tensorflow模型 案例
DependencyInjection组件的综合应用案例（3）
目的：通过一个较综合的案例演示依赖注入的使用 需求：有配置服务、日志服务，然后再开发一个邮件发送器服务。 可以通过配置服务来从文件、环境变量、数据库等地方读取配置， 可以通过日志服务来将程序运行过程中的日志信息写入文件、控制台、数据库等。 说明：配置服务和日志服务.net中都有现有的框架，这篇文章只 ......
DependencyInjection组件的综合应用案例（4）
延续上一篇文章，这篇文章新增一个Ini文件配置提供者，并从注入环境变量配置修改为注入Ini配置的步骤，让大家体验下依赖注入的便捷 Ini配置： class IniConfigProvider : IConfigProvider { public string Path { get; set; } p ......
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 ......
函数function及案例
<!DOCTYPE html> <html> <head> <meta charset="utf-8"> <title></title> </head> <body> <script> /*Function 函数 是一个复杂的数据类型 */ //1.定义函数 //(1)声明式 function te ......
极限科技（INFINI labs）荣获中国信通院大数据“星河”标杆案例
12 月 6 日，由中国信息通信研究院和中国通信标准化协会大数据技术标准推进委员会（CCSA TC601）共同组织的 2023 大数据“星河（Galaxy）”案例评选结果正式公示。极限数据（北京）有限公司（INFINI labs）与中移互联网有限公司、中移（苏州）软件技术有限公司移动云搜索数据库案例 ......
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 ......
NodeRed入门案例，在控制台输出Hello World!
1、打开Node Red软件，将inject控件拖入到流程绘制区域，因为我们需要提供Hello World!的输入内容。 2、将debug控件拖入到流程绘制区域，因为我们要将输入到Inject控件输入的内容输出到控制台（调试窗口）。 3、将控件连接并部署。 4、测试编写的流程。 5、点击inject ......
2、SpringBoot2之入门案例
2.1、创建Maven工程 2.1.1、创建空项目 2.1.2、设置项目名称和路径 2.1.3、设置项目sdk 2.1.4、项目初始状态 注意：需要关闭项目再重新打开，才能看到SpringBoot-Part文件夹 2.1.5、配置maven 2.1.6、创建module 右击SpringBoot-P ......
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 ......
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 ......
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 ......
cuda编程的简单案例
一个简单的案例： header.h void addKernel(const int* a, const int* b, int* c, int size); test.cu #include "cuda_runtime.h" #include "device_launch_parameters.h ......
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 ......
Python自动化-APPium原理解析与测试实际案例分享
目录结构 一、Appium概述 1. Appium架构原理 2. 运行原理 1）Appium服务器 2）Bootstrap.jar 3）Appium客户端 二、Appium组件 三、Appium环境搭建 1. Node.js安装 2. Appium安装 3. Appium-Desktop安装 4. ......
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}\ ......
记一次外网突破的案例
1、供应链 在经历了多年的攻防对抗之后，大量目标单位逐渐认识到安全防护的重要性。因此，他们已采取措施尽可能收敛资产暴露面，并加倍部署各种安全设备。但安全防护注重全面性，具有明显的短板效应，一处出现短板，整个防护体系就可能瞬间崩溃。而目标单位的供应链往往是这些薄弱点的集中体现。这些供应链不仅暴露在外， ......
HTML5文件操作+上传+文件拖拽（案例）
js有两种机制：事件机制、io机制文件操作对象：Blob 通过二进制原始数据读取 file 读取单个文件对象 fileList 读取多个文件对象 fileReader 读取文件信息 file和fileList 的属性方法1、name 名称 2、size 文件字节长度 3、type 文件类型 4、la ......
【案例分享】 小鹅通｜渐进式拥抱 DevOps
作者：王梓城 前言 在11月25日举办的中国 DevOps 社区广州峰会上，小鹅通效能平台负责人王梓城（Prince）分享了其团队从 0 到 1 建设 DevOps 体系的实践经验，赢得了在场听众的广泛共鸣。 一、背景： 疫情期间小鹅通响应“停课不停学”的号召，带着使命咬牙完成了产品交付；后续小鹅通 ......