模型处理

AI大模型测试用例生成平台

AI测试用例生成平台项目背景技术栈业务描述项目展示项目重难点项目背景针对传统接口测试用例设计高度依赖人工经验、重复工作量大、覆盖场景有限等行业痛点，基于大语言模型技术实现接口测试用例智能生成系统。
王根生·2025-03-16 00:14

Deepseek-R1大模型微调实战技术深度解析

一、Deepseek-R1架构特性与微调适配性分析1.1核心架构创新对微调的影响Deepseek-R1基于Deepseek-V3-Base架构，通过MoE（Mixture-of-Experts）与MLA（Multi-HeadLatentAttention）的协同设计，实现了参数规模与计算效率的平衡。其6710亿参数总量中，每个token仅激活37B参数的机制，使得微调过程中可针对不同任务动态调整专
大势下的牛马·2025-03-16 00:14

StringJoiner 详解

它提供了一种简洁、灵活的方式来拼接字符串，特别适合处理需要特定分隔符的场景。本文将详细介绍StringJoiner的特性、使用方法、优缺点以及实际应用场景。
蓝白咖啡·2025-03-15 23:43

模型可解释性：基于博弈论的SHAP值计算与特征贡献度分析（附PyTorch/TensorFlow实现）

一、技术原理与数学推导（含典型案例）1.1Shapley值基础公式SHAP值基于合作博弈论中的Shapley值，计算公式为：ϕi=∑S⊆F∖{i}∣S∣!(∣F∣−∣S∣−1)!∣F∣![f(S∪{i})−f(S)]\phi_i=\sum_{S\subseteqF\setminus\{i\}}\frac{|S|!(|F|-|S|-1)!}{|F|!}[f(S\cup\{i\})-f(S)]ϕi=S
燃灯工作室·2025-03-15 23:43

模型可解释性：基于因果推理的反事实生成与决策可视化

1.技术原理与数学公式1.1因果推理基础结构方程模型（SEM）：X=fX(PaX,UX)X=f_X(Pa_X,U_X)X=fX(PaX,UX)其中PaXPa_XPaX为父节点集合，UXU_XUX为外生变量反事实定义
燃灯工作室·2025-03-15 23:43

自动化特征选择：基于模型重要性的递归消除原理与实战指南

一、技术原理与数学公式1.1递归特征消除（RFE）核心思想J(S)=∑i=1n∣wi∣(特征重要性评分)J(S)=\sum_{i=1}^n|w_i|\quad(特征重要性评分)J(S)=i=1∑n∣wi∣(特征重要性评分)Sk+1=Sk−arg⁡min⁡fJ(Sk∖{f})(迭代消除策略)S_{k+1}=S_k-\arg\min_{f}J(S_k\setminus\{f\})\quad(迭代消除策
燃灯工作室·2025-03-15 23:42

Nature：你的大脑衰老速度受这64个基因影响

根据Nature最新报道，科学家们通过利用AI模型分析大量脑部扫描和遗传数据，确定了64个影响大脑衰老速度的基因，并指出了13种潜在的抗衰老药物。
·2025-03-15 23:14

推理流水线DAG调度：多模型组合执行优化方案

一、技术原理与数学模型1.1DAG调度核心公式设推理流水线由n个模型节点组成，定义：V={v1,v2,...,vn}V=\{v_1,v_2,...,v_n\}V={v1,v2,...,vn}为节点集合E
燃灯工作室·2025-03-15 23:12

边缘设备模型量化部署：TFLite INT8校准实现细节深度解析

一、技术原理与数学公式INT8量化的核心是通过线性映射将浮点数值范围（[-max,max]）映射到8位整数范围（[-128,127]）。校准过程通过分析真实数据分布确定最优缩放因子（scale）和零点（zeropoint）：量化公式：Q=round(float_valuescale)+zero_pointQ=round(\frac{float\_value}{scale})+zero\_point
燃灯工作室·2025-03-15 23:42

Crawl4AI 与 BrowserUseTool 的详细对比

技术实现、适用场景等核心维度：1.核心定位对比工具Crawl4AIBrowserUseTool类型专为AI优化的网络爬虫框架浏览器自动化工具（模拟人类操作浏览器）核心目标高效获取结构化数据供AI训练/推理处理需要浏览器交互的动态网页任务典型应用大规模数据抓取
燃灯工作室·2025-03-15 23:42

基于时间序列预测的推理服务弹性扩缩容实战指南：（行业案例+数学推导+源码解析）

技术原理（数学公式）整体架构请求量预测→扩缩容决策→资源配置动态调整三阶段闭环，周期为5-30分钟核心预测模型（时间序列预测）LSTM预测公式（CSDN兼容格式）：$$h_t=\text{LSTM}(x_t
燃灯工作室·2025-03-15 23:12

模型蒸馏：从复杂到精简，AI技术的“瘦身”秘籍

引言在人工智能的浪潮中，大型模型如BERT、GPT系列等在自然语言处理（NLP）、计算机视觉（CV）等领域取得了显著的成果。
lmtealily·2025-03-15 23:41

干货：Farrow设计实现详解

以下是Farrow系数设计的主要方法及步骤：1.设计目标与基本模型Farrow结构的一般形式为：H(z,μ)=∑m=0Mμm⋅(∑k=0Nck,mz−k)H(z,\mu)=\sum_{m=0}^{M}\
jz_ddk·2025-03-15 23:41

不知道天气咋样？一起用Python爬取天气数据分析告诉你

对获取的天气数据进行预处理，分析河南的风力等
Dragon少年·2025-03-15 23:41

【图像处理】ISP(Image Signal Processor) 图像处理器的用途和工作原理？

ISP（图像信号处理器）是数字影像设备的“视觉大脑”，负责将传感器捕获的原始电信号转化为我们看到的高清图像。
AndrewHZ·2025-03-15 23:40

CSS伸缩盒模型(弹性盒子)

伸缩盒模型（Flexbox，FlexibleBoxLayout）是CSS中一种一维布局模型，用于更高效地处理元素的对齐、分布和响应式布局。
申朝先生·2025-03-15 23:39

Python自动化炒股：基于自然语言处理的股票新闻情感分析模型开发与优化的最佳实践

Python自动化炒股：基于自然语言处理的股票新闻情感分析模型开发与优化的最佳实践在股市中，信息的力量是巨大的。一条新闻、一篇报道，甚至一条推文，都可能引发股价的波动。
云策量化·2025-03-15 23:08

【深度学习与大模型基础】第3章-张量

大家好！今天我们来聊聊张量（Tensor）。别被这个词吓到，其实它没那么复杂。什么是张量？简单来说，张量就是一个多维数组。你可以把它看作是一个装数据的容器，数据的维度可以是一维、二维，甚至更高。标量（0维张量）：就是一个单独的数字，比如3。向量（1维张量）：一串数字，比如[1,2,3]。矩阵（2维张量）：一个表格，比如[[1,2],[3,4]]。更高维张量：比如[[[1,2],[3,4]],[[5
lynn-66·2025-03-15 23:08

MySQL 全文搜索 (FULLTEXT) vs 合并字段模糊查询 (LIKE) 对比

以下是详细对比：1.FULLTEXT索引的优势专门优化：FULLTEXT索引是为全文搜索设计的，能够高效处理文本匹配。分词搜索：FULLTEXT支持分词搜索（基于空格或特定字符），可以快速定位关键词。
曹天骄·2025-03-15 23:37

基于热力梯度的线圈设计用来更替新型的储能方式

2.开发动态热-电-磁耦合模型，结合有限元分析（COMSOL）与机器学习算法（遗传算法优化参数）。
热爱电气·2025-03-15 23:07

向量存储与检索器

文章目录向量存储如何创建和查询向量存储相似性搜索按向量进行相似性搜索异步操作检索器如何使用向量存储作为检索器从向量存储创建检索器最大边际相关性检索传递搜索参数相似性得分阈值检索指定前k案例案例1案例2langchain支持从向量数据库和其他来源检索数据，以便与LLM（大型语言模型
小码农0912·2025-03-15 22:05

JavawebJavaServer Pages Standard Tag Library知识点

它通过提供预定义的标签，来实现常见任务，如条件判断、循环处理、国际化等。使用标签
一朵忧伤的蔷薇·2025-03-15 22:34

鸿蒙初学者学习手册(HarmonyOSNext_API14)_UIContext（@ohos.arkui.UIContext (UIContext)）

前言Context是鸿蒙中及其重要的Api包括了非常多的接口和功能，而且在官方文档中也是优先推荐使用Context中的接口在Stage模型中基本介绍1.UI实例与窗口的一一关联在Stage模型中，WindowStage
余多多_zZ·2025-03-15 22:03

Kotlin编程实践-【标准库函数使用场景（let、run、with、apply、also）】

用途示例apply用途示例also用途示例使用场景总结前言Kotlin标准库提供了一些非常有用的扩展函数，如let,run,with,apply,also等，这些函数通常被用作接收一个对象并以某种方式处理它
Hello姜先森·2025-03-15 22:32

Linux中断机制详解：从原理到实践

想象一下医院的急诊科：当有危重病人到达时，护士会立即按下紧急呼叫按钮，打断医生当前的常规工作，优先处理最紧急的情况。这种中断响应机制正是计算机系统中中断（Interrupt）的核心思想。
AllenBright·2025-03-15 22:32

《今日AI-人工智能-编程日报》-源自2025年2月28日

技术突破OpenAI发布GPT-4.5：OpenAI正式推出新一代大模型GPT-4.5，语言理解、情商及逻辑推理能力显著增强，幻觉问题大幅减少，计算效率较GPT-4提升超10倍，已逐步向用户开放试用。
小亦编辑部·2025-03-15 22:59

《今日AI-人工智能-编程日报》-源于2025年3月11日

Manus的成功引发了开源复现潮，DeepSeek模型已被整合到OWL项目中，并在GAIA基准测试中表现接近Manus。1.2DeepSeek-R2
小亦编辑部·2025-03-15 22:59

程序编译生成的文件

目录.i文件.s文件.o文件总结在C++编程中，.i、.s和.o文件是编译过程中生成的不同阶段的文件，它们代表不同的含义：.i文件全称：预处理后的文件（IntermediateFile）。
石油人单挑所有·2025-03-15 21:59

数字马力ai面试题

**构建工具（BuildTools）**-**Webpack**:是一个非常流行的模块打包器，可以处理各种类型的文件，并且支持插件扩展。-**Rollup**:另一个
泠波·2025-03-15 21:29

kotlin与MVVM结合使用总结（一）

dataclass）简化Model层定义，自动生成equals/hashCode/toString扩展函数简化View层逻辑（如点击事件扩展）lateinit/bylazy优化ViewModel属性初始化异步处理优化协程
每次的天空·2025-03-15 21:28

【机器学习】skit-learn中LSI模型的实现

参考文献[1]sklearn_api.lsimodel–ScikitlearnwrapperforLatentSemanticIndexing[2]Pythonmodels.LsiModel方法代码示例
一穷二白到年薪百万·2025-03-15 21:28

pytorch训练权重转化为tensorflow模型的教训

模型构建时候有时候在工程量比较大的时候，不可避免使用迭代算法，迭代算法本身会让错误的追踪更加困难，因此掌握基本的框架之间的差异非常重要。以下均是在模型转换过程中出现的错误。
小枫小疯·2025-03-15 21:57

MMD模型及动作一键完美导入UE5-Blender方案（三）

1、下载并安装blender_mmd_tools插件1、下载并安装Blender，Blender，下载Blender3.6，下载太新的版本可能会跟blender_mmd_tools不匹配2、github下载blender_mmd_tools：https://github.com/UuuNyaa/blender_mmd_tools/3、Edit->Preference->Addons->Instal
tangfuling1991·2025-03-15 21:26

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

Kafka 生产者与消费者的关系与应用场景分析

在现代分布式系统中，ApacheKafka作为一个高性能的消息队列系统，在数据流转和处理方面扮演着至关重要的角色。Kafka采用了经典的生产者-消费者模式，极大地解耦了数据生成与数据消费的过程。
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

TDengine 使用教程：从入门到实践

它能够高效地处理海量的时序数据，并提供低延迟、高吞吐量的性能表现。在本文中，我们将带领大家从TDengine的安装、基本操作到一些高级功能，帮助你快速上手。
遇见伯灵说·2025-03-15 21:55

信息技术基础专有名词和计算机硬件学习笔记

信息技术常见专有名词信息技术基础课程中常见的专有名词英文缩写或简称及其详细含义，按领域分类整理：硬件与存储CPU(CentralProcessingUnit)中央处理器，负责执行计算机指令和处理数据。
learning-striving·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

5分钟看懂数据中台的典型架构

数据中台典型架构包括数据采集层、数据存储层、数据处理层、数据服务层和数据应用层。以下是数据中台的分层概述：一、数据采集层数据采集层作为数据中台的基础，主要负责获取各种数据源。
isNotNullX·2025-03-15 21:53

Python csv库

CSV库Python中集成了专用于处理csv文件的库，名为：csv。csv库中有4个
xiaoming0018·2025-03-15 20:22

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

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

Python 爬虫：一文掌握 SVG 映射反爬虫

更多内容请见：爬虫和逆向教程-专栏介绍和目录文章目录1.SVG概述1.1SVG的优点1.1映射反爬虫的原理2.SVG映射反爬虫的示例3.应对SVG映射反爬虫的方法3.1解析SVG图像3.2处理自定义字体
数据知道·2025-03-15 20:50

深入探索iOS底层原理：多线程技术与编程学习

它可以帮助我们实现并发执行任务、提高应用程序的响应性能，并充分利用设备的多核处理能力。本文将深入探讨iOS底层原理中与多线程相关的概念和技术，并提供相应的源代码示例。
CqppDeveloper·2025-03-15 20:48
上一页 24 25 26 27 28 29 30 31 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他