实战langchain模型windows

(四) 一文搞懂 JMM - 内存模型

4、JMM - 内存模型 1、JMM内存模型 JMM与happen-before 1、可见性问题产生原因 下图为x86架构下CPU缓存的布局,即在一个CPU 4核下,L1、L2、L3三级缓存与主内存的布局。 每个核上面有L1、L2缓存,L3缓存为所有核共用。 因为存在CPU缓存一致性协议,例如MES ......
模型 内存 JMM

label studio 结合 MMDetection 实现数据集自动标记、模型迭代训练的闭环

一个 AI 方向的朋友因为标数据集发了篇 SCI 论文,看着他标了两个多月的数据集这么辛苦,就想着人工智能都能站在围棋巅峰了,难道不能动动小手为自己标数据吗?查了一下还真有一些能够满足此需求的框架,比如 [cvat]、 [doccano] 、 [label studio]等,经过简单的对比后发现还... ......
闭环 MMDetection 标记 模型 数据

有来实验室|第一篇:Seata1.5.2版本部署和开源商城订单支付业务实战

有来实验室结合正式的商城订单支付业务场景将 Seata 分布式事务可视化,通过现象去看本质(原理和源码),告别被动式输入的短期记忆学习。 ......
实战 实验室 订单 版本 业务

WINDOWS下对NIGNX日志文件进行限制

首先接到这个任务,发现nginx的日志限制更多的都是在Linux下做的,找了半天,也没找到能直接通过nginx.conf更改体现到日志限制上的。 最后决定直接通过bat脚本,来对nginx的日志进行分割和删除。 至于需要谁来执行bat脚本,大家可以根据自己的业务需求来操作,比如: 1.通过系统的任务 ......
WINDOWS 文件 NIGNX 日志

MAUI Blazor (Windows) App 动态设置窗口标题

原文链接 [https://www.cnblogs.com/densen2014/p/16950996.html] 接着上一篇"如何为面向 Windows 的 MAUI Blazor 应用程序设置窗口标题?" Tips: 总所周知,MAUI 除了 Windows App 其他平台窗口是没有 Titl ......
Windows 标题 动态 Blazor MAUI

Web 实战:拖拽排序

实现效果图 GitHub 和 Gitee 个人主页中可以对自己的项目进行拖拽排序,于是我就想自己实现一个。本随笔只是记录一下大概的实现思路,如果感兴趣的小伙伴可以通过代码和本随笔的说明去理解实现过程。 Gitee GitHub 思路构思 要实现元素拖拽可替换位置,就必须要锁定每一个元素的具体位置,且 ......
实战 Web

基于Sklearn机器学习代码实战

本文主要跟随Datawhale的学习路线以及内容教程,详细介绍了机器学期常见的多个基础算法的基于sklearn的实现过程,内容丰富。 ......
实战 机器 Sklearn 代码

Web 实战:可滑动的标签页

实现效果图 本随笔只是记录一下大概的实现思路,如果感兴趣的小伙伴可以通过代码和本随笔的说明去理解实现过程。 Gitee GitHub 构建静态页面 可滑动的页面需要 5 个 div,标签也需要 5 个。只有页面是随着我们操作而变化,标签处于静态,标签下面有一个滑块也是随着我们操作而变化。所以,构建基 ......
实战 标签 Web

运用领域模型——DDD

模型被用来描述人们所关注的现实或想法的某个方面。模型是一种简化。它是对现实的解释 —— 把与解决问题密切相关的方面抽象出来,而忽略无关的细节。 每个软件程序是为了执行用户的某项活动,或是满足客户的某种需求。这些用户应用软件的问题区域就是软件的领域。 一些领域涉及物质世界,例如,机票预定程序的领域中包 ......
模型 领域 DDD

轻量级模型设计与部署总结

轻量级网络的手动设计目前还没用广泛通用的准则,只有一些指导思想,和针对不同芯片平台(不同芯片架构)的一些设计总结,建议大家从经典论文中吸取指导思想和建议,然后自己实际做各个硬件平台的部署和模型性能测试。 ......
轻量 轻量级 模型

神经网络模型复杂度分析

终端设备上运行深度学习算法需要考虑内存和算力的需求,因此需要进行模型复杂度分析,涉及到模型计算量(时间/计算复杂度)和模型参数量(空间复杂度)分析。 为了分析模型计算复杂度,一个广泛采用的度量方式是模型推断时浮点运算的次数 (FLOPs),即模型理论计算量,但是,它是一个间接的度量,是对我们真正关心... ......
复杂度 神经网络 模型 神经 网络

目标检测模型的评价标准-AP与mAP

为了了解模型的泛化能力,即判断模型的好坏,我们需要用某个指标来衡量,有了评价指标,就可以对比不同模型的优劣,并通过这个指标来进一步调参优化模型。对于分类和回归两类监督模型,分别有各自的评判标准,目标检测模型评价指标主要包含 f1、ap、map、roc计算公式及代码实现与auc曲线绘制等。 ......
模型 目标 标准 mAP AP

Windows 服务器中使用 mysqldump 命令导出数据,解决中文乱码问题

起因 环境:阿里云服务器(windows server)、mysql(8.0.11) mysql> select @@version; + + | @@version | + + | 8.0.11 | + + 1 row in set 在windows服务器中每天备份一次数据库数据,防止出现各种意外 ......
乱码 mysqldump 命令 Windows 服务器

基于sklearn的集成学习实战

本文主要跟随Datawhale的学习路线以及内容教程,详细介绍了集成学习常见的多个算法的基于sklearn的实现过程,同时还有两个案例,内容丰富。 ......
实战 sklearn
共8954篇  :299/299页 首页上一页299下一页尾页