大模型Demo 第17页

OpenCV 深度学习模块 cv2.dnn 与其他深度学习框架的优缺点对比及适用场景

OpenCV提供了一个深度学习模块cv2.dnn，让开发者能够在计算机视觉项目中轻松加载和推理深度学习模型。

白.夜·2025-03-15 21:26

深度学习中的 blob 格式：与普通 image 的区别及转换原因

在深度学习模型推理过程中，我们经常会用到cv2.dnn.blobFromImage函数将普通图像转换为blob格式。那么，blob格式到底是什么？它和普通image有什么区别？

白.夜·2025-03-15 21:25

第三十个问题-讲讲Agent、MCP、OpenAI Responses API

1.Agent（智能体）136定义与核心功能Agent是什么：能够自主执行复杂任务的智能实体，通常基于大语言模型（LLM）构建，配备指令和工具，可独立完成多步骤任务（如网络搜索、文件处理、自动化操作等）

释迦呼呼·2025-03-15 21:54

大模型在招聘场景下的应用

大模型在招聘场景下的应用具有广泛的可能性。一、简历自动化筛选与匹配应用：大模型能够自动分析大量简历，根据职位要求筛选出合适的候选人，并按匹配度排序。

IT猫仔·2025-03-15 21:23

DeepSeek多语言智能创作引擎解析

该系统依托动态路由机制，将视觉语言理解模块与多语言处理单元进行深度耦合，使模型在解析图文混合信息时展现出超越单一模态的认知能力。

智能计算研究中心·2025-03-15 20:22

大模型工程师学习日记（十五）：Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）

1.datasets库核心方法1.1.列出数据集使用datasets库，你可以轻松列出所有HuggingFace平台上的数据集：fromdatasetsimportlist_datasets#列出所有数据集all_datasets=list_datasets()print(all_datasets)1.2.加载数据集你可以通过load_dataset方法加载任何数据集：fromdatasetsim

MMMMMMMay Love Code·2025-03-15 20:52

大模型工程师学习日记（十四）：检索增强生成（RAG）

如何递归分割文本递归分割(recursively)，这个文本分割器是用于通用文本的推荐工具。它接受一个字符列表作为参数。它会按顺序尝试在这些字符上进行分割，直到块足够小。默认的字符列表是["\n\n","\n","",""]。这样做的效果是尽可能保持所有段落（然后是句子，再然后是单词）在一起，因为这些通常看起来是语义上相关的文本块。文本如何分割：根据字符列表。块大小如何衡量：根据字符数量。下面我们

MMMMMMMay Love Code·2025-03-15 20:52

iOS OC使用正则表达式去除特殊符号并加粗文本，适用于接入AI大模型的流模式数据的文字处理

在接入AI大模型后，返回的字符串会带有特殊字符用于做文字处理，下面代码简单进行了文字处理展示。2、代码实现1、NSString+Markdown.h#importNS_ASSUME_N

MrZWCui·2025-03-15 20:21

WebSocket JAVA客户端和服务端传送文件DEMO

Server端WebSocketServer.java用于启动Server服务importcn.hutool.core.bean.BeanUtil;importcn.hutool.json.JSONUtil;importorg.slf4j.Logger;importorg.slf4j.LoggerFactory;importorg.springframework.stereotype.Compon

易天法地·2025-03-15 20:51

通义千问：阿里巴巴的AI大模型深度解析

通义千问：阿里巴巴的AI大模型深度解析在人工智能（AI）技术日新月异的今天，大型语言模型作为其中的佼佼者，正逐步改变着我们的生活与工作方式。

俊星学长·2025-03-15 20:20

【模拟面试】计算机考研复试集训（第二天）

文章目录前言一、专业面试1、OSI参考模型和TCP/IP模型的主要区别是什么？简述各层功能2、什么是瀑布模型？其优缺点是什么？3、什么是递归？使用时需注意什么？

Albert Edison·2025-03-15 20:20

2280将数组和减少的最少操作次数（贪心算法）分析+源码+证明

1.1算法原理解法：贪心+大根堆（堆顶为最大值）具体策略：每次挑选数组中最大的数，进行减半，直到数组和减少到至少一半为止。举例：初始nums的和为5+19+8+1=33。

懒羊羊大王&·2025-03-15 20:47

DeepSeek：中国大模型 “破壁者” 引发的四大产业地震

导语：当全球AI产业还在为GPT-4的1750亿参数惊叹时，中国团队DeepSeek以颠覆性创新撕开了大模型领域的“铁幕”。

赵同学爱学习·2025-03-15 20:47

小白零基础学数学建模系列-Day1-数学建模入门介绍与案例实践

1.2数学建模的重要性二、常见的数学建模方法概述2.1线性模型和案例2.1.1特点2.1.2应用2.1.3问题2.1.4模型2.1.5数学表达式2.1.6求解算法2.2非线性模型和案例2.2.1特点2.2.2

川川菜鸟·2025-03-15 20:17

Transformer动画讲解 - 工作原理

Transformer模型在多模态数据处理中扮演着重要角色，其能够高效、准确地处理包含不同类型（如图像、文本、音频、视频等）的多模态数据。

ghx3110·2025-03-15 19:16

谷歌Gemini 3大模型发布，AI领域再掀波澜！

而近期，谷歌发布的Gemini3大模型，无疑是其中最为耀眼的存在，它在AI领域激起的波澜，迅速蔓延至全球科技圈，引发了广泛关注与热烈讨论。随着AI技术的迅猛发展，我们已经见证了众多令人惊叹的创新成果。

广拓科技·2025-03-15 19:14

1046. 【USACO题库】3.2.2 Stringsobits__01串

你的任务是输出第I（1<=I<=长度为N的二进制数的个数）大的，长度为N，且含有1的个数小于等于L的那个二进制数。输入从文件kimbits.in中读入数据。共一行，用空格分开的三个整数N，L，I。

(❁´◡`❁)Jimmy(❁´◡`❁)·2025-03-15 19:12

大语言模型的潜力是否被高估

关于大语言模型（LLM）的潜力是否被高估，目前学术界和产业界存在显著分歧。

dev.null·2025-03-15 19:12

【贪心算法】将数组和减半的最小操作数

1.题目解析2208.将数组和减半的最少操作次数-力扣（LeetCode）2.讲解算法原理使用当前数组中最大的数将它减半，，直到数组和减小到一半为止，从而快速达到目的重点是找到最大数，可以采用大根堆快速达到目的

I_Am_Me_·2025-03-15 19:10

max_samples，batch_size，gradient_accumulation_steps这三个分别的联系和区别

你的代码示例：max_samples=300#每个数据集最多用300条样本解释：假设你的dataset里包含：identity数据集有10,000条数据alpaca_en_demo数

背太阳的牧羊人·2025-03-15 19:09

PO、DTO、VO等9大对象划分详解，让你的代码不再“一团糟”

目录一、PO(PersistentObject)二、DO(DomainObject)三、TO(TransferObject)四、DTO(DataTransferObject)五、VO(ViewObject)六、BO(BusinessObject)七、POJO(PlainOrdinaryJavaObject)八、DAO(DataAccessObject)九、Entity对象转换与使用场景总结何时使用

码熔burning·2025-03-15 19:39

LLM之Colossal-LLaMA-2：源码解读(init_tokenizer.py文件)实现基于源词表的扩展、(init_model.py文件)实现过计算均值扩展模型、(prepare_pretr

之Colossal-LLaMA-2：源码解读(init_tokenizer.py文件)实现基于jsonl文件中读取新词列表(新中文词汇)→for循环去重实现词表的扩展(中文标记的新词汇)→保存新的分词模型

一个处女座的程序猿·2025-03-15 18:38

LLMs之Colossal-LLaMA-2：源码解读(train.py文件)基于给定数据集实现持续预训练LLaMA-2—解析命令行参数→初始化配置(分布式训练环境colossalai+训练日志+加速插

train.py文件)基于给定数据集实现持续预训练LLaMA-2—解析命令行参数→初始化配置(分布式训练环境colossalai+训练日志+加速插件)→数据预处理(初始化分词器+数据处理器+数据加载器)→模型训练

一个处女座的程序猿·2025-03-15 18:38

论零信任架构在现代网络安全中的变革性作用

通过分析传统网络安全模型的局限性，阐述ZTA的核心原则、技术组件及实践应用，揭示其在应对复杂多变的网络威胁时，如何重塑安全理念与防护模式，为保障组织数字资产安全提供前瞻性的策略与方法。

烁月_o9·2025-03-15 18:07

ollama+qwq小试牛刀

序本文主要演示一下ollama运行QwQ-32B模型步骤pullollamapullqwqpullingmanifestpullingc62ccde5630c...100%▕██████████████

·2025-03-15 18:07

OTSU算法（大津算法）理解&代码

OTSU算法：对图像进行二值化的算法介绍OTSU算法是一种自适应的阈值确定的方法，又称大津阈值分割法，是最小二乘法意义下的最优分割。它是按图像的灰度特性，将图像分成背景和前景两部分。

当代女大学生·2025-03-15 18:32

18、企业级服务-JMS

JMS支持两种主要的消息模型：点对点（Point-to-Point，

跟着汪老师学编程·2025-03-15 18:02

OnionArch 项目教程

OnionArch项目教程OnionArchA.NETCoredemoapplicationwhichusestheOnionArchitecture项目地址:https://gitcode.com/gh_mirrors

宁彦腾·2025-03-15 17:30

（大模型微调大模型学习路线大模型入门）_大模型学习，吹爆！2025最详细的大模型学习路线已整理！手把手带你高效入门，大模型论文全打通！

一、初聊大模型1、什么是大模型？大模型，通常指的是在人工智能领域中的大型预训练模型。你可以把它们想象成非常聪明的大脑，这些大脑通过阅读大量的文本、图片、声音等信息，学习到了世界的知识。

大模型老炮·2025-03-15 17:28

OTSU算法（大津算法）

Otsu算法（大津算法）是一种经典的图像二值化方法，其核心是通过最大化类间方差自动确定全局阈值。

天行者@·2025-03-15 17:28

国产 DeepSeek V3 被秒成“前浪“？谷歌开放最强 Gemini 2.0 全家桶：速度快60倍，上下文还长16倍！

谷歌向所有人发布了Gemini2.0——迄今为止谷歌“功能最强大”的人工智能模型套件。

Bryan Ding·2025-03-15 17:57

【PyTorch】PyTorch 中改变张量形状的几种方法

在模型开发过程中，我们经常需要改变张量的形状以满足特定的需求。本文将介绍在PyTorch中改变张量形状的几种方法，并给出推荐的使用场景。比如：我们想合并一个张量的最后两个维度。

shengchao0920·2025-03-15 17:27

CESM1.2.1移植使用说明

文章目录概述环境配置cesm1_2_1配置部分环境软件压缩包改变CLM陆面模式结果文件的输出变量、特征值及频率小结概述记录用户如何在Linux系统上移植CESM1.2.1模型，并且使用CLM4.5模式创建并单点模拟算例

༊.枕星＇听光.ঌ·2025-03-15 17:56

图像拼接-UDIS详细推导和精读Unsupervised Deep Image Stitching: ReconstructingStitched Features to Images

为了让网络能够感知到这些错位区域，特别是在高分辨率和大视差的情况下，设计了低分辨率变形分支，先在低分辨率下对图像进行处理和学习

cccc来财·2025-03-15 17:26

[Pytorch] Error:module ‘torch‘ has no attribute ‘logical_and‘

最近学习的模型用到了这个逻辑与的操作，Pytorch1.3.x报错。查阅官方文档，只有logical_not和logical_xor的实现。

江南蜡笔小新·2025-03-15 17:24

一文讲清楚CUDA与PyTorch、GPU之间的关系

CUDA（ComputeUnifiedDeviceArchitecture）是由NVIDIA开发的一个并行计算平台和编程模型。

平凡而伟大.·2025-03-15 17:23

训练模型时，步长为什么不能太大也不能太小？

在训练模型时，步长（也称为学习率，LearningRate）是一个关键的超参数，它控制着每次参数更新的大小。

yuanpan·2025-03-15 16:52

模型的秘密武器：利用注意力改善长上下文推理能力

【导语】在大语言模型（LLM）不断刷新各项任务记录的今天，很多模型宣称能处理超长上下文内容，但在实际推理过程中，复杂问题往往因隐性事实的遗漏而败下阵来。

步子哥·2025-03-15 16:51

机器学习中的梯度到底是什么？（chat-gpt问答）

在机器学习中，我们通过不断调整参数，使目标函数达到最小值，从而实现模型的训练和学习。2、为什么梯度要求偏导来求解？梯度是一个向量，它的方向指向函数值增加最快的方向，其大小表示函数值的变化率。

湫怿·2025-03-15 16:19

大型语言模型与强化学习的融合：迈向通用人工智能的新范式——基于基础复现的实验平台构建

1.引言大型语言模型（LLM）在自然语言处理领域的突破，展现了强大的知识存储、推理和生成能力，为人工智能带来了新的可能性。

（initial）·2025-03-15 16:17

目标检测中衡量模型速度和精度的指标：FPS和mAP

“FPS”和“mAP”分别衡量了模型的速度和精度。FPS（FramesPerSecond）定义：FPS是“每秒传输帧数”的缩写，用于衡量计算机视觉系统（如目标检测、图像识别等）的实时性能。

asdfg1258963·2025-03-15 16:47

准确率（Precision）和召回率（Recall）

准确率（Precision）定义：准确率是指在模型预测为正的样本中，真正为正的样本所占的比例。它关注的是模型预测的准确性。

asdfg1258963·2025-03-15 16:47

深入浅出C++ STL：统领STL全局

1.2STL版本演进二、STL六大核心组件详解2.1容器（Containers）容器性能对照表2.2算法（Algorithms）2.3迭代器（Iterators）2.4仿函数（Functors）2.5适配器

有梦想的电信狗·2025-03-15 15:16

机器学习中的梯度下降是什么意思？

通过迭代调整模型参数，梯度下降帮助模型逐步逼近最优解，从而提升模型的性能。1.核心思想梯度下降的核心思想是利用损失函数的梯度（即导数）来指导参数的更新方向。

yuanpan·2025-03-15 15:45

【原创】Linux上普通用户安装、运行nmap功能扫描指定IP地址上的端口

加上服务器操作系统可能比较老，如果使用源码编译的话，可能会有一大堆编译错误，且由于权限问题，无法解决。这里我要用到一个工具：nmap，扫描某主机。

赵庆明老师·2025-03-15 15:41

fastapi和php,Sanic vs Fastapi 性能对比

测试内容：纯get请求、异步ORM读测试工具：WRK测试代码：由于两者代码非常相似，本文就直接放上fastapi的代码demo了。

扫盲君·2025-03-15 15:41

六月份阶段性大总结之Doris/Clickhouse/Hudi一网打尽

点击上方蓝色字体，选择“设为星标”回复"面试"获取更多惊喜全网最全大数据面试提升手册！这是个阶段性小总结，后面会持续更新。ClickHouse「Clickhouse系列」分布式表&本地表详解「ClickHouse系列」ClickHouse之MergeTree原理「ClickHouse系列」Replication机制详解「ClickHouse系列」ClickHouseSQL基本语法和导入导出实战「C

王知无(import_bigdata)·2025-03-15 15:11

基于异构特征融合与轻量级集成学习的软件漏洞挖掘方案设计与Python实现

方案设计原理异构特征工程静态特征：基于AST的代码属性图（CPG）解析（使用Joern+NetworkX）动态特征：内存访问模式分析（通过QEMU模拟执行）上下文特征：CWE漏洞模式匹配（集成Semgrep规则引擎）轻量级模型架构

rockmelodies·2025-03-15 15:10

2025年开源大模型全景：语言、多模态与开发工具的前沿探索

语言类开源大模型1.Llama系列开发者：Meta发布时间：2024年7月参数量：8B、70B、405B特点：Llama系列模型以其强大的多语言支持和广泛的自然语言处理能力而闻名。

软件职业规划·2025-03-15 15:08

使用 Ollama 对 LLaMA-2 模型进行微调的详细指南

1.1硬件要求大语言模型的微调需要强大的计算能力，尤其是GPU资源。以下是推荐的硬件配置：GPU：建议使用至少NVIDIARTX3090或更高配置的GPU。