自然语言学习笔记第17页

自然语言编程：用 Cursor 将需求转化为代码

然而，随着人工智能技术的发展，以自然语言交互为核心的编程方式正在颠覆这一流程。

drebander·2025-02-03 17:18

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

根据每月流量和市场份额排名前20 的AI工具列表

它能够理解自然语言输入，生成连贯且符合逻辑的回复。可用于文本创作，如撰写文章、故事、诗歌；还能解答各种领域的知识问题，提供翻译、代码解释等服务，在多种场景下辅助用户解决语言相关需求。

开心的AI频道·2025-02-02 19:54

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

齐普夫定律（Zipf‘s Law）

齐普夫定律（Zipf’sLaw）1.定义齐普夫定律（Zipf’sLaw）是一种经验法则，描述了单词频率分布在自然语言中的规律。

彬彬侠·2025-02-02 16:36

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

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

LLM的实时性：迈向毫秒级响应的AI

LargeLanguageModel(LLM),实时性,响应时间,微服务架构,并行处理,知识图谱,优化算法,延迟最小化1.背景介绍大型语言模型(LLM)在自然语言处理领域取得了令人瞩目的成就，展现出强大的文本生成

AI大模型应用之禅·2025-02-02 06:47

[C++]DirectX 12 3D游戏开发实战—第12章学习笔记01 2019.5.7

个人学习用，请勿转载第十二章几何着色器词汇曲面细分：tenssellation几何着色器：geometryshader三角形列表：trainglelist内容如果不启用曲面细分这一环节，几何着色器这个可选阶段会位于顶点着色器与像素着色器之间。顶点着色器以顶点作为输入数据，而几何着色器的输入数据则是完整的图元。如果要绘制三角形列表，那么几何着色器程序实际将对列表中的每个三角形T执行下列操作：for(

卡酷酷·2025-02-02 01:22

[C++]DirectX 12 3D游戏开发实战—第12章学习笔记02 2019.5.8

个人学习使用，请勿转载12.3纹理数组12.3.1概述纹理数组即为存放纹理的数组。C++代码中纹理数组也由ID3D12Resource接口表示，创建ID3D12Resource对象时，可以通过设置DepthArraySize属性指定纹理数组所存储的元素个数。在d3dApp文件中创建深度/纹理模板时总是将该值设为1。CreateD3DResource12函数。Texture2DArraygTreeM

卡酷酷·2025-02-02 01:22

[C++]DirectX 12 3D游戏开发实战—第9章学习笔记03 2019.5.4

DirectX123D游戏开发实战—第9章学习笔记03词汇内容9.11附有纹理的山川演示程序给陆地网格重复铺设草地纹理根据时间函数令流水纹理延波浪滚动起来9.11.1生成栅格纹理坐标上图是一个m*n的栅格

卡酷酷·2025-02-02 01:52

Unet 改进：在encoder和decoder间加入TransformerBlock

融入模块后的网络经过测试，可以直接使用，设置好输入和输出的图片维度即可1.TransformerBlockTransformerBlock是Transformer模型架构的基本组件，广泛应用于机器翻译、文本摘要和情感分析等自然语言处理任务

听风吹等浪起·2025-02-01 23:11

【AI知识点】三种不同架构的大语言模型（LLMs）的区别

【AI论文解读】【AI知识点】【AI小项目】【AI战略思考】在自然语言处理（NLP）中，预训练语言模型（LLMs,LargeLanguageModels）通常基于不同的架构，如仅编码器的模型（Encoder-only

AI完全体·2025-02-01 23:09

开源的Text-to-SQL工具WrenAI

WrenAI是一个开源的Text-to-SQL工具，旨在通过自然语言交互界面，帮助用户更便捷地查询数据库。

rkmhr_sef·2025-02-01 23:39

机器学习笔记——特征工程

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·2025-02-01 21:56

严恭敏老师PSINS工具箱学习笔记-1

PSINS工具箱学习与使用刚开始入门惯性导航算法，看了一些书但实践出了一些问题，经推荐了解到西工大严恭敏老师的PSINS工具箱很适合自学，就在网上找了一些相关资料，很全。网址：http://www.psins.org.cn/syb站介绍：https://www.bilibili.com/video/BV1R54y1E7ut/?vd_source=6ce8821b81ac808150f82236f5

嘀嗒zxy·2025-02-01 20:42

自然语言处理基础知识入门(四) Transformer模型整体最详解（self- attention机制，mask机制）

文章目录前言一、Seq2Seq1.1Seq2Seq的基本架构1.2Seq2Seq的框架实例二、Transformer2.1Transformer的整体架构2.2Transformer的输入2.2.1InputEmbeding2.2.2PositionalEncoder2.2.3Transformer的输入2.3Transformer的自注意力机制2.3.1注意力机制2.3.2权重矩阵WWW2.3.

这个男人是小帅·2025-02-01 18:33

【转摘】域名服务器配置学习笔记

weixin_30725467·2025-02-01 18:26

(25-4-01)基于本地知识库的自动问答系统（LangChain+ChatGLM+ModelScope/Huggingface部署）: 构建和部署对话系统（1）

其中，LangChain是文件jina_serving.py中的一个重要组件，它通过将自然语言处理技术与信息检索技术相结合，实现了以下功能：模型管理与加载：通过init_model和reinit_model

码农三叔·2025-02-01 15:02

智能化Kubernetes管理：AI与ChatGPT提升运维效率的创新实践

随着人工智能（AI）技术的成熟，特别是基于自然语言处理（NLP）的智能体如ChatGPT的出现，AI智能体能够在Kubernete

大大宝的博客·2025-02-01 15:59

【大模型应用开发动手做AI Agent】Plan and Solve策略的提出

【大模型应用开发动手做AIAgent】Plan-and-Solve策略的提出关键词：大模型，AIAgent，Plan-and-Solve，智能体，策略学习，强化学习，自然语言处理1.背景介绍随着人工智能技术的飞速发展

杭州大厂Java程序媛·2025-02-01 14:22

深度学习-笔记1

·2025-02-01 12:15

Web前端最全Koa 基础篇（二）—— 路由与中间件(1)，前端组件化架构实践

开源分享：【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】基本使用router.get(“/”,asyncctx=>{ctx.body=“h

2401_84447112·2025-02-01 11:00

自然语言处理-词嵌入 (Word Embeddings)

词嵌入（WordEmbedding）是一种将单词或短语映射到高维向量空间的技术，使其能够以数学方式表示单词之间的关系。词嵌入能够捕捉语义信息，使得相似的词在向量空间中具有相近的表示。常见词嵌入方法基于矩阵分解的方法LatentSemanticAnalysis(LSA)LatentDirichletAllocation(LDA)非负矩阵分解(NMF)基于神经网络的方法Word2Vec（Google提

纠结哥_Shrek·2025-02-01 09:19

AIGC时代的Vue或React前端开发

例如，通过自然语言处理模型（如ChatGPT），开发者可以描述组件的功能和样式需求，然后自动生成包含模板、脚本和样式的完整组件代码。这不仅大大提高了开发效率，还减少了人为错误的可

GISer_Jinger·2025-02-01 09:42

DeepSeek大模型技术深度解析：揭开Transformer架构的神秘面纱

摘要DeepSeek大模型由北京深度求索人工智能基础技术研究有限公司开发，基于Transformer架构，具备卓越的自然语言理解和生成能力。

不一样的信息安全·2025-02-01 08:07

基于深度学习的大规模模型训练

基于深度学习的大规模模型训练涉及训练具有数百万甚至数十亿参数的深度神经网络，以处理复杂的任务，如自然语言处理、计算机视觉和语音识别。

SEU-WYL·2025-02-01 07:56

「DeepSeek接班OpenAI」，最新开源的R1推理模型，让AI圈爆了

这一模型在数学、代码和自然语言推理等关键任务上的表现，已经能够与OpenAI的o1正式版相媲美，引发了AI研究者和从业者的广泛关注。

人工智能学家·2025-02-01 06:23

深度解读大语言模型中的Transformer架构

一、Transformer的诞生背景传统的循环神经网络（RNN）和长短期记忆网络（LSTM）在处理自然语言时存在诸多局限性。RNN由于其递归的结构，在处理长序列时容易出现梯度消失和梯度爆炸的问题。

老三不说话、·2025-02-01 05:16

推荐频道

自然语言学习笔记