模型 场景 核心 案例
1.6 - 封包解包及其案例解析
1.6.1 封包和解包 封包：将多个值赋给同一个变量 或 return返回多个对象 的时候，python会将这多个值封装成一个元组，python的这个特性称之为 封包。 定义函数的时候，如果使用了 **kwargs 来接收多个自定义关键字参数，在实参调用的时候，会将这些自定义kv实参封装成字典。 # ......
什么是大语言模型的“幻觉”
使用ChatGPT的朋友应该遇到过这样的情况，模型有时候会答非所问甚至自相矛盾，这种情况被成为大语言模型的“幻觉”，即在处理和生成文本时出现的一些特定的错误或误解。这些幻觉可能源于模型对现实世界的理解不足、数据训练的偏差、或者算法本身的局限性。 出现幻觉的原因有几个方面： 1、数据训练偏差 LLM通 ......
HTML页面的哈希（hash）路由原理+原生js案例
<!-- * 场景:不刷新页面，对页面的局部内容进行更改 *方案1：ajax 方法 *方案2：哈希（hash）路由原理 *方案2讲解：监听浏览器的url中的hash（url的#后面的文本——锚文本）值，进行更改内容 --> <!DOCTYPE html> <html lang="cn"> <head ......
多模态大模型少样本自适应综述
前言 在医学成像和遥感等一些细粒度领域，多模态基础模型的性能往往不尽人意。因此，许多研究者开始探索这些模型的少样本适应方法，逐渐衍生出三种主要技术途径：1）基于提示的方法；2）基于适配器的方法；3）基于外部知识的方法。尽管如此，这一迅速发展的领域产生了大量结果，但尚无全面的综述来系统地整理研究进展。 ......
git操作-03-拉取远程仓库2个场景
A：场景一：本地有一个空目录“project”作为开始 1、初始化 git init 方式一：选择：关联远程仓库然后拉取 git remote add origin https://gitee.com/ran-baihong/test.git 3、拉取dev分支： git pull origin d ......
SQL Server数据库加密解密使用案例
1 --创建数据库主秘钥 2 2 CREATE MASTER KEY ENCRYPTION BY PASSWORD = 'pwd' 3 3 ==> pwd是用户自己设置的密码 4 4 5 5 --创建证书 6 6 CREATE CERTIFICATE TestCertName WITH SUBJEC ......
软磁直流测试系统主要应用于哪些场景？
产品特征 软磁直流测试系统装置具有独立的电参量校准功能。 采用慢速减幅方式对样品退磁。 超宽范围的电流连续稳定调节。 扫描法不采用继电器换量程，使数据更准确、磁滞回线更光滑。 A类/B类磁导计或电磁铁(选配件)：测量开路样品直流磁性能。 螺线管(选配件)：采用抛移法或磁通门法测量样品的矫顽力。 配 ......
大模型RAG之向量检索技术-结合LSTM模型编码
本文将介绍两种编码方式，一种直接采用bert进行编码query与待匹配数据；另一种将待匹配数据构造成key-value的形式，key表示从每个待匹配数据的概念或者抽象描述，value是对应的待匹配数据，将query和key进行编码，lstm从过query查询到key之后，就可以获取对应的value ......
PV视角之3D检测模型Sparse4D系列
在自动驾驶视觉感知系统中，为了获得环绕车辆范围的感知结果，通常需要融合多摄像头的感知结果。比较早期的感知架构中，通常采用后融合的范式，即先获得每个摄像头的感知结果，再进行结果层面的融合。后融合范式主要的问题在于难以处理跨摄像头的目标（如大卡车），同时后处理的负担也比较大。而目前更加主流的感知架构则是 ......
什么是大模型RAG?RAG与funtionCalling的区别是什么？
大模型的RAG（Retrieval-Augmented Generation）与Function Calling都是用于增强大型语言模型（如GPT）的技术，但它们的工作原理和应用场景有所不同。 Retrieval-Augmented Generation (RAG): 原理：RAG结合了信息检索和文 ......
模型类序列化器
1 原来用的Serilizer跟表模型没有直接联系， 模型类序列化器ModelSerilizer，跟表模型有对应关系 2 使用 class BookModelSerializer(serializers.ModelSerializer): class Meta: model=表模型 # 跟哪个表模型 ......
【略读论文|大模型相关】Zero-Shot Relational Learning on Temporal Knowledge Graphs with Large Language Models
时间：2023 学校：慕尼黑大学 创新点： 1.据我们所知，这是第一个试图在TKGF背景下研究零射击关系学习的工作。 2.我们设计了一种基于llm的方法zrLLM，并设法在零射击关系推理中增强各种基于嵌入的TKGF模型。 3.实验结果表明，zrLLM有助于大大提高所有考虑的TKGF模型对包含未见零射 ......
星型模型&雪花模型
数据集市（Data Mart）也有称ADS（Application Data Store），数据集市将主题层和基础层的数据按照各业务的实际需求进行聚合，形成宽表或数据立方体（Cube），可直接供业务部门和数据分析团队使用。 数据集市中主要存在的是事实表（fact）和维度表（dimension）。 事 ......
面试场景题2
1.大文件求交集 给两个文件，每个文件每行都是字符串，如何找出两个文件中行相同的字符串。假设文件为a，b1.分批载入A和B的一部分数据，每次在内存里求交集（可以用set），最后合并结果（读写IO可能比较高）。2.利用哈希思想。先把a文件hash，再遍历b文件，去判断是否存在。时间复杂度降低为O(n) ......
R语言GARCH族模型：正态分布、t、GED分布EGARCH、TGARCH的VaR分析股票指数|附代码数据
全文链接：http://tecdat.cn/?p=31023 最近我们被客户要求撰写关于GARCH族模型的研究报告，包括一些图形和统计输出。 如何构建合适的模型以恰当的方法对风险进行测量是当前金融研究领域的一个热门话题 （ 点击文末“阅读原文”获取完整代码数据******** ）。 VaR方法作为当 ......
MySQL与Redis数据双写一致性工程落地案例
复习-面试题 多个线程同时去查询数据库的这条数据，那么我们可以在第一个查询数据的请求上使用一个 互斥锁来锁住它。 其他的线程走到这一步拿不到锁就等着，等第一个线程查询到了数据，然后做缓存。 后面的线程进来发现已经有缓存了，就直接走缓存。 canal canal [kə'næl]，中文翻译为 水道/管 ......
vue——过滤案例
第一步：定义一个id为app的div <div id="app"> <h1>过滤案例</h1> // 绑定input事件、记录用户输入数据search <input type="text" v-model="search" @input="handleSearch"> <ul> // 循环过滤后的列 ......
2024云渲染适合什么场景下使用？
云渲染作为影视动画主流的渲染方案，通常云渲染服务商拥有专属的渲染农场，通过渲染农场庞大的高新能数量机器，可协助你在短时间内完成渲染任务。 云渲染使用场景有哪些？ 1、硬件限制： 如果你的个人或公司电脑硬件不足以快速处理高复杂度的渲染任务时，使用云渲染服务可以提供所需的计算能力。 2、高密度工作负载： ......
Spring MVC学习(4)—ViewSolvsolver视图解析器的详细介绍与使用案例
基于最新Spring 5.x，详细介绍了Spring MVC的ViewSolvsolver视图解析器组件，并提供了详细的使用案例。 转载自：https://blog.csdn.net/weixin_43767015/article/details/116758079 此前我们学习了Spring MV ......
软件测试（2）-核心竞争力
首先，测试大致可分为两类：功能测试、测试开发。 1 功能测试核心竞争力 1.1 测试策略设计能力 出色的测试策略设计能力，可以非常明确地回答这些关键问题： 测试要具体执行到什么程度； 测试需要借助什么工具； 如何运用自动化测试以及自动化测试框架，以及如何选型； 测试人员资源如何合理分配； 测试进度如 ......
案例分享：各行业研发岗位OKR制定分享
目标管理（Objective Management）是一种有效的战略规划和目标设定工具，被广泛应用于企业、团队和个人层面。在研发领域，OKR有助于明确团队目标，提高团队协作和执行力。本文将通过几个案例，探讨研发岗位如何制定有效的OKR。 案例一：某互联网公司的研发团队 目标：提高产品迭代速度，缩短上 ......
AI_NLP以及SAM的理解-分割模型
机器学习 一般机器学习分为有监督学习，无监督学习和强化学习 无监督学习 Unsupervised Learning Self-Supervised Learning，又称为自监督学习 -Self-Supervised Learning 的核心思想 Masked Autoencoders Are Sc ......
MDE KQL 使用案例
查找程序的 网络通信情况 DeviceNetworkEvents | where Timestamp > ago(30d) | where InitiatingProcessFileName == "example.exe" | project Timestamp, DeviceName, Init ......
Kubernetes核心组件之kube-proxy实现原理
kube-proxy，负责为Service提供集群内部的服务发现和负载均衡。 1 介绍 了解不同网络组件的工作原理有助于正确设计和配置它们，以满足你的应用程序需求。 在Kubernetes网络的背后，有一个在幕后工作的组件。它将你的服务（Services）转化为一些可用的网络规则。这个组件被称为 K ......
用一张图片测试几个大模型的看图理解，文心一言表现不佳，通义千问了解最到位！
样图如下： 用上面的图片，在几个主流的AI大模型中进行识别理解，最终的理解各有不同。 不过最让我意外的是 文心一言 居然理解的最不到位！ 下图是文心一言的看图理解： 下图是通义千问的看图理解： 下图是讯飞星火的看图理解： 大家觉得哪一个理解的最到位？？？？？ ......
数据治理9大核心领域（转）
转自：https://blog.csdn.net/xiyuzhanshen123/article/details/96484520 数据治理不仅需要完善的保障机制，还需要理解具体的治理内容，比如我们的数据该怎么进行规范，元数据又该怎么来管理，每个过程需要哪些系统或者工具来进行配合呢？这些问题都是数据 ......
使用docker搭建deepspeed多机多卡分布式微调大模型环境
前置环境：两台可以互通的centos服务器（服务器1、服务器2），docker，NVIDIA驱动 docker创建overlay共享网络 1）选用服务器1作为manage节点进行初始化，执行docker swarm init Swarm initialized: current node (ly4d ......
大数据治理技术核心，可扩展的元数据架构设计（转）
转自：https://blog.csdn.net/weixin_45727359/article/details/127662364 元数据管理是随着数据仓库的建设逐渐完善起来的，这也决定了元数据管理主要集中在数据领域。例如数据结构、数据加工转换关系等。而随着我们对元数据理解的不断深入，其实元数据广 ......
公共仓库元模型(CWM)（转）
转自：https://www.jianshu.com/p/21207b50084a 一、什么是CWM？ 在我们学习一个新东西时，首先得弄懂明白它是用来干什么的？然后通过实例与理论交错学习，CWM——Common Warehouse Metamodel, 很明显翻译过来时公共仓库元模型，CWM的提出主 ......
Atlas关系型数据库元数据模型
[ { "category": "ENTITY", "guid": "00b4a314-1185-4cd4-84e9-20275990d58d", "createdBy": "hadoop", "updatedBy": "hadoop", "createTime": 1615973091411, " ......