526互联

generative模型 原理 参数

AI浪潮下，大模型如何在音视频领域运用与实践？

视频云大模型算法「方法论」。 刘国栋｜演讲者 在AI技术发展如火如荼的当下，大模型的运用与实践在各行各业以千姿百态的形式展开。音视频技术在多场景、多行业的应用中，对于智能化和效果性能的体验优化有较为极致的要求。如何运用好人工智能提升算法能力，解决多场景业务中的具体问题，需要创新地探索大模型技术及其应 ......
浪潮 模型 领域

重磅：谷歌发布最强大AI模型【Google Gemini】

能不能“吊打” GPT-4 北京时间 2023年12 月 13 日Google 发布了最新的 Gemini Pro模型，并且提供了 API 访问。 一个更好的消息是：Gemini Pro 可免费使用。 ......
重磅 模型 Google Gemini

gdb调试带参数的应用程序

$gdb --args ./A V1 V2 V3 $gdb ./A，进入gdb后 run V1 V2 V3 $gdb ./A，进入gdb后 设置参数set args V1 V2 V3 再直接 run。 参考： https://blog.csdn.net/guoqianqian5812/article ......
应用程序 参数 程序 gdb

Java 小文件上传、大文件分片上传、断点续传、秒传的开发原理

1、前言 文件上传在项目开发中再常见不过了，大多项目都会涉及到图片、音频、视频、文件的上传，通常简单的一个Form表单就可以上传小文件了，但是遇到大文件时比如1GB以上，或者用户网络比较慢时，简单的文件上传就不能适用了，用户辛苦传了好几十分钟，到最后发现上传失败，这样的系统用户体验是非常差的。 或者 ......
文件 断点 原理 Java

Hadoop MapReduce框架原理

1.InputFormat数据输入 1.数据切片与MapTask并行度决定机制 一个Job的Map阶段并行度由客户端在提交Job时的切片数决定 每一个Split切片分配一个MapTask并行实例处理 默认情况下，切片大小 = BlockSize 切片时不考虑数据集整体，而是逐个针对每一个文件单独切片 ......
MapReduce 框架 原理 Hadoop

HarmonyOS：使用MindSpore Lite引擎进行模型推理

场景介绍 MindSpore Lite是一款AI引擎，它提供了面向不同硬件设备AI模型推理的功能，目前已经在图像分类、目标识别、人脸识别、文字识别等应用中广泛使用。 本文介绍使用MindSpore Lite推理引擎进行模型推理的通用开发流程。 基本概念 在进行开发前，请先了解以下概念。 张量：它与数 ......
HarmonyOS MindSpore 模型 引擎 Lite

SpringBoot接收日期参数异常

org.springframework.validation.BindException: Failed to convert from type [java.lang.String] to type [@io.swagger.annotations.ApiModelProperty java.s... ......
SpringBoot 参数 日期

【论文阅读笔记】【多模态-Vision-Language Pretraining】 BLIP: Bootstrapping Language-Image Pre-training for Unified Vision-Language Understanding and Generation

BLIP ICML 2022 (Spotlight) 读论文思考的问题 论文试图解决什么问题？写作背景是什么？ 问题： 在视觉-语言预训练（VLP）中，如何更加高效地利用充斥着噪声的海量图文对数据，提升预训练效果？ 如何设计模型，使得预训练后的模型在理解（understanding-based）任务 ......
Language Vision-Language 模态 Vision Language-Image

模型放置到3D场景中后模型位置与鼠标选中的位置不一致怎么办？

在线工具推荐：3D数字孪生场景编辑器 - GLTF/GLB材质纹理编辑器 - 3D模型在线转换 - Three.js AI自动纹理开发包 - YOLO 虚幻合成数据生成器 - 三维模型预览图生成器 - 3D模型语义搜索引擎 1、问题 从事3D建模相关工作的朋友们在工作中经常会遇到以下几种问题： 1、 ......
模型 位置 场景 鼠标 怎么办

如何创建逼真的3D模型

要实现逼真的 3D 视觉效果，需要关注细节并了解照明、纹理和材质的原理。要使 3D 场景看起来更逼真，请专注于精确的照明设置，使用高分辨率纹理和凹凸贴图来增加表面的深度，并合并逼真的着色器和材质。此外，请注意构图、摄像机角度和后期处理效果，以增强 3D 渲染的整体真实感。 ......
模型

如何删除/替换3D模型的材质贴图

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。 ......
材质 模型 贴图

GLB/GLTF 模型压缩轻量化

Draco 是用于网格压缩的 glTF 扩展，以及由 Google 开发的开源库，用于压缩和解压缩 3D 网格以显着减小 3D 内容的大小。它压缩顶点位置、法线、颜色、纹理坐标和任何其他通用顶点属性，从而提高通过 Web 传输 3D 内容的效率和速度。 ......
模型 GLTF GLB

ChatGLM2-6B模型的微调

概述 GLM模型底层还是基于Transformer，因此其设计、优化都是围绕Transformer的各个组件的。从注意力层的掩码、位置编码等方面优化与设计。 ChatGLM3/ChatGLM2的源码中，比如finetune、trainer等代码，其实是copy自HuggingFace，而且其使用流程 ......
ChatGLM2 模型 ChatGLM 6B

最强Pose模型RTMO开源 | 基于YOLO架构再设计，9MB+9ms性能完爆YOLO-Pose

https://mp.weixin.qq.com/s/4EJAKBcqlCzDXib1_TKJxw 点击下方卡片，关注「AI视界引擎」公众号 AI视界引擎 「AI视界引擎」公众号不仅致力于分享AI视觉与大语言模型的前沿科技，还将成为连接业界专家、学术界和广大读者的桥梁。我们将提供最新的研究进展、技术 ......
Pose YOLO 架构 YOLO-Pose 模型

三维模型的顶层合并构建的模型层级和块大小划分规则浅析

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，... ......
模型 层级 顶层 大小 规则

容斥原理 证明

Intro 容斥原理是表示集合元素个数之间的关系 公式如下： \[|\bigcup_{i=1}^{n}(A_i)|=\sum_{i=1}^n |A_i|-\sum_{i<j} |A_iA_j|+\sum_{i<j<k} |A_iA_jA_k|-...+(-1)^{n-1} |A_1A_2...A_n ......
原理

Vite原理

当前工程化的痛点 在浏览器支持ES Module之前，JavaScript并没有提供原生机制让开发者以模块化的方式进行开发。这也是打包工具诞生的原因：使用工具抓取，处理并将源码模块串联成可以在浏览器中运行的文件。 虽然现在有webpack，Rollup等工具，极大地改善了前端开发者的体验。但是当构建 ......
原理 Vite

avue option 参数

option: { labelWidth： 20, //标签宽度 gutter: 132, //间距 card: true, //是否列表公用 tabs: true, //开启选项卡 tabsActive: 3, //选项卡个数 emptyBtn: true, //是否显示清空按钮，默认true s ......
参数 option avue

HanLP — HMM隐马尔可夫模型 -- 训练和预测

训练的过程，就是求三个矩阵的过程 初始概率矩阵 转移概率矩阵 发射矩阵 每个字有4种可能性，上图中有7个字，就是 4^7 种可能性 维特比算法，从众多路径中，挑出最优的那条，他和隐马尔可夫没有强关联 初始概率矩阵 根据频率得到概率 今天 天气 真 不错。 麻辣肥牛 好吃 ！ 我 喜欢 吃 好吃 的！ ......
模型 HanLP HMM

Diffusion Model扩散模型

1、扩散模型基本原理： 扩散模型包括两个步骤： 固定的（或预设的）前向扩散过程q：该过程会逐渐将高斯噪声添加到图像中，直到最终得到纯噪声。 2.可训练的反向去噪扩散过程pθ：训练一个神经网络，从纯噪音开始逐渐去噪，直到得到一个真实图像 。 正向过程首先，对于一张原始图片，我们给加一个高斯噪声，图片由 ......
Diffusion 模型 Model

深入了解二维码：原理、实现与应用

一、引言 在数字化时代的今天，二维码已经成为我们生活中不可或缺的一部分。它是一种用于存储和传递信息的图形编码，具备高容量、高可靠性、低成本等优势。本文将深入探讨二维码的原理、实现与应用，帮助读者更好地理解和利用这一技术。 二维码 | 一个覆盖广泛主题工具的高效在线平台(amd794.com) htt ......
原理

一文带你了解LoRa微调语言大模型的实用技巧

微调定制化的大型语言模型需要投入大量时间和精力，但掌握恰当的微调方法和技巧能显著提高效率。比如用LoRa（LLM的低秩适配Low-Rank Adaptation）微调大模型，能够利用少量显卡和时间对大模型进行微调，降低成本。 ......
实用技巧 模型 语言 技巧 LoRa

大模型-向量数据库

向量数据库很多，先试试milvus。 1、安装：通过docker pull没搞定。使用官网的docker-compose搞定了。 2、运行：需要启动3个容器： docker start milvus-etcd docker start milvus-minio docker start milvus ......
向量 模型 数据库 数据

HanLP — HMM隐马尔可夫模型 -- 语料库

BMES => B:词语开始、M：词语中间、E：词语结束、S:单独成词 并非所有中文任务都需要分词 语料库 每行是一篇“文章” 每篇文章用空格分开 语料库的准确性，严重影响分词结果 理论上，语料库越大越好 每个字都有一个标识（隐藏状态），可以根据语料库得到所有标识 中文分词就是为了得到状态 麻 辣 ......
语料库 语料 模型 HanLP HMM

ThreadLocal原理

ThreadLocal主要起到线程隔离作用，使得每个线程拥有自己独立的一份数据，经过threadLocal处理的数据是线程独享的，不与其它线程分享或者干扰，因此能起到线程之间数据隔离的作用。 ThreadLocal的几个核心方法： 方法声明描述 public void set(T value) 设置 ......
ThreadLocal 原理

大语言模型LLM的核心技术及应用场景案例的分析

自注意力机制、位置编码和激活函数共同提高了模型对序列数据中重要信息的关注程度。通过自注意力机制，模型可以自动学会为序列中的关键部分分配更高的权重…… ......
模型 场景 核心 案例 语言

SQLServer数据库JDBC连接串参数的简单学习

SQLServer数据库JDBC连接串参数的简单学习 背景 前段时间一直跟同事一起处理SQLServer 比其他数据库的deadlock更多的问题. 涉及到了几个驱动的参数. 想着问题基本上告一段落, 将这一块的情况总结一下. 便于后续遇到问题时的快速处理. 关于参数 现阶段的字符连接串为: jdb ......
SQLServer 参数 数据库 数据 JDBC

【论文解读】System 2 Attention提高大语言模型客观性和事实性

本文简要介绍了论文“System 2 Attention (is something you might need too) ”的相关工作。基于transformer的大语言模型（LLM）中的软注意很容易将上下文中的不相关信息合并到其潜在的表征中，这将对下一token的生成产生不利影响。为了帮助纠正... ......
事实性 客观性 Attention 模型 客观

理解Mysql索引原理及特性

作为开发人员，碰到了执行时间较长的sql时，基本上大家都会说”加个索引吧”。但是索引是什么东西，索引有哪些特性，下面和大家简单讨论一下。 ......
索引 特性 原理 Mysql

Go函数参数传递到底是值传递还是引用传递？

在函数中，如果参数是非引用类型（int、string、array、struct等），这样就在函数中就无法修改原内容数据； 如果参数是引用类型（指针、map、slice、chan等），这样就可以修改原内容数据。 是否可以修改原内容数据，和传值、传引用没有必然的关系。在C++中，传引用肯定是可以修改原内 ......
函数 参数 还是
共8200篇  :23/274页 首页上一页23下一页尾页