NLP模型学习第11页

「Kubernetes Objects」- Service（学习笔记） @20210227

Service，服务，用于暴露Pod以供访问。官方文档及手册KubernetesAPIv1.18/Servicev1coreService?Pod会被创建，并且还会消失，这由ReplicaSets控制。每个Pod都有自己的IP地址，但是这些IP地址不能视为可靠的。那么，如果前端的一部分Pod依赖于后端的Pod，那前端的这些Pod如何找出并追踪后端的Pod？ServiceService是一个抽象，定

k4nzdroid·2025-03-23 01:02

k8s学习笔记（3）--- kubernetes核心技术概念

kubernetes核心技术概念1.容器（Container）2.API对象3.集群（Cluster）4.Master5.Node6.Pod7.复制控制器（ReplicationController，RC）8.副本集（ReplicaSet，RS）9.部署(Deployment)10.服务（Service）11.任务（Job）12.定时任务（CronJob）13.后台支撑服务集（DaemonSet）

梦谜·2025-03-23 01:02

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

关于Go那些懒得看又不得不知道的东西

写在前面当开始学习go，亦或是cpp、还是java向go进行转职，这部分内容都是比较重要的。

Hock2024·2025-03-23 01:00

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

C语言基础与进阶学习指南（附运行效果图及术语解析）

C语言基础与进阶学习指南（附运行效果图及术语解析）目录C语言标准与编译流程CPU与内存基础C语言基础语法数据类型详解变量与内存管理运算符与表达式输入输出函数函数与内存管理指针与内存操作结构体与高级应用1

算法练习生·2025-03-23 01:59

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

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

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

第一章：理解AI的思维方式（快递版）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

嵌入式Jerry·2025-03-23 00:23

2501_91122183·2025-03-23 00:53

AI学习手册合集｜零基础入门宝典

甚至很多自由职业者，通过学习DeepSeek，在互联网淘金日入过万，登上热搜。普通人如何高效入门AI?清华团队亲自下场教学！

2501_91234994·2025-03-23 00:53

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

复习Linux的常用指令

https://zhuanlan.zhihu.com/p/385065437https://zhuanlan.zhihu.com/p/385065437参考：tar指令的学习linux常用命令(2)：tar

一直开心·2025-03-23 00:22

Adb与monkey命令学习总结

主要内容adb构成和工作原理adb常用命令查看当前连接设备安装apk文件卸载APP获取包名和界面名adbshellam/pmadb文件传输其他常用命令monkey常用命令事件数频率–throttle(毫秒)，延时操作指定执行的应用–p日志-v调试选项完整应用monkey命令进行稳定性测试adb构成和工作原理全称：AndroidDebugBridge就是起到调试桥的作用。顾名思义，adb就是一个de

你醉牛啤·2025-03-23 00:22

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

jquery基础和导航栏

jQuery很容易学习。基础语法：$(selector).action()美元符号定义jQuery选择符（selector）“查询"和"查找”HTML元素jQ

声声codeGrandMaster·2025-03-23 00:50

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

Windows 和 MacOS 上安装配置ADB（安卓调试桥）

使用ADB命令，你可以轻松执行以下操作网络安全重磅福利：入门&进阶全套282G学习资源包免费分享！

网络安全苏柒·2025-03-23 00:19

Eagle_Wood-滤波方式学习笔记

//1.移动平均滤波器（信号处理）#defineWINDOW_SIZE5floatmoving_average(float*buffer,floatnew_sample){ staticfloatsum=0; staticintindex=0; staticfloatsamples[WINDOW_SIZE]={0}; sum-=samples[index]; samples[ind

OverflowSummer·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

小白零基础学数学建模系列-引言与课程目录

第一周：数学建模基础与工具第二周：高级数学建模技巧与应用第三周：机器学习基础与数据处理第四周：监督学习与无监督学习算法第五周：神经网络二、学完本专辑能收获到什么？三、适合什么样的人群学习？

川川菜鸟·2025-03-22 23:47

AWS SAP学习笔记-概念

1、什么是ETL应用程序，举个例子说明？ETL（Extract,Transform,Load）应用程序是一种用于数据处理和迁移的工具或程序，它主要负责从多个数据源提取数据，对数据进行转换和清洗，然后将处理后的数据加载到目标数据仓库或数据库中。ETL应用程序广泛应用于数据集成、数据仓库构建、数据分析和数据迁移等场景。ETL的三个主要步骤：Extract（提取）：从各种数据源（如数据库、文件、API等

HainesFreeman·2025-03-22 23:16

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

设计模式之装饰器模式

装饰器模式不论在我们日常开发过程中还是在我们提升技术阅读源码过程中都是比较常见的，但是整体学习这个模式的思路难度不大，接下来我将详细讲解此设计模式。

周努力.·2025-03-22 22:13

.gitlab-ci.yml 配置文件详解

个人主页：不爱吃糖的程序媛‍♂️作者简介：前端领域新星创作者、CSDN内容合伙人，专注于前端各领域技术，成长的路上共同学习共同进步，一起加油呀！

程序媛夏天·2025-03-22 22:12

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

初始OpenCV

OpenCV提供了大量的计算机视觉算法和图像处理工具，广泛应用于图像和视频的处理、分析以及机器学习领域。所以学习人计算机视觉或者图像处理方面的知识，OpenCV是一个要重点学习的工具库。

指尖下的技术·2025-03-22 22:41

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

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

CSP-J备考冲刺必刷题（C++） | AcWing 1253 家谱

题目涵盖了从基础到进阶的多种算法和数据结构，旨在为不同阶段的编程学习者提供一条清晰、平稳的学习提升路径。欢迎大家订阅我的专栏：算法题解：C++与Python实现！

热爱编程的通信人·2025-03-22 22:39

量子位招聘 | DeepSeek帮我们改的招聘启事

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

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

清华出品DeepSeek教程1-7版：前沿技术学习的黄金资源库

《清华出品DeepSeek教程1-7版：前沿技术学习的黄金资源库》「DeepSeek清华资料」共7册链接：https://pan.quark.cn/s/b8d8760976ca「DeepSeek使用手册大全

你好ITgg·2025-03-22 22:08

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

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

随着人工智能的发展，机器学习技术在气象预报领域展现出巨大潜力。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。

Hardess-god·2025-03-22 21:07

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

OpenHarmony 开源硬件学习全指南：从入门到实战

OpenHarmony开源硬件学习全指南：从入门到实战随着万物互联时代的到来，OpenHarmony作为面向全场景的开源分布式操作系统，正逐步成为智能硬件开发的重要技术底座。

琢磨先生David·2025-03-22 21:34

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

【从零开始学习计算机科学】计算机体系结构（一）计算机体系结构、指令、指令集（ISA）与量化评估

【从零开始学习计算机科学】计算机体系结构（一）计算机体系结构、指令、指令集（ISA）与量化评估概论计算机体系结构简介计算机的分类并行体系结构指令集体系结构（ISA）分类存储器寻址寻址模式操作数大小指令ISA

贫苦游商·2025-03-22 21:33

华为OD机试 - 图片整理（Python/JS/C/C++ 2024 B卷 100分）

一、题目描述Lily上课时使用字母数字图片教小朋友们学习英语单词，每次都需要

哪吒·2025-03-22 21:32

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

3.19学习总结

学习了Java中的面向对象的知识点完成一道算法题，找树左下角的值，错误的以为左下角只能是最底层的左节点，但指的是最底层最左边的节点

2402_88131930·2025-03-22 20:31

【从零开始学习JAVA】异常体系介绍

前言：本文我们将为大家介绍一下异常的整个体系，而我们学习异常，不是为了敲代码的时候不出异常，而是为了能够熟练的处理异常，如何解决代码中的异常。

Cools0613·2025-03-22 20:30

Umi-OCR 实践教程：离线、免费、高效的图像文字识别工具

它基于深度学习技术，能够高效提取图像中的文字，支持多语言识别、批量处理、截屏识别等功能，尤其适合对隐私敏感或网络受限的场景。核心亮点：离线运行：无需联网，保护隐私。

几道之旅·2025-03-22 20:30

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

推荐频道

NLP模型学习