RC模型第8页

ollama+qwq小试牛刀

序本文主要演示一下ollama运行QwQ-32B模型步骤pullollamapullqwqpullingmanifestpullingc62ccde5630c...100%▕██████████████

·2025-03-15 18:07

【DuodooTEKr】基于Python+OCR+DeepSeek的英国购物小票识别系统开发实战

一、行业现状与痛点分析1.英国零售业数字化现状根据英国零售协会（BRC）2023年度报告显示：英国年均纸质小票签发量达78亿张87%的企业仍采用人工录入方式处理小票数据零售业每年因小票管理产生的直接成本超

邹工拆解甲方需求·2025-03-15 18:34

flutter 跑马灯+渐变透明度背景

post(url,pathParams:params,data:params,success:(json){studyModel=FindStudyModel.fromJson(json);},errorCallback

烟花下的孤独·2025-03-15 18:03

ARM SVC指令

在ARM汇编中，SVC（SupervisorCall）指令用于从用户模式切换到特权模式（如Supervisor模式），以便执行操作系统内核提供的服务。它通常用于系统调用。

小米人er·2025-03-15 18:33

docker-compose配置文件详解

文章目录一、docker-compose配置文件详解1.语法与格式2.版本兼容性3.服务定义4.网络配置数据持久化5.安全相关6.其他注意事项二、调试和测试DockerCompose配置文件1基本检查1.1

东方、宏·2025-03-15 18:32

18、企业级服务-JMS

JMS支持两种主要的消息模型：点对点（Point-to-Point，

跟着汪老师学编程·2025-03-15 18:02

OnionArch 项目教程

OnionArch项目教程OnionArchA.NETCoredemoapplicationwhichusestheOnionArchitecture项目地址:https://gitcode.com/gh_mirrors

宁彦腾·2025-03-15 17:30

（大模型微调大模型学习路线大模型入门）_大模型学习，吹爆！2025最详细的大模型学习路线已整理！手把手带你高效入门，大模型论文全打通！

一、初聊大模型1、什么是大模型？大模型，通常指的是在人工智能领域中的大型预训练模型。你可以把它们想象成非常聪明的大脑，这些大脑通过阅读大量的文本、图片、声音等信息，学习到了世界的知识。

大模型老炮·2025-03-15 17:28

OnionArch：构建高效.NET Core应用的洋葱架构模板

OnionArch：构建高效.NETCore应用的洋葱架构模板项目地址:https://gitcode.com/gh_mirrors/on/OnionArch项目介绍OnionArch是一个基于.NETCore

樊慈宜Diane·2025-03-15 17:58

国产 DeepSeek V3 被秒成“前浪“？谷歌开放最强 Gemini 2.0 全家桶：速度快60倍，上下文还长16倍！

谷歌向所有人发布了Gemini2.0——迄今为止谷歌“功能最强大”的人工智能模型套件。

Bryan Ding·2025-03-15 17:57

scaled_dot_product_attention实现逻辑

torch.nn.functional.scaled_dot_product_attention(query,key,value,attn_mask=None,dropout_p=0.0,is_causal

凤梧长宜放眼量·2025-03-15 17:27

【PyTorch】PyTorch 中改变张量形状的几种方法

PyTorch中改变张量形状的几种方法在深度学习领域，PyTorch是一个广泛使用的框架，它提供了丰富的API来处理张量（tensor）。在模型开发过程中，我们经常需要改变张量的形状以满足特定的需求。

shengchao0920·2025-03-15 17:27

CESM1.2.1移植使用说明

文章目录概述环境配置cesm1_2_1配置部分环境软件压缩包改变CLM陆面模式结果文件的输出变量、特征值及频率小结概述记录用户如何在Linux系统上移植CESM1.2.1模型，并且使用CLM4.5模式创建并单点模拟算例

༊.枕星＇听光.ঌ·2025-03-15 17:56

PyTorch 中的维度操作详解

在PyTorch中，维度（dimension）是描述张量形状的一种方式。维度操作是PyTorch中非常重要的功能，常用于调整张量的形状以适配各种计算需求。以下是常见的维度操作及其示例。

萝卜小白·2025-03-15 17:26

torch.logical_and()方法

torch.logical_and()计算给定输入张量的元素逻辑AND。

CodeWang_NC·2025-03-15 17:56

探究Visual Studio中的乱码问题

三个字符集概念源码字符集MSVC中/source-charset即源代码文本文件的字符集，NodePad++、记事本、VSCode这样类似的文本编辑器，可以打开源文件看一下你的字符集（文件编码）。

L-Super·2025-03-15 17:25

Manus开源平替-开源通用智能体

原文链接:https://i68.ltd/notes/posts/250306-opensource-agi-agent/OWL-比Manus还强的全能开源AgentOWL:OptimizedWorkforceLearningforGeneralMulti-AgentAssistanceinReal-WorldTaskAutomation

galileo2016·2025-03-15 17:24

[Pytorch] Error:module ‘torch‘ has no attribute ‘logical_and‘

最近学习的模型用到了这个逻辑与的操作，Pytorch1.3.x报错。查阅官方文档，只有logical_not和logical_xor的实现。

江南蜡笔小新·2025-03-15 17:24

Orin NX 安装Jetpack 6.2 及部署pytorch tips

，如果需要安装其它软件，这个时候不需要跳线，然后输入真实的IP，确保你的x86ubuntu能ping通OrinNX.其它安装环境时遇到的问题如下：1.GPUenable=False-installtorch

MYVision_ MY视界·2025-03-15 17:23

一文讲清楚CUDA与PyTorch、GPU之间的关系

CUDA（ComputeUnifiedDeviceArchitecture）是由NVIDIA开发的一个并行计算平台和编程模型。

平凡而伟大.·2025-03-15 17:23

训练模型时，步长为什么不能太大也不能太小？

在训练模型时，步长（也称为学习率，LearningRate）是一个关键的超参数，它控制着每次参数更新的大小。

yuanpan·2025-03-15 16:52

模型的秘密武器：利用注意力改善长上下文推理能力

【导语】在大语言模型（LLM）不断刷新各项任务记录的今天，很多模型宣称能处理超长上下文内容，但在实际推理过程中，复杂问题往往因隐性事实的遗漏而败下阵来。

步子哥·2025-03-15 16:51

机器学习中的梯度到底是什么？（chat-gpt问答）

在机器学习中，我们通过不断调整参数，使目标函数达到最小值，从而实现模型的训练和学习。2、为什么梯度要求偏导来求解？梯度是一个向量，它的方向指向函数值增加最快的方向，其大小表示函数值的变化率。

湫怿·2025-03-15 16:19

大型语言模型与强化学习的融合：迈向通用人工智能的新范式——基于基础复现的实验平台构建

1.引言大型语言模型（LLM）在自然语言处理领域的突破，展现了强大的知识存储、推理和生成能力，为人工智能带来了新的可能性。

（initial）·2025-03-15 16:17

目标检测中衡量模型速度和精度的指标：FPS和mAP

“FPS”和“mAP”分别衡量了模型的速度和精度。FPS（FramesPerSecond）定义：FPS是“每秒传输帧数”的缩写，用于衡量计算机视觉系统（如目标检测、图像识别等）的实时性能。

asdfg1258963·2025-03-15 16:47

准确率（Precision）和召回率（Recall）

准确率（Precision）定义：准确率是指在模型预测为正的样本中，真正为正的样本所占的比例。它关注的是模型预测的准确性。

asdfg1258963·2025-03-15 16:47

前端面试题---vue项目打包时, 内存不足了怎么办为什么会出现这样的情况

SourceMap过大：默认produ

*星之卡比*·2025-03-15 15:16

机器学习中的梯度下降是什么意思？

通过迭代调整模型参数，梯度下降帮助模型逐步逼近最优解，从而提升模型的性能。1.核心思想梯度下降的核心思想是利用损失函数的梯度（即导数）来指导参数的更新方向。

yuanpan·2025-03-15 15:45

深入解析 React 最新特性：革新、应用与最佳实践

赵大仁·2025-03-15 15:13

基于异构特征融合与轻量级集成学习的软件漏洞挖掘方案设计与Python实现

方案设计原理异构特征工程静态特征：基于AST的代码属性图（CPG）解析（使用Joern+NetworkX）动态特征：内存访问模式分析（通过QEMU模拟执行）上下文特征：CWE漏洞模式匹配（集成Semgrep规则引擎）轻量级模型架构

rockmelodies·2025-03-15 15:10

2025年开源大模型全景：语言、多模态与开发工具的前沿探索

语言类开源大模型1.Llama系列开发者：Meta发布时间：2024年7月参数量：8B、70B、405B特点：Llama系列模型以其强大的多语言支持和广泛的自然语言处理能力而闻名。

软件职业规划·2025-03-15 15:08

使用 Ollama 对 LLaMA-2 模型进行微调的详细指南

1.1硬件要求大语言模型的微调需要强大的计算能力，尤其是GPU资源。以下是推荐的硬件配置：GPU：建议使用至少NVIDIARTX3090或更高配置的GPU。

软件职业规划·2025-03-15 15:08

机器学习_重要知识点整理

数据建模（如高斯分布假设）、生成模型（如贝叶斯网络）。贝叶斯定理计算条件概率，更新先验知识以获得后验概率。贝叶斯分类器、文本分类（如垃圾邮件检测）。

嘉羽很烦·2025-03-15 15:06

AI大模型时代，2025大龄程序员如何轻松转型赢未来？

当前大龄程序员的处境在科技行业的高速发展中，大龄程序员这一群体正面临着前所未有的挑战。随着新兴技术的不断涌现，如云计算、大数据、人工智能等，传统的编程技能逐渐显得“过时”。同时，年轻一代的程序员以更加低廉的薪酬和旺盛的精力涌入市场，加剧了职场的竞争。对于大龄程序员而言，他们不仅需要应对技能更新的压力，还常常受到年龄歧视的影响，尤其是在追求创新和速度的科技公司中。许多大龄程序员发现自己处于尴尬境地，

AI大模型学习不迷路·2025-03-15 15:35

数字孪生对于新基建的价值浅析，算是抛砖引玉。

一、核心价值：虚实映射与智能决策实时动态映射通过传感器、IoT设备实时采集物理实体（如工厂、城市、电网）的运行数据，构建高精度虚拟模型，实现**“所见即所控”**的透明化管理。

大牛工控设计师·2025-03-15 14:04

图解AUTOSAR_CP_ComM

AUTOSARComM模块详解AUTOSAR通信管理模块详细解析目录1.概述1.1.ComM模块的作用1.2.ComM模块的位置2.架构设计2.1.模块上下文视图2.2.内部组件结构3.状态机3.1.通道状态机

KaiGer666·2025-03-15 14:33

HuggingFace下载模型并导入Ollama指南

此处以moka-ai/m3e-base模型下载为例。众所周知，HuggingFace仓库托管了诸多训练模型。

Repetion_Maxumim·2025-03-15 14:00

PDF合并工具，免费快捷开源。python脚本实例演示

importosfromPyPDF2importPdfMergerfromosimportlistdirresource_path='D:/111111/'#设定源文件夹，把要合并的pd

zhangood·2025-03-15 14:29

Langchain链式开发：打造高效、可扩展的AI应用

Langchain是一个开源框架，专门用于开发基于大型语言模型(LLMs)的应用程序。它允许开发者将各种组件(如模型、数据源、工具等)连接在一起，构建复杂的AI应用程序。

小南AI学院·2025-03-15 14:58

springboot 整合 elk （Elasticsearch+Logstash+Kibana）

Elasticsearch是个开源分布式搜索引擎，它的特点有：分布式，零配置，自动发现，索引自动分片，索引副本机制，restful风格接口，多数据源，自动搜索负载等。

高大王竟然被注册·2025-03-15 14:28

长文本、知识库、微调对比

长文本、知识库和微调是三种不同的技术手段，用于增强大模型的能力。1.长文本处理•核心目标：理解和生成长篇内容。•优点：•连贯性强，适合处理需要深入理解背景信息的任务。

司南锤·2025-03-15 13:56

增量预训练和微调的区别

增量预训练和微调的区别二、代码示例1.增量预训练示例2.微调示例3.代码的区别三、数据格式1.增量预训练2.微调3.示例4.小结四、数据量要求1.指导原则2.示例3.实际操作中的考虑4.小结前言增量预训练是一种在现有预训练模型的基础上

做个天秤座的程序猿·2025-03-15 13:54

【Transformer-Hugging Face手册 07/10】微调预训练模型

微调预训练模型-目录一、说明二、在本机PyTorch中微调预训练模型。

无水先生·2025-03-15 13:54

Shiro反序列化漏洞原理与复现指南

Shiro在1.2.5及以下版本中，默认使用硬编码的AES加密密钥（kPH+bIxk5D2deZiIxcaaaA==），攻击者可通过构造恶意RememberMeCookie触发反序列化漏洞，导致远程代码执行（RCE

豪门土狗·2025-03-15 13:24

模型量化 (Model Quantization) 算法 (Model Quantization Algorithms)

1模型量化的必要性：降低模型大小、加速推理、减少资源消耗随着深度学习模型的日益复杂和庞大，其在资源受限的设备（如移动端、嵌入式设备）上的部署面临着巨大的挑战。

（initial）·2025-03-15 13:24

SEORoal·2025-03-15 13:53

负载均衡中四层和七层协议区别

1.L4（四层）负载均衡基于TCP/UDP传输层的负载均衡协议层：工作在OSI模型的第4层（传输层）。工作方式：主要依据IP地址和端口号进

LeonNo11·2025-03-15 13:53

鸿蒙HarmonyOS NEXT开发：自定义事件拦截（ArkTS组件事件）

onTouchInterceptonTouchIntercept(callback:Callback)系统能力：SystemCapability.ArkUI.ArkUI

「已注销」·2025-03-15 12:50

Matlab/simulink 风储调频，风电调频，模糊控制，mpc模型预测，虚拟惯性控制，下垂控制。

风电采用虚拟惯性控制，储能采用下垂控制。风电利用模糊控制改变系数，根据风速和频率变化系数。做到了自适应控制。MPC通过状态空间表达式通过fk预测下一时刻fk+1频率，仿真结果表明预测频率和实际频率相差不大。因此可以用mpc预测频率，去改变风电出力。这样利用mpc的超前预测能力进而预测风电出力。风电采用虚拟惯性控制。1-模糊控制2-mpc控制。

风储wind-专业frequency·2025-03-15 12:48

vue 动态加载插件及插件样式解决插件样式造成的全局污染问题

1工具方法/***动态加载第三方js.css*@param{*}src路径*@param{*}isCss是否为css文件*/exportfunctionasynLoad(src,isCss=false)

看客随心·2025-03-15 12:48

推荐频道

RC模型