大模型实战营笔记第10页

服务器的结构和种类

由于服务器的主板扩展性较强、插槽也多出一堆，所以个头比普通主板大一些，因此塔式服务器的主机机箱也比标准的ATX机箱要大，一般都会预留足够的内部空间以便日后进行硬盘和电源的冗余扩展。

q2827116259·2025-03-25 10:59

AI产品经理=大模型产品经理

AIGC最近的面试机会依然非常多，陆陆续续收到很多学生的报喜，薪资10K–>19K；13K–>20K；20K–>32K；总包从45W–>60W，57W–>110W等等，所以转行要趁早呀❤️在这里分享一套2个月上岸AIGC产品经理的思路，普通人可以直接抄！一：多看行业资讯网站或者公众号转行AIGC必看的网站/公主号：新智元：AI深度文章；机器之心：行业资讯、ai干货、新产品；量子位：公关PR稿；行业

AI大模型-大飞·2025-03-25 10:59

R²AIN SUITE 亮相中国制造业&新能源数智峰会

这款基于大模型的智能提效平台，在峰会现场引发多家制造业公司技术决策者的高度关注。R²AINSUITE深度契合制造业数字化升级的核心诉求，专为采购计划

Vteam画简科技·2025-03-25 10:54

Python爬虫实战：爬取猫眼与淘票票电影票务平台数据

引言随着电影行业的发展，电影票务平台已经成为观众购票的重要渠道。猫眼电影和淘票票作为国内领先的票务平台之一，提供了丰富的电影信息，包括电影名称、评分、排片、票价等。对于数据分析师、开发者或电影行业从业者而言，从这些平台爬取数据是一个非常有价值的任务。在本文中，我们将深入介绍如何使用Python爬虫技术，爬取猫眼和淘票票电影票务平台上的数据。我们将使用最新的技术栈，如requests、Beautif

Python爬虫项目·2025-03-25 10:52

Python爬虫实战：携程旅游平台数据爬取

引言携程是中国最大的旅游平台之一，提供了广泛的旅游服务，包括酒店预订、机票购买、旅游路线、景点信息等。对于旅行爱好者、数据分析师或商家来说，爬取携程网站上的旅游数据，能够帮助他们更好地了解市场需求、优化旅游路线、提高酒店预订率等。在本文中，我们将通过使用Python爬虫技术，爬取携程平台上的酒店、旅游路线、景点和价格等数据，并进行分析。我们将使用最新的爬虫技术栈，包括requests、Beauti

Python爬虫项目·2025-03-25 10:52

Unity引擎架构介绍及代码示例

一、Unity引擎架构概述Unity引擎的架构可以分为以下几个主要部分：1.核心模块：渲染系统：负责将3D模型、材质、光照等元素渲染到屏幕上。

NotOnlyCoding·2025-03-25 10:21

21.13 “零代码实战：ChatGLM3-6B+Gradio打造企业级翻译神器，本地部署秒级响应“

基于ChatGLM3-6B实现图形化界面的openai-translator关键词：ChatGLM3-6B应用开发,Gradio界面设计,多语言翻译系统,大模型微调,本地化部署一、项目背景与技术选型1.1

少林码僧·2025-03-25 10:20

python爬虫学习笔记-requests基础

爬虫初始为什么要学习爬虫之前在授课过程中，好多同学都问过我这样的一个问题：为什么要学习爬虫，学习爬虫能够为我们以后的发展带来那些好处？其实学习爬虫的原因和为我们以后发展带来的好处都是显而易见的，无论是从实际的应用还是从就业上。我们都知道，当前我们所处的时代是大数据的时代，在大数据时代，要进行数据分析，首先要有数据源，而学习爬虫，可以让我们获取更多的数据源，并且这些数据源可以按我们的目的进行采集。优

资料小助手·2025-03-25 09:49

AI一键草图生成3D模型：设计师的“3D草图本”来了！

你是否也曾幻想过，随手画几笔草图，就能瞬间生成一个栩栩如生的3D模型？现在，这个梦想已经成为现实！

花生糖@·2025-03-25 09:18

python学习笔记--实现简单的爬虫(一)

任务：爬取豆瓣最受欢迎的250个电影的资料链接：豆瓣电影Top250用浏览器打开后，使用F12或鼠标右键--检查，查看网页的源代码，分析网页结构，如下图所示：分析后得知：1.电影名位于class为hd的div中，里边嵌套中一层a标签和span标签，最终目的地为；2.电影评分位于class_="rating_num"的span中；3.电影资料位于class_="bd"的div中；参见下图：下面通过编

moxiaoran5753·2025-03-25 09:48

LangChain4j 与 LLM 代理（Agent）机制的深度结合

LangChain4j与LLM代理（Agent）机制的深度结合在大语言模型（LLM）的应用开发中，Agent（代理）是一个强大的概念，它可以使LLM不仅仅是一个简单的对话模型，而是能够动态决策、调用工具

小张学Ai·2025-03-25 09:18

深入理解C++面向对象编程与实战应用

一、引言在C++的学习旅程中，侯捷老师的系列课程如同一盏明灯，指引我们深入理解C++的精髓。作为一名开发者，我深感其课程对于我理解C++的面向对象编程有着极大的帮助。本文将围绕侯捷老师的C++课程，分享我对面向对象编程的理解和学习心得。二、侯捷C++课程学习内容概述侯捷老师的C++课程从基础语法开始，逐步引导我们深入了解C++的面向对象特性。课程涵盖了类与对象、继承与多态、模板元编

爱编程的Loren·2025-03-25 09:47

AI开发：用模型来识别手写数字的完整教程含源码 - Python 机器学习

scikit-learn是一个强大的Python机器学习库，提供多种分类、回归、聚类算法，适用于从数据预处理到模型评估的全流程。它支持简单一致的API，适合快速构建和测试模型。

minstbe·2025-03-25 09:47

基于ISSA-CNN-BiGRU-SelfAttention多变量时序预测（多输入单输出）Matlab

基于ISSA-CNN-BiGRU-SelfAttention的多变量时序预测模型研究一、引言1.1研究背景与意义在当今信息化、数字化飞速发展的时代，多变量时序预测在诸多领域都发挥着至关重要的作用。

默默科研仔·2025-03-25 09:45

ai-by-hand-excel: 用 Excel 手搓各种 AI 算法和模型

GitHub：https://github.com/ImagineAILab/ai-by-hand-excel更多AI开源软件：发现分享好用的AI工具、AI开源软件、AI模型、AI变现-小众AI通过Excel

小众AI·2025-03-25 09:14

第三十三篇事实表深度设计原理：从数学基础到工业级实现的完整框架

目录一、数学原理深度解析1.1四元组模型详解1.2关系代数公式拆解1.3可加性类型辨析二、工业级设计规范2.1粒度控制矩阵详解2.2范式理论实践三、高级工程实践3.1SCD类型4实现详解3.2分布式存储设计四

随缘而动，随遇而安·2025-03-25 09:14

解锁C++黑魔法：操作符重载与临时对象的奇幻之旅

目录一、C++魔法师的新工具：操作符重载1.1操作符重载初印象1.2重载规则大揭秘1.3常见操作符重载实例二、神秘的临时对象2.1临时对象现身2.2临时对象的生命周期与作用域2.3编译器对临时对象的优化三

大雨淅淅·2025-03-25 09:44

大模型推理能力的局限性

然而，尽管这些模型表现出色，它们在推理和理解复杂上下文方面仍然面临重大挑战。这些模型擅长识别并模仿训练数据中的模式，但当任务需要真正的理解和逻辑推理时，它们往往遇困。

·2025-03-25 08:13

阿里二面：双亲委派机制？原理？能打破吗？

小龙coding·2025-03-25 08:11

Spring AI Alibaba快速使用

但是，SpringAI不支持获取接入国内的大部分常见模型的，比如文心一言、通义千问等。所以，对于国内开发者来说，能够正常使用（不需要魔法）SpringAI就是刚需了，即

Charge8·2025-03-25 08:41

一线大厂架构实战文档：Spring Boot+Spring Cloud+MyBatis+Nginx

现在，下面这些实战文档就是由某大厂一线架构师来手撕分布式微服务架构，

编码博客控·2025-03-25 08:11

第3期：跨越次元壁——生成式AI与真实业务系统的对接实战

真实故事开篇某电商公司用AI生成商品描述，初期直接照搬ChatGPT的输出，结果出现"这件T恤轻如蝉翼，穿上它您将获得蚁人的体型"这类离谱文案。经过工程化改造后，AI变成严格遵循规范的"金牌文案助手"，转化率提升37%！一、从玩具到工具：AI落地的三次进化#初阶：直连模式（实验室玩具）response=chatgpt.generate("生成手机文案")#进阶：规则引擎模式（初级工具）prompt

不想加班的码小牛·2025-03-25 08:39

YOLO编程：开启计算机视觉的神奇之门

、YOLO的独特优势（一）速度为王（二）精度可靠（三）部署便捷四、YOLO的工作流程揭秘（一）图像分割与网格划分（二）目标预测与数据输出（三）结果筛选与最终确定五、YOLO编程实践（一）准备工作（二）模型训练

大雨淅淅·2025-03-25 07:37

Spring AI Alibaba ChatClient使用

简介ChatClient：https://java2ai.com/docs/1.0.0-M5.1/tutorials/chat-client/1、ChatClient简介ChatClient提供了与AI模型通信的

Charge8·2025-03-25 07:07

Tensorflow 2 单GPU同时训练多个模型

Tensorflow2单GPU同时训练多个模型问题有时我们需要对多个模型进行性能对比。若一次只训练一个模型，我们需要时刻关注训练进度，非常耗费精力。同时进行多个模型的训练能够降低人力成本。

TTTYYZZ·2025-03-25 07:36

ensp学习笔记

目录eNSP介绍VRP的介绍eNSP具有的显著特点任务实施——添加网络设备并修改标签名任务实施——配置设备主菜单包含的内容工具栏网络设备区工作区设备接口区任务实施——设置设备名称任务实施——设置系统时钟任务实施——设置标题信息任务实施——查看网络设备的基本信息任务实施——配置设备接口信息使用undo命令行undo命令用户恢复默认设置undo命令用来禁用某个功能undo命令用户删除某项配置命令行在线

我就是一粒沙·2025-03-25 07:04

十亿级流量削峰实战：LinkedBlockingQueue缓冲池的工程化实现

《十亿级流量削峰实战：LinkedBlockingQueue缓冲池的工程化实现》本文将以电商秒杀系统为背景，深度解析如何通过LinkedBlockingQueue构建百万QPS级异步缓冲系统，包含容量计算模型

猿享天开·2025-03-25 07:03

Java SpringBoot调用大模型AI构建AI应用

本文是一个用springboot结合springmvc和springaialibaba调用国产大模型通义千问的具体例子，按照这个做能够快速的搞定Java应用的调用。

m0_74823239·2025-03-25 07:33

怎么在linux服务器选择GPU进行训练模型？

首先查看当前节点有那些可用的GPU：使用nvidia-smi命令来查询Linux服务器上可用的GPUnvidia-smi命令会输出一些关于服务器上NVIDIAGPU的信息，包括每个GPU的型号、驱动版本、总内存、使用内存、温度、功率和运行在其上的进程等。然后选择第0个和第1个GPU进行使用：CUDA_VISIBLE_DEVICES=0,1pythontrain.py设置CUDA_VISIBLE_D

LRJ-jonas·2025-03-25 07:03

如何在多个GPU中训练非常大的模型？

目录一、并行训练策略1.数据并行2.模型并行3.混合并行：4.上下文并行二、内存优化技术三、总结在多个GPU上训练超大规模模型（如千亿参数级语言模型）需要结合并行策略、内存优化技术、分布式框架。

Mr终游·2025-03-25 07:00

软件测试笔记｜web自动化测试｜什么是class_name元素定位？

在Web自动化测试中，class_name元素定位是通过HTML元素的class属性值来定位页面元素的一种方式。例如，有一个HTML元素Somecontent，在自动化测试中可以使用测试框架提供的方法，通过“my-class”这个class属性值来定位到这个div元素。class_name定位的优点是：1.如果页面上的元素具有独特的class属性值，定位相对容易。2.可以同时定位多个具有相同cla

阳哥整理软件测试笔记·2025-03-25 06:59

腾讯云大模型知识引擎 + DeepSeek：打造懒人专属的谷歌浏览器翻译插件

科技文章：腾讯云大模型知识引擎+DeepSeek：打造懒人专属的谷歌浏览器翻译插件摘要：随着人工智能技术的飞速发展，尤其是大模型技术的不断突破，智能翻译逐渐成为人们日常互联网活动中不可或缺的一部分。

荣华富贵8·2025-03-25 06:58

Linux C++：标准IO&文件IO

1.什么是标准IO：标准I/O是ANSIC建立的一个标准I/O模型，是一个标准函数包和stdio.h头文件中的定义，具有一定的可移植性。标准IO库处理很多细节。例如缓存分配，以优化长度执行IO等。

回忆是本书·2025-03-25 06:58

UI自动化测试之八大元素定位方法（最新版）

Selenium—UI自动化测试之八大元素定位方法（最新版）前言UI界面本质上就是HTML直接体现,脚本通过HTML标签信息来找到具体的元素。

软测小子·2025-03-25 06:27

模型量化的原因和方法

优化模型参数以适应有限内存环境为了使具有大量参数（例如Llama3.1的4050亿个参数）的大型语言模型在合理内存的设备上高效运行，需要对模型进行一系列优化。

潇湘馆记·2025-03-25 06:27

鸿蒙HarmonyOS NEXT开发实战：【远场通信】送网络请求-HTTP

鸿蒙开发实战往期文章必看：HarmonyOSNEXT应用开发性能实践总结一分钟了解”纯血版！鸿蒙HarmonyOSNext应用开发！“非常详细的”鸿蒙HarmonyOSNext应用开发学习路线！

我很英俊小名男男·2025-03-25 06:25

鸿蒙HarmonyOS NEXT开发实战：Network Boost Kit（网络加速服务）

鸿蒙开发往期必看：HarmonyOSNEXT应用开发性能实践总结一分钟了解”纯血版！鸿蒙HarmonyOSNext应用开发！“非常详细的”鸿蒙HarmonyOSNext应用开发学习路线！（从零基础入门到精通）

我很英俊小名男男·2025-03-25 06:24

【爬虫系列】一些碎碎念的基础认知（1）

根据应用场景和技术特性的不同，网络爬虫主要分为三大技术类型：通用网络爬虫：要遵守robots协议聚焦网络爬虫：与通用的区别是会对网页内容进行筛选和处理。增量式网络爬虫

海苔苔苔苔·2025-03-25 06:24

前端面试题总结(PS:尊重劳动成果拿或者要原笔记记得滴滴)

前端优化性能的方法压缩字体文件使用fontmin-webpack插件对字体文件进行压缩减少HTTP请求使用字体图标iconfont代替图片图标使用webp格式的图片减少重绘重排使用事件委托使用WebWorkershtml+css1.HTML和CCS3新增那些内容？广义上的html5指的是最新一代前端开发技术的总称，包括html5，CSS3，新增的webAPI。Html中新增了：header,foo

掉头发的前端酒窝妹妹·2025-03-25 06:54

鸿蒙HarmonyOS NEXT实战开发：自动生成动态路由实现案例

介绍本示例将介绍如何使用装饰器和插件，自动生成动态路由表，并通过动态路由跳转到模块中的页面，以及如何使用动态import的方式加载模块。使用说明自定义装饰器添加装饰器和插件配置文件，编译时自动生成动态路由表配置动态路由，通过WrapBuilder接口，动态创建页面并跳转。动态import变量表达式，需要DevEcoStudioNEXTDeveloperPreview1（4.1.3.500）版本ID

前端_王华QAQ·2025-03-25 06:23

Python 利用随机森林评估农业干旱的动态可预测性与关键因子

前言在61年滑动窗口的73年时间片中，基于随机森林（RandomForest,RF）模型计算农业干旱动态可预测性的解释方差（以决定系数R2乘以100%表示，即R2×100%）。

有梦想的Frank博士·2025-03-25 05:22

网吧偶遇“代码少女”：打破刻板印象的奇妙夜晚

昨天晚上，跟往常一样，找了个熟悉的角落坐下，戴上耳机，准备在游戏世界里大杀四方。刚玩了没多久，我眼睛余光瞥见隔壁桌来了个小妹妹。一开始我也没太在意，心想着估计也就是来玩游戏或者看剧的。

飞哥知行录·2025-03-25 05:21

鸿蒙HarmonyOS NEXT开发：常见性能优化场景-（文件上传下载性能提升）

往期鸿蒙全套实战精彩文章必看内容：鸿蒙开发核心知识点，看这篇文章就够了最新版！

小叮当QAQ·2025-03-25 05:51

vue实战笔记整理——用户列表小案例

vue实战——笔记整理——黑马用户列表案例目录1.初始化项目1.1梳理项目结构1.2修改项目的开发调试配置1.3初始化路由1.4使用路由渲染UserList组件2.渲染用户列表组件2.1安装并配置axios2.2

Thaley·2025-03-25 05:51

从OSI七层网络模型角度了解CAN通信协议

CAN通信协议的网络架构基于OSI七层模型进行设计，但实际实现中根据其应用场景（如汽车电子、工业控制等）进行了简化和优化。

草莓仙生·2025-03-25 05:20

性能测试笔记

3、JMeter基础JMeter简介JMeter是免费、开源、纯Java开发的性能测试工具，JMeter可以用于对服务器、网络或对象模拟巨大的负载，来自不同压力类别下的测试它们的强度和分析整体性能。能够对应用程序做功能/回归测试，通过创建带有断言的脚本来验证你的程序是否返回了你期望的结果，JMeter允许使用正则表达式来创建断言CGI(CommonGatewayInterface)是WWW技术中最

云半S一·2025-03-25 05:49

MATLAB图像处理：64级小波变换与边缘检测实战

本文还有配套的精品资源，点击获取简介：小波变换是数字信号处理中强大的工具，特别适用于图像分析和处理。本资料包着重探讨如何利用MATLAB进行64级小波变换以实现图像的方向性和边缘检测。通过分析小波变换的多分辨率特性以及其在提取图像细节和边缘信息中的优势，本课程将指导学生通过实际操作步骤，包括图像加载、小波分解、边缘定位及图像重构，来掌握小波变换和边缘检测算法。学生将学习如何使用MATLAB中的wa

ELSON麦香包·2025-03-25 05:48

Springboot之RequestContextHolder 学习笔记

1.核心作用RequestContextHolder是Spring框架中用于管理当前线程请求上下文的工具类。它的主要功能包括：存储请求上下文：通过ThreadLocal存储与当前线程绑定的RequestAttributes对象（如ServletRequestAttributes）。全局访问点：提供静态方法，允许任意层代码（如Service或DAO层）无需显式传递HttpServletRequest

走向自由·2025-03-25 05:16

题型笔记 | Apriori算法

目录内容拓展知识内容其步骤如下：扫描全部数据，产生候选项111项集的集合C1C_1C1根据最小支持度，由候选111项集的集合C1C_1C1产生频繁111项集的集合L1L_1L1。若k>1k>1k>1，重复步骤(4)(4)(4)、(5)(5)(5)和(6)(6)(6)由LkL_kLk执行连接和剪枝操作，产生候选k+1k+1k+1项集的集合Ck+1C_{k+1}Ck+1。根据最小支持度，由候选k+1k

Mryan2005·2025-03-25 05:14

群核科技开源空间理解生成模型SpatialLM, 构建具身智能训练基座

在今年的英伟达GTC全球大会上，群核科技自主研发的空间理解模型SpatialLM宣布正式开源。该模型仅通过一段视频即可生成物理正确的3D场景布局。

·2025-03-25 04:10

推荐频道

大模型实战营笔记