深度学习之YOLO系列付费专栏

Pytorch 自学笔记（三）：利用自定义文本数据集构建Dataset和DataLoader

Pytorch自学笔记（三）1.Dataset与DataLoader1.1torch.utils.data.Dataset1.2torch.utils.data.DataLoaderPytorch自学笔记系列的第三篇
JimmyTotoro·2025-01-22 04:11

走进JavaWeb技术世界11：单元测试框架Junit

本系列文章将整理到我在GitHub上的《Java面试指南》仓库，更多精彩内容请到我的仓库里查看https://github.com/h2pl/Java-Tutorial喜欢的话麻烦点下Star哈文章首发于我的个人博客
程序员黄小斜·2025-01-22 04:10

Python OpenAI 库开发指南：从入门到实战精通

它推出的GPT系列模型、DALL·E等创新技术，正在深刻改变各行各业。作为Python开发者，我们该如何快速上手并高效利用OpenAI的API，成为了提升个人竞争力的关键。
senger_lcc·2025-01-22 04:39

Visio 2021 常用快捷键总结

Ctrl”+“shift”+“=”】斜体：【“Ctrl”+“i”】加粗：【“Ctrl”+“b”】下划线：【“Ctrl”+“u”】删除本段光标之后所有内容：【“Ctrl”+“Delete”】删除本段光标之钱所有内容
八年。。·2025-01-22 03:33

(RAG系列) FastGPT工作流的http请求模块使用

FastGPT工作流的http请求模块使用版本使用说明代码模板版本fastgptv4.8.10使用说明question接收传入的变量，msg集合则是包含返回的变量，fastgpt的工作流的http请求模块填写url->http://xxxx:5000/deal_response代码模板fromflaskimportFlask,requestimportjsonimportreapp=Flask(_
是小白_鸭·2025-01-22 03:33

Python学习：Pandas库使用（二）之读写Excel文件——read_excel()和to_excel()函数及其参数详解

在Python的Pandas库中，读取和写入Excel文件主要使用read_excel和to_excel函数。以下是详细用法和示例：1.读取Excel文件：pd.read_excel()importpandasaspd#读取Excel文件df=pd.read_excel('文件路径.xlsx',sheet_name='Sheet1',header=0,usecols='A:C',skiprows=
爬虫俗手小马达·2025-01-22 03:01

基于YOLOv5、YOLOv8和YOLOv10的机场安检行李检测：深度学习应用与实现

因此，基于深度学习的自动化行李检测系统应运而生，通过计算机视觉技术，自动识别和分类行李中的物品，大大提高了安检的效率与准确性。YOLO（YouOnlyLookOnce）系列算法，由于其高效的目
2025年数学建模美赛·2025-01-22 03:31

人工智能之数学基础：一个小例子帮你快速搞懂极大线性无关向量组

本文重点在上一节课程中，我们学习了线性相关和线性无关。当线性相关的时候，那么说明这组向量至少存在一个向量可以被其它向量给表示，可以被表示就说明这个向量就是可有可无的，可以被替代的，这里就涉及到极大线性无关向量组的概念了，本文对此进行学习。极大无关向量组的定义与性质定义在线性空间中，如果存在一个向量组，它满足以下两个条件：一是它本身是线性无关的；二是向量空间中的任何包含它的向量组，如果仍然保持线性无
每天五分钟玩转人工智能·2025-01-22 02:59

SpringCloud系列——5Spring Cloud 源码分析之OpenFeign

学习目标为什么加一个注解就能实现远程过程调用呢？推导它底层的实现主流程？OpenFeign怎么实现RPC的基本功能的通过源码验证第1章OpenFeign主流程推导要明确OpenFeign的主流程首先我们还是要明确它的核心目标是什么？说白了，OpenFeign最核心的目标就是让客户端在远程调用过程中不需要做什么多余的操作，只要拿到一个对象，然后调用该对象的方法就好了，剩下的操作都交给OpenFeig
木木_2024·2025-01-22 02:58

2024金三银四必备：Java后端开发面试总结【25个技术专题】

23、数据结构基础之双向链表24、HashMap的底层实现25、ConcurrentHashM
2401_89790869·2025-01-22 02:27

Nginx进阶篇之端口转发

nginx透传udp、tcp端口需要nginx编译时，支持加载stream模块。./configure--prefix=/usr/local/nginx--with-stream配置stream需要在nginx的http和events区域块之间配置即可。userroot;worker_processesauto;error_loglogs/error.log;pidsbin/nginx.pid;e
·2025-01-22 02:29

用JavaScript实现找不同小游戏

节点的监听声明两个需要监听的节点禁用页面点击事件的函数DOM监听实现勋章分数增加和生命的减少减命逻辑死亡响应websocket交互定义给后端发送的数据包断线重连最后,调用封装好的websocket创建初始之物
算是难了·2025-01-22 02:25

深入理解GPT底层原理--从n-gram到RNN到LSTM/GRU到Transformer/GPT的进化

1.从n-gram到循环神经网络(RNN)的诞生1.1N-gram模型在深度学习兴起之前,处理序列数据主要依靠统计方法,如n-gram模型。N-gram是一种基于统计的语言模型,它的核心思想是:一
网络安全研发随想·2025-01-22 02:55

《冲动》V1.6官方学习版

很快，他就陷入了一系列神秘而无法解释的事件中，深入探究那些让他质疑正
私人珍藏库·2025-01-22 02:24

什么是开放-封闭原则，也就是我们常说的开闭原则

对修改关闭2、如何做：猜测出最有可能发生的变化种类，然后构造抽象来隔离那些变化3、如何理解：可以用一国两制来理解，主体制度不能修改，但是可以在局部地区扩展制度无论模块是多么的‘封闭’，都会存在一些无法对之封闭的变化
不二周！·2025-01-22 01:52

Redis实战之Jedis使用技巧详解

一、前言基于redis开放的通信协议，大神们纷纷开发了各种语言的redis客户端，有c、c++、java、python、php、nodeJs等等开发语言的客户端，准确来说其实这些客户端都是基于redis命令做了一层封装，然后打包成工具以便大家更佳方便的操作redis，以Java项目为例，使用最广的就是以下三种客户端：JedisLettuceRedisson二、JedisJedis是老牌的Redis
小马不敲代码·2025-01-22 01:22

月之暗面今日发布k1.5多模态思考模型

月之暗面k1.5多模态思考模型的问世一、月之暗面k1.5多模态思考模型介绍2025年1月20日，月之暗面发布了k1.5多模态思考模型。
百态老人·2025-01-22 01:51

Kafka系列5-Kafka 常见面试题

文章目录一.常见面试题1.1Kafka中的ISR(InSyncRepli)、OSR(OutSyncRepli)、AR(AllRepli)代表什么？1.2Kafka中的HW、LEO等分别代表什么？1.3Kafka中是怎么体现消息顺序性的？1.4Kafka中的分区器、序列化器、拦截器是否了解？它们之间的处理顺序是什么？1.5Kafka生产者客户端的整体结构是什么样子的？使用了几个线程来处理？分别是什么
只是甲·2025-01-22 01:19

深度学习理论基础（七）Transformer编码器和解码器

学习目录：深度学习理论基础（一）Python及Torch基础篇深度学习理论基础（二）深度神经网络DNN深度学习理论基础（三）封装数据集及手写数字识别深度学习理论基础（四）Parser命令行参数模块深度学习理论基础
小仇学长·2025-01-22 01:48

分布式存储的技术选型之HDFS、Ceph、MinIO对比

分布式存储的技术选型比：HDFS、Ceph、MinIO对比一文读懂分布式存储在当今数字化时代，数据呈爆炸式增长，分布式存储技术应运而生，成为大数据存储与管理的得力助手。它将数据分散存于多台独立设备，构建起一个庞大而可靠的虚拟存储体系，有效突破了传统集中式存储的性能瓶颈，大幅提升了可靠性、可用性及存取效率，轻松应对海量数据的存储挑战。分布式存储的应用场景极为广泛。在大数据处理领域，如互联网公司应对海
Linux运维老纪·2025-01-22 00:40

Linux环境下删除Golang

在Linux操作系统中，如果你决定删除Golang编程语言及其相关组件，需要执行一系列步骤。本文将为你提供详细的指导，并附上相应的源代码。卸载Golang首先，需要卸载已安装的Golang。
HoUnix·2025-01-22 00:40

Transformer架构原理详解：编码器（Encoder）和解码器（Decoder）

Transformer,编码器,解码器,自注意力机制,多头注意力,位置编码,序列到序列,自然语言处理1.背景介绍近年来，深度学习在自然语言处理（NLP）领域取得了显著进展，其中Transformer架构扮演着至关重要的角色
AI大模型应用之禅·2025-01-22 00:08

【云原生布道系列】第三篇：“软”饭“硬”吃的计算

1虚拟化技术定义首先援引一段《虚拟化技术发展编年史》中针对虚拟化技术的定义：在计算机科学中，虚拟化技术（Virtualization）是一种资源管理（优化）技术，将计算机的各种物理资源（例如CPU、内存、磁盘空间，以及网络适配器等I/O设备）予以抽象、转换，然后呈现出一个可供分割并任意组合为一个或多个（虚拟）计算机的配置环境。虚拟化技术打破了计算机内部硬件实体结构不可分割的物理实体障碍，使用户能够
江中散人·2025-01-22 00:35

python etree模块所有函数详解_09.XML处理之etree模块

本主题主要说明python的xml处理标准模块xml.etree的使用。xml.etree模块包含4个子模块，其中cElementTree是ElementTree的别名，已经不推荐使用。本主题主要包含内容：1.ElementInclude模块使用2.ElementPath模块使用3.ElementTree模块使用一、etree模块帮助importxml.etreehelp(xml.etree)He
weixin_39878401·2025-01-21 23:04

服务化架构 IM 系统之红包功能设计与实现

在文章（见《分层架构IM系统之消息收发功能设计与实现》）中，我们深入分析过消息的收发流程；在IM的服务化架构中，消息收发逻辑与在分层架构中类似，见下图，我们快速回顾一下。图中箭头表示数据流向。
棕生·2025-01-21 23:03

分层架构 IM 系统之消息收发功能设计与实现

“消息收发”是IM系统最最核心的业务逻辑模块，本篇文章是整个“分层架构IM系统”的核心！IM，即“即时通讯”，要求消息具备“及时性”和“可靠性”：及时性，要求消息的收发需要很低的延时，在线双方通过消息交流时，没有明显的滞后感。可靠性，要求消息不能丢失；对于消息发送方来说，只要消息发送成功了，消息就会一直存在服务端，不会丢失（除非因产品策略，删除久远的历史消息）；对于服务端来说，只要接收方在线，一定
棕生·2025-01-21 23:33

分层架构 IM 系统之架构演进

分层架构的IM系统，整体上包含了【终端层】、【入口层】、【业务逻辑层】、【路由层】、【数据访问层】和【存储层】，我们在上篇文章（分层架构IM系统之架构解读）中进行了介绍。今天讨论局部的架构调整和演进！
棕生·2025-01-21 23:32

C++ Primer：3.3 标准库类型vector

集合中的每个对象都有一个与之对应的索引，用于访问对象。vector容纳着其他对象，也被称作容器。使用vector必须包含适当的头文件。
天空的蓝耀·2025-01-21 23:31

青少年编程与数学 02-007 PostgreSQL数据库应用 12课题、存储过程编写

存储过程是一系列SQL语句的集合，可作为单元保存在数据库中，用于执行数据查询、更新、插入和删除等操作。它们具有封装性、提高性能、增强安全性、事务管理、参数化和返回结果等特
明月看潮生·2025-01-21 23:59

【人工智能 | 大数据】基于人工智能的大数据分析方法

基于人工智能（AI）的大数据分析方法是指利用机器学习、深度学习和其他AI技术来分析和处理大规模数据集。
用心去追梦·2025-01-21 22:58

数据结构之链表（linked list）代码实现(小白轻松懂，C语言版)

一、前言：链表的简单介绍链表（LinkedList）是一种重要的线性数据结构，它以节点（Node）的形式存储数据，每个节点通过指针（或引用）指向下一个节点，从而形成一个动态的数据链条。与数组不同，链表的内存分配并不连续，因此具有更灵活的插入和删除操作，但在随机访问元素时效率相对较低。链表通常分为单向链表（SinglyLinkedList）、双向链表（DoublyLinkedList）和循环链表（C
Morandi_Chen·2025-01-21 22:26

有趣的css - 圆形渐变光晕动效

《有趣的css》系列最新实例通过公众号「设计师工作日常」发布。
设计师工作日常·2025-01-21 22:24

深度学习中超参数

深度学习中的超参数(hyperparameters)是决定网络结构的变量(例如隐藏层数量)和决定网络训练方式的变量(例如学习率)。超参数的选择会显著影响训练模型所需的时间，也会影响模型的性能。
fengbingchun·2025-01-21 22:54

基于MATLAB机器学习、深度学习实践技术应用

近年来，MATLAB在机器学习和深度学习领域的发展取得了显著成就。其强大的计算能力和灵活的编程环境使其成为科研人员和工程师的首选工具。
梦想的初衷~·2025-01-21 22:52

深度求索DeepSeek V2.5-1210发布：AI代码生成器迎来全新升级

深度学习技术日新月异，而强大的AI代码生成器也随之不断进化。
·2025-01-21 22:53

大数据组件之Azkaban简介

一、Azkaban介绍1.1背景一个完整的大数据分析系统，必然由很多任务单元(如数据收集、数据清洗、数据存储、数据分析等)组成，所有的任务单元及其之间的依赖关系组成了复杂的工作流。复杂的工作流管理涉及到很多问题：如何定时调度某个任务？如何在某个任务执行完成后再去执行另一个任务？如何在任务失败时候发出预警？......面对这些问题，工作流调度系统应运而生。Azkaban就是其中之一。1.2功能Azk
努力的小星星·2025-01-21 22:20

深度学习学习笔记（第30周）

一、摘要本周报的目的在于汇报第30周的学习成果，本周主要聚焦于基于深度学习的图像分割领域的常用模型U-net。 U-net是最常用、最简单的一种分割模型，在2015年被提出。
qq_51339898·2025-01-21 21:18

python中lxml 库之 etree 使用详解

目录一、etree介绍二、xpath解析html/xml1、第一步就是使用etree连接html/xml代码/文件。2、xpath表达式定位①xpath结合属性定位②xpath文本定位及获取③xpath层级定位④xpath索引定位⑤xpath模糊匹配一、etree介绍lxml库是Python中一个强大的XML处理库，简单来说，etree模块提供了一个简单而灵活的API来解析和操作XML/HTML文
闲人陈二狗·2025-01-21 21:48

安装 Kong Gateway 及其基本配置指南

本篇文章将带领您通过一系列简单步骤，安装并配置KongGateway，以便快速上手并进行常见的API管理任务。
张声录1·2025-01-21 21:17

大数据学习(36)- Hive和YARN

&&大数据学习&&系列专栏：哲学语录:承认自己的无知，乃是开启智慧的大门如果觉得博主的文章还不错的话，请点赞+收藏⭐️+留言支持一下博主哦当客户端提交SQL作业到HiveServer2时，HiveServer2
viperrrrrrr·2025-01-21 21:16

python模拟手写笔迹_原笔迹手写实现平滑和笔锋效果之:笔迹的平滑(一)

之前研究过一种用于模拟真实手写笔迹签名的算法,要求能够保持原笔迹平滑,并有笔锋的效果.在网上看了一些资料,资料很多,能够达到用于正式产品中的效果的一个都没有找到.但是即使按照这篇文章讲的方法去实现手写笔迹,表现的效果也非常的不理想.而且,这篇文章还只是涉及到了笔迹平滑的问题,没有涉及到如何解决笔锋的问题经过我一段时间的研究,终于在上厕所的时候(有没有被duang了一下的感觉,哈哈~O(∩_∩)O)
weixin_39570530·2025-01-21 21:14

深入解析如何进行TensorFlow框架下的算子开发与适配插件开发：基于昇腾AI的完整流程

深入解析如何进行TensorFlow框架下的算子开发与适配插件开发：基于昇腾AI的完整流程在人工智能领域中，算子（Operator）作为深度学习模型的基础执行单元，决定了整个模型的计算性能和结果准确性。
快撑死的鱼·2025-01-21 20:40

深入解析框架适配开发：基于CANN平台的自定义算子开发与第三方框架适配全流程详解

深入解析框架适配开发：基于CANN平台的自定义算子开发与第三方框架适配全流程详解随着深度学习的发展，不同的深度学习框架如TensorFlow、PyTorch、ONNX等在AI开发者社区中占据了重要地位。
快撑死的鱼·2025-01-21 20:10

深入解析CANN算子开发：TBE与AI CPU算子类型及其开发方法全指南

深入解析CANN算子开发：TBE与AICPU算子类型及其开发方法全指南在现代AI计算领域中，高效的算子开发对于优化深度学习模型的推理与训练至关重要。
快撑死的鱼·2025-01-21 20:09

深度学习-90-大型语言模型LLM之基于LM Studio本地化部署运行自己的大模型

文章目录1LMStudio1.1LMStudio的优点1.2LMStudio的安装1.3配置国内下载模型2LMStudio的应用2.1查找/下载模型2.2模型名称的含义2.3查看已经下载的模型2.4使用聊天3配置服务端3.1启动服务3.2支持的接口3.2.1列出当前加载的模型/v1/models3.2.2聊天补全/v1/chat/completions3.2.3文本补全/v1/completion
皮皮冰燃·2025-01-21 20:38

Transformer 架构对比：Dense、MoE 与 Hybrid-MoE 的优劣分析

DenseTransformerMoE(MixtureofExperts)TransformerHybrid-MoETransformer2.Transformer按照编码方式分类单向自回归模型(如早期GPT系列
m0_74823683·2025-01-21 20:08

三轴云台之跟随模式篇

一、定义与原理定义：跟随模式是三轴云台的一种工作模式，在此模式下，云台能够跟随用户的操作或预设的路径进行平滑的移动和拍摄。原理：跟随模式的实现依赖于云台的传感器、电机控制系统和算法。云台通过内置的传感器感知用户的操作或预设路径，然后通过电机控制系统调整云台的角度和位置，以实现跟随效果。算法则用于优化云台的移动路径和速度，以确保拍摄的稳定性和流畅性。二、功能特点平滑跟随：在跟随模式下，云台能够平滑地
SKYDROID云卓小助手·2025-01-21 20:33

机器算法之逻辑回归(Logistic Regression)详解

一、什么是逻辑回归？逻辑回归并不是传统意义上的回归分析，而是一种用于处理二分类问题的线性模型。它通过计算样本属于某一类别的概率来进行分类，尽管名字中有“回归”二字，但它实际上是一种分类算法。简单来说，逻辑回归回答的是“这件事发生的可能性有多大”。二、逻辑回归的基本原理在讲原理之前，我们先来了解一下逻辑回归的数学基础。逻辑回归的核心是一个Logistic函数（或称为Sigmoid函数），它的公式如下
HappyAcmen·2025-01-21 20:32

RabbitMQ 可靠性、重复消费、顺序性、消息积压解决方案

实际上消息队列可以说是没法百分之百保证可靠性的！RabbitMQ提供的相关机制也只是在于缩小消息丢失的概率，或者说提供了消息丢失后的我们可以记录日志的功能。
鸨哥学JAVA·2025-01-21 20:30

Java高频面试之SE-11

hello啊，各位观众姥爷们！！！本牛马baby今天又来了！哈哈哈哈哈嗝Java中是引用传递还是值传递？在Java中，方法参数传递是通过值传递的方式实现的，但这可能会引起一些误解，尤其是在处理引用类型（对象）时。为了更好地理解这一点，让我们详细探讨一下：1.基本数据类型对于基本数据类型（如int、float、char等），Java采用值传递的方式。这意味着：当你将一个基本数据类型的变量作为参数传递
牛马baby·2025-01-21 19:58
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他