16位模型机

NLP高频面试题（七）——GPT和Bert的mask有什么区别？

GPT和BERT的Mask机制对比：核心区别与优化策略在NLP领域，GPT和BERT是最具代表性的预训练语言模型之一。
Chaos_Wang_·2025-03-23 02:35

第三十一篇 数据仓库（DW）与商业智能（BI）架构设计与实践指南

目录一、DW/BI架构核心理论与选型策略1.1主流架构模式对比（1）Kimball维度建模架构（2）Inmon企业工厂架构（3）混合架构二、架构设计方法论与实施步骤2.1维度建模实战指南（1）模型选择决策树
随缘而动，随遇而安·2025-03-23 02:05

揭秘Java内存模型：那些让人头疼的可见性问题--JVM基础(15)

一、揭秘Java内存模型：那些让人头疼的可见性问题在Java的世界里，多线程编程如同一场精彩的魔术表演，但稍有不慎，就可能陷入“内存可见性”这个魔术黑洞。
guangzhi0633·2025-03-23 02:04

知识图谱中NLP新技术

以下从核心技术突破、应用场景创新及未来趋势三个层面，系统梳理知识图谱中NLP的最新进展：一、核心技术突破基于预训练模型的图谱构建与增强预训练语言模型与知识嵌入融合：以BERT、KEPLER为代表的模型通过联合优化知识嵌入
魔王阿卡纳兹·2025-03-23 02:34

微软 LIDA 库：基于大模型的自动化数据分析与可视化

微软LIDA库：基于大模型的自动化数据分析与可视化一、核心架构与LLM交互流程调用LLM生成数据摘要基于LLM推理分析目标LLM生成可视化代码结合图像生成模型优化原始数据Summarizer模块结构化摘要
窝窝和牛牛·2025-03-23 01:01

CST Microwave Studio助力射频电路多物理场耦合分析

通过解析射频电路中涉及的电磁场、热场、机械场等多物理场耦合现象，详细介绍如何运用CSTMicrowaveStudio构建多物理场联合模型，进行全面的仿真分析。
FindEveryone·2025-03-23 01:00

Nginx负载均衡策略详解：从轮询到智能分发，打造高可用服务架构

：突破单机性能瓶颈故障隔离：自动剔除异常节点动态调度：根据策略优化资源利用率二、Nginx原生负载均衡策略1.轮询(RoundRobin)配置示例：upstreambackend{server192.168.1.10
egzosn·2025-03-23 01:29

逐行讲解大模型解码超参数大全（temperature、top-k、top-p等所有参数）

目录简介宏观概览解码策略实现逻辑常见的解码超参数temperature温度系数top_ktop_prepetition_penalty重复惩罚不常见的解码超参数min_ptypical解码ϵ采样η采样Classifier-FreeGuidance(CFG)序列偏置干预HammingDiversity编码器重复惩罚n-gram重复惩罚编码器n-gram重复惩罚bad_token惩罚最小长度限制最小新
Gaffey大杂烩·2025-03-23 01:56

FPGA实战1-流水灯实验verilog

1.实验要求（1）设计一个流水灯的实验，实现12位流水灯的依次点亮，（2）流水灯的流转时间是（500ms/2Hz），（3）系统时钟位50MHz，（4）定义12个寄存器ledtemp保存12个状态，（5）
马志高·2025-03-23 01:56

如何用Function Calling解锁OpenAI的「真实世界」交互能力？（附Node.js 实战）

一、FunctionCalling：大模型的「手脚延伸器」1.1核心定义FunctionCalling是OpenAI在2023年6月13日推出的革命性功能（对应模型版本gpt-3.5-turbo-0613
hongkid·2025-03-23 00:54

OpenGL ES 如何渲染 16bit 图像？

未经作者（微信ID：Byte-Flow）允许，禁止转载文章首发于公众号：字节流动最近有不少读者私信问OpenGLES如何处理16bit图像（P010）？
字节流动·2025-03-23 00:54

位图思想详解：用一个小小的比特征服整个世界

位图是一种超级节省空间的数据结构，他利用二进制位（0/1）来表示某个元素是否存在或某种状态是否为真。想象一下，用一个小小的比特位就能记录一个信息，这简直
Joseit·2025-03-23 00:54

给普通人看的深度学习说明书：用快递系统理解AI如何思考

1.1快递分拣站的故事假设你管理一个快递分拣站：传统方法：手动制定规则（比如根据邮编分拣）机器学习：观察老员工的分拣记录，总结规律深度学习：搭建自动分拣流水线，自主发现隐藏规则1.2神经网络就像智能分拣机传送带
嵌入式Jerry·2025-03-23 00:23

松下空调全国售后服务指南及维修

松下空调全国官网售后服务点热线号码4OO-675-8161故障报修：4OO-675-8161服务为先，满意为念，服务无/极/限，真/诚/到永远。
2503_90926332·2025-03-23 00:23

简单理解机器学习中top_k、top_p、temperature三个参数的作用

在机器学习中，top_k、top_p和temperature是用于控制生成模型（如语言模型）输出质量的参数，尤其在文本生成任务中常见。
无级程序员·2025-03-23 00:53

STM32八股【1】-----启动流程和startup文件理解

MSP从向量表第0个地址读取一个32位（2字节）的值并保存，该值为栈顶地址。PC计数器从第1个地址读取一个两字节的值并保存，该值为程序入口，一般是Reset_Handler。
Invinciblenuonuo·2025-03-23 00:52

leetcode29. 两数相除-medium

注意：假设我们的环境只能存储32位有符号整数，其数值范围是[−231,231−1]。
智趣代码实验室·2025-03-23 00:51

使用PyTorch搭建Transformer神经网络:入门篇

本教程将指导您使用PyTorch框架从头开始构建一个Transformer模型。我们将逐步解释每个组件,并提供详细的代码实现。2.环境设置首先,确保您的系统中已安装Python(推荐3.7+版本)。
DASA13·2025-03-23 00:21

【Docker】搭建实用的内网穿透工具 - FRP

采用香港机Debian12系统的服务器来安装FRP的服务端作为演示。
UPToZ·2025-03-23 00:21

mac npm run dev报错 error:0308010C:digital envelope routines::unsupported

npmWARNEBADENGINEpackage:'@achrinza/[email protected]',npmWARNEBADENGINErequired:{node:'8||10||12||14||16
大波V5·2025-03-23 00:50

3.20 补题（二分模板，反向搜索）

目录D-填涂颜色（搜索）题目描述思路分析代码实现F-跳石头（二分模板）题目描述思路分析代码实现D-填涂颜色（搜索）链接：P1162填涂颜色-洛谷题目描述由数字000组成的方阵中，有一任意形状的由数字111
ZZZS0516·2025-03-23 00:20

解析大模型归一化：提升训练稳定性和性能的关键技术

引言在深度学习领域，特别是在处理大型神经网络模型时，归一化（Normalization）是一项至关重要的技术。它可以提高模型的训练稳定性和性能，在加速收敛方面发挥了重要作用。
秋声studio·2025-03-23 00:19

PyTorch数据归一化处理：transforms

torchvision.transforms：常用的图像预处理方法*torchvision.datasets：常用的数据集Dataset实现*torchvision.models：常用的CV（预训练）模型实现
2401_87555420·2025-03-22 23:48

探索简明虚拟机新纪元 —— SSVM 深度揭秘与应用指南

探索简明虚拟机新纪元——SSVM深度揭秘与应用指南SSVMJavaVMrunningonaJVM项目地址:https://gitcode.com/gh_mirrors/ssv/SSVM在当今软件开发的浩瀚宇宙中
殷巧或·2025-03-22 23:44

深入解析深度学习中的过拟合与欠拟合诊断、解决与工程实践

一、引言：模型泛化能力的核心挑战在深度学习模型开发中，欠拟合与过拟合是影响泛化能力的两个核心矛盾。据GoogleBrain研究统计，工业级深度学习项目中有63%的失败案例与这两个问题直接相关。
古月居GYH·2025-03-22 22:43

OpenManus 架构的详细技术实现

一、OpenManus架构的详细技术实现1.核心分层架构的深度解析底层：LLM层模型选择与适配：OpenManus允许用户替换底层LLM（如mPLUG-Owl3、Qwen、Llama等），通过统一接口调用模型
大势下的牛马·2025-03-22 22:12

新书速览|云原生Kubernetes自动化运维实践

《云原生Kubernetes自动化运维实践》共16章，内容由浅入深，逐步揭示K8s的原理及实际操作技巧。第1章引领读者踏入Kubernetes的世界，详细介绍其起源、核心组件的概念以及
全栈开发圈·2025-03-22 22:11

WRF移动嵌套结合伏羲模型与CFD（PALM）高精度多尺度降尺度分析研究

本文将详细介绍如何使用WRF移动嵌套技术结合伏羲（Fuxi）模型，并通过CFD模型PALM实现精细化降尺度，以满足城市或区域局地精细化气象预报的需求。
Hardess-god·2025-03-22 22:10

深入探讨盘古大模型的高精度多尺度能力

随着人工智能技术的快速发展，大模型的研究逐渐进入新的阶段。其中，盘古大模型以其卓越的高精度和多尺度处理能力成为研究热点。
Hardess-god·2025-03-22 22:40

使用Ollama部署开源大模型

Ollama是一个简明易用的本地大模型运行框架,可以一键启动启动并运行Llama3、Mistral、Gemma和其他大型语言模型。安装MacOS，Windows用户直接在官网下载页下载安装包即可。
好好学习 666·2025-03-22 22:09

遗传算法均匀变异

importnumpyasnpimportrandompop_1=np.array([[1,11,21,9,16,10,8,17],[2,12,22,10,17,11,9,18],[3,13,23,11,18,12,10
huahua20190514·2025-03-22 22:09

01年实习生被曝负责字节RL核心算法！系字节LLM攻坚小组成员

用上该算法后，Qwen2.5-32B模型只经过RL训练，不引入蒸馏等其他技术，在AIME2024基准上拿下50分，优于相同setting下使用GRPO算法的DeepSeek-R1-Zero-Qwen，且
·2025-03-22 22:24

量子位招聘 | DeepSeek帮我们改的招聘启事

关注前沿科技量子位未来同事，你好~这是一则招聘帖。如果你与我们志同道合，对AI大模型、具身智能、终端硬件、AI新媒体编辑感兴趣，我们正在招聘这些领域的原创作者。以下岗位均为全职，工作地点：北京中关村。
·2025-03-22 22:54

“三分钟”看懂仓库质检 - WMS质检管理要点精华版(2-2)

一、库存/库位/LPN质检流程（一）流程概述生成质检单：先对入库单收货，收货完成后生成质检单，质检单发给质检系统。同步的信息包括库位+批次，质检人员根据同步的信息找到库存做质检。
·2025-03-22 22:53

AI巨浪中的安全之舵：天空卫士助力人工智能落地远航

近期，众多企业纷纷接入DeepSeek大模型，迅速推动了大型模型应用的广泛铺开。
天空卫士·2025-03-22 22:09

CBNetV2: A Composite Backbone Network Architecture for Object Detection论文阅读

ACompositeBackboneNetworkArchitectureforObjectDetection论文阅读介绍方法CBNetV2融合方式对Assistant的监督实验与SOTA的比较在主流backbone架构上的通用性与更宽更深的网络比较与可变形卷积的兼容在主流检测器上的模型适用性在
Laughing-q·2025-03-22 22:38

NVMe（Non-Volatile Memory Express）详解

高吞吐量：支持PCIe4.0x4带宽（8GB/s），PCIe5.0x4可达16GB/s。多队列并行：支持多核
美好的事情总会发生·2025-03-22 22:38

如何使用YOLOv8在AI-TOD数据集上进行遥感目标检测，从安装依赖项、准备数据集、配置YOLOv8、训练和评估模型以及构建GUI应用程序展示检测

如何使用YOLOv8在AI-TOD数据集上进行遥感目标检测，从安装依赖项、准备数据集、配置YOLOv8、训练和评估模型以及构建GUI应用程序展示检测文章目录1.安装依赖2.数据准备3.配置YOLOv83.1
计算机C9硕士_算法工程师·2025-03-22 22:08

蓝桥杯2024年第十五届省赛真题-魔法巡游（Python）

一、题目题目来源：dotcpp题目描述在蓝桥王国中，两位魔法使者，小蓝与小桥，肩负着维护时空秩序的使命。
罄竹_·2025-03-22 21:37

机器学习结合伏羲模型高精度多尺度气象分析与降尺度实现

本文详细探讨如何结合机器学习（ML）和伏羲模型进行高精度多尺度气象模拟分析，并提供详细的实现步骤和相关代码。1.研究目标与技术路线目标：结合机器学习模型与伏羲气象模式，实现区域和局地高精度降尺度。
Hardess-god·2025-03-22 21:07

C语言求自幂数

如果在一个固定的进制中，一个n位自然数等于自身各个数位上数字的n次幂之和，则称此数为自幂数。
张同学吧·2025-03-22 21:06

LLM的工具调用能力（如Function Calling）

LLM的工具调用能力（如FunctionCalling）是增强大模型实用性的核心技术，使其能够通过生成结构化指令与外部系统交互。
maxmaxma·2025-03-22 21:35

MSE分类时梯度消失的问题详解和交叉熵损失的梯度推导

前文请移步笔者的另一篇博客：大模型训练为什么选择交叉熵损失（Cross-EntropyLoss）：均方误差（MSE）和交叉熵损失的深入对比MSE分类时梯度消失的问题详解我们深入探讨MSE（均方误差）的梯度特性
阿正的梦工坊·2025-03-22 21:34

Kaop打印项之OFD（国标版式文件）

xString0左边缘相对于打印区域的位置，默认单位毫米(mm)，可用单位:毫米-mm，如：“10mm”厘米-cm，如：“1cm”点-pt，如：“16pt”英寸-in，如
天蓝加点盐·2025-03-22 21:33

使用Python和LangChain构建检索增强生成（RAG）应用的详细指南

使用Python和LangChain构建检索增强生成（RAG）应用的详细指南引言在人工智能和自然语言处理领域，利用大语言模型（LLM）构建复杂的问答（Q&A）系统是一个重要应用。
m0_57781768·2025-03-22 21:33

B2143 进制转换

题目描述用递归算法将一个十进制整数X（1≤X≤109）转换成任意进制数M（2≤M≤16，M为整数）。输入格式一行两个数，第一个十进制整数X，第二个为进制M。输出格式输出结果。
1101.01·2025-03-22 21:31

学习111

项目名称项目简介主要功能技术原理GitHub地址browser-use智能浏览器工具，让AI像人类一样操作浏览器，实现网页自动化网页浏览与操作、多标签页管理、视觉识别与内容提取、操作记录与重复执行、自定义动作支持、主流LLM模型支持为大语言模型服务的创新
麋鹿叔叔·2025-03-22 21:31

使用LangChain实现基于LLM和RAG的PDF问答系统

目录前言一.大语言模型(LLM)1.什么是LLM？2.LLM的能力与特点二、增强检索生成(RAG)三.什么是LangChain？
张同学吧·2025-03-22 20:00

基于ChatGPT、GIS与Python机器学习的地质灾害风险评估、易发性分析、信息化建库及灾后重建高级实践

第一章、ChatGPT、DeepSeek大语言模型提示词与地质灾害基础及平台介绍【基础实践篇】1、什么是大模型？
weixin_贾·2025-03-22 20:59

输了，腾讯golang一面凉了

今天分享我的一位大佬朋友CC，勇闯腾讯golang的面试经历。这次面试问题的方向主要集中在计算机基础个网络方面。下面是主要问到的问题。
golang学习记·2025-03-22 20:59
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他