深度探索第5页

探索LangChain中OpenAI模型的token级log probabilities

在AI模型的开发和调试中，了解每个生成token的概率是非常有用的。这些信息可以帮我们理解模型的决策过程，识别可能的错误。本篇文章将介绍如何通过LangChain与OpenAI整合来获取这些token级的logprobabilities。技术背景介绍什么是LogProbabilities？在自然语言处理中，logprobabilities是一种对token生成概率的度量。通常，这个值越高，表示生成

jkgSFS·2025-01-23 04:23

如何使用 LangChain 实现模型功能调用

在本文中，我们将探索如何使用LangChain框架实现语言模型（LLM）的功能调用。这是构建智能对话系统、工具调用代理等应用的核心能力。

dagGAIYD·2025-01-23 04:23

机器学习笔记 - 机器学习/深度学习实战案例合集

一、简述如何学习机器学习/深度学习，理论和实践都很重要，理论上的内容需要看课程、读教材。但是实践需要自己动手，实践之后自然会对理论有更深入的理解。怎么实践？借用欧阳修《卖油翁》的话”无他，但手熟尔“。

坐望云起·2025-01-23 04:51

揭秘Linux：从内核到发行版，一文读懂开源操作系统的核心奥秘

发行版的定义与组成主流发行版深度对比如何选择适合自己的发行版内核与发行版的关系：解开"版本"之谜发行版如何选择和定制内核内核

寒水馨·2025-01-23 03:09

2025年前端发展趋势

我是[晓智]，一位热爱探索新技术的前端开发者，在这里分享前端和Web3D、AI技术的干货与实战经验。如果你对技术有热情，欢迎关注我的文章，我们一起成长、进步！

贵州数擎科技有限公司·2025-01-23 03:39

Transformer架构原理详解：多头注意力（MultiHead Attention）

Transformer,多头注意力,Multi-HeadAttention,机器翻译,自然语言处理,深度学习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。

AI大模型应用之禅·2025-01-23 02:33

咱们继续学Java——高级篇第二百二十八篇：之Java 2D图形编程之通过系统剪贴板传递Java对象

咱们继续学Java——高级篇第二百二十八篇：之Java2D图形编程之通过系统剪贴板传递Java对象在Java学习的征程中，我们不断探索知识的边界，每一次对新功能的深入学习都是成长的宝贵机会。

一杯年华@编程空间·2025-01-23 02:01

AI 对程序员的冲击剖析

一、引言AI技术近年来取得了突破性进展，其在自然语言处理、机器学习、深度学习等领域的应用日益广泛。在软件开发领域，AI不再仅仅是辅助工

程序员WANG·2025-01-23 01:55

OpenEuler学习感悟

但正是这种挑战，激发了我深入探索的热情。从理论学习入手，我发现官方文档是最宝贵的资源。其中详细阐述的内核原理、系统架构知识，为我构建了对OpenEuler的初步认知框架。

leegong23111·2025-01-23 01:19

什么是Oracle认证专家（OCP）？

该认证深度聚焦于Oracle数据库技术范畴，致力于培育并精准认证一批能够熟练管理、高效维护以及深度优化Oracle数据库系统的资深专业人才。

leegong23111·2025-01-23 00:47

开源宝典：探索西门子S7-1200/1500的编程奥秘 —— 深入浅出S7-1200/1500 TIA Portal通用函数库...

开源宝典：探索西门子S7-1200/1500的编程奥秘——深入浅出S7-1200/1500TIAPortal通用函数库【下载地址】S7-12001500STEP7TIAPortal通用函数库LGF本仓库提供了一个名为

金琴莺·2025-01-22 23:09

华为流程L1-L6业务流程深度细化到可执行

该文档主要介绍了华为业务流程的深度细化及相关内容，包括流程框架、建模方法、流程模块描述、流程图建模等，旨在帮助企业构建有效的流程体系，实现战略目标。

智慧化智能化数字化方案·2025-01-22 23:38

python数据分析与可视化

Python数据分析主要包括数据清洗、数据探索和数据可视化三个部分。数据清洗是数据分析的重要环节，主要是对数据进行预处理，包括缺失值处理、异常值处理、数据类型转换等。数据探索则

盆蒂·2025-01-22 22:05

C# 通用缓存类开发指南 —— 缓存管理的奇幻之旅

关注墨瑾轩，带你探索编程的奥秘！

墨瑾轩·2025-01-22 22:03

分布式因果推断在美团履约平台的探索与实践思维导图-java架构

为了创建一个关于“分布式因果推断在美团履约平台的探索与实践”的思维导图，并且专注于Java架构下的实现，我们可以将这个主题分解为几个关键领域。

用心去追梦·2025-01-22 22:59

基于OpenCV的道路损伤识别

希望在这里，我们能一起探索IT世界的奥妙，提升我们的技能。记得先点赞后阅读哦~所属专栏：传知代码论文复现欢迎访问我的主页：Srlua小谢获取更多信息和资源。

Srlua小谢·2025-01-22 21:54

在 PyTorch 训练中使用 `tqdm` 显示进度条

在PyTorch训练中使用tqdm显示进度条在深度学习的训练过程中，实时查看训练进度是非常重要的，它可以帮助我们更好地理解训练的效率，并及时调整模型或优化参数。

weixin_48705841·2025-01-22 20:50

【在 PyTorch 中使用 tqdm 显示训练进度条，并解决常见错误TypeError: ‘module‘ object is not callable】

在PyTorch中使用tqdm显示训练进度条，并解决常见错误TypeError:'module'objectisnotcallable在进行深度学习模型训练时，尤其是在处理大规模数据时，实时了解训练过程中的进展是非常重要的

weixin_48705841·2025-01-22 20:50

销售易CRM：深度洞察及应用策略全景

一、核心观点1销售易CRM：企业实现客户数字化的利器销售易CRM作为企业实现客户数字化的重要工具，在企业运营中发挥着关键作用。它能够整合企业营销服全流程管理，以支撑企业与客户互动的全出点智能化、数字化为设计出发点，助力企业成为真正以客户为中心的运营组织，提升运营效率，实现规模化的业绩增长。通过强大的PaaS平台能力，销售易CRM可以将复杂的业务抽象成可视化组件，灵活组合和扩展，满足不同行业、不同企

·2025-01-22 20:10

深度学习模型开发文档

深度学习模型开发文档1.简介2.深度学习模型开发流程3.数据准备3.1数据加载3.2数据可视化4.构建卷积神经网络(CNN)5.模型训练5.1定义损失函数和优化器5.2训练过程6.模型评估与优化6.1模型评估

Ares代码行者·2025-01-22 20:47

2024全球十大工程成就：文生视频大模型Sora引领AI时代

这十大成就涵盖了航天探索、生物医学、人工智能、新能源等多个领域，体现了当今科技前沿的最高水平。

·2025-01-22 20:08

蓝桥杯Python组最后几天冲刺———吐血总结,练题总结,很管用我学会了

一、重要知识要点1、穷举法2、枚举法3、动态规划4、回溯法5、图论6、深度优先搜索（DFS）7、广度优先搜索（BFS）8、二叉树9、递归10、分治法、矩阵法11、排列组合12、素数、质数、水仙花数13、

晚风时亦鹿·2025-01-22 19:13

AI Agent 原理解析及应用场景深度洞察

在当今科技飞速发展的时代，AIAgent作为人工智能领域的重要分支，正以其独特的智能特性和广泛的应用潜力，逐渐渗透到各个行业和我们生活的方方面面。它为解决复杂问题、提升系统效率和实现智能化交互提供了全新的途径。本文将深入剖析AIAgent的原理，并详细探讨其在多个领域的关键应用场景。一、AIAgent的定义与基本概念AIAgent，即人工智能代理，是一种能够感知其所处环境，并基于所感知的信息自主地

power-辰南·2025-01-22 19:11

深度学习环境配置指南！（Windows、Mac、Ubuntu全讲解）

关注“迈微AI研习社”，内容首发于公众号作者：伍天舟、马曾欧、陈信达入门深度学习，很多人经历了从入门到放弃的心酸历程，且千军万马倒在了入门第一道关卡：环境配置问题。俗话说，环境配不对，学习两行泪。

Charmve·2025-01-22 19:08

联邦学习中客户端发送的梯度是vector而不是tensor

在联邦学习中，当本地使用神经网络或深度学习模型时，训练的梯度通常是与模型参数（权重和偏置）相对应的梯度数据。

wzx_Eleven·2025-01-22 18:33

从System Prompt来看GPT-3.5到GPT-4的进化

对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法行业就业。希望和大家一起成长进步。

herosunly·2025-01-22 17:23

大模型GUI系列论文阅读 DAY3续4：《TREE SEARCH FOR LANGUAGE MODEL AGENTS》

为了解决这一问题，我们提出了一种推理时搜索算法，使语言模型代理能够在交互式网页环境中执行显式的探索和多步规划。我们的方法是一种基于最佳优先（best-first）

feifeikon·2025-01-22 17:23

从大型企业到中小企业：销售易、红圈、励销云CRM的行业应用

本文将对国内三大知名CRM品牌——销售易CRM、红圈CRM和励销云CRM进行深度分析，从品牌介绍和适用企业两个维度进行总结和盘点，帮助企业选择最适合自身需求的CRM解决方案。

·2025-01-22 16:04

深入探索Go中的网络编程

作者：禅与计算机程序设计艺术深入探索Go中的网络编程1.引言1.1.背景介绍网络编程是计算机网络领域中的一个重要分支,涉及如何在程序中实现网络通信,使程序具有网络访问能力。

AI天才研究院·2025-01-22 16:43

文档图像矫正任务的前沿进展：引入Transformer框架、极坐标的思路

随着文档智能处理的需求逐步升级，文档图像去畸变技术也在不断探索新的可能性。今天，我们将讨论近年来文档图像矫正任务的前沿进展，分享一些我们正在关注的方向，欢迎与我们共同探讨、交流进步。

·2025-01-22 16:01

极客说｜Phi-4 模型的 4 位量化与 vLLM 高速推理

在这里，您将看到深度教程、最佳实践和创新解决方案。关注「极客说」，与行业顶尖专家一起探索科技的无限可能！Phi-4的模型参数量是14B，这使它在推理的时候比较耗费内存。

·2025-01-22 16:00

【多模态 AI】从跨模态学习到生成革命：文本、图像与音频的深度交融

网罗开发（小红书、快手、视频号同名）大家好，我是展菲，目前在上市企业从事人工智能项目研发管理工作，平时热衷于分享各种编程领域的软硬技能知识以及前沿技术，包括iOS、前端、HarmonyOS、Java、Python等方向。在移动端开发、鸿蒙开发、物联网、嵌入式、云原生、开源等领域有深厚造诣。图书作者：《ESP32-C3物联网工程开发实战》图书作者：《SwiftUI入门，进阶与实战》超级个体：CO

网罗开发·2025-01-22 16:09

【Python常用函数】一文让你彻底掌握Python中的enumerate函数

本文和你一起来探索Python中的enumerate函数，让你以最短的时间明白这个函数的原理。也可以利用碎片化的时间巩固这个函数，让你在处理工作过程中更高效。

阿黎逸阳·2025-01-22 16:09

Python算法模糊匹配：FuzzyWuzzy深度剖析，从入门到精通，解决你所有需要匹配的需求

在数据科学和文本处理的世界中，字符串匹配是一个非常普遍的问题。FuzzyWuzzy作为一个强大的Python库，通过模糊匹配技术解决了许多由于拼写错误、格式不一致引起的问题。本文将详细介绍FuzzyWuzzy，从基本概念到高级应用，帮助你掌握这一工具。目录FuzzyWuzzy简介安装与快速开始基础用法3.1简单比例匹配3.2部分匹配3.3比例匹配集高级用法4.1令牌排序匹配4.2令牌集合匹配实际应

kdayjj966·2025-01-22 15:05

Spring Boot 3.0：快速构建微服务的最新指南

关注墨瑾轩，带你探索编程的奥秘！超萌技术攻略，轻松晋级编程高手技术宝库已备好，就等你来挖掘订阅墨瑾轩，智趣学习不孤单即刻启航，编程之旅更有趣欢迎来到SpringBoot的奇妙世界！

墨瑾轩·2025-01-22 14:28

AI人工智能深度学习算法：高并发场景下深度学习代理的性能调优

1.背景介绍1.1深度学习代理的兴起近年来，随着人工智能技术的飞速发展，深度学习在各个领域都取得了显著的成果。特别是在自然语言处理、图像识别、语音识别等领域，深度学习模型的性能已经超越了传统方法。

AI天才研究院·2025-01-22 14:54

语义缓存：提升 RAG 性能的关键策略

检索增强生成（Retrieval-AugmentedGeneration，简称RAG）（RAG综述：探索检索增强生成技术的多样性与代码实践）技术已经成为构建高性能AI模型的重要基石。

大模型之路·2025-01-22 13:50

探索AloT（人工智能物联网）：未来智能设备的核心驱动力

探索AloT（人工智能物联网）：未来智能设备的核心驱动力随着物联网（IoT）技术的飞速发展，人工智能（AI）也在各行各业中找到了应用的空间。

为也科技·2025-01-22 13:47

MySQL高可用性的守护者：主从复制的深度解析与实践指南

在当今瞬息万变的数据驱动世界中，确保数据库系统的高可用性和数据一致性是每个企业IT架构师面临的重大挑战。对于依赖MySQL作为核心存储引擎的企业来说，如何构建一个稳定、可靠且易于维护的数据库集群至关重要。今天，我们将深入探讨MySQL主从复制技术，它是实现高可用性架构的关键组件之一。通过本文，您将不仅了解到主从复制的基本原理和配置方法，还将掌握如何优化性能、解决常见问题以及应对故障转移等高级技巧。

墨夶·2025-01-22 13:16

Python中实现多层感知机（MLP）的深度学习模型

Echo_Wish·2025-01-22 12:43

【深度解读】

文章目录前言一、怎样的索引的数据结构是好的二、二分查找特点缺点三、二分查找树特点缺点四、自平衡二叉树特点缺点五、B树特点缺点六、B+树定义单点查询插入与删除效率范围查询总结七、MySQL的B+树InnoDB是如何存储数据的B+树是如何进行查询的聚簇索引和二级索引八、总结前言B+树是一种常用的索引数据结构，在数据库系统和文件系统中广泛应用。它相比于其他数据结构具有许多优点，下面我将一步一步介绍相关概

UPUP小亮·2025-01-22 12:43

深度学习-92-大语言模型LLM之基于langchain的模型IO的模型调用

文章目录1Model的输入输出2langchain支持的模型3调用Ollama模型3.1设置环境变量3.2大语言模型LLM(OllamaLLM)3.2.1生成文本补全3.2.2流式生成文本补全3.3聊天模型(ChatOllama)3.3.1内置的消息类型3.3.2HumanMessage和SystemMessage3.3.3元组方式构成消息列表3.3.4stream流式3.4文本嵌入模型(Olla

皮皮冰燃·2025-01-22 12:10

实战LangChain（七）：集成CrewAI——实现多代理协作

实战LangChain（七）：集成CrewAI——实现多代理协作实战LangChain（一）：构建您的第一个聊天机器人_langchai机器人实战LangChain（二）：探索RAG——为聊天机器人注入知识

matianlongg·2025-01-22 12:39

深度学习基础18（多层感知机代码实现）

多层感知机的从零开始实现现在自己实现一个多层感知机。为了与之前softmax回归获得的结果进行比较，将继续使用Fashion-MNIST图像分类数据集importtorchfromtorchimportnnfromd2limporttorchasd2lbatch_size=256train_iter,test_iter=d2l.load_data_fashion_mnist(batch_size)

NDNPOMDFLR·2025-01-22 11:37

acwing深度优先dfs

n个数全排列#includeusingnamespacestd;constintN=10010;intn;intpath[N];boolst[N];voiddfs(intu){if(u==n){for(inti=0;i>n;dfs(0);return0;}

一缕叶·2025-01-22 11:06

AI Agent：深度解析与未来展望

一、AIAgent的前世：从概念到萌芽（一）早期探索AIAgent的概念可以追溯到20世纪50年代，早期的AI研究主要集中在简单的规则系统上，这些系统的行为是确定性的，输出由输入决定。

码事漫谈·2025-01-22 11:34

Flask SSTI注入：探索模板注入漏洞

简介在Web应用程序开发中，安全性是至关重要的。然而，有时候由于不正确的输入验证或者配置设置，可能会导致安全漏洞的存在。在本文中，我们将探讨一种常见的Web应用程序漏洞——Flask中的SSTI（服务器端模板注入）注入。我们将介绍SSTI注入的原理，展示它的危害，并提供一些防御措施。什么是SSTI注入？SSTI（Server-SideTemplateInjection）注入是一种Web应用程序漏洞

NfsVerilog·2025-01-22 11:04

【深度学习基础】线性神经网络 | softmax回归的简洁实现

【作者主页】FrancekChen【专栏介绍】⌈⌈⌈PyTorch深度学习⌋⌋⌋深度学习(DL,DeepLearning)特指基于深层神经网络模型和方法的机器学习。

Francek Chen·2025-01-22 11:34

B树和B+树的区别？为什么MySQL 使用B+树？

B树的特点：节点排序，叶子节点存储了数据叶节点具有相同的深度、叶子节点的指针为空一个节点可以存储多个元素，并且多个元素都按照从左到右递增排序，所有索引元素不重复B+树的特点：非叶子节点不存储数据、只存储索引

LPoint809·2025-01-22 11:03

【人工智能】Python常用库-Keras：高阶深度学习 API

Keras：高阶深度学习APIKeras是一个高效、用户友好的深度学习框架，作为TensorFlow的高级API，支持快速构建和训练深度学习模型。它以模块化、简单和灵活著称，适合研究和生产环境。

IT古董·2025-01-22 11:33

推荐频道

深度探索