ACM开学训练日志第19页

在Ubuntu系统下部署大语言模型

前言在Ubuntu系统下部署大语言模型，可以使用HuggingFace的Transformers库来加载和使用预训练的模型。

脱泥不tony·2025-03-10 22:39

线上事故风险解读之规范篇

日志过载导致服务不可用：在流量高峰期，由于日志打印量过大，占用了大量CPU资源，导致服务性能急剧下降，

·2025-03-10 22:34

机器学习算法（2）—— 线性回归算法

82,80],[85,78],[90,90],[86,82],[82,90],[78,80],[92,94]]y=[84.2,80.6,80.1,90,83.2,87.6,79.4,93.4]‘’‘模型训练

疯狂的石头。·2025-03-10 21:35

Compressed Channel Estimation for Intelligent Reflecting Surface-Assisted Millimeter Wave Systems

为了减少训练开销，利用了毫米波信

No_one-_-2022·2025-03-10 20:21

AI产品大模型学习指南：清晰路线，AI产品经理必备知识点一网打尽！_AI产品经理

实际上AI只是一种对传统产品或服务赋能的手段而已，将各种“中间件”（通常是一种训练好的模型，当输入一定数据后自动返回一定的输出值）、传感器等不同形式的软件、硬件融入传统产品或服务的使用或体验流程中。

AGI大模型学习·2025-03-10 18:38

程序员效率革命：DeepSeek深度使用手册与实战技巧全揭秘

最近在技术社区里总能看到DeepSeek的身影，让我想起去年那个加班到凌晨三点的项目——当时为了调试分布式系统中的异步任务，整个团队在会议室里对着满墙的报错日志抓耳挠腮。

·2025-03-10 18:29

Training-Free Transformer Architecture Search WithZero-Cost Proxy Guided Evolution（预览版本）

为了提高搜索效率，基于无训练代理的方法已在神经架构搜索(NAS)中得到广泛采用。然而，这些代理被发现不足以很好地推广到Transformer搜索空间，这一点已被多项研究和我们自己的实

境心镜·2025-03-10 18:05

用双色球数据集微调后的大模型

最近用Qwen/Qwen1.5-1.8B-Chat大模型来微调训练双色球2003001-2025011的数据集，实验测一下大模型出球的预测情况。

qq_29790801·2025-03-10 17:33

深度学习项目十一：mmdetection训练自己的数据集

mmdetection训练自己的数据集这里写目录标题mmdetection训练自己的数据集一：环境搭建二：数据集格式转换(yolo转coco格式)yolo数据集格式coco数据集格式yolo转coco数据集格式

小啊磊_Vv·2025-03-10 17:02

阿里云个人博客外网访问中断应急指南：从安全组到日志的七步排查法

1.检查安全组配置确认已开放外网访问的端口（如HTTP80或HTTPS443），包括入方向和出方向规则。操作指南：登录阿里云控制台→选择云服务器ECS→进入安全组配置→添加规则允许目标端口，授权对象设置为0.0.0.0/0。2.检查本地防火墙确保服务器防火墙未阻止外部流量。Windows环境：在防火墙高级设置中启用HTTP或HTTPS入站规则，或手动添加端口例外。Linux环境：运行sudoipt

云心雨禅·2025-03-10 17:59

基于DeepSeek的智能数据分析和自动化处理系统：引领BI行业新变革

该系统支持多类型数据分析，包括文本、指标和日志等。在文本分析方面，它能够提取关键信息，如人名、地名、时间等，帮助用户快速把握文本要点。

招风的黑耳·2025-03-10 16:56

深度学习 PyTorch 中 18 种数据增强策略与实现

深度学习pytorch之简单方法自定义9类卷积即插即用数据增强通过对训练数据进行多种变换，增加数据的多样性，它帮助我们提高模型的鲁棒性，并减少过拟合的风险。

@Mr_LiuYang·2025-03-10 16:25

从前端程序员到大模型工程师的转型攻略

在科技日新月异的今天，人工智能（AI）特别是大规模预训练模型（大模型）的发展正引领着新一轮的技术革命。

七七Seven～·2025-03-10 15:19

深度学习笔记——Resnet和迁移学习

这使得深层网络难以训练。梯度消失：梯度消失是指在训练深度神经网络时，通过多层传递的梯度(误差)变得非常小，接近于零。这导致网络中较早层的权重更新非常缓慢，甚至几乎不更新。

肆——·2025-03-10 15:17

MMDetection实用工具详解（上）：日志分析、结果分析、混淆矩阵

实用工具目录一、日志分析使用方法实际案例二、结果分析pkl结果文件生成使用方法实际案例三、混淆矩阵使用方法实际案例遇到的UserWarning解决方案MMDetection官方除了训练和测试脚本，他们还在

MickeyCV·2025-03-10 15:46

Vision Transformer 分类水果图片集 Python 代码（可训练自己数据集）

代码链接:https://github.com/Illusionna/ComputerVision/tree/main/EfficientTransformerArepositoryforViT.ContributetoIllusionna/TransformerdevelopmentbycreatinganaccountonGitHub.https://github.com/Illusionna

Illusionna.·2025-03-10 14:37

【SpringBoot】Spring AOP详解

面向切面编程（AOP）是一种编程范式，旨在将横切关注点（如日志记录、事务管理、权限验证等）从业务逻辑代码中分离出来，从而

一只爱打拳的程序猿·2025-03-10 13:35

AI浪潮下的数据保卫战：SSL证书为何成为企业刚需？

无论是训练AI模型、优化算法，还是提供个性化服务，数据的安全性和隐私保护都至关重要。

·2025-03-10 13:16

深度学习在SSVEP信号分类中的应用分析

目录前言1.SSVEP信号分类的处理流程2.模型输入和数据预处理3.模型结构设计3.1卷积神经网络（CNN）3.2长短期记忆网络（LSTM）4.训练方法与激活函数5.性能评估与挑战6.未来方向前言随着脑机接口

自由的晚风·2025-03-10 12:00

Java 拦截器实战：从入门到精通（精选）

目录一、拦截器基础概念二、实战案例1.用户认证与授权2.请求日志与性能监控3.国际化与本地化三、注册拦截器四、总结在JavaWeb开发中，拦截器是一种强大的工具，它允许开发者在请求处理的各个环节进行拦截和处理

我真的不想做程序员·2025-03-10 12:29

AF3 block_delete_msa函数解读

这在训练时可能用于数据增强（防止模型对MSA过度依赖）。推理（inference）时不会使用，因为完整MSA对预测准确性很重要。

qq_27390023·2025-03-10 10:43

spring笔记

•AOP（面向切面编程）：通过代理机制，将日志、事务等横切关注点与业务代码解耦。•模块化设计：自由组合所需功能（如Web、数据访问、安全等）。2.Spring的

@卡卡-罗特·2025-03-10 10:13

基于PyTorch的深度学习4——使用numpy实现机器学习vs使用Tensor及Antograd实现机器学习

利用数组x，y的数据为训练数据。最后，采用梯度梯度下降法，通过多次迭代，学习到w、b的值。以下为具体步骤：1)导入需要的库。

Wis4e·2025-03-10 09:09

论文阅读笔记——Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware

具体来说，当智能体（agent）在测试时遇到训练集中未见过的情况时，可能会产生预测误差。这些误差会逐步累积，导致智能体进入未知状态，最终

寻丶幽风·2025-03-10 09:09

AI 大模型应用数据中心建设：数据中心成本优化

无论是进行深度学习模型的训练，还是大模型应用的推理，数据中心都需要提供充足的计算资源、存储空间和网络带宽。

杭州大厂Java程序媛·2025-03-10 09:38

Process-based Self-Rewarding Language Models 论文简介

基于过程的自奖励语言模型：LLM优化的新范式引言大型语言模型（LLM）在多种任务中展现出了强大的能力，尤其是在使用人工标注的偏好数据进行训练时。

ZHOU_CAMP·2025-03-10 08:31

实战1. 利用Pytorch解决 CIFAR 数据集中的图像分类为 10 类的问题

实战1.利用Pytorch解决CIFAR数据集中的图像分类为10类的问题加载数据建立模型模型训练测试评估你的任务是建立一个用于CIFAR图像分类的神经网络，并实现分类质量>0.5。

啥都鼓捣的小yao·2025-03-10 08:57

Training-free Neural Architecture Searchthrough Variance of Knowledge of Deep Network Weights（预览版本）

然而，NAS的主要限制是其天文数字般的计算成本，因为它通常需要从头开始训练每个候选网络架构。在本文中，我们旨在通过基于Fisher信息提出一种

境心镜·2025-03-10 08:54

谷歌搜索并发搜索/cookie并发生成方案

20并发，则可以每秒保持千次cookie的生成并发查询嘎嘎快，单条cookie存活为60秒，可以重复查询200次以内需要联系另外腾讯系阿里系AI训练标注也可以联系

背拥·2025-03-10 07:17

开源模型应用落地-Qwen2.5-7B-Instruct与vllm实现推理加速的正确姿势-Docker-OpenResty（三）

无论是语言模型还是多模态模型，均在大规模多语言和多模态数据上进行预训练，并通过高质量数据进行后期微调以贴近人类偏好。另外，使用Docker实现便捷测试成为一种高效的解决方案。

开源技术探险家·2025-03-10 06:43

【鸿蒙Next】文件处理（压缩）

//获取日志文件的uri数组staticasynccompressAndUploadLogFiles(){console.log(`日志目录${Logger.logDirPath}`)letlist=fs.listFileSync

allanGold·2025-03-10 05:02

构建一个完整的视觉Transformer（ViT）图像分类模型 VIT （vision transformer）图像分类

Jackie_AI·2025-03-10 04:29

Windows下的PaddleOCR本地部署

anaconda（网上教程很多很详细）2.创建环境3.激活环境并在该环境下安装PaddlePaddle框架4.下载requirments.txt中的库（二）PaddleOCR安装【非重点】二、在自己的数据集上训练模型

wangkun_cl·2025-03-10 03:22

神经网络|(十四)|霍普菲尔德神经网络-Hebbian训练

【1】引言前序学习进程中，除了对基本的神经网络知识进行了学习，还掌握了SOM神经网络原理，文章链接包括且不限于：神经网络|(十一)|神经元和神经网络-CSDN博客神经网络|(十二)|常见激活函数-CSDN博客神经网络|(十三)|SOM神经网络-CSDN博客在此基础上，本篇文章学习一个新的神经网络：霍普菲尔德神经网络。【2】霍普菲尔德神经网络原理霍普菲尔德神经网络和SOM神经网络一样不走寻常路，SO

西猫雷婶·2025-03-10 02:17

大模型与图数据库RAG通俗流程拆解

bce-embedding-base_v1重排序模型bce-reranker-base_v1大语言模型Qwen/Qwen2.5-32B-Instruct图数据库tugraph索引faiss核心流程这个调用链日志展示了一个完整的问答系统处理用户输入

gallonyin·2025-03-10 02:15

排查和解决线程池瓶颈问题案例

本文将分享一个实际案例，介绍如何通过日志分析和线程池优化来解决系统中的性能瓶颈问题。问题背景在我们的系统中，有一个基于Spring的事件监听机制，用于处理长连接消息的回调。

gallonyin·2025-03-10 02:14

语义检索-BAAI Embedding语义向量模型深度解析[1-详细版]：预训练至精通、微调至卓越、评估至精准、融合提升模型鲁棒性

语义检索-BAAIEmbedding语义向量模型深度解析[1-详细版]：预训练至精通、微调至卓越、评估至精准、融合提升模型鲁棒性语义向量模型（EmbeddingModel）已经被广泛应用于搜索、推荐、数据挖掘等重要领域

汀、人工智能·2025-03-10 01:36

Java进阶-在Ubuntu上部署SpringBoot应用

本文将详细介绍如何在Ubuntu服务器上部署Java应用，包括环境准备、应用发布、配置反向代理（Nginx）、设置系统服务以及日志管理等步骤。

m0_74824534·2025-03-10 01:04

部署及使用 etl crontab 和 etl engine

code.key(授权文件，必须)conf.cron(调度配置文件，使用etl_crontab必须)sys.properties(环境配置文件，使用etl_crontab必须)etllog_mysql.sql(日志表结构文件

·2025-03-10 01:33

[论文笔记] LLaMA3.1与Qwen2与Apple 技术报告中预训练方案对比

https://arxiv.org/pdf/2407.21075https://arxiv.org/pdf/2407.10671https://arxiv.org/pdf/2407.21783LLaMA3.1LLaMA3.1技术报告：https://ai.meta.com/blog/meta-llama-3-1/

心心喵·2025-03-10 01:02

WebGPT: 基于浏览器辅助的问答系统，结合人类反馈优化答案质量

【摘要】本论文介绍了WebGPT，这是一种通过浏览器辅助问答系统来使用人类反馈进行训练和优化的模型。

土豆.exe·2025-03-10 00:30

数字识别项目

集成算法·Stacking·堆叠：很暴力，拿来一堆直接上（各种分类器都来了）·可以堆叠各种各样的分类器（KNN,SVM,RF等等）·分阶段：第一阶段得出各自结果，第二阶段再用前一阶段结果训练实现神经网络实例利用

不要天天开心·2025-03-10 00:29

元数据存储与网络日志详解（小白版）

元数据存储与网络日志详解（小白版）一、元数据存储：网络的「快递单管理系统」1.1核心概念元数据是描述数据特征的==‌结构化标签‌==，类似于：快递单（记录包裹重量、发件人，但‌‌不含包裹内的物品‌‌）‌

漠月瑾-西安·2025-03-10 00:58

ABP框架概念

10，实体11，值对象12，仓储13，领域服务14，规格模式15，工作单元16，事件总线17，数据过滤器三、应用层18，应用服务19，数据传输对象20，验证数据传输对象21，授权22，功能管理23，审计日志四

是刘彦宏吖·2025-03-10 00:22

ABP框架 - 介绍

如：授权，验证，异常处理，日志，本地化，数据库连接管理，设置管理，审核日志等功能。所以我们创建架构和最佳实践，如分层和模块架构，DDD，依赖注入等，并尝试开发应用时基于一些约定。

aichun6888·2025-03-09 23:21

OpenTelemetry

OpenTelemetry简介OpenTelemetry（OTel）是一个开源的可观测性框架，旨在为分布式系统提供标准化的工具和接口，用于生成、收集和管理遥测数据（TelemetryData），包括日志

da__wn·2025-03-09 23:48

作为 .NET CAD 二次开发工程师的核心知识与建议

◦需熟悉AutoCAD.NETAPI（如acdbmgd.dll、acmgd.dll），能通过CommandMethod创建自定义命令。

周杰伦fans·2025-03-09 23:15

自我训练模型：通往未来的必经之路？

摘要在探讨是否唯有通过自我训练模型才能掌握未来的问题时，文章强调了底层技术的重要性。当前，许多人倾向于关注应用层的便捷性，却忽视了支撑这一切的根本——底层技术。

耶耶Norsea·2025-03-09 22:11

电商业务数据测试用例参考

1.数据采集层测试用例编号测试目标测试场景预期结果TC-001验证用户行为日志采集完整性模拟用户浏览、点击、加购行为KafkaTopic中日志记录数与模拟量一致TC-002验证无效数据过滤规则发送爬虫请求

SuperCreators·2025-03-09 22:40

代码随想录算法训练营第八天|代码随想录 541. 反转字符串 II

Day8代码随想录字符串代码随想录541.反转字符串II反转字符串如何调用函数×reverse(s[i],s[n-1])√reverse(s.begin()+i,s.end())×reverse(s[i],s[i+k-1])√reverse(s.begin()+i,s.begin()+i+k);reverse左闭右开不包含第二个参数的位置如果要反转i到i+k-1区间内的字符应该reverse(s.

心爱心爱·2025-03-09 22:34

推荐频道

ACM开学训练日志