算法 树叶tensorflow模型
Self-Instruct 论文解读：利用大模型自己给自己生成指令数据，指令数据自动生成
## 总览 大规模“指令调整”的语言模型，即**指令微调的LLM**，已经表现出非凡的**零样本能力**，尤其是推广**新任务上**。 然而，这些模型严重依赖于人类编写的指令数据，而这些数据通常在数量、多样性和创造力方面受到限制，因此阻碍了调整模型的通用性。 基于上述背景，作者提出了**Self-i ......
网路最短路——Floyd算法Python实现
Floyd算法（Floyd-Warshall算法）是一种用于求解图中所有顶点对之间最短路径的算法,该算法名称以创始人之一、1978年图灵奖获得者、斯坦福大学计算机科学系教授罗伯特·弗洛伊德命名。Floyd算法可以应用于许多方面，特别是在交通、物流和通信网络的优化中，譬如城市交通规划：Floyd算法可 ......
UE代码-游戏AI-行为树LoadTree算法解析
# UE代码-游戏AI-行为树LoadTree算法解析 ##### 首先第一步是看当前行为树是不是已经load过了，枚举LoadedTemplates，一个一个对比，有一样的就返回了 在数组 A=(27，17，3，16，13，10，1，5，7，12，4，8，9，0)上的操作过程。 ## 文心一言： 下面是 MAX-HEAPIFY(A, 3) 在数组 A = (27, 17, 3, 16, 13, 10, 1, 5, ......
AIGC时代，基于云原生 MLOps 构建属于你的大模型（上）
为了满足企业在数字化转型过程中对更新迭代生产力工具的需求，灵雀云近日推出了云原生 MLOps 解决方案，帮助企业快速落地AI技术、实现智能化应用和服务。 为什么要打造云原生MLOps解决方案？ 随着信息化技术的不断发展，企业在数字化转型的过程中，需要不断地更新迭代生产力工具，从最早的将物理世界的主要 ......
AIGC时代，基于云原生 MLOps 构建属于你的大模型（下）
为了满足企业在数字化转型过程中对更新迭代生产力工具的需求，灵雀云近日推出了Alauda MLOps 解决方案，帮助企业快速落地AI技术、实现智能化应用和服务。 ......
端侧AI模型优化
LeNet，第一个可商用的神经网络，仅有5个卷积层，51K参数量。 MIT的韩松老师在2015年提出了一些观测：预先训练好的AlexNet、VGGNet模型中，去掉大约90%的参数，它的精度还是无损的。因此韩松老师开始提出一些模型压缩的技术。 模型蒸馏：去掉原始模型中的光流模块，帮助我们解决稳定性的 ......
关于在大模型战略资源储备的不同阶段，B端开发者的行动策略的一些思考
一、大模型产业链的终态猜想 我们先定义理想状态下，大模型应该具备哪些综合性能： 指令理解能力：能够理解并遵循指令，并按照指令完成相应的逻辑推理、知识抽取、概念总结、API调用等任务 多语言理解能力：能够同时理解包括中文、英文等主流语言 逻辑推理能力：能够将复杂任务分解为相互串联依赖的子任务，通过分治 ......
排序算法总结
### 归并排序 - 归并排序（MERGE-SORT）是利用归并的思想实现的排序方法，该算法采用经典的分治（divide-and-conquer）策略（分治法将问题分(divide)成一些小的问题然后递归求解，而治(conquer)的阶段则将分的阶段得到的各答案"修补"在一起，即分而治之)。 - 归 ......
ABAP2UI5 项目里动态创建模型的特性介绍
这个特性使得开发人员不仅可以在 Design time 时定义模型，而且可以在运行时定义模型。 用户不需要做任何额外的工作，因为 abap2UI5 在每个 AJAX 请求期间在后台处理整个过程：  微软官方说明文档 FromForm：当请求属于表单提交，也就是 content-type 为 appli ......
论文插图也能自动生成了，用到了扩散模型，还被ICLR接收
前言 如果论文中的图表不用绘制，对于研究者来说是不是一种便利呢？有人在这方面进行了探索，利用文本描述生成论文图表，结果还挺有模有样的呢！ 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、经典论文解读、CV招聘信息。 CV各大 ......
re | 逆向算法笔记
### 凯撒算法 #### 加密 ``` for(i=0; i= 'A' && passwd[i] = 'a' && passwd[i] = 'A' && passwd[i] = 'a' && passwd[i] Data=ch; printf("\n建立左子树\n"); (*T)->lchild= ......
实用模型推荐(三)语音转文本模型:whisper
1.开原地址:https://github.com/openai/whisper https://github.com/guillaumekln/faster-whisper 2.使用场景:语音转文字 3.api封装: import os import uvicorn from fastapi im ......
实用模型推荐(二)中译英翻译模型:opus-mt-zh-en
1.开源地址:https://huggingface.co/Helsinki-NLP/opus-mt-zh-en 2.使用场景:中译英,多模型场景的中英转换 3.API封装 import uvicorn from fastapi import FastAPI from loguru import l ......
LLaMA模型微调版本 Vicuna 和 Stable Vicuna 解读
相似度,文本向量化:text2vec-base-chinese
1.开源地址:https://github.com/shibing624/text2vec 2.使用场景:文本相似度计算,文本转指令 3.API封装: import uvicorn from fastapi import FastAPI from loguru import logger from ......
phi-1：高质量小数据小模型逆袭大模型
人工智能的三个核心要素是算力、算法和数据，这是大多数人在初识人工智能时都会接触到的一个观点。不过，在深入阐述该观点时，很多材料都倾向于解释数据「大」的一面，毕竟当前的大模型一直在由不断增加的「大数据」来推动，而且这条路似乎还没有走到极限。 不过，随着数据获取难度增加以及算力增长出现瓶颈，单纯追求「大 ......
代码随想录算法训练营第十八天| 530.二叉搜索树的最小绝对差 501.二叉搜索树中的众数 236. 二叉树的最近公共祖先
530.二叉搜索树的最小绝对差 思路： 根据二叉搜素树的特点，直接中序遍历，就是有序数组，然后两个节点进行比较，就可以 代码： 1 int getMinimumDifference(TreeNode* root) { 2 if(!root) return 0; 3 int result = INT_ ......
LangKit：大语言模型界的“安全管家”
ChatGPT等大语言模型一直有生成虚假信息、数据隐私、生成歧视信息等难题，阻碍了业务场景化落地。为了解决这些痛点并增强大语言模型的安全性，AI和数据监控平台WhyLabs推出了LangKit。（开源地址：https://github.com/whylabs/langkit） LangKit提供文本 ......
《安富莱嵌入式周报》第316期：垂直降落火箭模型，超低噪声测量，开源电流探头，吸尘器BLDC，绕过TrustZone，提高频率计精度，CMSIS V6.0文档
周报汇总地址：http://www.armbbs.cn/forum.php?mod=forumdisplay&fid=12&filter=typeid&typeid=104 视频版： https://www.bilibili.com/video/BV1rz4y1H71w/ 1、基于罗氏线圈的开源电流 ......
Rabbitmq：消息队列介绍、Rabbitmq安装、 基于Queue实现生产者消费者模型、基本使用（生产者消费者模型）、消息安全之ack、 消息安全之durable持久化、发布订阅闲置消费、
[toc] ### 一、消息队列介绍 #### 1.1介绍 消息队列就是基础数据结构中的“先进先出”的一种数据机构。想一下，生活中买东西，需要排队，先排的人先买消费，就是典型的“先进先出” ![image](https://img2023.cnblogs.com/blog/2970690/20230 ......
【算法】根据整数数组，生成正的素因子二位数组，并排序
给定一个正整数或负整数的数组，I=[i1，..，in] 生成一个形式为的排序数组P [[p，I数组的所有ij的和，其中p是ij的素因子（p为正）]…] P将按素数的递增顺序进行排序。 示例： I＝{12,15}；//结果=“（2 12）（3 27）（5 15）” [2，3，5]是I的元素的所有素因子 ......
JMM内存模型
JMM是定义程序中变量的访问规则,线程对于变量的操作只能在自己的工作内存中进行,而不能直接对主内存操作.由于指令重排序,读写的顺序会被打乱,因此JMM需要提供原子性,可见性,有序性保证. 随着CPU和内存的发展速度差异的问题，导致CPU的速度远快于内存，所以现在的CPU加入了高速缓存，高速缓存一般可 ......
避免梯度爆炸：让深度学习算法快速稳定地训练
[toc] 避免梯度爆炸：让深度学习算法快速稳定地训练 作为一名人工智能专家，程序员和软件架构师，我深刻理解深度学习算法在训练过程中可能会遇到的问题——梯度爆炸。因此，在本文中，我将结合自己的经验和知识，探讨如何避免梯度爆炸，让深度学习算法能够快速稳定地训练。 1. 引言 1.1. 背景介绍 随着人 ......
语言模型在文本挖掘中的应用：如何通过数据挖掘和机器学习技术发现文本中的有价值的信息
[toc] 语言模型在文本挖掘中的应用：如何通过数据挖掘和机器学习技术发现文本中的有价值的信息 1. 引言 1.1. 背景介绍 随着互联网的快速发展，文本数据量不断增加，人们对文本数据的需求也越来越高。文本数据具有丰富的信息量，对于企业、政府、金融等各行业来说，都具有重要意义。但是，如何从大量的文本 ......
【深度学习】基于多注意力机制的语音识别与语音合成算法设计与实现
[toc] 基于多注意力机制的语音识别与语音合成算法设计与实现 ## 1. 引言 - 1.1. 背景介绍 语音识别与语音合成是人工智能领域中的重要研究方向，语音识别可以帮助人们理解和使用语言，语音合成则可以让人们更方便地与计算机进行交互。随着深度学习算法的快速发展，基于深度学习的语音识别与语音合成算 ......
人工智能中的道德问题：如何确保机器学习算法的透明度和可解释性
[toc] 人工智能中的道德问题：如何确保机器学习算法的透明度和可解释性 1. 引言 1.1. 背景介绍 随着人工智能技术的快速发展，机器学习算法已经在各个领域取得了显著的成果，如金融、医疗、教育等。然而，这些算法在带来便利的同时，也引发了一系列道德问题。如何确保机器学习算法的透明度和可解释性，让算 ......
决战圣地玛丽乔亚重新归来之Day56--算法两道
回溯算法。 组合： 给定两个整数 n 和 k，返回 1 ... n 中所有可能的 k 个数的组合。 示例: 输入: n = 4, k = 2 输出: [ [2,4], [3,4], [2,3], [1,2], [1,3], [1,4], ] 思路：如果用暴力解法，k=2，两层for循环就可以搞定，那 ......
TensorFlow11.5 循环神经网络RNN-LSTM、LSTM实战
# LSTM的产生 我们之前在求RNN的loss的时候很容易出现梯度弥散或者梯度爆炸。这个LSTM的出现很大程度上减少了梯度弥散的情况。 ![image](https://img2023.cnblogs.com/blog/1914163/202306/1914163-2023062520565564 ......