模型查看第24页

三天斩获10万用户。零基础用ChatGPT+Flutter开发AI算命小程序，流量变现全流程

无需算法基础，手把手教你用ChatGPT生成风水命理模型，Flutter快速开发上线，抓住玄学经济红利！（文末送开光版源码+裂变增长脚本）**关键词**：AI算命、ChatGPT变现、Flutter开

众口烁金·2025-03-13 19:53

Neo4j CQL命令大全（一）

ETURN子句RETURN命令语法：四、MATCH&RETURN匹配和返回MATCHRETURN命令语法：语法说明：CREATE+MATCH+RETURN命令创建客户节点创建CreditCard节点观察节点查看客户节点详细信息查看

正函数_d·2025-03-13 19:51

【智能客服】意图识别训练协作优化机制

本文原创作者：姚瑞南AI-Agent大模型运营专家，先后任职于美团、猎聘等中大厂AI训练专家和智能运营专家岗；多年人工智能行业智能产品运营及大模型落地经验，拥有AI外呼方向国家专利与PMP项目管理证书。

姚瑞南·2025-03-13 19:19

基于多模态大模型的不完整多组学数据特征选择策略

基于多模态大模型的不完整多组学数据特征选择策略是当前生物信息学和精准医学领域的一个前沿问题。

m0_65156252·2025-03-13 18:17

基于SWIFT和Qwen1.5-0.5B-Chat进行大模型全参微调（魔搭社区）

1，swift框架安装pipinstallms-swift2，模型下载gitclonehttps://www.modelscope.cn/qwen/Qwen1.5-0.5B-Chat.git二、数据集准备使用

m0_65156252·2025-03-13 18:47

m0_65156252·2025-03-13 18:16

通信行业语言大模型技术和应用研究

语言大模型在通信运营商中有着非常广阔的应用前景。阐述了语言大模型开发的基本技术方案及原理并对其在通信行业的应用进行了研究与展望。前言ChatGPT的出现迅速引爆了AI的又一波热潮。

人工智能-猫猫·2025-03-13 18:16

【LLM大模型】大模型涌现能力及 Prompt Engineering提示词

涌现能力GPT3是第一批拥有“涌现能力”的大语言模型，即模型未经特定任务的训练，但在适当的提示下，仍然能够解决某些特定领域的问题。

Langchain·2025-03-13 18:15

一文掌握Prompt：万能框架+优化技巧+常用指标

随着大模型在2023年横空出世，“Prompt工程”应运而生，作为用好大模型最重要的武器，Prompt的好坏对模型效果有着决定性的影响。

Langchain·2025-03-13 18:45

分布式存储—— HBase数据模型详解

目录1.3HBase数据模型1.3.1两类数据模型1.3.2数据模型的重要概念1.3.3数据模型的操作1.3.4数据模型的特殊属性1.3.5CAP原理与最终一致性1.3.6小结本文章参考、总结于学校教材课本

Future_yzx·2025-03-13 18:14

【AI大模型应用开发】1.3 Prompt攻防（安全）和 Prompt逆向工程

尤其是最近GPTs刚刚开放，藏在GPTs后面的提示词就被网友们扒了出来，甚至直接被人作为开源项目发布，一点安全和隐私都没有，原作者的收益也必然受到极大损失…到目前为止，大语言模型的防御也没有一个比较完美的解决方式

同学小张·2025-03-13 18:44

揭秘Prompt Engineering 提示词工程（附学习文档）

PromptEngineering概览何为Prompt在自然语言处理领域，尤其是与大型语言模型（LLM）互动时，Prompt起着至关重要的作用。

LLM.·2025-03-13 18:43

Prompt优化 COT/COD

例如：大模型用来画思维导图指令：帮我写一个模型训练的思维导图。背景信息：千帆ModelBuilder训练流程为框架。

陌陌623·2025-03-13 18:12

AI与Saas思考【中国SaaS的发展】

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加AI与SAAS的思考提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一、大模型做不了解决方案二

修炼十万年的狗尾巴草·2025-03-13 17:08

Transformer大模型实战对比ALBERT与BERT

文章标题在当今人工智能领域的迅速发展中，Transformer大模型无疑成为了自然语言处理（NLP）领域的璀璨明星。

AI天才研究院·2025-03-13 17:06

适合机器学习的Linux系统推荐及基本配置指南

它不仅影响开发效率，还可能影响模型训练的性能。经过广泛调研和用户反馈，Ubuntu脱颖而出，成为众多机器学习爱好者的首选。下面将详细介绍为何推荐Ubuntu以及其基本配置需求。

金外飞176·2025-03-13 17:05

电机控制常见面试问题（五）

六.在电机控制中如何优化控制器的性能以提高效率一.面对电机控制中的非线性特征应采取什么方法在电机控制中，非线性特征指系统或模型中存在无法用线性数学关系（如比例、叠加）描述的特性，偏离了理想模型

小雀丝·2025-03-13 17:05

docker 常用命令大全(二)，docker 镜像操作，持续更新

羱滒·2025-03-13 17:34

Python 之进阶学习

可以赋值给变量(2).可以添加到集合中(3).可以作为函数参数(4).可以作为函数返回值返回4.object,type,class之间的关系(1).object类(2).type类和type对象闭包1.查看闭包

_ZestyJt·2025-03-13 17:03

Diffusion Transformer与Differential Transformer：技术创新与应用前景

随着技术的不断发展，DiffusionTransformer和DifferentialTransformer等新型架构逐步涌现，为生成模型和注意力机制带来了突破性的进展。

AI大模型learner·2025-03-13 17:33

【八股学习】面试问到JMM如何优雅回答？

1、Java是跨平台语言，需要自己提供内存模型来屏蔽硬件和系统的差异。2、JMM简化多线程编程（屏蔽底层设计可能导致的多线程问题）3、JMM抽象了线程和主内存之间的关系。

illus10n_CHOU·2025-03-13 17:02

颠覆认知的AI黑科技：这3项突破正在改写人类生存法则

：三大AI黑科技重构人类文明底层逻辑在青藏高原海拔5000米的冰川实验室里，AI系统正以每秒数百万次的频率模拟全球冰川消融轨迹；纽约证券交易所的地下机房中，量子神经网络以人类无法理解的维度重构全球经济模型

小筱在线·2025-03-13 17:01

LLM Weekly（2025.03.03-03.09）

研究人员推出了QwQ-32B，这是一个拥有320亿参数的模型，它利用强化学习来提升推理能力。尽管参数较少，但通过整合类似智能体的推理和反馈机制，QwQ-32B的表现可与更大规模的模型相媲美。

UnknownBody·2025-03-13 16:29

支持 40+ 插件，Spring AI Alibaba 简化智能体私有数据集成

RAG通过结合检索技术和生成模型的强大能力，使智能体能够实时从外部数据源获取信息，并在生成过程中增强其知识深度和推理能力。通过这种方式，智能体不仅能依赖于模型的预

阿里云云原生·2025-03-13 16:29

SaaS+AI应用架构：业务场景、智能体、大模型、知识库、传统工具系统

SaaS+AI应用架构：业务场景、智能体、大模型、知识库、传统工具系统大家好，我是汤师爷~在SaaS与AI应用的演进过程中，合理的架构设计至关重要。

公众号-AI架构师汤师爷·2025-03-13 16:26

实现预约会见应用鸿蒙示例代码

实现预约会见应用源码链接效果预览使用说明打开应用后，用户可以根据需求查看应用。开发者可以根据此示例后续进行进一步开发。实现思路进入页面后进入

·2025-03-13 15:51

apk反编译有哪些重要作用

通过查看高质量的应用代码，开发者能够提升自己的编程技能，了解行业最佳实践。2.软件本地化

·2025-03-13 15:17

第二十八个问题-Dify、RAG-Flow、FastGPT 核心特点对比

核心特点：多模型支持：无缝集成数百种专有/开源大模型（如GPT、Llama3、Mistral），支持通过API或本地部署调用18。流程编排能力：提供Chatflow（对话类应用）和Workfl

释迦呼呼·2025-03-13 15:18

大模型时代的数据智能新趋势｜章文嵩、蒋晓伟、李飞飞、张凯巅峰对谈

主论坛压轴的圆桌对话环节，AutoMQ联合创始人&首席战略官章文嵩、ProtonBase研究员蒋晓伟、阿里云数据库产品事业部负责人李飞飞、蚂蚁集团AI安全商业化总经理张凯围绕“大模型时代的数据智能新趋势

ProtonBase·2025-03-13 15:47

responseType: “blob“导致不能获取查看后台返回的信息

responseType:"blob"导致不能获取查看后台返回的信息constfileReader=newFileReader()fileReader.readAsText(newBlob([response.data

不想上班只想要钱·2025-03-13 14:16

全面解析RRU软件可测性设计引入AI算法的实践

文章目录全面解析RRU软件可测性设计引入AI算法的实践本文概要整体架构流程一、引言二、具体思想点2.1智能测试用例生成2.2异常检测与定位三、落地要求3.1数据基础3.2算法与模型3.3系统集成四、检查评估项

youngerwang·2025-03-13 14:14

本地部署时，如何通过硬件加速（如 CUDA、TensorRT）提升 DeepSeek 的推理性能？不同显卡型号的兼容性如何测试？

本地部署DeepSeek模型的硬件加速优化与显卡兼容性测试指南一、硬件加速技术实现路径CUDA基础环境搭建版本匹配原则：根据显卡架构选择CUDA版本（如NVIDIARTX50系列需CUDA12+，V100

百态老人·2025-03-13 14:43

使用docker-compose部署时序数据库InfluxDB1.8.4

背景如今InfluxDB已经更新到了2.x，InfluxDB1.x和2.x版本之间有几个主要的区别：数据模型：1.x：使用数据库和保留策略来组织数据。

Heartsuit·2025-03-13 14:12

【软考-架构】3.1、数据库概述-三级模式-设计-数据模型

✨资料&文章更新✨GitHub地址：https://github.com/tyronczt/system_architect文章目录数据库系统三级模式-两级映像数据库设计考试真题第一题第二题数据模型✨E-R

小天努力学java·2025-03-13 14:12

云原生边缘计算：分布式智能的最后一公里革命

引言：从集中式云到边缘计算的范式演进阿里云ENS覆盖3000边缘节点，腾讯云ECM支持5ms内就近接入，特斯拉每辆车部署轻量K8s管理AI模型。

桂月二二·2025-03-13 14:12

【图像去噪】论文复现：TPAMI 2025！全面提升单图像去噪泛化性！像素级零样本去噪方法Pixel2Pixel的Pytorch源码复现，跑通源码，修改各种报错，框架详解，注释详细！

ImageDenoising）】关于【图像去噪】专栏的相关说明，包含适配人群、专栏简介、专栏亮点、阅读方法、定价理由、品质承诺、关于更新、去噪概述、文章目录、资料汇总、问题汇总（更新中）完整代码和训练好的模型权重文件下载链接见本文底部

十小大·2025-03-13 14:11

分布式训练中的参数local_rank

在分布式训练中，我们常常需要确保某些操作（例如下载模型和词汇表）只由一个进程完成，以避免重复工作和资源浪费。以下是local_rank在不同情况下的用法解释：loca

挨打且不服66·2025-03-13 13:09

深度学习中的异构特征介绍

深度学习，特别是现在的大模型，数据永远是最紧要的基础和前提。数据中有大量的各种各样的特征，这些特征类型不同、来源不同，因此称之为”异构特征“。

赫连达·2025-03-13 13:08

Epoch 和 Batch Size的设计 + 模型的早停策略（基于上篇）

一.epoch和batchsize的设计epoch和batchsize是训练神经网络时的两个关键超参数，它们的设计会直接影响模型的训练速度、收敛性和最终性能。

一只小铁柱·2025-03-13 13:08

使用Argostranslate模型进行翻译（python）

\Scripts\activate#macOS/Linuxsourcemyenv/bin/activate#安装argostranslatepipinstallargostranslate2.下载语言模型

一只小铁柱·2025-03-13 13:38

(4-8)基于DeepSeekMoE架构的DeepSeek-V3：测试模型

4.8测试模型DeepSeek-V3是一款基于PyTorch的深度学习模型，主要用于文本生成任务。在加载模型时，首先需要从指定路径加载模型的配置文件和预训练权重。

码农三叔·2025-03-13 13:37

人工智能 - TensorRT与DeepDP终极指南：释放GPU潜能的深度学习推理优化之道

TensorRTTensorRT（TensorRuntime）是英伟达（NVIDIA）推出的高性能深度学习推理（Inference）优化器和运行时库，专为在NVIDIAGPU上高效部署深度学习模型而设计

天机️灵韵·2025-03-13 13:36

AI大模型：教育行业的革新引擎

借助DeepSeek大模型，教师

AI360labs_atyun·2025-03-13 13:06

AIGC论文查重和传统论文查重有什么区别？

技术原理：主要利用自然语言处理和深度学习技术，分析文本的风格、语法结构和语义连贯性，以判断内容是否可能由AI模型产生。传统论文查重检测目标：主要检测论文中是否存在抄袭或剽窃

真不二价825·2025-03-13 13:06

图像识别技术与应用

方法和技术看到了生活方式的转变比如智能语音闹钟控制系统、自动驾驶和人脸识别考勤智能购物、医疗日常生活的智能比如指纹、淘宝、抖音还能用软件看到天气的好坏了解了典型训练和机器学习中的关键组件机器学习中的关键组件包含：数据模型目标函数优化算法这节课学习了第一节剩下

超帅的好吧·2025-03-13 13:36

利用数据库实现软件刷卡登录与三级权限

具体含义因系统或组织而异，但一般具备以下特点：1.访问范围读取权限：可查看大部分数据和文件。部分写入权限：能修改或添加部分数据，但受限。受限执行权限：可执行某些操作或命令，但受限制。

浮生如梦_·2025-03-13 13:05

【AIGC】计算机视觉-YOLO系列家族

YOLOv7（5）YOLOv8（6）YOLOv9（7）YOLOv10（8）YOLOv11（9）YOLOv12（1）YOLO发展史YOLO(YouOnlyLookOnce）是一种流行的物体检测和图像分割模型

LeeZhao@·2025-03-13 13:34

一个基于LSTM的字符级文本生成模型的训练+使用(pytorch)

一、代码实现1.配置文件config.pyimporttorch#设备配置DEVICE=torch.device('cuda'iftorch.cuda.is_available()else'cpu')#超参数和配置SEQ_LENGTH=100#输入序列长度BATCH_SIZE=64#批大小EMBEDDING_DIM=256#嵌入层维度HIDDEN_SIZE=512#LSTM隐藏层大小NUM_LAY

一只小铁柱·2025-03-13 12:04

backbone和head分开转onnx的优势

模型转换为ONNX格式时，将其分成backbone和head两个部分，通常是出于以下原因：1.模块化设计backbone通常是模型的特征提取部分（例如卷积神经网络的主干部分），负责从输入数据中提取高级特征

yuweififi·2025-03-13 12:33

模型训练和推理

训练时需要梯度，推理时不需要怎么理解“梯度”？计算图以及前向后向传播训练时需要梯度，推理时不需要阶段是否计算梯度是否反向传播是否更新参数用例写法训练✅✅✅loss训练默认即可，requires_grad=True推理❌❌❌采样、预测、部署用@torch.inference_mode()或withtorch.no_grad()训练阶段必须开启梯度计算：要计算loss（损失函数）然后通过loss.ba

一杯水果茶！·2025-03-13 12:02

推荐频道

模型查看