方法&模型

RAG数据嵌入和重排序：如何选择合适的模型

RAG数据嵌入和重排序：如何选择合适的模型在自然语言处理（NLP）领域，Retrieval-AugmentedGeneration（RAG）模型已经成为一种强大的工具，用于结合检索和生成能力来处理复杂的语言任务
从零开始学习人工智能·2025-03-18 00:12

基于oracle linux的 DBI/DBD 标准化安装文档(二)

其是perl连接数据库的最优方法，他支持包括Orcale,Sybase,mysql,db2等绝大多数的数据库，下面将简要介绍其安装方法。
·2025-03-18 00:36

Singleton 单例模式

如果下次获取当前类的实例时，直接返回之前创建的对象即可，如下：//定义一个类functionSingleton(name){this.name=name;this.instance=null;}//原型扩展类的一个方法
·2025-03-18 00:33

PyTorch 模型剪枝实例教程一、非结构化剪枝

目录1.导包&定义一个简单的网络2.获取网络需要剪枝的模块3.模块剪枝（核心）4.总结目前大部分最先进的（SOTA）深度学习技术虽然效果好，但由于其模型参数量和计算量过高，难以用于实际部署。
小风_·2025-03-18 00:41

性能测试自动化：JMeter脚本设计与分布式压测实战指南

本文将从脚本设计与分布式压测两大核心维度，系统阐述JMeter在性能测试自动化中的实践方法，为企业提供可落
测试渣·2025-03-18 00:11

行业首个AI课上线！粉笔战略布局加速技术商业化进程

粉笔宣布，将于3月17日上线基于自研垂域大模型打造的“AI刷题系统班”，为用户提供行测、申论全科目覆盖的一站式高效备考支持。
·2025-03-18 00:02

HarmonyOS NEXT ArkTS布局优化与性能提升指南

以下是常见的二次布局场景及优化方法：场景1：动态改变子元素尺寸当子元素的尺寸动态变化时（如字
·2025-03-18 00:00

优化深度学习模型：PyTorch中的模型剪枝技术详解

标题：优化深度学习模型：PyTorch中的模型剪枝技术详解在深度学习领域，模型剪枝是一种提高模型效率和性能的技术。
代码之光_1980·2025-03-18 00:38

ChatGPT推理模型&通用模型大解析！

很多人知道通用模型和推理模型了，那么ChatGPT的哪些模型是通用模型，哪些又是推理模型呢？
即兴小索奇·2025-03-18 00:38

GBase 8c慢日志启用和查询

慢日志配置和使用方法如下：1、慢日志配置（1）相关GUC参数GBase8c慢日志主要相关配置参数为：enable_stmt_trackon：默认值，启用Full/Sl
GBASE数据库·2025-03-17 23:07

Dropout: 一种减少神经网络过拟合的技术

在深度学习中，过拟合是一个常见的问题，尤其是在模型复杂度较高或训练数据较少的情况下。过拟合意味着模型在训练数据上表现得很好，但在未见过的数据上表现不佳，即泛化能力差。
冰蓝蓝·2025-03-17 23:37

模型保存与加载：PyTorch中的实践指南

在深度学习项目中，模型的保存和加载是一个至关重要的步骤。它不仅有助于在训练过程中保存进度，还可以在训练完成后部署模型。PyTorch提供了灵活的方式来保存和加载模型，本文将详细介绍这些方法。
冰蓝蓝·2025-03-17 23:07

深度学习中的注意力机制：解锁智能模型的新视角

在人工智能的快速发展中，深度学习模型已经成为了处理复杂数据和任务的主力军。然而，随着数据量的激增和任务的复杂化，传统的深度学习模型面临着效率和性能的双重挑战。
冰蓝蓝·2025-03-17 23:07

快速排序法的使用 ( 超详细图解 )

快速排序法的使用快速排序法作为一种广受好评的排序方法，不仅仅因为它的排序效率很高，更因为它体现了分治的思想。
S01d13r·2025-03-17 23:05

C#—【特性详解以及自定义特性和通过反射读取特性】

特性详解以及自定义特性和通过反射读取特性】目录C#—【特性详解以及自定义特性和通过反射读取特性】介绍：特性可以用于多种用途，包括但不限于：特性的分类：特性的主要用途（举一些直观例子）1.标记代码，让框架自动处理2.数据验证（表单/模型校验
_Csharp·2025-03-17 23:34

python基于django/flask网上书城系统Django-SpringBoot-php-Node.js-flask

[在这里插入图片描述](https://i-blog.csdnimg.cn/direct/7b88ca45e7124106a000075acaf2f4e8.png)系统设计研究方法：设计步骤设计流程核心代码部分展示研究方法详细视频演示试验方案论文大纲源码获取
QQ_1963288475·2025-03-17 23:31

Java流程控制

Scannerjava.util.Scanner使用这个包中Scanner类获取用户的输出基本语法 Scanners=newScanner(System.in);通过Scanner类的next()与nextLine()方法获取输入的字符串
NaclarbCSDN·2025-03-17 23:01

Node.js系列（1）--架构设计指南

架构概述Node.js架构主要包括以下方面：事件驱动：基于事件循环的异步非阻塞架构模块系统：CommonJS和ES模块系统进程模型：单线程主进程与工作线程流处理：基于Stream的数据处理错误处理
一进制ᅟᅠ        ‌‍‎‏ ·2025-03-17 23:31

java list 按照某个字段排序

可以使用Collections.sort()方法对JavaList按照某个字段排序。
csdn2015_·2025-03-17 23:00

利用github部署项目

挂载GitHubPages的方法基本步骤创建仓库：在GitHub上创建一个新的仓库。如果使用自定义域名，则仓库名应为.github.io；否则可以是任意名称。
浪裡遊·2025-03-17 23:59

easyexcel操作文件读取中某列为null

使用EasyExcel.read()方法读取出来某列为空的解决办法最近使用easyexcel操作文件，发现第一列取出来都是null值，排查了半天终于发现了问题，就是Data中属性值严格要求驼峰命名规则，
温馨提示  ·2025-03-17 22:58

Python的Numpy数组np.array()基本用法详解（二）

本节主要讲授array获取元素、转置、重塑等方法"""@Date:2022-01-21@Author:苏雨流丰@lang:Python@summary:访问、获取np.array的元素"""导入numpy
苏雨流丰·2025-03-17 22:27

CSMA/CD协议原理与例题

CSMA/CD协议CSMA/CD（CarrierSenseMultipleAccess/collisiondetection，带有冲突检测的载波侦听多路存取）是IEEE802.3使用的一种媒体访问控制方法
苏雨流丰·2025-03-17 22:57

如何使用MATLAB进行高效的GPU加速深度学习模型训练？

要使用MATLAB进行高效的GPU加速深度学习模型训练，可以遵循以下步骤和策略：选择合适的GPU硬件：首先，确保您的计算机配备有支持CUDA的NVIDIAGPU，并且其计算能力至少为3.0或以上。
百态老人·2025-03-17 22:56

【技术解密】本地部署 DeepSeek-V3：完整指南

目录引言运行环境需求下载与安装推理部署总结参考资源引言随着人工智能的快速发展，开源大模型正逐步改变着技术生态。
海棠AI实验室·2025-03-17 22:54

【DeepSeek应用】本地部署deepseek模型后，如何在vscode中调用该模型进行代码撰写，检视和优化？

若已成功在本地部署了DeepSeek模型（例如通过vscode-llm、ollama或私有API服务），在VSCode中调用本地模型进行代码撰写、检视和优化的完整流程如下：1.准备工作：确认本地模型服务状态模型服务类型
AndrewHZ·2025-03-17 22:53

[Unity] GPU动画实现（四）——生成动画数据

目前使用的方法有一个很大缺陷在于基于顶点生成的动画占用的空间很大，一个理想的情况是基于骨骼数据，本文权当抛砖引玉，后续有时间考虑尝试一下基于骨骼数据生成动画。本文内容大量参考自白菊花瓣丶的视频，感谢！
Zhidai_·2025-03-17 22:23

小米音频理解技术重大突破：7B模型借助DeepSeek-R1算法引领行业新篇章

其7B模型在MMAU音频评测基准中表现出色，成功登顶排行榜。MMAU评测基准包含10000条音频样本，涵盖语音、环境声和音乐等多种类型，难度极高。
耶耶Norsea·2025-03-17 22:22

生成式AI+安全：API防护的“进化革命”——从被动防御到智能对抗的技术跃迁

然而，这场技术革命也催生了新型威胁：攻击者利用生成式AI自动化构造恶意请求，绕过传统规则引擎；大模型API的滥用导致算力耗尽与数据泄露；甚至AI生成的代码漏洞
数信云 DCloud·2025-03-17 22:51

HarmonyOS实战开发：@ohos.arkui.UIContext （UIContext）

在Stage模型中，WindowStage/Window可以通过loadContent接口加载页面并创建UI的实例，并将页面内容渲染到关联的窗口中，所以UI实例和窗口是一一关联的。
蜀道衫QAQ·2025-03-17 22:50

缓存：节省使用大模型的成本

大模型显然就是一个低速服务，甚至比普通的服务还要慢。为了改善大模型的使用体验，人们已经做出了一些努力，比如采用流式响应，提升第一个字出现在用户面前的速度。缓存，显然是另外一个可以解决大模
雪碧没气阿·2025-03-17 21:49

【大模型实战篇】使用GPTQ量化QwQ-32B微调后的推理模型

量化能将模型权重从高精度（如FP32）转换为低精度（如INT8/FP16），内存占用可减少50%~75%。低精度运算（如INT8）在GPU等硬件上计算效率更高，推理速度可提升2~4倍。
源泉的小广场·2025-03-17 21:19

pytorch中的DataLoader

在PyTorch中，DataLoader是一个工具类，用于高效地加载数据并准备数据输入到模型中。它支持数据的批量加载、随机打乱、并行加载和迭代操作，是训练深度学习模型的关键组件之一。
朋也透william·2025-03-17 21:48

机器学习中输入输出Tokens的概念详解

随着深度学习技术的快速发展，大语言模型（LargeLanguageModels,LLMs）已经成为自然语言处理（NLP）领域的一个热点研究方向。
爱吃土豆的程序员·2025-03-17 21:17

pytorch 天花板级别的知识点 你可以不会用 但是不能不知道

PyTorch的高级知识涵盖了从模型优化到分布式训练的广泛内容，适合已经掌握基础知识的开发者进一步提升技能。
小赖同学啊·2025-03-17 21:17

【GPT入门】第24课 langfuse介绍

GPT入门】第24课langfuse介绍1.langfuse概念与作用2.代码3.页面效果4.设计模式1.装饰器模式2.上下文管理模式1.langfuse概念与作用Langfuse是一款专为大规模语言模型
*星星之火*·2025-03-17 21:16

【GPT入门】第20课 langchain的function calling 初步体验

langchain的functioncalling初步体验1.langchain的functioncalling非常简洁2.代码3.执行结果：1.langchain的functioncalling非常简洁在方法名说明方法用途和参数作用增加
*星星之火*·2025-03-17 21:46

Pytorch Dataloader入门

utils/data/dataloader.py#L71PytorchDatasettutorial:tutorials/beginner/basics/data_tutorial.html理论：在训练模型时
gy-7·2025-03-17 21:16

73_Go基础_1_43 方法继承

typePersonstruct{namestringageint}//2.定义一个"子类"typeStudentstruct{Person//结构体嵌套，模拟继承性schoolstring}//3.方法
芦苇King·2025-03-17 21:16

【数学基础】第十三课：参数估计

参数估计讨论的是用样本统计量估计总体参数的方法，总体参数在估计前是未知的。而在假设检验中，则是先对总体参数值提出一个假设，然后利用样本信息去
x-jeff·2025-03-17 21:15

【深度学习基础】第二十四课：softmax函数的导数

我们只需关注输出层即可，其余层和之前介绍的二分类模型一样，不再赘述。我们先考虑只有一个样本的情况
x-jeff·2025-03-17 21:15

大模型RAG实战｜混合检索：BM25检索+向量检索的LlamaIndex实现

ThinkRAG大模型RAG实战系列文章，带你深入探索使用LlamaIndex框架，构建本地大模型知识库问答系统。
AIGC大模型 吱屋猪·2025-03-17 21:45

AI如何创作音乐及其案例

AI创作音乐主要有以下几种方式：基于深度学习的生成模型深度神经网络：通过大量的音乐数据训练，让AI学习音乐的结构、旋律、和声、节奏等特征。
alankuo·2025-03-17 21:44

音视频缓存数学模型

2024年8月的笔记音视频缓存数学模型-Wesley’sBlog播放器作为消费者，缓存作为生产者。
锋风Fengfeng·2025-03-17 21:13

LLM-PowerHouse: 一站式大型语言模型定制训练与推理指南

LLM-PowerHouse:解锁大型语言模型的潜力在人工智能和自然语言处理领域,大型语言模型(LargeLanguageModels,LLMs)正在掀起一场革命。
Nifc666·2025-03-17 21:43

深入理解C++编程：从内存管理到多态与算法实现

本文将通过一系列经典问题，深入探讨C++的核心知识点，包括内存管理、多态（结合函数重载与覆盖）、多线程、TCP/IP模型、软链接与硬链接的区别，以及常见算法实现。
嵌入式Jerry·2025-03-17 21:43

输入：0.5元/百万tokens（缓存命中）或2元（未命中） 输出：8元/百万tokens

这句话描述了一种定价模型，通常用于云计算、API服务或数据处理服务中，根据资源使用情况（如缓存命中与否）来收费。
杏花春雨江南·2025-03-17 20:12

【sklearn 01】人工智能概述

这是一个非常大的范围，长远目标是让机器实现人工智能，但目前我们仍处在非常初始的阶段，甚至不能称为智能机器学习是指通过数据训练出能完成一定功能的模型，是实现人工智能的手段之一，也是目前最主流的人工智能实现方法深度学习则是机器学习的分支
@金色海岸·2025-03-17 20:41

【sklearn 05】sklearn功能模块

sklearn功能模块分类：识别某个对象属于那个类别回归：预测与对象相关联的连续值属性聚类：将相似对象自动分组降维：减少要考虑的随机变量的数量模型选择：比较、验证、选择参数和模型预处理：特征提取和归一化
@金色海岸·2025-03-17 20:41

【sklearn 07】sklearn工艺流程

01数据的获取02数据预处理03特征的提取04特征的选择05模型的训练06模型的评估07模型的优化
@金色海岸·2025-03-17 20:41
上一页 17 18 19 20 21 22 23 24 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他