_args['local']; $ssl_verify = isset( $parsed_args['sslverify'] ) && $parsed_args['sslverify']; if ( $is_local ) { /** This filter is documented in wp-includes/class-wp-http-streams.php */ $ssl_verify = apply_filters( 'https_local_ssl_verify', $ssl_verify, $url ); } elseif ( ! $is_local ) { /** This filter is documented in wp-includes/class-wp-http.php */ $ssl_verify = apply_filters( 'https_ssl_verify', $ssl_verify, $url ); } /* * CURLOPT_TIMEOUT and CURLOPT_CONNECTTIMEOUT expect integers. Have to use ceil since. * a value of 0 will allow an unlimited timeout. */ $timeout = (int) ceil( $parsed_args['timeout'] ); curl_setopt( $handle, CURLOPT_CONNECTTIMEOUT, $timeout ); curl_setopt( $handle, CURLOPT_TIMEOUT, $timeout ); curl_setopt( $handle, CURLOPT_URL, $url ); curl_setopt( $handle, CURLOPT_RETURNTRANSFER, true ); curl_setopt( $handle, CURLOPT_SSL_VERIFYHOST, ( true === $ssl_verify ) ? 2 : false ); curl_setopt( $handle, CURLOPT_SSL_VERIFYPEER, $ssl_verify ); if ( $ssl_verify ) { curl_setopt( $handle, CURLOPT_CAINFO, $parsed_args['sslcertificates'] ); } curl_setopt( $handle, CURLOPT_USERAGENT, $parsed_args['user-agent'] ); /* * The option doesn't work with safe mode or when open_basedir is set, and there's * a bug #17490 with redirected POST requests, so handle redirections outside Curl. */ curl_setopt( $handle, CURLOPT_FOLLOWLOCATION, false ); curl_setopt( $handle, CURLOPT_PROTOCOLS, CURLPROTO_HTTP | CURLPROTO_HTTPS ); switch ( $parsed_args['method'] ) { case 'HEAD': curl_setopt( $handle, CURLOPT_NOBODY, true ); break; case 'POST': curl_setopt( $handle, CURLOPT_POST, true ); curl_setopt( $handle, CURLOPT_POSTFIELDS, $parsed_args['body'] ); break; case 'PUT': curl_setopt( $handle, CURLOPT_CUSTOMREQUEST, 'PUT' ); curl_setopt( $handle, CURLOPT_POSTFIELDS, $parsed_args['body'] ); break; default: curl_setopt( $handle, CURLOPT_CUSTOMREQUEST, $parsed_args['method'] ); if ( ! is_null( $parsed_args['body'] ) ) { curl_setopt( $handle, CURLOPT_POSTFIELDS, $parsed_args['body'] ); } break; } if ( true === $parsed_args['blocking'] ) { curl_setopt( $handle, CURLOPT_HEADERFUNCTION, array( $this, 'stream_headers' ) ); curl_setopt( $handle, CURLOPT_WRITEFUNCTION, array( $this, 'stream_body' ) ); } curl_setopt( $handle, CURLOPT_HEADER, false ); if ( isset( $parsed_args['limit_response_size'] ) ) { $this->max_body_length = (int) $parsed_args['limit_response_size']; } else { $this->max_body_length = false; } // If streaming to a file open a file handle, and setup our curl streaming handler. if ( $parsed_args['stream'] ) { if ( ! WP_DEBUG ) { $this->stream_handle = @fopen( $parsed_args['filename'], 'w+' ); } else { $this->stream_handle = fopen( $parsed_args['filename'], 'w+' ); } if ( ! $this->stream_handle ) { return new WP_Error( 'http_request_failed', sprintf( /* translators: 1: fopen(), 2: File name. */ __( 'Could not open handle for %1$s to %2$s.' ), 'fopen()', $parsed_args['filename'] ) ); } } else { $this->stream_handle = false; } if ( ! empty( $parsed_args['headers'] ) ) { // cURL expects full header strings in each element. $headers = array(); foreach ( $parsed_args['headers'] as $name => $value ) { $headers[] = "{$name}: $value"; } curl_setopt( $handle, CURLOPT_HTTPHEADER, $headers ); } if ( '1.0' === $parsed_args['httpversion'] ) { curl_setopt( $handle, CURLOPT_HTTP_VERSION, CURL_HTTP_VERSION_1_0 ); } else { curl_setopt( $handle, CURLOPT_HTTP_VERSION, CURL_HTTP_VERSION_1_1 ); } /** * Fires before the cURL request is executed. * * Cookies are not currently handled by the HTTP API. This action allows * plugins to handle cookies themselves. * * @since 2.8.0 * * @param resource $handle The cURL handle returned by curl_init() (passed by reference). * @param array $parsed_args The HTTP request arguments. * @param string $url The request URL. */ do_action_ref_array( 'http_api_curl', array( &$handle, $parsed_args, $url ) ); // We don't need to return the body, so don't. Just execute request and return. if ( ! $parsed_args['blocking'] ) { curl_exec( $handle ); $curl_error = curl_error( $handle ); if ( $curl_error ) { if ( PHP_VERSION_ID < 80000 ) { // curl_close() has no effect as of PHP 8.0. curl_close( $handle ); } return new WP_Error( 'http_request_failed', $curl_error ); } if ( in_array( curl_getinfo( $handle, CURLINFO_HTTP_CODE ), array( 301, 302 ), true ) ) { if ( PHP_VERSION_ID < 80000 ) { // curl_close() has no effect as of PHP 8.0. curl_close( $handle ); } return new WP_Error( 'http_request_failed', __( 'Too many redirects.' ) ); } if ( PHP_VERSION_ID < 80000 ) { // curl_close() has no effect as of PHP 8.0. curl_close( $handle ); } return array( 'headers' => array(), 'body' => '', 'response' => array( 'code' => false, 'message' => false, ), 'cookies' => array(), ); } curl_exec( $handle ); $processed_headers = WP_Http::processHeaders( $this->headers, $url ); $body = $this->body; $bytes_written_total = $this->bytes_written_total; $this->headers = ''; $this->body = ''; $this->bytes_written_total = 0; $curl_error = curl_errno( $handle ); // If an error occurred, or, no response. if ( $curl_error || ( 0 === strlen( $body ) && empty( $processed_headers['headers'] ) ) ) { if ( CURLE_WRITE_ERROR /* 23 */ === $curl_error ) { if ( ! $this->max_body_length || $this->max_body_length !== $bytes_written_total ) { if ( $parsed_args['stream'] ) { if ( PHP_VERSION_ID < 80000 ) { // curl_close() has no effect as of PHP 8.0. curl_close( $handle ); } fclose( $this->stream_handle ); return new WP_Error( 'http_request_failed', __( 'Failed to write request to temporary file.' ) ); } else { if ( PHP_VERSION_ID < 80000 ) { // curl_close() has no effect as of PHP 8.0. curl_close( $handle ); } return new WP_Error( 'http_request_failed', curl_error( $handle ) ); } } } else { $curl_error = curl_error( $handle ); if ( $curl_error ) { if ( PHP_VERSION_ID < 80000 ) { // curl_close() has no effect as of PHP 8.0. curl_close( $handle ); } return new WP_Error( 'http_request_failed', $curl_error ); } } if ( in_array( curl_getinfo( $handle, CURLINFO_HTTP_CODE ), array( 301, 302 ), true ) ) { if ( PHP_VERSION_ID < 80000 ) { // curl_close() has no effect as of PHP 8.0. curl_close( $handle ); } return new WP_Error( 'http_request_failed', __( 'Too many redirects.' ) ); } } if ( PHP_VERSION_ID < 80000 ) { // curl_close() has no effect as of PHP 8.0. curl_close( $handle ); } if ( $parsed_args['stream'] ) { fclose( $this->stream_handle ); } $response = array( 'headers' => $processed_headers['headers'], 'body' => null, 'response' => $processed_headers['response'], 'cookies' => $processed_headers['cookies'], 'filename' => $parsed_args['filename'], ); // Handle redirects. $redirect_response = WP_Http::handle_redirects( $url, $parsed_args, $response ); if ( false !== $redirect_response ) { return $redirect_response; } if ( true === $parsed_args['decompress'] && true === WP_Http_Encoding::should_decode( $processed_headers['headers'] ) ) { $body = WP_Http_Encoding::decompress( $body ); } $response['body'] = $body; return $response; } /** * Grabs the headers of the cURL request. * * Each header is sent individually to this callback, and is appended to the `$header` property * for temporary storage. * * @since 3.2.0 * * @param resource $handle cURL handle. * @param string $headers cURL request headers. * @return int Length of the request headers. */ private function stream_headers( $handle, $headers ) { $this->headers .= $headers; return strlen( $headers ); } /** * Grabs the body of the cURL request. * * The contents of the document are passed in chunks, and are appended to the `$body` * property for temporary storage. Returning a length shorter than the length of * `$data` passed in will cause cURL to abort the request with `CURLE_WRITE_ERROR`. * * @since 3.6.0 * * @param resource $handle cURL handle. * @param string $data cURL request body. * @return int Total bytes of data written. */ private function stream_body( $handle, $data ) { $data_length = strlen( $data ); if ( $this->max_body_length && ( $this->bytes_written_total + $data_length ) > $this->max_body_length ) { $data_length = ( $this->max_body_length - $this->bytes_written_total ); $data = substr( $data, 0, $data_length ); } if ( $this->stream_handle ) { $bytes_written = fwrite( $this->stream_handle, $data ); } else { $this->body .= $data; $bytes_written = $data_length; } $this->bytes_written_total += $bytes_written; // Upon event of this function returning less than strlen( $data ) curl will error with CURLE_WRITE_ERROR. return $bytes_written; } /** * Determines whether this class can be used for retrieving a URL. * * @since 2.7.0 * * @param array $args Optional. Array of request arguments. Default empty array. * @return bool False means this class can not be used, true means it can. */ public static function test( $args = array() ) { if ( ! function_exists( 'curl_init' ) || ! function_exists( 'curl_exec' ) ) { return false; } $is_ssl = isset( $args['ssl'] ) && $args['ssl']; if ( $is_ssl ) { $curl_version = curl_version(); // Check whether this cURL version support SSL requests. if ( ! ( CURL_VERSION_SSL & $curl_version['features'] ) ) { return false; } } /** * Filters whether cURL can be used as a transport for retrieving a URL. * * @since 2.7.0 * * @param bool $use_class Whether the class can be used. Default true. * @param array $args An array of request arguments. */ return apply_filters( 'use_curl_transport', true, $args ); } } Основы функционирования нейронных сетей – Shweta Poddar Weddings Photography

Основы функционирования нейронных сетей

Основы функционирования нейронных сетей

Нейронные сети представляют собой вычислительные конструкции, имитирующие работу органического мозга. Синтетические нейроны организуются в слои и перерабатывают сведения поочерёдно. Каждый нейрон получает входные информацию, использует к ним математические изменения и передаёт результат последующему слою.

Механизм функционирования казино на деньги построен на обучении через образцы. Сеть обрабатывает огромные количества сведений и определяет правила. В ходе обучения алгоритм регулирует глубинные настройки, сокращая ошибки прогнозов. Чем больше примеров обрабатывает система, тем вернее оказываются итоги.

Актуальные нейросети решают проблемы классификации, регрессии и производства содержимого. Технология задействуется в медицинской диагностике, денежном анализе, беспилотном перемещении. Глубокое обучение обеспечивает разрабатывать модели распознавания речи и фотографий с высокой верностью.

Нейронные сети: что это и зачем они требуются

Нейронная сеть состоит из взаимосвязанных вычислительных блоков, обозначаемых нейронами. Эти элементы выстроены в архитектуру, похожую нервную систему живых организмов. Каждый созданный нейрон принимает сигналы, перерабатывает их и передаёт далее.

Главное достоинство технологии заключается в способности выявлять запутанные паттерны в данных. Классические алгоритмы нуждаются явного написания законов, тогда как казино онлайн самостоятельно определяют закономерности.

Практическое применение затрагивает множество сфер. Банки определяют fraudulent манипуляции. Врачебные центры изучают снимки для установки заключений. Промышленные предприятия улучшают механизмы с помощью прогнозной обработки. Магазинная торговля индивидуализирует офферы потребителям.

Технология решает задачи, невыполнимые классическим алгоритмам. Выявление рукописного содержимого, машинный перевод, прогнозирование временных последовательностей продуктивно исполняются нейросетевыми архитектурами.

Синтетический нейрон: структура, входы, веса и активация

Созданный нейрон является фундаментальным элементом нейронной сети. Блок получает несколько исходных чисел, каждое из которых умножается на релевантный весовой множитель. Коэффициенты устанавливают значимость каждого начального значения.

После произведения все значения складываются. К полученной итогу присоединяется коэффициент смещения, который даёт нейрону включаться при нулевых входах. Сдвиг расширяет универсальность обучения.

Выход суммирования поступает в функцию активации. Эта функция преобразует линейную сумму в итоговый выход. Функция активации добавляет нелинейность в преобразования, что жизненно значимо для решения непростых проблем. Без нелинейного операции online casino не сумела бы приближать непростые паттерны.

Параметры нейрона модифицируются в ходе обучения. Алгоритм корректирует весовые множители, снижая расхождение между оценками и фактическими параметрами. Правильная настройка весов определяет верность функционирования модели.

Структура нейронной сети: слои, соединения и виды конфигураций

Организация нейронной сети описывает метод организации нейронов и соединений между ними. Архитектура состоит из множества слоёв. Исходный слой принимает информацию, промежуточные слои анализируют сведения, финальный слой генерирует ответ.

Соединения между нейронами передают значения от слоя к слою. Каждая связь определяется весовым множителем, который настраивается во время обучения. Плотность связей влияет на процессорную затратность системы.

Имеются разнообразные типы структур:

  • Последовательного распространения — информация идёт от входа к концу
  • Рекуррентные — содержат циклические связи для переработки последовательностей
  • Свёрточные — фокусируются на анализе фотографий
  • Радиально-базисные — задействуют методы расстояния для сортировки

Выбор конфигурации определяется от выполняемой задачи. Количество сети определяет возможность к получению обобщённых особенностей. Верная архитектура онлайн казино обеспечивает лучшее равновесие достоверности и скорости.

Функции активации: зачем они востребованы и чем разнятся

Функции активации конвертируют умноженную итог значений нейрона в итоговый выход. Без этих операций нейронная сеть представляла бы последовательность простых операций. Любая комбинация линейных операций остаётся простой, что сужает потенциал архитектуры.

Нелинейные преобразования активации помогают аппроксимировать сложные связи. Сигмоида компрессирует числа в интервал от нуля до единицы для бинарной разделения. Гиперболический тангенс генерирует значения от минус единицы до плюс единицы.

Функция ReLU обнуляет минусовые величины и сохраняет положительные без корректировок. Элементарность расчётов превращает ReLU популярным вариантом для многослойных сетей. Версии Leaky ReLU и ELU справляются вопрос затухающего градиента.

Softmax используется в финальном слое для многокатегориальной классификации. Преобразование трансформирует массив значений в распределение шансов. Подбор функции активации отражается на темп обучения и производительность деятельности казино онлайн.

Обучение с учителем: отклонение, градиент и обратное передача

Обучение с учителем эксплуатирует помеченные сведения, где каждому значению принадлежит истинный результат. Модель делает предсказание, затем модель определяет разницу между прогнозным и фактическим результатом. Эта разница зовётся функцией ошибок.

Цель обучения кроется в минимизации ошибки методом настройки параметров. Градиент демонстрирует путь максимального увеличения функции отклонений. Процесс идёт в обратном направлении, минимизируя ошибку на каждой цикле.

Метод возвратного распространения определяет градиенты для всех коэффициентов сети. Процесс начинает с выходного слоя и следует к входному. На каждом слое определяется влияние каждого коэффициента в суммарную ошибку.

Параметр обучения регулирует степень изменения параметров на каждом шаге. Слишком избыточная скорость вызывает к колебаниям, слишком маленькая снижает сходимость. Алгоритмы класса Adam и RMSprop динамически регулируют коэффициент для каждого коэффициента. Правильная настройка течения обучения онлайн казино определяет качество итоговой модели.

Переобучение и регуляризация: как предотвратить “заучивания” сведений

Переобучение происходит, когда модель слишком излишне подстраивается под тренировочные сведения. Модель заучивает отдельные образцы вместо определения универсальных паттернов. На новых данных такая система выдаёт слабую правильность.

Регуляризация образует набор методов для исключения переобучения. L1-регуляризация включает к метрике ошибок итог абсолютных значений коэффициентов. L2-регуляризация задействует итог степеней параметров. Оба метода ограничивают модель за избыточные весовые множители.

Dropout случайным образом деактивирует фракцию нейронов во течении обучения. Способ вынуждает сеть размещать знания между всеми блоками. Каждая цикл тренирует немного различающуюся структуру, что увеличивает стабильность.

Преждевременная остановка прерывает обучение при снижении метрик на контрольной выборке. Увеличение массива обучающих информации уменьшает риск переобучения. Аугментация формирует дополнительные варианты посредством преобразования исходных. Комбинация техник регуляризации обеспечивает высокую генерализующую способность online casino.

Базовые виды сетей: полносвязные, сверточные, рекуррентные

Различные топологии нейронных сетей концентрируются на решении определённых групп проблем. Определение вида сети зависит от формата входных сведений и требуемого выхода.

Главные типы нейронных сетей включают:

  • Полносвязные сети — каждый нейрон соединён со всеми нейронами очередного слоя, эксплуатируются для структурированных данных
  • Сверточные сети — эксплуатируют процедуры свертки для переработки картинок, самостоятельно получают позиционные особенности
  • Рекуррентные сети — включают обратные соединения для анализа серий, удерживают данные о прошлых членах
  • Автокодировщики — компрессируют сведения в плотное отображение и воспроизводят оригинальную сведения

Полносвязные топологии нуждаются значительного массы весов. Свёрточные сети результативно справляются с изображениями вследствие разделению параметров. Рекуррентные архитектуры перерабатывают тексты и временные ряды. Трансформеры замещают рекуррентные конфигурации в проблемах обработки языка. Составные структуры объединяют преимущества разнообразных разновидностей онлайн казино.

Информация для обучения: подготовка, нормализация и сегментация на выборки

Качество данных непосредственно определяет продуктивность обучения нейронной сети. Предобработка содержит очистку от дефектов, восполнение отсутствующих данных и исключение дублей. Дефектные сведения порождают к ложным предсказаниям.

Нормализация сводит характеристики к одинаковому размеру. Разные интервалы параметров формируют дисбаланс при определении градиентов. Минимаксная нормализация сжимает значения в отрезок от нуля до единицы. Стандартизация смещает сведения вокруг среднего.

Данные делятся на три выборки. Тренировочная подмножество эксплуатируется для настройки параметров. Проверочная способствует выбирать гиперпараметры и мониторить переобучение. Контрольная оценивает финальное эффективность на новых данных.

Распространённое соотношение составляет семьдесят процентов на обучение, пятнадцать на проверку и пятнадцать на тестирование. Кросс-валидация распределяет данные на несколько сегментов для точной оценки. Выравнивание классов избегает смещение алгоритма. Правильная подготовка сведений критична для эффективного обучения казино онлайн.

Прикладные использования: от идентификации паттернов до порождающих систем

Нейронные сети применяются в обширном диапазоне практических задач. Машинное зрение применяет свёрточные конфигурации для определения элементов на картинках. Системы безопасности определяют лица в режиме актуального времени. Медицинская диагностика исследует кадры для определения патологий.

Анализ естественного языка даёт строить чат-боты, переводчики и системы анализа эмоциональности. Голосовые агенты определяют речь и формируют реплики. Рекомендательные модели угадывают склонности на фундаменте журнала операций.

Создающие архитектуры формируют свежий содержание. Генеративно-состязательные сети генерируют натуральные фотографии. Вариационные автокодировщики формируют версии существующих элементов. Лингвистические алгоритмы генерируют материалы, воспроизводящие живой почерк.

Автономные перевозочные машины задействуют нейросети для ориентации. Денежные структуры оценивают биржевые тренды и измеряют ссудные вероятности. Заводские фабрики оптимизируют производство и определяют сбои устройств с помощью online casino.

articles

Leave a Comment

Your email address will not be published. Required fields are marked *

Las Mejores Plataformas de Casinos con Revisiones Independientes: Tu Guía de Confianza en 2026
Previous Post
Основания работы с информацией в Excel и Google Sheets
Next Post