526互联

模型 事务innodb

大模型RAG之向量检索技术-结合LSTM模型编码

本文将介绍两种编码方式，一种直接采用bert进行编码query与待匹配数据；另一种将待匹配数据构造成key-value的形式，key表示从每个待匹配数据的概念或者抽象描述，value是对应的待匹配数据，将query和key进行编码，lstm从过query查询到key之后，就可以获取对应的value ......
模型 向量 编码 技术 LSTM

PV视角之3D检测模型Sparse4D系列

在自动驾驶视觉感知系统中，为了获得环绕车辆范围的感知结果，通常需要融合多摄像头的感知结果。比较早期的感知架构中，通常采用后融合的范式，即先获得每个摄像头的感知结果，再进行结果层面的融合。后融合范式主要的问题在于难以处理跨摄像头的目标（如大卡车），同时后处理的负担也比较大。而目前更加主流的感知架构则是 ......
视角 Sparse4D 模型 Sparse4 Sparse

什么是大模型RAG?RAG与funtionCalling的区别是什么？

大模型的RAG（Retrieval-Augmented Generation）与Function Calling都是用于增强大型语言模型（如GPT）的技术，但它们的工作原理和应用场景有所不同。 Retrieval-Augmented Generation (RAG): 原理：RAG结合了信息检索和文 ......
funtionCalling RAG 模型

模型类序列化器

1 原来用的Serilizer跟表模型没有直接联系， 模型类序列化器ModelSerilizer，跟表模型有对应关系 2 使用 class BookModelSerializer(serializers.ModelSerializer): class Meta: model=表模型 # 跟哪个表模型 ......
序列 模型

【略读论文|大模型相关】Zero-Shot Relational Learning on Temporal Knowledge Graphs with Large Language Models

时间：2023 学校：慕尼黑大学 创新点： 1.据我们所知，这是第一个试图在TKGF背景下研究零射击关系学习的工作。 2.我们设计了一种基于llm的方法zrLLM，并设法在零射击关系推理中增强各种基于嵌入的TKGF模型。 3.实验结果表明，zrLLM有助于大大提高所有考虑的TKGF模型对包含未见零射 ......
Relational Zero-Shot Knowledge Learning Language

星型模型&雪花模型

数据集市（Data Mart）也有称ADS（Application Data Store），数据集市将主题层和基础层的数据按照各业务的实际需求进行聚合，形成宽表或数据立方体（Cube），可直接供业务部门和数据分析团队使用。 数据集市中主要存在的是事实表（fact）和维度表（dimension）。 事 ......
模型 雪花 amp

R语言GARCH族模型：正态分布、t、GED分布EGARCH、TGARCH的VaR分析股票指数|附代码数据

全文链接：http://tecdat.cn/?p=31023 最近我们被客户要求撰写关于GARCH族模型的研究报告，包括一些图形和统计输出。 如何构建合适的模型以恰当的方法对风险进行测量是当前金融研究领域的一个热门话题 （ 点击文末“阅读原文”获取完整代码数据******** ）。 VaR方法作为当 ......
正态分布 模型 指数 语言 代码

spring 事务注解

在Spring中，常用的事务注解有以下几个： @Transactional：这是最常用的事务注解。它可以应用在方法上或者类上。在方法上使用时，表示该方法需要被事务管理；在类上使用时，表示该类中的所有方法都需要被事务管理。这个注解可以接收一些参数，用于配置事务的传播行为、隔离级别、只读属性等。 @Tr ......
注解 事务 spring

MyBatis—Spring 动态数据源事务的处理

在一般的 Spring 应用中，如果底层数据库访问采用的是 MyBatis，那么在大多数情况下，只使用一个单独的数据源，Spring 的事务管理在大多数情况下都是有效的。然而，在一些复杂的业务场景下，如需要在某一时刻访问不同的数据库，由于 Spring 对于事务管理实现的方式，可能不能达到预期的效果 ......
数据源 事务 MyBatis 动态 数据

AI_NLP以及SAM的理解-分割模型

机器学习 一般机器学习分为有监督学习，无监督学习和强化学习 无监督学习 Unsupervised Learning Self-Supervised Learning，又称为自监督学习 -Self-Supervised Learning 的核心思想 Masked Autoencoders Are Sc ......
模型 AI_NLP NLP SAM AI

MySQL锁和事务篇

MySQL锁和事务篇MySQL锁机制MySQL锁介绍 按照锁的粒度来说，MySQL主要包含三种类型（级别）的锁定机制： 全局锁：锁的是整个database。由MySQL的SQLlayer层实现的 表级锁：锁的是某个table。由MySQL的SQLlayer层实现的 行级锁：锁的是某行数据，也可能锁定 ......
事务 MySQL

用一张图片测试几个大模型的看图理解，文心一言表现不佳，通义千问了解最到位！

样图如下： 用上面的图片，在几个主流的AI大模型中进行识别理解，最终的理解各有不同。 不过最让我意外的是 文心一言 居然理解的最不到位！ 下图是文心一言的看图理解： 下图是通义千问的看图理解： 下图是讯飞星火的看图理解： 大家觉得哪一个理解的最到位？？？？？ ......
文心 模型 图片

mysql事务隔离级别详解

简述MySql四种事务隔离级别 这篇文章主要介绍了MySql四种隔离级别，帮助大家更好的理解和学习MySQL，感兴趣的朋友可以了解下 隔离级别： 隔离性其实比想象的要复杂。 在SQL标准中定义了四种隔离级别, 每一个事务中所做的修改,哪些在事务内和事务间是可见的,哪些是不可见的。较低级别的隔离通常可 ......
级别 事务 mysql

使用docker搭建deepspeed多机多卡分布式微调大模型环境

前置环境：两台可以互通的centos服务器（服务器1、服务器2），docker，NVIDIA驱动 docker创建overlay共享网络 1）选用服务器1作为manage节点进行初始化，执行docker swarm init Swarm initialized: current node (ly4d ......
分布式 deepspeed 模型 环境 docker

公共仓库元模型(CWM)（转）

转自：https://www.jianshu.com/p/21207b50084a 一、什么是CWM？ 在我们学习一个新东西时，首先得弄懂明白它是用来干什么的？然后通过实例与理论交错学习，CWM——Common Warehouse Metamodel, 很明显翻译过来时公共仓库元模型，CWM的提出主 ......
仓库 模型 CWM

Atlas关系型数据库元数据模型

[ { "category": "ENTITY", "guid": "00b4a314-1185-4cd4-84e9-20275990d58d", "createdBy": "hadoop", "updatedBy": "hadoop", "createTime": 1615973091411, " ......
数据 模型 数据库 Atlas

使用知识图谱提高RAG的能力，减少大模型幻觉

在使用大型语言模型(llm)时，幻觉是一个常见的问题。LLM生成流畅连贯的文本，但往往生成不准确或不一致的信息。防止LLM产生幻觉的方法之一是使用提供事实信息的外部知识来源，如数据库或知识图谱。 向量数据库和知识图谱 向量数据库 向量数据库是表示实体或概念(如单词、短语或文档)的高维向量的集合。数据 ......
图谱 幻觉 模型 能力 知识

三维模型的几何坐标纠正应用探讨

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，... ......
坐标 几何 模型

分布式事务管理

南航航班号sno，日期sdate，国航航班号zno，日期zdate，姓名uname，身份证号uid，用户账号uno，电商账号bno 根代理ROOT begin transcation; input(sno, sdate, zno, zdate, uname, uid, uno, bno)； EXEC ......
事务管理 分布式 事务

鱼类识别系统Python+TensorFlow卷积神经网络算法模型+深度学习人工智能【计算机课设项目】

一、介绍 鱼类识别系统。使用Python作为主要编程语言开发，通过收集常见的30种鱼类（'墨鱼', '多宝鱼', '带鱼', '石斑鱼', '秋刀鱼', '章鱼', '红鱼', '罗非鱼', '胖头鱼', '草鱼', '银鱼', '青鱼', '马头鱼', '鱿鱼', '鲇鱼', '鲈鱼', '鲍鱼' ......
卷积 神经网络 人工智能 鱼类 算法

Windows11下私有化部署大语言模型实战 langchain+llama2

一、本机环境 1.硬件环境： CPU：锐龙5600X 显卡：GTX3070 内存：32G 注：硬件配置仅为博主的配置，不是最低要求配置，也不是推荐配置。 2.软件环境： Windows系统版本：Win11专业版23H2 Python版本：3.11 Cuda版本：12.3.2 VS版本：VS2022 ......
实战 langchain 模型 Windows 语言

使用PyTorch实现去噪扩散模型

在深入研究去噪扩散概率模型(DDPM)如何工作的细节之前，让我们先看看生成式人工智能的一些发展，也就是DDPM的一些基础研究。 VAE VAE 采用了编码器、概率潜在空间和解码器。在训练过程中，编码器预测每个图像的均值和方差。然后从高斯分布中对这些值进行采样，并将其传递到解码器中，其中输入的图像预计 ......
模型 PyTorch

根据语音生成全身姿态；基于变分贝叶斯框架的VAE模型；CFG是一种隐式的Perceptual Loss！

本文首发于公众号：机器感知 根据语音全身姿态；基于变分贝叶斯框架的VAE模型；CFG是一种隐式的Perceptual Loss！ Diffusion Model with Perceptual Loss 本文研究了扩散模型在生成样本时的质量问题，作者发现使用均方误差损失训练的模型生成的样本往往不真实 ......
Perceptual 姿态 框架 语音 模型

首次引入大模型!Bert-vits2-Extra中文特化版40秒素材复刻巫师3叶奈法

Bert-vits2项目又更新了，更新了一个新的分支：中文特化，所谓中文特化，即针对中文音色的特殊优化版本，纯中文底模效果百尺竿头更进一步，同时首次引入了大模型，使用国产IDEA-CCNL/Erlangshen-MegatronBert-1.3B大模型作为Bert特征提取，基本上完全解决了发音的ba ......
巫师 Bert-vits 素材 模型 Extra

SpringBoot的多数据源以及事务解决方案(下)

SpringBoot的多数据源以及事务解决方案(下) 下面1-3实现方法来之看过的文章SpringBoot 多数据源及事务解决方案，4后为自己项目中用到的方法 多数据源事务处理 1.1 关于事务的理解 首先我们先理解下事务的本质 提到Spring事务，就离不开事务的四大特性和隔离级别、七大传播特性。 ......
数据源 SpringBoot 解决方案 事务 方案

一文搞懂什么是阻塞IO、信号驱动IO、Reactor模型、零拷贝

公众号《鲁大猿》，寻精品资料，帮你构建Java全栈知识体系 www.jiagoujishu.cn 基础IO 如何从数据传输方式理解IO流？ 从数据传输方式或者说是运输方式角度看，可以将 IO 类分为: 字节流, 字节流读取单个字节，字符流读取单个字符(一个字符根据编码的不同，对应的字节也不同，如 U ......
拷贝 模型 信号 Reactor

大模型安全｜绿盟

转载：大模型正在“记住”与“说出” 引言 「大模型」引领的创新变革正在发生身处技术爆炸时代，高光与隐忧共存。安全风险已成为发展中无法忽视的话题。 LLM在使用过程中包含敏感机密的数据或信息，可能会导致未授权的数据访问、隐私侵犯、安全漏洞等风险，随之造成敏感信息泄露。 2023年8月，全球开放应用软件 ......
模型

麻了，这让人绝望的大事务提交

虽然有时候业务催的确实比较急，我们也不得不加班加点赶工撸代码。但是我们不能由于这样的原因而舍弃对系统性能的追求。 ......
事务

书生浦语大模型全链开源体系介绍

Smiling & Weeping 以后隔着三千梨花树，六百湘水，你不必哽咽，我始终记得见你的第一面 2023大模型成为热门关键词 而通用大模型在大模型中适用范围和效率无疑会更高 那么书生·浦语20B开源大模型性能介绍 那么从模型到应用的主要流程大概 书生·浦语全链条开源开放体系 全链条开源开放体系 ......
书生 模型 体系

7、SpringBoot2之整合事务及AOP

本文在SpringBoot2之整合Mybatis的基础上进行 7.1、整合事务 7.1.1、mapper接口 int deleteEmployeeById(int id); 7.1.2、mapper映射文件 <delete id="deleteEmployeeById" parameterType= ......
SpringBoot2 SpringBoot 事务 AOP
共4330篇  :3/145页 首页上一页3下一页尾页