非参数模型

交换机NAC配置与管理详解

在华为交换机中NAC包括802.1x认证、MAC认证与Portal认证，都是采用如下图所示的认证模型。它包括用户（User）、网络接入设备（NAD）和接入控制服务器（ACS）三

wespten·2025-02-17 19:09

Ruoyi-Radius详解

Ruoyi-Radius详解一、模块功能架构核心目标：实现基于RADIUS协议的AAA（认证、授权、计费）服务，与若依管理系统无缝集成，复用其用户体系与权限模型。

靖节先生·2025-02-17 18:37

DeepSeek的崛起之路：从技术突破到行业变革

一、DeepSeek的进化历程初创与奠基（2023-2024）作为幻方量化子公司，DeepSeek于2023年在杭州成立，专注于大语言模型研发。

诚信爱国敬业友善·2025-02-17 18:05

Node.js RESTful API 框架

模块化设计：基于Mongoose模型进行操作，可方便地实

温宝沫Morgan·2025-02-17 18:04

Flex布局

Flex布局，即FlexibleBox布局，是一种CSS布局方式，它为盒状模型提供了最大的灵活性。

augenstern416·2025-02-17 18:04

C# Winform DragDrop事件不触发问题

DragEnter通过参数（DragEventArg

Yuanymoon·2025-02-17 17:26

记录修改Docker容器中Mysql配置后重启失败问题

问题：修改安装在docker中的Mysql的my.cnf配置文件后，重启容器失败解决方案：将需要修改的配置参数添加在运行容器时的命令上，例如需要添加lower_case_table_names=1和character-set-server

-Juan-·2025-02-17 17:25

性能测试核心知识点 —— 负载模型！

而负载模型则是负载测试中的关键概念，它定义了测试的目标、策略、参数和流程，是进行性能测试的基础。一、负载模型概述负载模型是一种模拟实际用户行为的方法，目的是模拟真实环境下的用户负载，以评估系统的性能。

自动化测试老司机·2025-02-17 17:23

zemax光学设计坐标断点怎么使用？

在Zemax光学设计中，坐标断点（CoordinateBreaks）的使用涉及多个方面，包括理解坐标系、插入坐标断点、设置参数以及注意事项等。

光学设计培训·2025-02-17 17:23

算法竞赛备赛——【背包DP】多重背包

多重背包基础模型有一个体积为V的背包，商店有n种物品，每种物品有一个价值v和体积w，每种物品有s个，问能够装下物品的最大价值。

Aurora_wmroy·2025-02-17 17:50

3D机器视觉的类型、应用和未来趋势

3D机器视觉的类型、应用和未来趋势类型3D机器视觉技术主要分为以下几类：立体视觉（StereoVision）通过两个或多个摄像头从不同角度捕捉图像，利用视差计算深度信息，生成3D模型。

视觉人机器视觉·2025-02-17 17:49

红 - 黑树和 B+树？

它的特点包括每个节点非红即黑；根节点是黑色；每个叶子节点都是黑色的空节点；如果一个节点是红色的，那么它的两个子节点都是黑色；从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点。

百态老人·2025-02-17 16:43

prompt技术结合大模型生成测试用例

要利用prompt技术结合大模型对目标B/S架构软件系统进行测试，以下以使用Python调用OpenAI的GPT模型进行功能测试用例生成，再借助Selenium库执行测试为例，给出一个完整的实现示例。

小赖同学啊·2025-02-17 16:13

b树、b+树与红黑树的区别及应用场景

和Mkey的子节点的值位于M-1和Mkey对应的Value之间其它节点至少有M/2个子节点以下是一颗M=4阶的b树：B+树是对B树的一种变形树，它与B树的差异在于：有k个子结点的结点必然有k个关键码；非叶结点仅具

JordanPanther·2025-02-17 16:41

ORB-SLAM3的源码学习： Settings.cc：Settings::readImageInfo读取图像信息

前言简单总结一下：这个函数的主要目的是从配置文件中读取和设置与相机图像尺寸相关的各种参数。它会根据需要调整图像的宽度和高度，并根据这些调整更新相机的校准参数。

PaLu-LvL·2025-02-17 15:08

ORB-SLAM2源码学习：System.cc：System::System SLAM系统的构造函数

总的来说：该函数主要干了以下事情：1.初始化一些参数（列表初始化）2.加载并检查配置文件和词汇表3.创建一些对象如关键帧数据库、地图、绘制器等。

PaLu-LvL·2025-02-17 15:38

边缘AI架构提升LLM应用的响应速度

边缘AI架构提升LLM应用的响应速度关键词边缘计算、边缘AI、LLM、响应速度、模型压缩、分布式计算摘要本文探讨了如何通过边缘AI架构提升大型语言模型（LLM）应用的响应速度。

AI天才研究院·2025-02-17 15:08

ORB-SLAM3的源码学习： Settings.cc：Settings::readCamera1/readCamera2 从配置文件中加载相机参数

前言需要从配置文件yaml文件中读取相机参数才能用于后续计算。

PaLu-LvL·2025-02-17 15:08

DataWorks Copilot × DeepSeek-R1 来了！给你的智能数据开发加满 buff

现在，DataWorksCopilot与DeepSeek-R1模型深度对接，支持DeepSeek-R1-671B模型与DeepSe

·2025-02-17 15:16

通过MATLAB/Simulink平台，使用时域分析法评估一个典型控制系统的响应速度性能指标

目录基于Simulink的时域分析法评估系统的响应速度性能指标1.背景介绍1.1项目背景1.2系统描述1.3应用场景2.系统架构设计2.1系统框图2.2数学模型3.Simulink仿真模型步骤3.1创建

xiaoheshang_123·2025-02-17 15:06

朴素贝叶斯模型在文本分类中的应用

本文将介绍朴素贝叶斯模型的基本原理、在文本分类中的应用以及其优缺点，并通过示例说明其具体实现。1.朴素贝叶斯模型的基

Ash Butterfield·2025-02-17 15:36

深入了解与全面使用DeepSeek：从基础到高级应用

一、认识DeepSeek1.1DeepSeek简介DeepSeek是由深度求索公司开发的人工智能平台，它支持三种主要模式：基础模型（V3）、深度思考（R1）和联网搜

一位卑微的码农·2025-02-17 15:35

【数值模型后处理系列】通风系数计算及垂直层插值

一、通风系数1.1通风系数简介通风系数（VentilationCoefficient，VC）可以用来表征扩散条件，其计算公式如下（参考USIyerandPErnestRaj的文章）：其中mixingdepth选用WRF输出的边界层高度（PBLH），meanwindspeed近似用边界层顶的风速与地面风速做平均（当然也可多选几层）。1.2Python代码实现VC的计算计算VC的示例代码：fromne

⁣北潇·2025-02-17 15:05

大客户管理的方法和策略

以精准分层为例，企业需根据客户贡献度、战略匹配度等维度划分优先级，例如，某全球500强企业通过RFM模型（最近消费、频率、金额）筛选出Top5%客户，针对性投入资源后，次年营收增长达18%。

·2025-02-17 15:40

SQL中char和nchar 的区别

text存储可变长度的非Unicode数据，最大长度为2^31-1(2,147,483,647)个字符。后面三种数据类型和前面的相比，

未来无限·2025-02-17 15:31

如何在不依赖函数调用功能的情况下结合工具与大型语言模型

当大型语言模型（LLM）原生不支持函数调用功能时，如何实现智能工具调度？本文通过自然语言解析+结构化输出控制的方法来实现。

Jason9510·2025-02-17 15:01

GPT-4o mini 大模型价格战，一百万 Token 只需要 1.1元 RMB

本心、输入输出、结果文章目录GPT-4omini大模型价格战，一百万Token只需要1.1元RMB前言目前它的定价方案是每处理一百万个token仅需15美分GPT-4omini极快的响应速度GPT-4omini

简简单单OnlineZuozuo·2025-02-17 15:00

Flux【Lora模型】：效率太高了，超写实逼真黑悟空Flux Lora它来了

在大家热心谈论黑悟空的时候，AI绘画领域也不甘落后，结合最近火爆的AI绘画工具Flux,各路大神第一时间就训练出了Flux的loar版本，今天我们就来体验感受一下大神“AIGAME熊熊”推出的Flux版本的loar模型

AI绘画师-海绵·2025-02-17 15:59

机器学习 - 学习线性模型的重要性

在接下来的博文中，我们将重点学习线性模型的回归模型和分类模型，在学习之前，让我们来了解一下学习线性模型的重要性，以及如何入门学习。一、作为初学者如何学习线性模型？

谦亨有终·2025-02-17 14:29

递归消除特征法RFE筛选特征-包装法-特征选择-特征降维

RFE（Recursivefeatureelimination）：递归消除特征法使用一个基模型（这里使用逻辑回归）来进行多轮训练，每轮训练后，消除若干权值系数的特征，再基于新的特征集进行下一轮训练。

糯米君_·2025-02-17 14:59

Spring Batch批处理操作与实践

这些任务往往不需要用户交互，可以在非高峰时段运行，以减少对系统资源的影响。常见的批处理任务

面朝大海，春不暖，花不开·2025-02-17 14:58

【深度学习基础】什么是注意力机制

它不仅解决了传统模型的根本性缺陷，更通过动态聚焦关键信息的能力，重塑了人工智能处理复杂任务的范式。本文

我的青春不太冷·2025-02-17 14:26

【机器学习】多元线性回归

最后，我们会通过sklearn快速实现多元线性回归模型。多元线性回归模型简介多元线性回归的模型公式为：y=X⋅w+by=X\cdo

T0uken·2025-02-17 14:26

Java中JWT（JSON Web Token）的运用

目录1.JWT的结构2.JWT的优点3.JWT的流转过程4.具体案例一、项目结构二、依赖配置三、用户模型四、JWT工具类五、JWT请求过滤器六、安全配置七、身份验证控制器八、测试JWTJWT（JSONWebToken

华农第一蒟蒻·2025-02-17 14:56

【第15章：量子深度学习与未来趋势—15.3 量子深度学习在图像处理、自然语言处理等领域的应用潜力分析】

想象这样一个场景：你现在训练一个GPT-5级别的模型，不需要耗费价值上亿美元的算力资源，不需要等待数周的训练时间，甚至不需要纠结于模型参数是否过拟合。这就是量子深度学

再见孙悟空_·2025-02-17 14:25

【第15章：量子深度学习与未来趋势—15.1 量子计算基础与量子机器学习的发展背景】

当前AI大模型的参数规模每4个月翻一番，但摩尔定律的终结让经典计算机的算力增长首次跟不上AI的进化速度。

再见孙悟空_·2025-02-17 14:24

数据结构：图；邻接矩阵和邻接表

顶点B的度为2，对应第2行/列非零元素数量。非零元素总数=边数×2（无向图双向性）。二、有向图邻接矩阵示例示例图（顶点：V1→V2、V2→V3、V3→

muxue178·2025-02-17 14:24

Sentinel

目录一、Sentinel简介核心特性二、环境准备1.控制台安装2.SpringBoot集成三、核心功能实战1.流量控制2.熔断降级3.热点参数限流四、高级配置1.规则持久化（Nacos集成）2.集群流控五

华农第一蒟蒻·2025-02-17 14:24

pytest.fixture详解：如何有效管理测试的前置条件与后置条件

基础概念pytest.fixture是一个装饰器，标记一个函数作为“夹具”（fixture），这个夹具会在每次测试函数运行前被调用，并可以在测试函数中作为参数使用。测试函数中的夹具会自

测试不打烊·2025-02-17 14:54

redis压力测试

你可以使用redis-benchmark-h来查看基准参数。

weixin_33845881·2025-02-17 14:21

Python学习，cookie和session

:#设置cookiedata=redirect('...')data.set_cookie()#读取cookierequest.COOKIES.get('xx')returndatacookie的三个参数

sehun_sx·2025-02-17 13:19

论deepseek软件底层原理

任务分配机制：当模型面临输入任务时，类似智能调度系统的“路由器”会分析任务特征，将其导向最适配的专家模块。

星糖曙光·2025-02-17 13:49

Python 循环神经网络（RNN）算法详解与应用案例

的优势与挑战二、Python中RNN的面向对象实现2.1`RNNCell`类的实现2.2`RNNModel`类的实现2.3`Trainer`类的实现三、案例分析3.1序列预测3.1.1数据准备3.1.2模型训练

闲人编程·2025-02-17 13:48

本地部署model scope魔搭大模型流程

一、安装python二、安装Gradio三、添加镜像加速四、运行字符串倒叙五、运行绘图六、安装常用软件包和库七、我目前使用的软件包和库简介八、文字生成图片AI模型九、文字回复AI模型一、安装python

CQller·2025-02-17 13:15

输出所有可能的出栈顺序

abc的所有可能的出栈顺序递归三部曲:1.确定返回值和参数的类型:无返回值要入栈元素的下标n栈Stack字符串out记录出栈路径要入栈的字符串Stringtemp2.确定递归结束条件当n==temp.length

魔法少女小严·2025-02-17 13:15

DeepSeek 混合专家（MoE）架构技术原理剖析

DeepSeek混合专家（MoE）架构技术原理剖析在人工智能快速发展的当下，大规模语言模型不断突破创新，DeepSeek混合专家（MoE）架构脱颖而出，成为业内关注焦点。

计算机学长·2025-02-17 13:15

使用多模态大语言模型进行深度学习的图像、文本和语音数据增强

在过去的五年里，研究方向已从传统的机器学习（ML）和深度学习（DL）方法转向利用大语言模型（LLMs），包括多模态方法，用于数据增强，以提高泛化能力，并在训练深度卷积神经网络时防止过拟合。

数行天下·2025-02-17 12:42

【转】时间序列分析——基于R，王燕

图检验方法：时序图检验：该序列有明显的趋势性或周期性，则不是平稳序列自相关图检验：（acf函数）平稳序列具有短期相关性，即随着延迟期数k的增加，平稳序列的自相关系数ρ会很快地衰减向0（指数级衰减），反之非平稳序列衰减速度会比较慢构造检验统计量进行假设检验

weixin_30780221·2025-02-17 12:41

本地搭建deepseek并提供给其它人使用（最全，完整可用）

因为是开源的，我们可以很方便的架设其蒸馏模型到自己的主机上。PS：虽然也可以Cpu运行模型，但是如果没有8G以上的显存卡的话，只能搭建7B以下的模型，体验效果并不太好。

唐大帅·2025-02-17 12:41

LLM 大模型学习必知必会系列(一)：大模型基础知识篇

LLM大模型学习必知必会系列(一)：大模型基础知识篇魔搭ModelScope开源的LLM模型魔搭ModelScope欢迎各个开源的LLM模型在社区上做开源分享。

汀、人工智能·2025-02-17 12:40

推荐频道