频繁集第14页

LLMs之Llama-3：基于Colab平台(免费T4-GPU)利用LLaMA-Factory的GUI界面(底层采用unsloth优化框架【加速训练5~30倍+减少50%的内存占用】)对llama-3

利用LLaMA-Factory的GUI界面(底层采用unsloth优化框架【加速训练5~30倍+减少50%的内存占用】)对llama-3-8b-Instruct-bnb-4bit模型采用alpaca数据集【

一个处女座的程序猿·2025-03-07 09:41

数据集/API 笔记：湿球黑球温度（WBGT）观测数据

data.gov.sgWBGT是一个综合指标，考虑了气温、湿度、风速和太阳辐射，与气温不同。报告的WBGT是过去15分钟内的平均值，每15分钟更新一次。API调用curl--requestGET\--urlhttps://api-open.data.gov.sg/v2/real-time/api/weather调用结果

UQI-LIUWJ·2025-03-07 09:10

数据集/API 笔记：新加坡最新的停车场可用车位信息 & 停车场信息

数据每分钟更新一次使用date_time参数可获取特定时间点的最新停车场可用车位信息调用接口curl--requestGET\--urlhttps://api.data.gov.sg/v1/transport/carpark-availability调用结果API返回的查询时间"2025-03-04T09:10:36+08:00"代表的是API查询的时间，但每个停车场的update_datetim

UQI-LIUWJ·2025-03-07 09:10

AdaBoost算法

目录一、核心原理：二、算法步骤三、关键优势：四.局限与解决五、代码示例（鸢尾花数据集）AdaBoost（AdaptiveBoosting）是一种经典的集成学习算法，通过组合多个弱分类器（如决策树）来构建强分类器

Mr终游·2025-03-07 09:07

目标检测——玉米叶感染数据集

一、重要性首先，玉米作为世界上重要的粮食作物之一，其生长状况直接影响到粮食产量和粮食安全。玉米叶感染是玉米生长过程中常见的病害之一，会导致玉米叶片出现肿胀、皱缩、扭曲变形等症状，严重时甚至可能形成瘤状物。因此，及早检测玉米叶感染对于保障玉米的健康生长和提高产量具有重要意义。其次，通过玉米叶感染检测，农民和农业科研人员可以及时发现并采取有效的防治措施，防止病害的扩散和加重。这不仅可以减少因病害导致的

Bryan Ding·2025-03-07 08:30

琴韵博主 —— 工具集

CSDN猿如意_开发者工具箱CSDN开发助手ChromeChrome最新版离线下载internetdownloadmanager付费在线转换在线JSON字符串转Java实体类(JavaBean、Entity)在线MD5加密解密YAML、YML在线编辑器(格式化校验)在线图片转换成文字图片base64互转颜色转换颜色转换人民币大小写转换蛙蛙:英文字母大小写转换、文本工具汉字拼音在线转换Google翻

琴韵·2025-03-07 08:54

陪诊小程序开发：市场需求提升下的刚需

目前，我国已经进入到了老龄化社会，老年人口数量庞大，且许多老年人患有慢性疾病，需要频繁就医。

冠品网络科技·2025-03-07 06:33

C#+Halcon 垂直拼接/裁切避免频繁开辟内存

背景在做一些线扫相机且进行连续拍摄的项目时，由于图像扫描的随机性，部分场景下需要对图像进行拼接和裁切，获取完整的一个图像。由于halcon中crop相关的算子都是开辟新的内存方式，为了避免内存重复开辟，此处提供一个逻辑方式如下：优点：1）不需要每次都去新建内存，每次只需要做mem_copy的动作，减少耗时2）在完整图像中查找特征，避免特征由于随机性拍照不完整而丢失缺点：1）如果直接复用指针，可能会

单单单单点·2025-03-07 04:45

光伏电池异常检测数据集

感兴趣的同学可以CSDN查看个人简介，获取相关数据集噢。光伏电池作为太阳能发电系统的核心组件，其性能和可靠性直接影响到整个系统的效率和寿命。

oubahe2024·2025-03-07 02:26

Django模型数据修改：详解两种方式

本文将详细介绍两种在Django中修改数据的方式：使用模型的save()方法和使用查询集的update()方法。

jay丿·2025-03-07 02:55

前有vika维格表后有飞书多维表格，打破传统的项目管理工具！

作为一款集科技、颜值、性能、实用于一身的多维智能表格，vika维格表还可以

Eva洞小仙·2025-03-07 01:46

一些高阶SQL的技巧

然而，在面对复杂数据集、性能优化或者高效数据提取时，高阶SQL技巧就显得尤为重要。本文将介绍一些高阶的SQL技巧，帮助你提升SQL查询的效率和可读性。

迷路的小犀牛·2025-03-07 01:45

深度神经网络——决策树的实现与剪枝

“决策树”这个名字来源于这样一个事实：算法不断地将数据集划分为越来越小的部分，直到数据被划分为单个实例，然后对实例进行分类。如果您要可视化算法的结果，类别的划分方式将类似于一棵树和许多叶子。

知来者逆·2025-03-07 00:39

R语言绘图：韦恩图

韦恩分析韦恩分析（VennAnalysis）常用于可视化不同数据集之间的交集和并集。

善木科研·2025-03-07 00:38

HHO优化SVM混合核(高斯核和Sigmoid核）回归预测

训练集-平均绝对误差（MAE）：0.54544训练集-平均绝对误差百分比（MAPE）：0.0011634训练集-均方根误差（RMSE）：0.66571训练集-决定系数（R）：0.95297测试集-平均绝对误差

WSY算法爱好者·2025-03-06 23:27

利用OpenMCU加深对H.323协议的理解——H.323协议阅读心得（2）

这个方法是在进行能力集的研究中发现的。现将能力集的心得记录于下：先看一个OpenH323的应用程序OpenMCU。在Op

rose·2025-03-06 22:18

为什么不直接创建线程，自定义线程池需要指定哪些参数，重要性如何？

直接创建线程的问题：性能开销大：每次创建新线程都有内存分配、上下文切换等开销，频繁创建销毁会导致性能下降。

重生之我在成电转码·2025-03-06 22:47

帆软tips1

1.分sheet预览：填报预览；2.参数区控件在SQL查询中充当字段用'${控件名称}'表示；3.表头直接筛选：相应表头加下拉框控件并绑定数据集——参数区添加相应下拉框控件并绑定数据集——给表头的下拉框控件添加事件

foolisk·2025-03-06 20:02

OpenGL 3D纹理

3D纹理的主要特性和用途：体积数据表示：用于表示完整的3D数据集，如医学扫描(CT、MRI)、气象数据等空间采样：允许在3D空间中的任意位置进行纹理采样层次细节：支持类似2D纹理的MipMap功能，但在三维空间

令狐掌门·2025-03-06 20:25

VS 编译器中的 X86 和 X64：架构差异全解析

一、架构基础X86和X64都是基于Intel架构的处理器指令集架构，但它们的发展历程和设计理念有所不同。X86：这个名称源于Intel早期的一系列16位和

晚风る·2025-03-06 20:24

Leetcode3146. 两个字符串的排列差

计算排列差：遍历字符串s中的每个字符（由于t是s的排列，所以字符集是相同的），计算每个字符在两个字符串

ʚ发什么呆^ɞ·2025-03-06 19:49

基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能

一、介绍害虫识别系统，本系统使用Python作为主要开发语言，基于TensorFlow搭建卷积神经网络算法，并收集了12种常见的害虫种类数据集【"蚂蚁（ants）","蜜蜂（bees）","甲虫（beetle

·2025-03-06 18:38

积分签到mysql_简易积分签到功能java代码实现实现Redis缓存数据

-------需求说明----需求分析积分签到处于app页面“我的”，用户会频繁的来回切换，如果将数据全部存储到数据库中然后去数据库中做查询，所以这里我才用的Redis缓存的方式将签到数据缓存起来；在表结构设计的时候

weixin_33626238·2025-03-06 18:08

Python 机器学习基础之模型评估与改进【评估指标与评分】的简单说明

机器学习基础之模型评估与改进【评估指标与评分】的简单说明目录Python机器学习基础之模型评估与改进【评估指标与评分】的简单说明一、简单介绍二、评估指标与评分1、牢记最终目标2、二分类指标1）错误类型2）不平衡数据集3

仙魁XAN·2025-03-06 18:38

Redis 缓存穿透、击穿、雪崩的出现场景与解决方案

典型场景：恶意攻击：频繁请求id=-1或随机不存在的用户ID。业务逻辑缺陷：未校验参数合法性（如非数字ID查询）。解决方案空值缓存将查询结果为null的请求也缓存，设置较短的过期时间（如5分钟）。

何怀逸·2025-03-06 17:36

Redis 各数据类型使用场景详解

频繁读写可能成为性能瓶颈。解决方案：INCR/DECR命令：Redis的原子操作确保增减操作的线程安全，无需额外锁机制。内存存储：数据直接存储在内存中，读写速度极快（微秒级响应）。

何怀逸·2025-03-06 17:35

DeepSeek行业应用案例【农业】——解锁智能变革密码

本案例集初步收录了40多个来自农业、制造业、汽车行业、手机行业、智能家居、物流、云服务、办公、网络安全、金融、医疗、教育等多个关键行业的应用案例。

未来智慧谷·2025-03-06 17:30

深度学习分类回归（衣帽数据集）

一、步骤1加载数据集fashion_minst2搭建classNeuralNetwork模型3设置损失函数，优化器4编写评估函数5编写训练函数6开始训练7绘制损失，准确率曲线二、代码导包，打印版本号：importmatplotlibasmplimportmatplotlib.pyplotasplt

何仙鸟·2025-03-06 16:24

STM32串口数据接收 --环形缓冲区

STM32串口数据接收--环形缓冲区环形缓冲区简介在单片机中串口通信是我们使用最频繁的，使用串口通信就会用到串口的数据接收与发送，环形缓冲区方式接收数据可以更好的保证数据丢帧率第。

IT_阿水·2025-03-06 16:23

MySQL查询的时候出现 Expression #1 of SELECT list is not in GROUP BY clause and contains nonaggre报错

如果启用了ONLY_FULL_GROUP_BYSQL模式（默认情况下），MySQL将拒绝选择列表，HAVING条件或ORDERBY列表的查询引用在GROUPBY子句中既未命名的非集

wbyte·2025-03-06 16:53

Python爬虫下载加州高速路网PeMS交通流量数据集及交通公开数据集分享

Python爬虫下载加州高速路网PeMS交通流量数据集及交通公开数据集分享Python爬虫下载加州高速路网PeMS交通流量数据集以及交通公开数据集分享项目地址:https://gitcode.com/Resource-Bundle-Collection

郑宜维David·2025-03-06 14:33

L1与L2正则化：防止过拟合的双刃剑

L1正则化（Lasso）通过将不重要的特征权重归零来实现特征选择，适用于稀疏模型和高维数据集，但可能导致欠拟合。

XianxinMao·2025-03-06 14:31

覆盖数学/代码/科学/谜题，高质量推理数据集汇总，助力复现 DeepSeek 超强推理能力

近期，DeepSeek-R1引发的推理模型热潮仍在持续走高——1月31日，OpenAI推出全新推理模型o3-mini；2月18日，xAI推出Grok3，包含具备推理能力的Grok-3ReasoningBeta和Grok-3miniReasoning；2月25日，Anthropic推出首款混合推理模型Claude3.7Sonnet。诚然，在大模型日益同质化、竞争激烈的背景下，推理能力已经成为衡量其性

·2025-03-06 14:22

手写数字识别项目：从原理到实践

北屿升：·2025-03-06 13:29

Dolma:开源大规模语言模型预训练数据集与工具包

Dolma:开源大规模语言模型预训练数据集与工具包Dolma是由Allen人工智能研究所(AI2)开发的一个开源项目,旨在为大规模语言模型的预训练提供高质量的数据集和强大的数据处理工具。

2401_87458718·2025-03-06 13:59

卷积神经网络应用-训练手写体数字数据集并展示识别精度

#卷积神经网络(CNN)训练手写体数据集importnumpyasnpimportmatplotlib.pyplotaspltimporttensorflow.kerasaskaimportdatetime

yeahamen·2025-03-06 12:17

图像识别技术与应用课后总结（14）

训练模型加载预处理数据集：可以借助PyTorch的数据处理工具，如torch.utils和torchvision等定义损失函数：既可以自定义，也能使用PyTorch内置的，像回归任务常用nn.MSELoss

一元钱面包·2025-03-06 12:15

深度学习实战：用TensorFlow构建高效CNN的完整指南

本文将以工业级实践标准，带您从零构建一个在CIFAR-10数据集上达到90%+准确率的CNN模型，深入解析TensorFlow2.x的最新特性，并揭秘模型优化的七大核心策略。

芯作者·2025-03-06 11:13

深度学习揭秘：神经网络如何模拟人脑

AI工具集1：大厂AI工具【共23款】，一次性奉上，今天是百度和阿里AI工具集2：大厂AI工具【共12款】，一次性奉上，看看腾讯和字节的宝贝人工智能&AIGC术语100条Shelly聊AI-重磅发布一

shelly聊AI·2025-03-06 08:45

Django模型数据删除：详解两种方式

本文将详细介绍两种在Django中删除数据的方式：通过模型对象调用delete()方法和通过查询集（QuerySet）调用delete()方法。

jay丿·2025-03-06 07:12

AI语言模型的技术之争：DeepSeek与ChatGPT的架构与训练揭秘

2.1Transformer架构：核心相似性2.2模型规模与参数第三章：训练方法与技术3.1预训练与微调：基础训练方法3.2强化学习与奖励建模3.3知识蒸馏与量化技术第四章：训练数据与应用4.1训练数据集：

m0_74825466·2025-03-06 06:29

基于深度学习的田间杂草检测系统：YOLOv5/v6/v7/v8/v10模型实现与UI界面集成

本文将详细介绍如何构建一个基于深度学习的田间杂草检测系统，使用YOLO模型进行目标检测，包含数据集准备、模型训练、用户界面设计及系统实现。

深度学习&目标检测实战项目·2025-03-06 06:28

Scala中的迭代器

这种延迟计算的特性使得迭代器非常适合处理大规模数据集。单次使用（SingleU

麻芝汤圆·2025-03-06 05:54

字符串转换Base64时报错：Illegal base64 character 20

这种情况通常发生在尝试解码一个无效的Base64编码字符串时，可能是由于以下原因导致的：非法字符：Base64编码只能包含特定的字符集，包括字母（大小写）、数字、加号（+）、斜杠（/）和等号（=）作为填充字符

小猿、·2025-03-06 05:49

c语言pta练习集

本篇博客记录了我在刷题过程中遇到的一些没有思路或者借鉴了别人比较好的实现方法L1-002打印沙漏*本题要求你写个程序把给定的符号打印成沙漏的形状。例如给定17个“*”，要求按下列格式打印*****************所谓“沙漏形状”，是指每行输出奇数个符号；各行符号中心对齐；相邻两行符号数差2；符号数先从大到小顺序递减到1，再从小到大顺序递增；首尾符号数相等。给定任意N个符号，不一定能正好组成

Famiglistimo-run·2025-03-06 04:42

[Machine Learning] K-means算法

简单地讲，K-means就是给特征向量集进行聚类。给定一个特征向量集{X}和目标聚类数N，K-means会不断迭代，直到X被分成N类，且每一类的中心点不再明显变化。

进阶的小蜉蝣·2025-03-06 02:24

【数据库】关系数据模型

用户定义的完整性一、关系数据结构1.1相关概念关系模型建立在集合代数的基础上域是一组具有相同数据类型的值的集合笛卡尔积：所有域的所有取值的一个组合不能重复表中的每行对应一个元组表中的每列对应一个域关系：笛卡尔集的子集关系也是一个二维表关系本质就是一张二维表表的每行对应一个元组表的

XiYang-DING·2025-03-06 01:22

《深度学习实战》第12集：大模型的未来与行业应用

深度学习实战|第12集：大模型的未来与行业应用随着深度学习技术的快速发展，大模型（如GPT、LLaMA、Bloom等）已经成为人工智能领域的核心驱动力。

带娃的IT创业者·2025-03-06 01:15

IDEA报错：编码 GBK 的不可映射字符

：WindowspowerShell软件：IntelliJIDEA2023.3.4使用JDK17问题描述：在终端运行javacTest.java后报错：编码GBK的不可映射字符原因分析：新的JDK字符集默认是

北冰洋漂流·2025-03-06 00:42

机器学习之学习笔记

机器学习-学习笔记1.简介2.算法3.特征工程3.1数据集3.2特征提取3.3特征预处理3.4特征降维4.分类算法4.1`sklearn`转换器和估计器4.2K-近邻算法（KNN）4.3模型选择与调优4.4

孤城laugh·2025-03-06 00:39

推荐频道

频繁集