模型 杀手 领域 时代
美国空军正研究AI在军事领域的应用
6月23日，Breaking defense消息，美国空军正在研究ChatGPT 等生成式AI在军事上的应用。 美国现任空军部长Frank Kendall表示，目前生成式AI对美国军队的“作用有限”，但如果以合乎道德的方式应用，可以帮助完成一些任务。 Frank Kendall在接受新美国安全中心的 ......
什么时候需要微调你的大模型（LLM）？
前言 在AI盛起的当下，各类AI应用不断地出现在人们的视野中，AI正在重塑着各行各业。相信现在各大公司都在进行着不同程度的AI布局，有AI大模型自研能力的公司毕竟是少数，对于大部分公司来说，在一款开源可商用的大模型基础上进行行业数据微调也正在成为一种不错的选择。 本文主要用于向大家讲解该如何微调你的 ......
一篇一个CV模型，第(1)篇：StyleGAN
写在前面： 虽说自己肯定对外宣称自己是搞CV的，但是其实在自己接近两年半（🐔）的研究生生涯中，也没有熟练掌握过很多个CV领域的模型，或者说是CV领域的概念。我认为这个东西是必须得补的，不然作为CV算法工程师是肯定要被淘汰的。目前激发自己研究和学习热情的最好方式还是经营自己小小的博客，因此想开一个系 ......
[NOI2020] 时代的眼泪
分块。设分出来左散块 $A_1$，中间块 $B_1,\cdots,B_k$，右散块 $A_2$。那么贡献有 $A_1\leftarrow A_1$ 即散块对自己，$A_1\leftarrow A_2$ 即散块对散块，$A_i\leftarrow B_j$ 即散块对整块，$B_i\leftarrow ......
V模型
v模型就是测试贯穿始终的开发模型， 它是提前做测试计划， v模型分几个阶段 需求分析、概要设计、详细设计、编码 而对标的测试是 验收测试、系统测试，集成设计，单元测试。 概要设计主要是分子系统，所以集成测试就是测系统的各个调用接口。 ......
多分类模型训练使用交叉熵损失的一个注意的点
使用交叉熵损失的网络模型最后一层不要用softmax，交叉熵损失函数会在计算的时候做softmax，如果用了会导致模型训练异常， 如果模型最后一层有softmax，则损失函数要写成 loss_fun = nn.NLLLoss() x = model(data) loss = loss_fun(tor ......
原型模型
瀑布模型是 1需求分析、2软件设计、3程序设计、4编码实现、5单元测试、6集成测试、7系统测试、8运行维护 原型模型通过瀑布模型的123过程构建一个原型来获取需求。 让客户体验，然后对原型进行更改从而得到需求。 所以原型模型一般用来获取需求，弥补了瀑布模型的缺陷1：需求不明确 原型模型两个阶段：原型 ......
Dora AI：支持3D模型的网站生成工具
Dora AI有什么魔力能在竞争激烈的Product Hunt月榜上强势登顶？我尝试从产品和运营两个方面分析下Dora AI这次的成功。 产品 Dora的本体乍看像一款3D网站编辑器，主页面和Webflow等传统设计或建站工具有点类似，都由一块空白画布和四周的功能区组成，可以在画布上添加各种图片、文 ......
瀑布模型
瀑布模型是指软件开发过程类似瀑布从上直下，一条线没有回头。 它的特点是：开发过程阶段明确，上下阶段联系紧密，一个阶段的输出是下一个阶段的输入，每个阶段必须完成才能进入下一个阶段，只适合需求的明确的项目 它的缺点是： 软件需求完整性、正确性难明确：很难做到需求完整和正确，因为现实中需求是随时有调整的， ......
软件过程模型概况
软件过程模型就是软件开发过程中遵循的流程、方法、标准、规范、思想等等所形成的模板。 目前的常用的软件过程模型有以下几种： 瀑布模型 V模型（瀑布模型的变种） 原型模型 螺旋模型（原型+瀑布） 构件组装模型/基于构件的开发方法 快速应用开发RAD（瀑布+构件组装） 统一过程/统一开发方法 敏捷开发方法 ......
【七】并发编程之IO模型
## 【七】并发编程之I/O模型 ### IO模型  ### 【一】前序知识回顾 为了更好地了解IO模型，我们需要事 ......
模型生成技术在医疗保健领域的应用：精准诊断和治疗
[toc] 1. 引言 在医疗保健领域，精准诊断和治疗一直是一个挑战。随着人工智能和机器学习技术的发展，模型生成技术开始被应用于医疗保健领域，以实现更精准诊断和治疗。本文将介绍模型生成技术在医疗保健领域的应用：精准诊断和治疗。 医疗保健是一个涉及众多学科和领域的领域，其中之一便是生物学和统计学。这些 ......
增强现实：AR技术在建筑领域中的应用
[toc] 增强现实(AR)技术是一种能够将虚拟物体与现实世界结合的技术，通过头戴式显示器、眼镜或AR SDK等设备，将虚拟物体呈现为现实世界的一部分，为用户提供一种全新的交互方式，同时也为建筑领域提供了全新的解决方案。在本文中，我们将介绍AR技术在建筑领域中的应用，包括技术原理、实现步骤、应用示例 ......
以下是增强现实(AR)领域的100篇热门博客文章标题：
[toc] 增强现实(AR)技术是一种新兴技术，可以通过软件算法将虚拟内容与现实世界融合，为用户提供更加真实、交互性强的体验。本文将介绍增强现实技术的基本概念、技术原理、实现步骤、应用示例、优化与改进以及未来发展趋势和挑战。 一、引言 随着科技的不断进步和人们需求的不断增长，增强现实(AR)技术成为 ......
人工智能在物流领域中的应用与发展趋势
[toc] 随着人工智能技术的快速发展和应用，物流领域也成为了人工智能技术的重要应用领域之一。本文旨在探讨人工智能在物流领域中的应用与发展趋势。 一、引言 物流是企业之间的桥梁，是货物流通的关键环节。随着经济全球化和电商的快速发展，物流领域正在经历巨大的变革。人工智能技术的发展为物流领域带来了新的机 ......
【教程】数据挖掘中的数据挖掘算法模型构建与设计
[toc] 数据挖掘中的数据挖掘算法模型构建与设计 随着大数据时代的到来，数据挖掘已经成为企业、政府机构以及学术界关注的热点领域。数据挖掘是指从大量数据中发现有价值的信息和规律，从而为企业、政府以及学术界提供决策支持和实际应用价值。在数据挖掘中，数据挖掘算法是实现数据挖掘的关键，其模型构建与设计是数 ......
安装新版VS2022之后，添加EF实体模型没有生成对于的表格
1）找到vs2022安装路径中的EF6.Utility.CS.ttinclude.tt文件,需要去掉.tt后缀,然后再做以下修改【部分版本直接是EF6.Utility.CS.ttinclude则直接进入第二步】 2）修改EF6的实用程序EF6.Utility.CS.ttinclude文件,它默认的位 ......
HBase数据模型
HBase是一个稀疏的多维度的映射表 列族（支持动态扩展，保留旧的版本） 做不到对数据进行修改，只能生成新的，标注时间。（不考虑冗余，追求分析效率，牺牲空间，来换取时间） 列限定符 时间戳： 数据坐标概念： 四个维度（行键，列族，列限定符，时间戳）确定唯一的值 概念视图 行式存储和列式存储 面向行的 ......
choices参数,MTV与MCV模型，多对多三种创建方式
choices参数(数据库字段设计常见) """ 用户表 性别 学历 工作经验 是否结婚 是否生子 客户来源 ... 针对某个可以列举完全的可能性字段，我们应该如何存储 只要某个字段的可能性是可以列举完全的，那么一般情况下都会采用choices参数 """ class User(models.Mod ......
2023.25 大模型和小模型
大模型通常指参数较多、层数较深的模型，它们具有更强的表达能力和更高的准确度，但也需要更多的计算资源和时间来训练和推理。常见的大型模型包括深度神经网络（DNN）、卷积神经网络（CNN）、循环神经网络（RNN）等。这些模型适用于数据量较大、计算资源充足的场景，例如云端计算、高性能计算、人工智能等。小模型 ......
怎么让英文大预言模型支持中文？（一）构建自己的tokenization
代码地址：https://github.com/taishan1994/sentencepiece_chinese_bpe Part1前言 目前，大语言模型呈爆发式的增长，其中，基于llama家族的模型占据了半壁江山。而原始的llama模型对中文的支持不太友好，接下来本文将讲解如何去扩充vocab里 ......
什么是大模型？
阅读本文之前，建议先阅读上一篇：什么是神经网络？ 本文由gpt4辅助撰写（gptschools.cn） 什么是大模型？ 模型是指具有大量参数的深度学习或机器学习模型，这些参数可以通过训练过程自动调整以捕获输入数据中的复杂关系。这类模型通常具有较深的网络结构和较多的神经元，以增加模型的表示能力和学习能 ......
django之模型层
模版语法传值 {{}}:变量相关{%%}:逻辑相关 def index(request): # 模版语法可以传递的后端python数据类型 n = 123 f = 11.11 s = '我也想奔现' b = True l = ['小红','姗姗','花花','茹茹'] t = (111,222,33 ......
智能决策支持系统在物流领域的应用：从数据分析到实时决策
[toc] 智能决策支持系统在物流领域的应用：从数据分析到实时决策 摘要 随着物流领域的不断发展，智能决策支持系统的作用越来越重要。本文将介绍智能决策支持系统在物流领域的应用，从数据分析到实时决策的实现步骤和优化改进方法。通过实际案例的分析与代码实现演示，读者可以更好地理解和掌握这一技术的应用。 引 ......
区块链溯源技术在家居家具定制平台领域中的应用及解决方案
[toc] 家居家具定制平台领域应用区块链溯源技术及其解决方案 摘要： 随着数字化和物联网技术的发展，家居家具定制平台领域正逐渐成为一个越来越重要的应用领域。在此背景下，区块链溯源技术作为一种新兴的技术，有望在该领域得到广泛应用，并为平台用户提供更加可靠的保障和信任。本文将介绍区块链溯源技术在家居家 ......
模型剪枝：让深度学习模型更好地应对不同的任务和环境
[toc] 《模型剪枝：让深度学习模型更好地应对不同的任务和环境》 摘要： 本文介绍了深度学习模型剪枝技术，它是一种让深度学习模型更好地应对不同的任务和环境的有效方法。本文首先介绍了剪枝的概念和历史，然后讲解了深度学习模型剪枝的基本原理和技术方法，最后讨论了剪枝在实际应用中的优缺点和挑战。最后，本文 ......
半监督学习：让机器学习模型更好地应对新任务和场景
[toc] 半监督学习是一种让机器学习模型更好地应对新任务和场景的技术。它结合了监督学习和无监督学习的优点，能够利用已有的数据集来指导模型的学习，从而更好地应对新的任务和场景。在这篇文章中，我们将介绍半监督学习的核心概念和技术原理，以及如何在实践中应用该技术。 首先，我们需要了解什么是半监督学习。半 ......
Python与TensorFlow：如何高效地构建和训练机器学习模型
[toc] 标题：《Python 与 TensorFlow：如何高效地构建和训练机器学习模型》 一、引言 随着人工智能的快速发展，机器学习作为其中的一个重要分支，受到了越来越多的关注和应用。而Python作为一门广泛应用于机器学习领域的编程语言，其与TensorFlow的结合也变得越来越重要。本文将 ......
模型生成技术：让智能家居变得更加智能化和高效化
[toc] 1. 引言 智能家居是一个非常热门的领域，随着人工智能技术的不断发展，模型生成技术也成为了智能家居领域的一个热门技术。本文将介绍模型生成技术，让智能家居变得更加智能化和高效化。 2. 技术原理及概念 模型生成技术是指利用机器学习和深度学习算法，对现有的数据进行建模，生成新的数据序列。在智 ......