实战datawhale diffuser模型
HarmonyOS 实战小项目开发（二）
HarmonyOS 实战小项目开发（二） 日常逼逼叨 在上期实战项目一中，已经对于练手项目的背景，后端搭建等做了一定的简述，那么本期将结合HarmonyOS 页面搭建个人性格测试的移动端。如有一些错误，希望观众老爷们批评指正😃😃😃 首先放一个图片，是整个的一个效果，至于页面布局配色方面的问题， ......
HarmonyOS：使用MindSpore Lite引擎进行模型推理
场景介绍 MindSpore Lite是一款AI引擎，它提供了面向不同硬件设备AI模型推理的功能，目前已经在图像分类、目标识别、人脸识别、文字识别等应用中广泛使用。 本文介绍使用MindSpore Lite推理引擎进行模型推理的通用开发流程。 基本概念 在进行开发前，请先了解以下概念。 张量：它与数 ......
软件测试/人工智能|人工智能与自动化测试结合实战-探索人工智能在测试领域中的应用
人工智能与测试结合现状 最近在各个行业技术会议上，出现了越来越多的人工智能与测试结合的topic。比如最近几个跟人工智能相关的内容。 议题 公司 基于AIGC的蚂蚁新一代测试用例自动生成技术 蚂蚁集团 百度单元测试智能生成实践 百度 基于代码地图的组件测试用例自动生成实践 华为 类chatGPT大语 ......
模型放置到3D场景中后模型位置与鼠标选中的位置不一致怎么办？
在线工具推荐：3D数字孪生场景编辑器 - GLTF/GLB材质纹理编辑器 - 3D模型在线转换 - Three.js AI自动纹理开发包 - YOLO 虚幻合成数据生成器 - 三维模型预览图生成器 - 3D模型语义搜索引擎 1、问题 从事3D建模相关工作的朋友们在工作中经常会遇到以下几种问题： 1、 ......
如何创建逼真的3D模型
要实现逼真的 3D 视觉效果，需要关注细节并了解照明、纹理和材质的原理。要使 3D 场景看起来更逼真，请专注于精确的照明设置，使用高分辨率纹理和凹凸贴图来增加表面的深度，并合并逼真的着色器和材质。此外，请注意构图、摄像机角度和后期处理效果，以增强 3D 渲染的整体真实感。 ......
如何删除/替换3D模型的材质贴图
GLTF 编辑器 -NSDT 不仅可以设置3D模型纹理贴图，还可以设置模型的几何原点、以及对有相同材质属性的mesh进行合并，实现模型轻量化，是一款不可多得的实用型在线模型编辑工具。 ......
GLB/GLTF 模型压缩轻量化
Draco 是用于网格压缩的 glTF 扩展，以及由 Google 开发的开源库，用于压缩和解压缩 3D 网格以显着减小 3D 内容的大小。它压缩顶点位置、法线、颜色、纹理坐标和任何其他通用顶点属性，从而提高通过 Web 传输 3D 内容的效率和速度。 ......
听懂未来：AI语音识别技术的进步与实战
本文全面探索了语音识别技术，从其历史起源、关键技术发展到广泛的实际应用案例，揭示了这一领域的快速进步和深远影响。文章深入分析了语音识别在日常生活及各行业中的变革作用，展望了其未来发展趋势。 关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济 ......
ChatGLM2-6B模型的微调
概述 GLM模型底层还是基于Transformer，因此其设计、优化都是围绕Transformer的各个组件的。从注意力层的掩码、位置编码等方面优化与设计。 ChatGLM3/ChatGLM2的源码中，比如finetune、trainer等代码，其实是copy自HuggingFace，而且其使用流程 ......
最强Pose模型RTMO开源 | 基于YOLO架构再设计，9MB+9ms性能完爆YOLO-Pose
https://mp.weixin.qq.com/s/4EJAKBcqlCzDXib1_TKJxw 点击下方卡片，关注「AI视界引擎」公众号 AI视界引擎 「AI视界引擎」公众号不仅致力于分享AI视觉与大语言模型的前沿科技，还将成为连接业界专家、学术界和广大读者的桥梁。我们将提供最新的研究进展、技术 ......
三维模型的顶层合并构建的模型层级和块大小划分规则浅析
三维工厂K3DMaker是一款三维模型浏览、分析、轻量化、顶层合并构建、几何校正、格式转换、调色裁切等功能专业处理软件。可以进行三维模型的网格简化、纹理压缩、层级优化等操作，从而实现三维模型轻量化。轻量化压缩比大，模型轻量化效率高，自动化处理能力高；采用多种算法对三维模型进行几何精纠正处理，精度高，... ......
HarmonyOS 实战小项目开发（一）
HarmonyOS 实战小项目开发（一） 日常逼逼叨 在经过一周多的Harmonyos 开发基础知识的学习后，自己通过对于Harmonyos基础知识的学习之后，结合自己的一些想法，独自完成了利用Arkts布局的Harmonyos 项目，在此将整个过程与各位共享出来，如有一些错误，希望观众老爷们批评指 ......
dft实战和源码剖析
4. 初步编写API 3-02 drf-初步使用 drf项目下创建虚拟环境 1.PS D:> django-admin startproject drf d盘下创建drf项目 2.PS D:> cd drf 3.PS D:\drf> virtualenv -p "C:\Program Files\P ......
【Web攻防之业务安全实战指南】第5章 业务办理模块测试
5.1 订单ID篡改测试 5.1.1 测试原理和方法在有电子交易业务的网站中，用户登录后可以下订单购买相应产品，购买成功后，用户可以查看订单的详情。当开发人员没有考虑登录后用户间权限隔离的问题时，就会导致平行权限绕过漏洞。攻击者只需注册一个普通账户，就可以通过篡改、遍历订单id，获得其他用户订单详情 ......
2311arxiv_Reti-Diff: Illumination Degradation Image Restoration with Retinex-based Latent Diffusion Model
论文疑点： 1. 怎样利用低维度紧凑的潜在空间减少了计算负担 ......
KubeKey 离线部署 KubeSphere v3.4.1 和 K8s v1.26 实战指南
作者：运维有术 前言 知识点 定级：入门级 了解清单 (manifest) 和制品 (artifact) 的概念 掌握 manifest 清单的编写方法 根据 manifest 清单制作 artifact KubeKey 离线集群配置文件编写 KubeKey 离线部署 Harbor KubeKey ......
HanLP — HMM隐马尔可夫模型 -- 训练和预测
训练的过程，就是求三个矩阵的过程 初始概率矩阵 转移概率矩阵 发射矩阵 每个字有4种可能性，上图中有7个字，就是 4^7 种可能性 维特比算法，从众多路径中，挑出最优的那条，他和隐马尔可夫没有强关联 初始概率矩阵 根据频率得到概率 今天 天气 真 不错。 麻辣肥牛 好吃 ！ 我 喜欢 吃 好吃 的！ ......
Diffusion Model扩散模型
1、扩散模型基本原理： 扩散模型包括两个步骤： 固定的（或预设的）前向扩散过程q：该过程会逐渐将高斯噪声添加到图像中，直到最终得到纯噪声。 2.可训练的反向去噪扩散过程pθ：训练一个神经网络，从纯噪音开始逐渐去噪，直到得到一个真实图像 。 正向过程首先，对于一张原始图片，我们给加一个高斯噪声，图片由 ......
一文带你了解LoRa微调语言大模型的实用技巧
微调定制化的大型语言模型需要投入大量时间和精力，但掌握恰当的微调方法和技巧能显著提高效率。比如用LoRa（LLM的低秩适配Low-Rank Adaptation）微调大模型，能够利用少量显卡和时间对大模型进行微调，降低成本。 ......
大模型-向量数据库
向量数据库很多，先试试milvus。 1、安装：通过docker pull没搞定。使用官网的docker-compose搞定了。 2、运行：需要启动3个容器： docker start milvus-etcd docker start milvus-minio docker start milvus ......
HanLP — HMM隐马尔可夫模型 -- 语料库
BMES => B:词语开始、M：词语中间、E：词语结束、S:单独成词 并非所有中文任务都需要分词 语料库 每行是一篇“文章” 每篇文章用空格分开 语料库的准确性，严重影响分词结果 理论上，语料库越大越好 每个字都有一个标识（隐藏状态），可以根据语料库得到所有标识 中文分词就是为了得到状态 麻 辣 ......
大语言模型LLM的核心技术及应用场景案例的分析
自注意力机制、位置编码和激活函数共同提高了模型对序列数据中重要信息的关注程度。通过自注意力机制，模型可以自动学会为序列中的关键部分分配更高的权重…… ......
Redis实战篇
实战篇Redis 开篇导读 亲爱的小伙伴们大家好，马上咱们就开始实战篇的内容了，相信通过本章的学习，小伙伴们就能理解各种redis的使用啦，接下来咱们来一起看看实战篇我们要学习一些什么样的内容 短信登录 这一块我们会使用redis共享session来实现 商户查询缓存 通过本章节，我们会理解缓存击穿 ......
最新信息收集技术的综合实战演练
信息收集的综合利用 1、信息收集前期 假设攻击者的目标是一家大型企业，目前已经获取目标的网络拓扑图，如图1-38所示。 图1-38 假设目标的网络架构部署如下。 — 具有双层防火墙的DMZ（安全隔离区）经典防御架构。 — 部署了IDS（入侵检测系统）和IPS（入侵防御系统）。 — 某些重要的信息服务 ......
【论文解读】System 2 Attention提高大语言模型客观性和事实性
本文简要介绍了论文“System 2 Attention (is something you might need too) ”的相关工作。基于transformer的大语言模型（LLM）中的软注意很容易将上下文中的不相关信息合并到其潜在的表征中，这将对下一token的生成产生不利影响。为了帮助纠正... ......
训练一个目标检测模型
博客地址：https://www.cnblogs.com/zylyehuo/ （一）识别背景/目的 第十八届全国大学生智能汽车竞赛室外 ROS 无人车赛（高教组） 无人车在室外运行中， 需要探索未知环境， 识别障碍物， 停车标志牌、红绿灯等标志物。 比赛场地为不规则环形场地， 由红蓝两色锥桶搭建而成 ......
小程序开发实战案例四 | 小程序标题栏如何设置
上一期我们了解了 小程序底部导航栏 的实现效果，今天一起来了解下如何设置小程序标题栏～ 基础标题栏 小程序标题栏主要包含返回、标题、收藏、菜单、收起 5 个模块，其中能够调整的部分只有标题和背景色。 另外 IDE上无法展示收藏按钮，如果测试收藏按钮的相关功能 需要使用真机模式调试。 1、基础属性 � ......
拆解全景，解锁未来——深度分析大模型六大领域及五大应用解决方案
在本篇文章中，将带您首先通过解读 LLM 的全景图，深入探讨了 LLM 的六个关键领域，随后提出五种主要方案以解决企业在这一技术领域面临的挑战。从商业模型到开源模型、微调、自定义构建，再到与 AI 提供商的合作，本文将引领您深入了解 LLM 的技术脉络，为探索和应用这一技术提供一些思考与指导。 ......
机器学习-搜索技术：从技术发展到应用实战的全面指南
在本文中，我们全面探讨了人工智能中搜索技术的发展，从基础算法如DFS和BFS，到高级搜索技术如CSP和优化问题的解决方案，进而探索了机器学习与搜索的融合，最后展望了未来的趋势和挑战，提供了对AI搜索技术深刻的理解和展望。 关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI ......