स्थिर log-sum-exp समेकन
घात निकालने से पहले अधिकतम घटाकर ऋण 1e300 से 1e300 तक अधिकतम 1000 लॉग मान समेकित करें।
from math import exp, fsum, log, inf
def log_sum_exp(values):
if type(values) not in (list, tuple) or len(values) > 1000:
raise ValueError("values.container")
values = tuple(values)
if len(values) > 1000 or any(
type(v) not in (int, float) or not -1e300 <= v <= 1e300 for v in values
):
raise ValueError("values.range")
if not values:
return -inf
peak = max(values)
return peak + log(fsum(exp(v - peak) for v in values))| लागू करने से पहले समीक्षा करें | वास्तविक व्यवहार की अपेक्षित परिणाम से तुलना करें। जाँच असफल हो तो अगले बदलाव से पहले कारण समझें। |
|---|---|
| मॉडल | बेस URL और आवश्यक होने पर API कुंजी से OpenAI-संगत या Anthropic endpoint सेट करें। कनेक्शन जाँचें। स्थानीय मॉडल सर्वर चालू होना चाहिए; दूरस्थ उपकरण अलग से डेटा भेज सकते हैं। |
| प्रोजेक्ट | खाली इनपुट, दोहराए बड़े और बहुत ऋणात्मक मान जाँचें तथा केवल खाली इनपुट पर ऋण अनंत लौटाकर बूलियन, गैर-सीमित या सीमा-बाहर सदस्य अस्वीकार करें। |
from math import exp, fsum, log, inf
def log_sum_exp(values):
if type(values) not in (list, tuple) or len(values) > 1000:
raise ValueError("values.container")
values = tuple(values)
if len(values) > 1000 or any(
type(v) not in (int, float) or not -1e300 <= v <= 1e300 for v in values
):
raise ValueError("values.range")
if not values:
return -inf
peak = max(values)
return peak + log(fsum(exp(v - peak) for v in values))नए परिणाम पर भरोसे से पहले संख्यात्मक व्यवहार देखें
ExponQuay उन डेवलपर के लिए Windows एआई कोडिंग क्लाइंट है जिन्हें अनुप्रयोग संदर्भ में संख्यात्मक बदलाव की व्याख्या चाहिए। स्रोत, समस्याग्रस्त इनपुट और अपेक्षित व्यवहार प्रोजेक्ट की बातचीत में लाएँ। उपयोगी पहला अनुरोध जुड़े मॉडल से इच्छित गणितीय प्रक्रिया को मौजूदा कार्यान्वयन की सीमाओं से अलग करने को कहता है।
मसलन, लघुगणकीय समेकन में सीमित इनपुट मान, अधिकतम संग्रह आकार और खाली इनपुट का परिणाम निर्दिष्ट कर सकते हैं। मॉडल से उस अनुबंध को सुरक्षित रखते हुए अधिकतम मान खिसकाने वाले तरीके की जाँच करवाएँ। उत्तर इस्तेमाल करने वाला कॉलर दें, खासकर यदि वह खाली समेकन और परिमित संख्यात्मक परिणाम में अंतर करता है। चर्चा आपके प्रोजेक्ट के कोड की ही रहती है।
प्रस्ताव स्वीकारने से पहले अपने वातावरण में दोहराए बड़े मानों और बहुत ऋणात्मक मानों के मामले चलाएँ। सामान्य परिणाम के साथ असमर्थित प्रकार और सीमा से बाहर के इनपुट की अस्वीकृति जाँचें। अनुप्रयोग की आवश्यक परिशुद्धता के उपयुक्त संदर्भ से मिलाएँ। स्थिरता सुधारने के उद्देश्य वाला तरीका भी वास्तविक कार्यभार पर सत्यापन का पात्र है।
ExponQuay द्वारा समर्थित OpenAI-संगत या Anthropic एंडपॉइंट चुनें। वहाँ अनफ़िल्टर्ड एआई मॉडल उपलब्ध हों तो आवश्यक क्रेडेंशियल देकर चुन सकते हैं। उसका लेबल गणितीय परिशुद्धता का वादा नहीं है; मॉडल पाबंदियाँ, संदर्भ सीमाएँ और टूल समर्थन वास्तविक एंडपॉइंट व मॉडल कॉन्फ़िगरेशन पर निर्भर हैं।
संख्यात्मक समेकन समीक्षा की तैयारी
समस्याग्रस्त संख्यात्मक इनपुट के साथ क्या दें?
अपेक्षित सीमा या संदर्भ परिणाम, स्वीकृत इनपुट प्रकार और विशेष आउटपुट के प्रति कॉलर का व्यवहार दें। इससे बातचीत केवल अभिव्यक्ति को गणितीय रूप से मिलते सूत्र से बदलने के बजाय अनुप्रयोग की आवश्यकता पर केंद्रित होती है।
क्या खाली इनपुट पर साधारण संख्या लौटनी चाहिए?
अपने निर्दिष्ट अनुबंध का पालन करें। उदाहरण खाली समेकन पर ऋणात्मक अनंत देता है, जिसे उपयोगकर्ता कोड को समझना चाहिए। प्रस्तावित बदलाव स्वीकारने से पहले उस कॉलर को देखें और खाली मामले को बहुत ऋणात्मक लेकिन मान्य इनपुट से अलग जाँचें।
दोहराए बड़े मान क्यों जाँचें?
वे इस प्रोजेक्ट उदाहरण में चर्चित समेकन तरीके की उपयोगी सीमा परखते हैं। अपेक्षित व्यवहार बताएँ और उपयुक्त संदर्भ से कार्यान्वयन मिलाएँ। चरम मानों से बचने वाले एक सामान्य नमूने से सामान्य संख्यात्मक शुद्धता का अनुमान न लगाएँ।
क्या मॉडल स्वीकार्य त्रुटि सहनशीलता चुन सकता है?
वह लाभ-हानि समझा सकता है, लेकिन सहनशीलता अनुप्रयोग की आवश्यकताएँ तय करती हैं। वह आवश्यकता और उपयोग में आने वाले संख्या प्रकार दें। अपने टूल से प्रतिनिधि इनपुट पर प्रस्ताव चलाएँ और समीक्षा में देखी सीमाएँ दर्ज करें।
ExponQuay · अद्यतन 2026-10-25
