amp prompt webgpt webglm

解密Prompt系列6. lora指令微调扣细节-请冷静,1个小时真不够~

上一章介绍了如何基于APE+SELF自动化构建指令微调样本。这一章咱就把微调跑起来,主要介绍以Lora为首的低参数微调原理,环境配置,微调代码,以及大模型训练中显存和耗时优化的相关技术细节 ......
指令 不够 细节 小时 Prompt

Linux kernel 模块开发&构建学习

主要是学习下kernel 模块的玩法,代码来自社区 简单kernel 代码 hello_world.c #include <linux/init.h> #include <linux/module.h> MODULE_LICENSE("Dual BSD/GPL"); static int hello ......
模块 kernel Linux amp

[ML&DL] 深度学习的实践层面

深度学习的实践层面 训练集 验证集 测试集 过程 神经网络的训练是一个需要不断迭代的过程,一般先提出idea,然后编码实现、测试,根据测试结果再次调整思路...... 分组与比例 数据集通常分为3个部分:训练集、验证集和测试集。 训练集用于训练模型的参数。 验证集用于选择最好的模型。 测试集用于评估 ......
层面 深度 amp ML DL

[Prompt] Principles of Prompting Guidlines

Principle 1 Write clear and specific instructions clear !== short Clear and specific instructions for a model will guide it towards the desired output ......
Principles Guidlines Prompting Prompt of

[ML&DL] 分类问题

分类问题 分类问题和回归问题的区别是:分类问题的值域是离散的。 线性回归不能应用于分类问题。 逻辑回归模型 (此处为一元分类问题) 预测函数: $$ h_\theta(x)=g(\theta^Tx) $$ 其中: $$ g(z) = \frac{1}{1+e^{-z}} $$ 能够使得: $$ 0\ ......
问题 amp ML DL

Halcon XLD 生成提取&测量及特征筛选

6.1XLD 的生成和提取 XLD 的创建 生成圆轮廓gen_circle_contour_xld 算子:gen_circle_contour_xld( : ContCircle : Row, Column, Radius, StartPhi, EndPhi, PointOrder, Resolut ......
特征 Halcon XLD amp

集成学习:Bagging & Boosting

核心思想 将多个弱分类器组装成一个强分类器 。 前置知识 Bias & Variance 定义: $ bias=\bar{f}(x) -y $,为模型的期望预测与真实值之间的差异。 $ variance=\mathbb{E}_{\mathcal{D} }[(f(x;\mathcal{D})-\bar ......
Boosting Bagging amp

1v1&2v2简单变种国际象棋例子

活动包括的两个项目: 2 vs 2对局 1 vs 1对局 2vs2模式-Crazy No promotion teams 游戏设置: 需要一个游戏发起人,下面是游戏发起人操作,其他玩家只要在变体象棋界面选择同意邀请即可。 进入变体国际象棋界面: 点4 player chess(或者列表中除了doub ......
国际象棋 变种 象棋 例子 国际

CF1814E Chain Chips & CF750E New Year and Old Subsequence - 动态 dp -

一句话概括动态 dp:用来解决带修改/多次区间询问的 dp 问题。将转移写成矩阵的形式,然后利用线段树求解区间问题/单点修改 1814E 注意一条边要么选 2 要么选 0 次,而且第一条边一定是选了 2 次。如果有一条边没选,那么这条边两侧的边一定都选了。 设 $f_i$ 代表考虑到第 $i$ 条边 ......
Subsequence 动态 1814E Chain Chips

DX12 实战 BlinnPhong & 纹理贴图

前言 本篇将展示如何实现BlinnPhong光照,以及为人物模型贴上纹理 对于理论不清楚的小伙伴可以看这图形学理论 局部光照,[图形学理论 纹理贴图](https://www.cnblogs.com/chenglixue/p/17109214.html) 具体代码看这github.com 材质 由于 ......
纹理 BlinnPhong 实战 贴图 amp

Langchain框架 prompt injection注入

Langchain框架 prompt injection注入 Prompt Injection 是一种攻击技术,黑客或恶意攻击者操纵 AI 模型的输入值,以诱导模型返回非预期的结果 Langchain框架 LangChain 是一个基于大语言模型进行应用开发的框架。 所谓大语言模型(Large La ......
Langchain injection 框架 prompt

ATT&CK是什么

ATT&CK是什么 一、ATT&CK官网 ATT&CK, Adversarial Tactics, Techniques, and Common Knowledge,对抗战术、技术与通用知识。 官网:https://attack.mitre.org/ 二、ATT&CK说了什么 想要看懂ATT&CK说 ......
ATT amp CK

CutMix&Mixup详解与代码实战

摘要:本文将通过实践案例带大家掌握CutMix&Mixup。 本文分享自华为云社区《CutMix&Mixup详解与代码实战》,作者:李长安。 引言 最近在回顾之前学到的知识,看到了数据增强部分,对于CutMix以及Mixup这两种数据增强方式发现理解不是很到位,所以这里写了一个项目再去好好看这两种数 ......
实战 代码 CutMix Mixup amp

Linux设置yum, 安装wget, 安装gcc & epel

1.备份原有的repo目录 mv /etc/yum.repos.d /etc/yum.repos.d.bak 2. 创建新的存放repo的目录 mkdir /etc/yum.repos.d 3.进入yum.repos.d目录 cd /etc/yum.repos.d 4.Repo文件放入/etc/yu ......
Linux wget epel yum gcc

7个AI绘画工具Prompt站

ChatGPT 的流行使得 AI 成为 2023 最大的科技风口,同时驱动了各种类型的 AI 发展。这些 AI 正在改变甚至颠覆很多行业的业务模式。ChatGPT 推动了 生成式 AI 革命的到来,这正在彻底颠覆内容的生产方式。自PGC、UGC 之后,内容生成终于迎来下一个发展阶段—— AIGC。 ......
绘画 工具 Prompt

Golang 并发&同步的详细原理和使用技巧

Golang 并发概要说明 并发模型 Golang 的并发模型属于一种很典型的 CSP(communicating sequential processes) 并发模型,其核心是不要通过共享内存来通信,而应该通过通信来共享内存。具体实现,就是通过 goroutine 来实现并发,然后并发的 goro ......
使用技巧 原理 技巧 Golang amp

[ML&DL] 正规方程

正规方程 正规方程用于一次性求解 $\theta$ 的最优值。 在计算的时候,将数据集构造为一个矩阵(第一列为 $x_0$ 均等于$1$): 通过公式: $$ \theta = (X^TX)^{-1}X^Ty $$ 计算得到最优解 $\theta$。 关于$X$的设计 对于第 $i$ 组数据: $$ ......
方程 amp ML DL

vicky自己都看不懂的FFT&NTT&FWT(目前只完成FFT部分

打个广告QwQ 对应的FFT洛谷blog链接 对应的csdn博客链接 ~~个人觉得洛谷的观感最好。~~ 不忘历史 八百年前学了 $\text{FFT}$,因vicky过于垃圾,遂放弃。 七百年前重拾 $\text{FFT}$,勉强搞懂了它的递归写法,因vicky再一次懒癌附体,遂连板题都没写就弃疗了 ......
FFT amp 部分 vicky NTT

Linux 任务控制(bg job fg nohup &)

Linux 任务控制(bg job fg nohup &) 转载自https://www.cnblogs.com/mfryf/archive/2012/03/09/2387751.html 一、 简介 Linux/Unix 区别于微软平台最大的优点就是真正的多用户,多任务。因此在任务管理上也有别具特 ......
任务 Linux nohup amp job

SpringSecurity从入门到精通:认证成功处理器&认证失败处理器

认证成功处理器 认证失败处理器 ......
处理器 SpringSecurity amp

【ABAQUS&Composite】composite layerup Manager从txt导入铺层信息

ABAQUS 在复合材料建模方面自由度是比较高的。官方提供了两个工具: ABAQUS/CAE中的Composite Layup Manager ABAQUS/CAE的plugin:Composites Modeler(需要ABAQUS2019以上) abaqus 的composite layup m ......
Composite composite Manager layerup ABAQUS

unittest&pytest区别对比

导包:unittest:python自带,直接import unittest导包即可 pytest:需要pip安装后import导入 类名命名方式:unittest:随意,但是必须继承于unittest.TestCase pytest:需要以Test开头,不需要继承 内置方法:unittest:se ......
unittest pytest amp

[ML&DL] 线性回归的梯度下降

前言 这篇笔记记录了线性回归的梯度下降相关公式的推导。 符号说明: $h$ :假设函数,是学习算法对线性回归问题给出的一个解决方案。 $J$ :代价函数,是对 $h$ 和实际数据集之间的误差的描述。 $m$ :数据集的大小。 $x^{(i)},y^{(i)}$: 第 $i$ 个数据。($1\le i ......
梯度 线性 amp ML DL

SpringSecurity从入门到精通:基于配置的权限控制&CSRF

基于配置的权限控制 CSRF ​ CSRF是指跨站请求伪造(Cross-site request forgery),是web常见的攻击之一。 ​ https://blog.csdn.net/freeking101/article/details/86537087 ​SpringSecurity去防止 ......
SpringSecurity 权限 CSRF amp

SpringSecurity从入门到精通:其他权限校验方法&自定义权限校验方法

其他权限校验方法 我们前面都是使用@PreAuthorize注解,然后在在其中使用的是hasAuthority方法进行校验。SpringSecurity还为我们提供了其它方法例如:hasAnyAuthority,hasRole,hasAnyRole等。 ​ 这里我们先不急着去介绍这些方法,我们先去理 ......
权限 方法 SpringSecurity amp

#AI NewBing&X-Mind 利用AI,1分钟快速制作思维导图。

思维导图是一种有效的思考和学习工具,它可以帮助你整理和呈现信息,激发你的创造力和记忆力。但是,传统的思维导图软件往往需要你花费大量的时间和精力来设计和绘制,而且难以修改和分享。有没有一种更简单和智能的方式来制作思维导图呢? 答案是肯定的,那就是利用newbing。newbing是微软推出的一款基于G ......
思维 NewBing X-Mind Mind amp

SpringSecurity从入门到精通:从数据库查询权限信息&自定义失败处理

从数据库查询权限信息 记得打开redis 自定义失败处理 我们还希望在认证失败或者是授权失败的情况下也能和我们的接口一样返回相同结构的json,这样可以让前端能对响应进行统一的处理。要实现这个功能我们需要知道SpringSecurity的异常处理机制。 ​ 在SpringSecurity中,如果我们 ......

代码之美-doom3源代码赏析&doom3源代码下载-2011年

2004年的时候《Doom 3》(毁灭战士3)可谓是一款引领业界的超级大作,也是一款折磨显卡的硬件杀手,时隔七年之后游戏开发商id Software公布了《Doom 3》的源代码,对于游戏从业人员和软件工程师来说可谓是一个喜讯。 之前,由于专利问题,John Carmack重写Reverse算法,不 ......
源代码 doom3 doom 代码 2011

SpringSecurity从入门到精通:RBAC权限模型&建表及SQL语句编写

RBAC权限模型 RBAC权限模型(Role-Based Access Control)即:基于角色的权限控制。这是目前最常被开发者使用也是相对易用、通用权限模型 建表及SQL语句编写 sys_user表之前创建了,现在这里就不展示了 CREATE TABLE sys_menu ( id bigin ......
SpringSecurity 语句 模型 权限 RBAC

Immer & immutable state All In One

Immer & immutable state All In One ......
immutable Immer state All amp