自然语言处理学习笔记

LlamaIndex架构设计：大模型长期记忆模块竟暗藏图数据库玄机

随着人工智能技术的不断发展，大型语言模型（LLM）已经在自然语言处理、文本生成、对话系统等领域取得了显著的进展。

威哥说编程·2025-02-04 08:52

Zynq UltraScale+ MPSoC 在linux系统运行R5 裸机程序 remoteproc - R5

参考文章：ultrascale学习笔记之remoteproc启动R5ZYNQUltraScale+MPSoCLinux+ThreadXAMP玩法ZynqUltraScale+MPSoC包含Cortex™

愧莫佳话·2025-02-04 06:03

学习笔记-UE4创建地形以及混合地形材质

做前须知使用版本为4.26.2切为中文版一，创建地形1.选择‘模式’下的‘地形’，设置好你想要的参数，点击‘创建’2.‘世界大纲视图’里选择你创建好的地形，选择‘材质’赋予给‘地形’下的‘地形材质’（记得退出地形模式）二，混合地形材质1.准备你的‘纹理贴图’3.右键新建一个‘材质’球，把你需要的‘纹理贴图’拖进刚刚创建的‘材质’球里，并创建一个地形混合节点（LandscapeLayerBlend）

y18679399101·2025-02-04 05:00

开源模型应用落地-DeepSeek-R1-Distill-Qwen-7B与vllm实现推理加速的正确姿势（一）

从自然语言处理到计算机视觉，从智能安防到医疗诊断，AI模型广泛应用于各个领域，人们对其准确性、稳定性和高效性的期望也与日俱增。在此背景下，DeepSeek模型的出现为行业带来了新的曙光。

开源技术探险家·2025-02-04 05:54

机器学习笔记20241017

文章目录torchvisiondataloadernn.module卷积非线性激活模型选择训练误差泛化误差正则化权重衰退的基本概念数学表示权重衰退的效果物理解释数值稳定性（GradientVanishing）梯度消失原因解决方法梯度爆炸（GradientExplosion）定义原因解决方法总结继续跟着小土堆学pytorchtorchvision#导入torchvision库，主要用于处理图像数据集

tt555555555555·2025-02-04 03:11

基于BiGRU的预测模型及其Python和MATLAB实现

##一、背景在当今快速发展的数据驱动的时代，尤其是在自然语言处理（NLP）、时间序列预测、语音识别等任务中，深度学习技术的应用已经变得越来越普遍。

追蜻蜓追累了·2025-02-04 03:10

Transformer预测模型及其Python和MATLAB实现

###一、背景在自然语言处理（NLP）领域，传统的序列到序列（Seq2Seq）模型大多依赖于循环神经网络（RNN）和长短期记忆（LSTM）网络。

追蜻蜓追累了·2025-02-04 03:10

CDGA学习笔记一-《数据管理》与《数据治理》

一、数据管理1.1引言数据是一种至关重要的企业资产，数据和信息能够帮助企业洞察顾客、产品和服务，帮助企业创新并实现其战略目标。但是，很少有组织将数据作为一项资产进行积极管理，并从中获得持续价值。从数据中获取价值，不可能凭空产生或者依赖于偶然，需要目标、规划、协作和保障，也需要管理和领导力。*考点（数据管理的概念）数据管理（DataManagement）：是为了交付、控制、保护并提升数据和信息资产的

wy_chriss·2025-02-04 02:36

OpenPyXL教程学习笔记

OpenPyXL是一个功能强大的Python库，用于处理Excel文件，允许读取、编辑和创建Excel工作簿和工作表。以下是OpenPyXL的详细教程：一、安装OpenPyXL要使用OpenPyXL，首先需要安装它。可以使用pip进行安装：pipinstallopenpyxl二、打开或保存文件打开已有文件：importopenpyxlpath='文件路径'#例如“C://test.xlsx”wor

小霍不吃豆角·2025-02-04 02:35

(学习笔记）应用层协议之电子邮件——SMTP

目录因特网中的电子邮件1电子邮件系统如果报文发送不成功怎么办？SMTP客户机和服务器的一次交互2与HTTP的对比3邮件消息格式和MIME4邮件访问协议•POP3•IMAP•基于Web的电子邮件因特网中的电子邮件1电子邮件系统电子邮件系统有3个主要组成部分:用户代理(usesagent),邮件服务器(mailserver)和简单邮件传输协议(SimpleMailTransferProtocol)。用

jesesl·2025-02-04 02:02

人工智能第2章-知识点与学习笔记

结合教材2.1节，阐述什么是知识、知识的特性,以及知识的表示。人工智能最早应用的两种逻辑是什么？阐述你对这两种逻辑表示的内涵理解。什么谓词，什么是谓词逻辑，什么是谓词公式。谈谈你对谓词逻辑中的量词的理解。阐述谓词公式的解释的含义。介绍谓词公式表示知识的一般步骤，阐述谓词逻辑表示知识的优点与局限性。什么是知识表示的产生式，请详细阐释产生式和谓词逻辑蕴涵式的差异。什么是产生式系统，请详细阐述产生式系统

想拿高薪的韭菜·2025-02-04 01:55

机器学习笔记——正则化

大家好，这里是好评笔记，公主号：Goodnote，专栏文章私信限时Free。本笔记介绍机器学习中常见的正则化方法。文章目录正则化L1正则化（Lasso）原理使用场景优缺点L2正则化（Ridge）原理使用场景优缺点ElasticNet正则化定义公式优点缺点应用场景Dropout原理使用场景优缺点早停法（EarlyStopping）原理使用场景优缺点BatchNormalization(BN)原理使用

好评笔记·2025-02-04 00:49

机器学习笔记——特征工程、正则化、强化学习

大家好，这里是好评笔记，公主号：Goodnote，专栏文章私信限时Free。本笔记介绍机器学习中常见的特征工程方法、正则化方法和简要介绍强化学习。文章目录特征工程（FzeatureEngineering）1.特征提取（FeatureExtraction）手工特征提取（ManualFeatureExtraction）：自动特征提取（AutomatedFeatureExtraction）：2.特征选择

好评笔记·2025-02-04 00:48

【LeetCode 刷题】回溯算法-棋盘问题

此博客为《代码随想录》二叉树章节的学习笔记，主要内容为回溯算法棋盘问题相关的题目解析。

Bran_Liu·2025-02-04 00:16

Vue和Vue-Element-Admin（十）：HTML和CSS快速学习笔记

目录html标签分类网页布局盒子模型浮动定位css标签选择flex布局transform转换Vue开发tipsless和scssVScode常用插件后端语言框架很多，Java适合企业级应用（规范且稳定），Go适合高并发场景（比如云上产品），Python框架（bottle，tornado，django）简单且快速，也天然适合数据分析场景，PHP适合快速建站，前端变化小，所见即所得，因此抽空记录下学习

A叶子叶·2025-02-03 23:11

AI浪潮下程序员的职业转型与技术进阶之路

以GPT系列为代表的大型语言模型，展现出强大的自然语言处理能力，能够实现文本生成、对话交互、代码编写等多种任务。根据《20

nbsaas-boot·2025-02-03 23:40

DeepSeek的出现对全球GPT产业产生的冲击

引言近年来，人工智能技术的迅猛发展推动了自然语言处理（NLP）领域的革命性进步。

不要em0啦·2025-02-03 23:07

深度学习目标检测中的_单目测距原理与实现关键点及改进建议

单目测距原理与实现关键点及改进建议文章目录单目测距的进一步解释1.焦距的确定2.物体宽度\(W\)的获取3.图像处理技巧4.提高性能的建议5.实现代码中的注释添加一、前言单目视觉测距：网上有很多关于单目测距的文章，主要借鉴的是OpenCV学习笔记

QQ_767172261·2025-02-03 21:24

ROS1学习笔记--通信编程

前面有一个博客笔者概述了关于ROS1的通信机制，现在就来通过几个例子来讲讲具体的通信编程一、话题编程话题编程流程：创建发布者创建订阅者添加编译选项运行可执行程序1.创建一个发布者ROS节点初始化编写相关的节点信息，包括发布的话题名和消息类型按一定的频率循环发布消息#include#include"ros/ros.h"#include"std_msgs/String.h"intmain(intarg

喵喵三三·2025-02-03 21:22

ROS学习笔记-roslaunch文件的编写&用sh脚本控制launch文件启动顺序

转载自：https://mp.weixin.qq.com/s?__biz=MzUyMTkxODQyOQ==&mid=2247484719&idx=1&sn=27b3a01c295ae256dc69d805fd5904ba&chksm=f9d2879dcea50e8b71b78d8b69750d282055173ea65494342e983088276859b7c4fe227f21f1&scene=

诗筱涵·2025-02-03 21:21

36.FFmpeg学习笔记 - ffplay源码解读4之解码线程

本篇说一下解码线程。在stream_component_open函数中，分别创建了一个视频解码线程和音频解码线程：staticintstream_component_open(VideoState*is,intstream_index){...switch(avctx->codec_type){caseAVMEDIA_TYPE_AUDIO:...if((ret=decoder_start(&is-

whoyouare888·2025-02-03 20:19

1、PyTorch 简介

Torch是以Lua语言为基础，在2002年左右就开始逐渐发展起来，在计算机视觉、自然语言处理等领域有一定的应用。o

找个栗子·2025-02-03 19:10

探索自然语言处理的前沿：使用OpenAI API进行文本分析

#引言自然语言处理（NLP）是人工智能领域中最令人兴奋和快速发展的部分之一。本文将介绍如何使用OpenAI的API进行文本分析。我们将通过代码示例，深入探讨如何利用这些工具来提升应用程序的智能和功能。

qq_37836323·2025-02-03 19:09

AIGC与虚拟身份及元宇宙的未来：虚拟人物创作与智能交互

博客目录引言一、AIGC在元宇宙中的作用1.1AIGC与虚拟人物创作1.1.1生成虚拟人物外观1.1.2个性化虚拟角色设计1.2AIGC与虚拟角色的行为与交互1.2.1行为生成与强化学习1.2.2对话生成与自然语言处理二

云边有个稻草人·2025-02-03 19:38

分词实现小案例

MySQL并不是一个专门设计用于处理自然语言处理（NLP）或文本分词的数据库，但可以通过一些方法和技巧实现基本的分词功能，尤其是在处理中文文本或其他语言的应用场景中。

CodingBrother·2025-02-03 19:04

Mixture of Experts（MoE）学习笔记

1学习动机第一次了解到MoE（Mixtureofexperts），是在GPT-4模型架构泄漏事件，听说GPT-4的架构是8个GPT-3级别大小的模型以MoE架构（8*220B）组合成一个万亿参数级别的模型。不过在这之后开源社区并没有对MoE架构进行很多的探索，更多的工作还是聚焦在预训练新的大模型，在Llama2或其他模型上做Fine-tune，以及扩展大模型的ContextLength。12月8号

南七小僧·2025-02-03 12:44

基于CNN(一维卷积Conv1D)+LSTM+Attention 实现股票多变量时间序列预测(PyTorch版)

财经金融、商业零售、食品饮料、运动健身、交通运输、环境科学、社交媒体以及文本和图像处理等诸多领域，讨论了各种复杂的深度神经网络思想，如卷积神经网络、循环神经网络、生成对抗网络、门控循环单元、长短期记忆、自然语言处理

矩阵猫咪·2025-02-03 12:42

M-Ped: Multi-Prompt Ensemble Decoding for Large Language Models

M-Ped：大型语言模型的多提示集成解码摘要1引言2方法3实验4研究5相关工作6结论摘要随着大型语言模型（LLMs）在自然语言处理（NLP）领域的广泛应用，提高其性能已成为研究热点。

UnknownBody·2025-02-03 11:36

DynamicPlanning动态规划学习笔记

动态规划动态规划的特点是求解决策过程最优化的过程。适用于求解将过程分成若干个互相联系的阶段，在它的每一阶段都需要作出决策，从而使整个过程达到最好的活动效果。各阶段决策依赖于当前面临的状态，又影响以后的发展。当各个阶段决策确定后，就组成一个决策序列。我们可以从决策序列中找到最优解LeetCode53给定一个整数数组nums，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。示例

kxwsspz2001·2025-02-03 11:27

DeepSeek：开启智能搜索与AI发展的新纪元

一、DeepSeek简介DeepSeek由杭州深度求索人工智能基础技术研究有限公司推出，是一款集自然语言处理（NLP）、计算机视觉（CV）、强化

gs80140·2025-02-03 08:08

AIGC的底层框架和技术模块

AIGC（ArtificialIntelligenceGeneratedContent，人工智能生成内容）的底层框架和技术模块是构建其强大自然语言处理能力的核心组成部分。

五岔路口·2025-02-03 07:27

CentOS 7.6用户管理指令

#学习笔记#一、用户添加useradd用户名二、给用户指定密码passwd用户名三、删除用户1、仅删除用户不删除用户家目录（此处用户家目录可以理解为用户的数据，通常情况下建议保留）userdel用户名2

2301_80069458·2025-02-03 05:13

【书生·浦语大模型实战营】学习笔记（三）：“茴香豆” 搭建你的RAG 智能助理

GoAI·2025-02-03 05:10

零基础学Python学习笔记

Python学习笔记代码下载地址链接：https://pan.baidu.com/s/1yGnpfq4ZHeKpt4V0J_PTSg提取码：hmzs1.Python基础语法1.1基本数据类型整数(int

小陌白·2025-02-03 04:08

新春特辑：人工智能专题大复盘

人工智能：人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

互联互通社区·2025-02-03 04:33

python学习笔记

1print不用添加";"，但是加了也行print("666")print('666')print("6'6'6")print("6\"6\'6")print("""666666555""")print("张三"+"李四")2math#引入函数库importmatha=1b=2c=3#b**2就是b的平方x=(-b+(b**2-4*a*c)**(1/2))/2*ax=(-b+math.sqrt(b

YYYYYY02020·2025-02-03 03:31

人工智能导论--第1章-知识点与学习笔记

请根据教材内容，完成进行下面的作业任务。必须包含有教材的具体内容，不能是生成式AI系统的生成内容。参考教材1.1节的内容介绍，谈谈你对“智能”的认识。思维能力是智能的重要特征之一，结合教材1.1.2节内容，从思维的定义、分类及其特点等角度，阐述思维的含义。参考教材1.1.3节的内容介绍，名词解析“人工智能”。参考教材1.2节的内容介绍，介绍人工智能的发展简史。参考教材1.3节的内容介绍，人工智能作

想拿高薪的韭菜·2025-02-03 00:32

Node+puppeteer学习笔记（九）--使用-Python3 + Pyppeteer

因为我是Python流，自动化都是基于Python的，所以一直在关注Puppeteer这个包是否会被Python支持，然后我就在官网上找到了Pyppeteer这个包，因为修改了第二个字母，差点没认出来，这个包其实就是根据Puppeteer实现的地址如下：官方GitHub仓库：https://github.com/miyakogi/pyppeteer.官方API地址：https://miyakogi

温柔夏目·2025-02-02 23:23

从零开始大模型开发与微调：汉字拼音数据集处理

从零开始大模型开发与微调：汉字拼音数据集处理1.背景介绍1.1问题的由来在人工智能领域，自然语言处理（NLP）是一项基础且重要的研究方向。

AGI大模型与大数据研究院·2025-02-02 22:43

【Spring Cloud 10】阿里巴巴分布式服务架构流量控件Sentinel，B站黑马程序员学习笔记

貌似还是他更强一些，不过没关系，加油！所以，今天开启为期一个月的博客疯狂之旅。一、百度百科Sentinel是面向分布式服务架构的高可用流量防护组件，主要以流量为切入点，从限流、流量整形、熔断降级、系统负载保护、热点防护等多个维度来帮助开发者保障微服务的稳定性。Sentinel具有以下特性:丰富的应用场景：Sentinel承接了阿里巴巴近10年的双十一大促流量的核心场景，例如秒杀（即突发流量控制在系

2501_90252715·2025-02-02 19:29

C# 学习笔记

pictureBox显示不出图片从网上找了一段代码，复制进visualstudio，显示本地的图片，结果始终显示不出来，查了好久，终于发现在Form1的构造函数中多了一个“InitializeComponent();”，删除就好了！消耗了太多时间。

·2025-02-02 19:42

AI在虚拟客户服务中的应用：提供24_7支持

AI在虚拟客户服务中的应用：提供24/7支持关键词：虚拟客服,自然语言处理(NLP),聊天机器人,对话系统,深度学习,用户支持,自动化1.背景介绍随着互联网和移动互联网的迅速发展，客户服务成为各大企业提升竞争力的重要环节

AI大模型应用之禅·2025-02-02 15:29

柳暗花明又一村：Seq2Seq编码器解码器架构

Seq2Seq,编码器-解码器,自然语言处理,机器翻译,文本生成,循环神经网络,长短期记忆网络1.背景介绍在人工智能领域，自然语言处理(NLP)始终是研究的热点之一。

AI大模型应用之禅·2025-02-02 15:29

Python学习笔记 - 探索正则表达式对象和对象匹配

在文本处理和数据清洗任务中，正则表达式无疑是一把锋利的“瑞士军刀”。它不仅能够简洁地表达复杂的字符串匹配规则，还可以在各种编程语言中实现高效的文本处理。在Python中，re库提供了强大的正则表达式功能，允许开发者轻松进行模式匹配、数据提取、验证等操作。本教程将深入探讨Python中正则表达式的高级功能，尤其是如何使用正则表达式对象及其方法来高效处理文本。我们将详细讲解如何通过re.compile

Mr数据杨·2025-02-02 13:15

【llm对话系统】大模型 Llama 源码分析之 Flash Attention

1.写在前面近年来，基于Transformer架构的大型语言模型(LLM)在自然语言处理(NLP)领域取得了巨大的成功。

kakaZhui·2025-02-02 13:43

python学习笔记——input()函数详解

1.input()函数概述功能：从标准输入中读取字符串，并且去掉末尾的换行符，最后返回数据数据类型：str-字符串2.input()函数的使用介绍方法1：直接使用input()函数print("Howoldareyou?")age=input()print(f"so,you're{age}old.")print(type(age))执行：2.方法2：带有提示词的使用input()函数print("

blankcookie·2025-02-02 12:06

【自然语言处理（NLP）】基于Transformer架构的预训练语言模型：BERT 训练之数据集处理、训练代码实现

文章目录介绍BERT训练之数据集处理BERT原理及模型代码实现数据集处理导包加载数据生成下一句预测任务的数据从段落中获取nsp数据生成遮蔽语言模型任务的数据从token中获取mlm数据将文本转换为预训练数据集创建Dataset加载WikiText-2数据集BERT训练代码实现导包加载数据构建BERT模型模型损失训练获取BERT编码器个人主页：道友老李欢迎加入社区：道友老李的学习社区介绍**自然语言

道友老李·2025-02-02 12:04

【自然语言处理（NLP）】Word2Vec 原理及模型架构（Skip-Gram、CBOW）

文章目录介绍Word2Vec介绍Word2Vec的核心概念Word2Vec的优点Word2Vec的缺点Word2Vec的应用场景Word2Vec的实现工具总结Word2Vec数学推导过程1.CBOW模型的数学推导（1）输入表示（2）词向量矩阵（3）输出层（4）损失函数（5）参数更新2.Skip-Gram模型的数学推导（1）输入表示（2）词向量矩阵（3）输出层（4）损失函数（5）参数更新3.优化技巧

道友老李·2025-02-02 11:58

光纤通信系统架构

#学习笔记系统架构光纤通信系统是一种利用光作为载波，通过光纤作为传输媒介来传输信息的通信系统。

柠檬芭乐绿·2025-02-02 09:44

Web性能优化-详细讲解与实用方法-MDN文档学习笔记

LoveEmiliaForever·2025-02-02 09:42

推荐频道