流水线 深度 逻辑 模型
大语言模型微调数据竞赛，冠军！
近日，天池FT-Data Ranker竞赛落下帷幕，天翼云智能边缘事业部AI团队（后称天翼云AI团队）凭借在大语言模型（LLM）训练数据增强方面的卓越研究，荣获大语言模型微调数据竞赛——7B模型赛道冠军。 ......
大语言模型与传统机器学习的架构差异性解析
在人工智能领域，架构设计是决定一个模型性能和应用范围的关键因素。大语言模型和传统机器学习有不同的设计框架，使得它们在应用场景和处理任务上具有显著差异。大语言模型，如GPT和BERT，基于庞大而复杂的神经网络结构构成，这些神经网络结构拥有数百万甚至数十亿的参数，能够学习和理解大量的数据，尤其是在处理自 ......
k8s升级步骤流水账
官方文档： https://kubernetes.io/zh-cn/docs/tasks/administer-cluster/kubeadm/kubeadm-upgrade/ apt-get install -y kubeadm='1.18.20-00' --allow-downgrades -- ......
低多边形建筑3D模型纹理贴图
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。 ......
基于Unity3D 低多边形地形模型纹理贴图
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。 ......
低多边形游戏风格3D模型纹理贴图
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。 ......
网络编程之IO模型
我们讨论网络编程中的IO模型时，需要先明确什么是IO以及IO操作为什么在程序开发中是很关键的一部分，首先我们看下IO的定义。 IO的定义 IO操作（Input/Output操作）是计算机系统中的一种重要操作，用于数据的输入和输出，通常涉及到计算机与外部设备（如硬盘、网卡、键盘、鼠标、打印机等）之间的 ......
大语言模型的参考文档
OpenAI中文文档：https://openai.xiniushu.com/ OpenAI中文文档：https://www.openaidoc.com.cn/ LangChain中文文档教程：https://www.langchain.asia/ OpenAI在线接口调试平台：https://op ......
倾斜摄影三维模型重建的几何坐标变换技术方法浅析
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，... ......
Bert-vits2-v2.2新版本本地训练推理整合包(原神八重神子英文模型miko)
近日，Bert-vits2-v2.2如约更新，该新版本v2.2主要把Emotion 模型换用CLAP多模态模型，推理支持输入text prompt提示词和audio prompt提示语音来进行引导风格化合成，让推理音色更具情感特色，并且推出了新的预处理webuI，操作上更加亲民和接地气。 更多情报请 ......
IO模型
IO模型 BIO模型 在BIO模式下，数据的写入和读取都必须阻塞在一个线程中执行，在写入完成或读取完成前，线程阻塞。 在传统的BIO中，一个客户端请求服务器后，服务器会经过Sokcet启动一条链路将其连接并且处理，该链路的IO操作的同步阻塞的，所以该客户端和服务器的连接不可被其他客户端所使用，只能够 ......
87 GB 模型种子，GPT-4 缩小版，超越ChatGPT3.5，多平台在线体验
瞬间爆火的Mixtral 8x7B 大家好，我是老章 最近风头最盛的大模型当属Mistral AI 发布的Mixtral 8x7B了，火爆程度压过Google的Gemini。 缘起是MistralAI二话不说，直接在其推特账号上甩出了一个87GB的种子 随后Mixtral公布了模型的一些细节： 具有 ......
深度学习项目实战：垃圾分类系统
简介： 今天开启深度学习另一板块。就是计算机视觉方向，这里主要讨论图像分类任务--垃圾分类系统。其实这个项目早在19年的时候，我就写好了一个版本了。之前使用的是python搭建深度学习网络，然后前后端交互的采用的是java spring MVC来写的。之前感觉还挺好的，但是使用起来还比较困难的。不光 ......
一句话解决加载模型时的CUDA out of memory
在加载模型一行后加上max_memory即可，超出显存后会自动移到内存。 model = AutoModel.from_pretrained('your_model', trust_remote_code=True, max_memory={0: "6GiB", "cpu": "10GiB"}) 记 ......
一个Servlet如何实现增-删-改-查的业务逻辑
一、业务场景 最近在教学生学习JavaWeb中的Servlet，它就是一个Java服务端的小程序，用来提供各种服务。 在讲解得时候，自己突然遇到一个问题，那就是现在没有使用什么SpringMvc框架，可以配置二级路径， 该如何使用Servlet实现不同的增、删、改、查的方法呢？这个问题自己一时半会也 ......
java实现二叉树前序搜索输出深度完整代码
import java.util.Scanner;// 1:无需package// 2: 类名必须Main, 不可修改class TreeNode { public int val; public TreeNode left; public TreeNode right; public TreeNo ......
五种网络IO模型详解
一 IO操作本质 数据复制的过程中不会消耗CPU # 1 内存分为内核缓冲区和用户缓冲区 # 2 用户的应用程序不能直接操作内核缓冲区，需要将数据从内核拷贝到用户才能使用 # 3 而IO操作、网络请求加载到内存的数据一开始是放在内核缓冲区的 文章相关视频讲解： C/C++ Linux服务器开发高级架 ......
Docker 部署数据可视化 Superset 3.0.0 深度汉化并配置元数据存储为 Postgres
Superset 官方提供的 Docker 镜像在 3.0.0 版本下不能做到开箱即用，需要一些设置 拉取原始镜像docker pull apache/superset:3.0.0配置 superset_config.pysuperset_config.py 会覆盖掉 config.py 里的变量， ......
如何在Windows本地运行一个大语言模型
ChatGLM3 是智谱AI和清华大学 KEG 实验室联合发布的新一代对话预训练模型，可以在消费级显卡上轻松运行一个离线的对话机器人。 它功能强大，配置过程简单，对初学者比较友好。 本文记录了ChatGLM3的环境配置过程，希望能对跟我一样的新手朋友起到帮助。 准备工作： 准备一台装有Nvidia显 ......
机器学习-线性回归-逻辑回归-实战-09
1. 二分类 #!/usr/bin/env python # coding: utf-8 # In[7]: import numpy as np from sklearn import datasets from sklearn.linear_model import LogisticRegress ......
值迭代与策略迭代（有模型）
先说一下我初始理解，就是图片上面有三部曲，然后他是一个有模型的算法，然后假如说我让他训练100次就是，用python来表达就是 for episode in (100),这个就是最外面的那一层循环，然后每次episode，就是上面三部曲，但是第一步初始化环境是会根据上一个episode来变化的，从第 ......
聊聊GLM基座模型的理论知识
概述 大模型有两个流程：预训练和推理。 预训练是在某种神经网络模型架构上，导入大规模语料数据，通过一系列的神经网络隐藏层的矩阵计算、微分计算等，输出权重，学习率，模型参数等超参数信息。 推理是在预训练的成果上，应用超参数文件，基于预训练结果，根据用户的输入信息，推理预测其行为。 GLM模型原理的理解 ......
实现高光反射光照模型
\(C_{specular}=(C_{light} \cdot M_{specular})max(0,\hat{V} \cdot \hat{R})^{M_{gloss}}\) 其中，\(C_{light}\) 是光源的颜色，\(M_{specular}\) 是材质的高光反射颜色，\(\hat{V}\ ......
机器学习-线性回归-逻辑回归-08
目录1. sigmoid函数2. 伯努利分布（0-1分布）3. 广义线性回归4. 逻辑回归 损失函数的推导5. 代码并绘图 1. sigmoid函数 逻辑回归 logitstic regression 本质是二分类 sigmoid函数 是将 （-无穷， +无穷）区间上的y 映射到 （0， 1） 之间 ......
判断推理-逻辑推理（推出类）
推出类 一、逻辑基础知识点 1、一个符号两种条件 记住一句话“一个推出符号代表两个含义” 就是说对于 A→B，A 是 B 的充分条件，B 是 A 的必要条件。 可记为“谁是必要条件，谁在箭头后”。 常见的可表示“必要条件”的词语有： 基础、前提、关键、必须、需要、离不开、必不可少、不可或 缺等； 表 ......
Unity引擎2D游戏开发，实现人物下蹲逻辑和动画
将下蹲动画创建进人物中 在Animation窗口中的左侧，新建BlueCrouchStart动画时间轴，然后将下蹲动画拖入时间轴中 62，63，64都是下蹲中的动画，但是64号是下蹲动作完毕后的静止动画，因为不拖入时间轴中，单独为其建立一个时间轴 为64号下蹲动画完毕的静止动画单独创建一个时间轴，并 ......
机器学习的里程碑：从基础理论到大语言模型的进步
在人工智能的迅猛发展中，大语言模型和传统机器学习是不同发展阶段下的产物。大语言模型，如广为人知的GPT系列和BERT，主要依赖于复杂的神经网络结构，它们能够处理和生成人类语言，为自然语言处理带来了革命性的变化。这些模型的发展标志着从简单的任务特定模型向更通用、更灵活的解决方案的转变。相比之下，传统机 ......
将Transformer用于扩散模型，AI 生成视频达到照片级真实感
前言 在视频生成场景中，用 Transformer 做扩散模型的去噪骨干已经被李飞飞等研究者证明行得通。这可算得上是 Transformer 在视频生成领域取得的一项重大成功。 本文转载自机器之心 仅用于学术分享，若侵权请联系删除 欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪 ......
纯卷积BEV模型的巅峰战力 | BEVENet不用Transformer一样成就ADAS的量产未来(转)
近年来，在自动驾驶领域，鸟瞰视角（BEV）空间中的3D目标检测作为一种普遍的方法逐渐脱颖而出。尽管与视角视图方法相比，BEV方法在精度和速度估计方面得到了改进，但将BEV技术部署到实际自动驾驶车辆中仍然具有挑战性。这主要归因于它们依赖于基于视觉 Transformer （ViT）的架构，这使得相对于 ......