博客 RSS 訂閱

secretflow 頭像

隱語SecretFlow - 如何在 Kuscia 上運行 SCQL 聯合分析任務

打開鏈接即可點亮社區Star，照亮技術的前進之路。 Github 地址：https://github.com/secretflow/kuscia 本教程將以 KusciaAPI 創建本地數據源作為示例，介紹如何在 Kuscia 上運行 SCQL 聯合分析任務。 準備節點 體驗部署請選擇快速入門。 生產部署請選擇多機部署。 本示例在點對點組網模式下完成。在中心化組網模式下，證書的配置會有所不

開源

收藏 評論

digitalocean 頭像

DigitalOcean - 卓普雲亮相曼谷Traffic Connect，與50+企業共話全球增長

​12 月 2 日，揚帆出海攜手 PhotonPay、卓普雲 AI Droplet 在泰國曼谷聯合舉辦了一場《Bangkok Traffic Connect-全球互聯網企業營銷交流晚宴》​，晚宴中，匯聚了​50+ 全球 ADX、網盟企業高管以及曼谷 AWA 參展企業高層​，在 2 小時中實現面對面的緊密交流，共探出海合作機遇。 本場晚宴上，揚帆出海 創始人CEO 劉武華、PhotonPay Sal

資訊 , 區塊鏈 , 人工智能 , 後端

收藏 評論

beishangdejianjidan_cqxuxf 頭像

悲傷的煎雞蛋_cQXuXF - 裁員為什麼先裁技術人員？網友一針見血！

最近逛職場社區的時候，刷到一個職場話題，老生常談了，但是每次參與討論的同學都好多。 這個問題問得比較扎心： “為什麼有些企業的裁員首先從技術人員開始？” 關於這個問題，網上有一個被討論很多的比喻： “房子都蓋起來了，還需要工人麼？” 有一説一，這個比喻雖然刺耳，但卻非常形象地揭示了某些企業的用人邏輯，尤其在某些非技術驅動型的公司裏。 在某些非技術驅動的公司（比如傳統企業轉型、或者業務模式成

人工智能 , 程序員 , 前端

收藏 評論

junxiudetuoba 頭像

伊伊DK - 拒絕同質化！從“源碼”到“原創”，構建有競爭力的代練平台？

在代練行業看似紅海的今天，真正成功的平台屈指可數。市場上充斥着大量基於同質化源碼搭建的“殭屍平台”——功能雷同、體驗相似、毫無特色。如果你決心不只是“又做一個代練平台”，而是要打造一個有真正競爭力的原創產品。 功能創新：在源碼基礎上做 “獨家增量” 源碼提供的是 “基礎功能骨架”，原創則是在骨架上添 “獨家血肉”—— 不用推翻源碼，而是圍繞核心痛點做 “微創新”，讓功能成為你的

php , 後端 , 前端

收藏 評論

wangzhongyang_go 頭像

王中陽講編程 - 分享一下最近的面試題

分享一下訓練營內部學員最近的面經，希望對大家有幫助。 1 供應鏈跨境電商二面 外包 自我介紹 詢問 一般來説 會從哪些方面去code review 空結構體用過嗎？什麼作用？為什麼會有這個作用? 詢問 你怎麼去設計一個10萬QPS的系統。（redis單飛是什麼） 多大的服務器 或者説怎麼配置一個服務器 能撐起10W的QPS Mysql 覆蓋索引、聯合索引的概念 唯一索引和二級索引（

go , 後端

收藏 評論

u_16175484 頭像

mob649e81607bf3 - CentOS上安裝Ollama

在本篇文章中，我將詳細記錄如何在CentOS上安裝Ollama的過程。Ollama是一個開源、強大的命令行工具，廣泛用於優化和管理工作流。以下是操作步驟的詳細講解，涵蓋環境準備、分步指南、配置詳解、驗證測試、排錯指南及擴展應用。 環境準備 在開始安裝之前，首先需要確保系統滿足Ollama的運行環境，並且安裝必要的前置依賴。 # 更新系統包 sudo yum update -y

bash , aigc , Docker

收藏 評論

alixitongruanjianjishu 頭像

阿里云云原生 - UModel 查詢：馴服“可觀測性混亂”，阿里雲的圖模型建模利器！

點擊此處，立即查看視頻課程！ 背景 想象一下，你站在一個巨大的圖書館裏，這裏有成千上萬本書，但每本書的目錄都散落在不同的房間裏，而且每間房間的索引方式都不一樣。當你想要找一本關於“服務調用”的書時，你需要在 APM 房間、K8s 房間、雲資源房間之間來回奔波，還要記住每個房間不同的查找規則... 這就是很多企業在可觀測性領域面臨的真實困境。而 UModel 就像是為這個混亂的圖書館建立了一套統一的

阿里雲 , 雲原生

收藏 評論

u_16213370 頭像

mob64ca12e1c36d - 基於Stable Diffusion擴散底層策略任務生成和自優化模型

在討論“基於Stable Diffusion擴散底層策略任務生成和自優化模型”時，我們首先要理解這個系統在處理怎樣的任務。在實際應用中，我們常常會面臨各種挑戰，比如生成效果不理想、模型訓練不充分等。為了更好地解決這些問題，我們的目的是在深挖問題背景的基礎上，逐步找到根本原因與解決方案。 用户場景還原 我們在一個公司中應用Stable Diffusion模型，主要用於生成高質量的圖

參數設置 , 數據 , aigc , 解決方案

收藏 評論

u_16213338 頭像

mob64ca12d9b014 - windows ollama gpu啓動

在使用 Windows 操作系統時，許多開發者可能會遇到“windows ollama gpu啓動”相關的問題，這通常涉及到 GPU 加速的配置和優化。為了幫助大家順利啓動 Ollama 並利用其 GPU 功能，我將整個過程分解為幾個關鍵步驟：環境準備、集成步驟、配置詳解、實戰應用、排錯指南以及生態擴展。 環境準備 在開始配置之前，我們首先需要確保安裝了 Ollama 運行所需的

User , aigc , CUDA , Python

收藏 評論

wangzhongyang_go 頭像

王中陽講編程 - 現在AI應用開發崗都有哪些招聘要求？

Boss直聘AI應用開發崗招聘要求分析 我們抓取了Boss直聘上AI應用開發崗的招聘要求，現將總結提煉後的內容分析呈現如下： 一、崗位職責（15條關鍵要點） 負責 AI 應用（含大模型 / LLM）前後端開發，涵蓋模型集成、用户界面設計等。 設計、開發和維護 AI 智能 Agent 系統，包含 RAG、Prompt、記憶 / 規劃模塊等。 大模型應用落地，涉及智能客服、知識庫問答、專業報告

人工智能

收藏 評論

yangy5hqv 頭像

夢想雲圖網頁CAD - AI+網頁CAD實現文生CAD圖紙（web cad sdk)

一、項目概述 本章節將探討AI技術與在線CAD相結合，能否打造一個能讓CAD"聽懂人話"的智能助手。 核心價值：告別繁瑣的手動繪圖，用自然語言就能完成CAD設計。無論是建築工程師、機械設計師，還是CAD開發者，都能通過AI大幅提升工作效率。 二、為什麼選擇MxCAD來做CAD智能系統？ 1. 原子化API - AI時代的CAD開發利器 傳統CAD軟件的問題是：你只能用它給你的功能，比如"畫直

node.js , typescript , html5 , Javascript

收藏 評論

u_16213329 頭像

mob64ca12d78ba3 - copilot 自動生產測試案例

在現代軟件開發中，自動化測試扮演着至關重要的角色。尤其是在使用像Copilot這樣的智能工具來生成測試案例時，如何有效地解決“copilot 自動生產測試案例”問題，成為了技術團隊必須面對的挑戰。以下是我們在這一過程中所採取的步驟和決策的詳細記錄。 業務場景分析 隨着業務的不斷髮展，產品功能變得越來越複雜，手動編寫測試用例的效率大大降低。自動化測試的需求逐漸浮出水面。同時，團隊希

測試用例 , 自動生成 , aigc , 自動化測試

收藏 評論

yingjundeshubiao 頭像

英俊的鼠標 - PyTorch深度學習開發醫學影像端到端判別項目完結無密

PyTorch深度學習開發醫學影像端到端判別項目完結無密這個標題太有分量了👇🏻ke🍊：xingkeit點top/9070/！“無密分享”和“完結”這兩個詞，直接定義了這篇文章的價值——它不是一份普通的項目總結，而是一份為後來者照亮前路的實戰地圖。 從“深度學習醫療落地”這個宏大命題出發，這篇文章可以聚焦於連接“算法模型”與“臨牀價值”之間的那條最關鍵、也最崎嶇的路。 跨越“技術-醫學”鴻

觀點 , pytorch , 深度學習

收藏 評論

ziwupython 頭像

子午 - 【垃圾識別系統】Python+TensorFlow+Vue3+Django+人工智能+深度學習+卷積網絡+resnet50算法

一、介紹 垃圾識別系統，基於TensorFlow搭建卷積神經網絡算法，通過對10種常見的垃圾圖片數據集（'剩飯剩菜', '塑料', '乾電池', '舊衣服', '玻璃', '紙張', '紙板', '金屬', '陶瓷器皿', '鞋'）進行訓練，最後得到一個識別精度較高的模型，然後搭建Web可視化操作平台。 前端: Vue3、Element Plus 後端：Django 算法：TensorFlow、卷

圖像識別 , 人工智能 , 深度學習 , Python

收藏 評論

u_16175479 頭像

mob649e815f494b - stable diffusion python 源更新

在使用Stable Diffusion的過程中，更新Python源的問題時常出現，可能導致依賴問題和運行故障。為了能夠有效地備份、恢復、應對災難場景、實現工具鏈集成、驗證與預防問題，我將以下內容進行總結歸納。 首先，在備份策略方面，我們需要通過思維導圖來展示數據備份的內容，以及我們所使用的存儲架構。同時，為了體現出存儲介質的優缺點，我們也可以使用表格進行比較。 mindmap

User , 數據 , aigc , ci

收藏 評論

jun_594fd9507d89c 頭像

靈芸小駿 - 我的 HarmonyOS - Gauge 自學指南：從 0 到能上實戰的環形量規組件

1. Gauge 是什麼？ Gauge 是 ArkUI 信息展示類組件中的 數據量規圖表組件，可以把一個數值用 環形儀表盤 的方式展示出來。 典型場景： 設備健康度 / 電量 / 評分展示； CPU/內存佔用、網絡質量等系統指標可視化； 運動完成度、睡眠質量等健康數據面板； 任意「當前值 + 範圍（min~max）」的 KPI 儀表盤。 特性小結： 支持 單色 / 漸變 / 分段多

harmonyos-next

收藏 評論

dawanzi_6278b06ec111c 頭像

大丸子 - 使用 C# 在 Word 文檔中自動化創建與定製圖表

在辦公自動化需求不斷增長的今天，越來越多的企業希望將數據可視化工作融入自動化文檔生成流程中。過去，我們通常依賴 Excel 或 PowerPoint 來製作圖表，再手工插入到 Word 文檔中。然而，當需要生成大量報告、需要頻繁更新數據、或需要根據程序邏輯動態繪製不同結構的圖表時，手動操作顯然變得低效且容易出錯。 將圖表直接通過代碼生成到 Word 文檔裏，可以讓整個流程變得更加自動化、可複用且更

word , 圖表工具 , c# , .net , 圖表

收藏 評論

u_16213579 頭像

雲端築夢工匠 - 軟件裏的數據archive

隨着網絡的普及，我們的各種數據基本上都存儲到了電腦、手機、以及各種軟件當中，數據的重要性已經不言而喻，如果重要的數據有丟失或者誤刪，可能會給我們帶來很大的損失。因此，擁有一個好的數據恢復工具很重要，在數據有丟失、誤刪等情況下快速恢復數據，推薦大家用數據恢復軟件EasyRecovery，可以輕鬆恢復各類文檔、音頻、視頻等文件，恢復率高，操作簡單，讓本以為找不到的文件，重現眼前。

大數據 , 數據 , hive , 誤刪 , 數據恢復 , 軟件裏的數據archive

收藏 評論

weidejianpan 頭像

商湯萬象開發者 - LazyLLM教程 | 第18講：高階RAG：Agentic RAG

前面教程中，我們學習到了如何構建 RAG 系統，以及對 RAG 系統進行效果提升、速度優化、功能擴展等等方面。 本教程我們將在此基礎上進一步介紹最近很火的Agentic RAG，它是RAG的變種，但更加智能，讓我們開始吧！ 如果把RAG比作帶着書本去考試的考生，那麼Agentic RAG就是同時帶着老師和書一起去考試的考生！ Agentic RAG 就是整合了 AI Agent 的 R

機器學習 , 自然語言處理 , 教程 , 知識 , 人工智能

收藏 評論

pannideniupai 頭像

雨大王 - 從“單兵作戰”到“集團軍協同”：工業設備互聯如何打造智造新生態？

工業互聯網作為第四次工業革命的核心載體，正在全球範圍內推動製造業的深刻變革。在這場變革中，工業設備互聯作為基礎中的基礎，扮演着至關重要的角色。它不僅打破了傳統制造系統中設備之間的信息壁壘，還通過數據共享與協同，推動了從“製造”到“智造”的轉型。 工業設備互聯的定義與價值 工業設備互聯是指通過先進的傳感技術、通信協議、數據採集系統以及工業互聯網平台，實現不同廠商、不同型號的工業設備在統一

人工智能

收藏 評論

zhuifengdekaomianbao 頭像

張老師講數字孿生 - 古今對話！都江堰治水智慧借數字孿生實現現代化躍遷

2024年10月，中央紀委國家監委網站刊登 《全國水利數據底板基本建成》 一文，重點介紹了都江堰渠首數字孿生系統在防汛調度中的成功應用，標誌着我國數字孿生水利建設從先行先試進入全面深化新階段。 公元前256年，李冰父子修建都江堰，以 “深淘灘、低作堰”的治水智慧實現了人與自然的和諧共生。2200多年後的今天，都江堰灌區建成了覆蓋26.7平方公里的數字孿生系統，通過數字線程將千年治水經驗轉化

數字化轉型 , 觀點 , 知識 , 人工智能 , 前端

收藏 評論

u_16099343 頭像

編程夢想編織者 - vcsa擴容archive log

原理： 使用lvm對磁盤擴容 通過轉置sdb的pe到sda中達到對sda擴容的目的。 當前狀態： unbutu18.04 新增100G硬盤，為根目錄擴容 操作： 查看新增磁盤：fdisk -l 對sdb進行分區

服務器 , 大數據 , vcsa擴容archive log , hive , 運維 , Linux , Ubuntu

收藏 評論

u_16099353 頭像

漫步雲端的豬 - yarn ACCEPTED 優化

最近玩家爆炸性增長，使得原來設計的WS和數據庫那塊承受了更大的壓力，開始有點受不住了，於是理所當然的優化開始了。。。 這裏説幾個數據庫優化的建議和方法： 在數據庫優化工作中，使數據儘可能的小，使表在硬盤上佔據的空間儘可能的小，這是最常用、也是最有效的手段之一。因為縮小數據，相對來説可以提高硬盤的讀寫速度，並且在查詢過程中小表的內容處理時所

服務器 , 大數據 , yarn , 存儲 , 數據庫 , 工作 , yarn ACCEPTED 優化

收藏 評論

u_16213418 頭像

mob64ca12ed4084 - 如何訓練stable diffusion python

在這篇博文中，我將詳細描述如何訓練Stable Diffusion Python模型的過程，解決過程中遇到的問題，分析根因並提出有效的解決方案，最後進行驗證測試和優化建議。這一系列的步驟將確保模型訓練的順利進行。 問題背景 在進行Stable Diffusion模型訓練的過程中，我遇到了多個技術性挑戰。具體來説，模型訓練效率低下，內存佔用過高，並且在GPU利用率方面表現不佳。這些

參數設置 , aigc , 解決方案 , CUDA

收藏 評論