博客 RSS 訂閱

baicia 頭像

白菜素三鮮丶 - zabbix安裝agent及部署監控

zabbix安裝agent及部署監控 zabbix安裝Windows版angent（免安裝版） 通過下方地址，下載windows版zabbix-agent https://www.zabbix.com/download_agents?version=7.4release=7.4.5os=Windowsos_version=11%2C+10hardware=amd64encry

f5 , 雲計算 , 3d , 雲服務 , server

收藏 評論

u_16099181 頭像

數碼悟透 - cxarchive文件

vista winsxs太大了，如何清理C盤空間？windows vista中有個winsxs文件夾,現在越來越大,佔用了7.25G的空間,請問一下,裏面的文件是否都有用,請問是不是可以刪除一部分,節省一部份空間.謝謝! 回答：根據我的經驗和研究，WinSxS是Windows目錄下一個重要的目錄，裏面的文件是不可刪除的。WinSxS下有很多重要的組

windows , 大數據 , cxarchive文件 , hive , 系統盤 , 系統文件

收藏 評論

love51 頭像

GhostLover - 在ROS中實現多Realscene D455數據的讀取併發布

在ros2 humble版本上安裝D455相機並獲取圖像和深度信息 一、安裝ROS2 Humble 二、安裝Intel RealSense SDK 2.1、更新系統依賴： 2.2、安裝構建工具： 2.3、下載並編譯SDK： 三、安裝ROS2的RealSense驅動

環境變量 , 錯誤信息 , 大數據 , 工作區 , hadoop , kobuki ros2

收藏 評論

u_16380863 頭像

未聞花名AI - 構建AI智能體：十二、給詞語繪製地圖：Embedding如何構建機器的認知空間

我們理解“蘋果”這個詞，能聯想到一種水果、一個公司、或者牛頓的故事。但對計算機而言，“蘋果”最初只是一個冰冷的符號或一串二進制代碼。傳統的“One-Hot”編碼方式（如“蘋果”是[1,0,0,...]，“香蕉”是是[0,1,0,...]）無法表達任何語義，所有詞之間的關係都是相等且無關的。 如何讓機器真正“理解”含義？這就需要一種新的表示方法——Embedding。它就像一

中心詞 , NLP , 加載 , 人工智能 , 詞向量

收藏 評論

u_16213667 頭像

mob64ca140c75c7 - vfl損失公式表達

1. 總述 Focal loss主要是為了解決one-stage目標檢測中正負樣本比例嚴重失衡的問題。該損失函數降低了大量簡單負樣本在訓練中所佔的權重，也可理解為一種困難樣本挖掘。 2. 損失函數形式 Focal loss是在交叉熵損失函數基礎上進行的修改，首先回顧二分類交叉上損失： 是經過激活函數的輸出，所以在0

vfl損失公式表達 , 損失函數 , 權重 , 人工智能 , 計算機視覺 , 目標檢測

收藏 評論

u_16213703 頭像

mob64ca14150f43 - GEEdem 下載

目錄 一、什麼是wget？ 二、整理list文件 2.1在線網站查找並確定gse號 2.2處理GSE號 2.3整理下載列表 三、下載與解壓 一、什麼是wget？ 一個婦孺皆知的，強大的下載工具不過多介紹了，小白可參考之前發佈的批量下載原始數據那篇文

GEEdem 下載 , 機器學習 , 數據挖掘 , 數據 , bash , Linux , 人工智能

收藏 評論

u_13527 頭像

bigrobin - Emgu CV 實現眼在手上標定

文章目錄 基本介紹： 座標系變換運算規則： 關係運算説明： 座標系運算規則一： 座標系運算規則二： 齊次座標系： 齊次座標系下的座標變換： 眼在手外： 眼在手內： 解方程： - Tais方法

機器學習 , 機械臂 , Emgu CV 實現眼在手上標定 , 人工智能 , 計算機視覺 , 旋轉矩陣 , opencv

收藏 評論

u_16827017 頭像

全棧技術開發者 - 矩陣和線性變換怎麼理解？矩陣與線性變換的關係究竟是什麼？一個矩陣如何對應到具體的變換？特徵向量和特徵值的意義是什麼？

在現代數學的研究中，線性代數佔據着核心位置，它不僅是純數學的重要組成部分，也是物理學、工程學、計算機科學等學科的基礎工具。矩陣與線性變換作為線性代數的核心概念，具有深厚的理論內涵和廣泛的應用價值。矩陣的排列和運算規則表面上似乎只是數字的組合，但其內在體現的是對向量空間結構的精確描述；而線性變換則揭示了向量空間中元素之間的映射規律，是代數與幾何之間的直接聯繫。 理解矩陣與線性

機器學習 , 線性變換 , yyds乾貨盤點 , 特徵值 , 向量空間 , 人工智能 , 線性代數

收藏 評論

u_17583190 頭像

fangpin - 從 0 搭建 LLM 不再難！這個 PyTorch 項目幫你吃透大模型底層邏輯

如果你曾想深入理解大語言模型（LLM）的 “五臟六腑”，卻被框架封裝的黑盒接口、複雜的源碼結構勸退；如果你希望親手實現 Transformer 的每一個組件，而非單純調用transformers庫 —— 那麼今天推薦的這個開源項目，絕對能成為你的 LLM 學習 “腳手架”。 它就是 GitHub 上的 llm-from-scratch（項目地址），一個基於 PyTorch、專為教育設

AIGC二三事 , llm , BPE , 人工智能 , transformer , 深度學習 , 大模型

收藏 評論

u_17583190 頭像

fangpin - 從 1.56% 到 62.9%：SFT 推理微調優化實戰

讀完這篇文章，你將用監督微調（SFT）把一個 1.5B 規模的數學模型在 GSM8K 上的零樣本推理正確率從 1.56% → 62.9%，同時把輸出格式遵循率從 18.9% → 100%。我們將完整走通數據集下載、Prompt 架構、訓練配置和評估方法，所有代碼均來自本倉庫 alignment 文件夾，保證可復現與透明。 本文將深入剖析 llm-from-scratch

lua , 人工智能 , 深度學習 , Json , Python

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI智能簡歷系統：技術讓你的簡歷精準“命中”崗位

投了幾十份簡歷卻石沉大海？改簡歷時總摸不準HR的篩選偏好？其實，AI智能簡歷系統早已用技術打破這種“盲目投遞”的困境——它不是簡單的模板工具，而是靠底層技術幫求職者精準匹配崗位、優化呈現，讓簡歷從“自我陳述”變成“崗位適配方案”。 核心技術之一是自然語言處理（NLP） ，它就像簡歷和招聘JD（崗位描述）的“翻譯官”。系統會先解析JD裏的核心關鍵詞，比如“Python編程”“項目管理經

NLP , ATS , 人工智能 , 計算機視覺 , Python

收藏 評論

u_16970152 頭像

求知上進 - 瞭解 Python 集合的無限可能

1. 集合概述 1.1 什麼是集合？ Python 的集合（set）是一個無序、可變、不允許重複元素的容器，用於存儲唯一的數據項。集合基於哈希表實現，提供 O(1) 平均時間複雜度的成員檢查和插入操作。Python 還提供不可變的集合變體——凍結集合（frozenset），適用於需要不可變鍵的場景（如字典鍵）。 關鍵特性： 無序性：集合中的元素沒

數據集 , 集合運算 , 人工智能 , 深度學習 , Python

收藏 評論

u_16349720 頭像

短短同學 - 正則表達式進階用法：從基礎到實戰的全場景指南

正則表達式（Regular Expression，簡稱 Regex）是文本處理的 “瑞士軍刀”，它通過簡潔的語法規則，實現對字符串的匹配、提取、替換與驗證。在前文哈希機制的學習中，我們瞭解到 “映射” 是核心邏輯；而正則表達式的核心，則是 “模式定義”—— 用特定語法描述目標文本的結構，再通過解釋器執行匹配操作。本文將從基礎語法拓展到進階技巧，結合 10 + 實戰場景，帶你掌握正

正則 , bc , 人工智能 , 深度學習 , 正則表達式

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI大模型農業智能管控平台：給農田裝“智慧內核”，種田靠技術

傳統農業裏，澆水看土幹、施肥憑經驗、病蟲害靠眼辨，不僅累還難控效果。而AI大模型農業智能管控平台的出現，用實打實的技術重構種田邏輯，讓“看天吃飯”變成“知天而作”，把農業生產變成精準可控的技術活。 這個平台的技術核心是“數據採集-智能分析-自動執行”的閉環。地裏遍佈的物聯網傳感器是“感知觸角”，能實時捕捉土壤濕度、温度、pH值，還有作物葉片葉綠素、水分含量，數據誤差控制在±3%以內，

無人機 , 數據 , 物聯網 , NLP , 人工智能

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI大模型教學實踐訓推一體化系統：讓AI教學從“理論”落地“實操”

傳統AI教學常陷入“老師講得深、學生聽不懂，模型訓練難、實踐沒法推”的困境——要麼只講算法原理，學生摸不到真實模型；要麼訓練好的模型沒法落地應用，教學和實操嚴重脱節。而AI大模型教學實踐訓推一體化系統，用實打實的技術打通“教學-訓練-部署”全鏈路，讓AI教學既懂理論又能實操，成為師生都能用的“硬核教學工具”。 這個系統的核心技術邏輯，是“輕量化訓練+實時推理+教學聯動”的閉環設計，把

圖像識別 , 數據 , NLP , 人工智能 , 文本分類

收藏 評論

u_17569005 頭像

wx6906fb3f9b17a - 智能門禁系統是集計算機技術、微控制技術、智能卡技術與機電一體化技術於一體的現代化出入口管理控制系統，通過權限設置、實時監控與異常報警實現安全管理，支持生物識別、射頻卡、密碼及NFC等多種技術，滿足不同

智能門禁系統通過集成多種先進技術，實現了從傳統機械鎖具到現代智能化管理的轉變，不僅提高了安全性，還大大提升了管理效率。隨着技術的不斷髮展，智能門禁系統將在更多領域發揮重要作用，為人們的生活和工作提供更加安全、便捷的保障。 關於智能門禁系統的方案確定。用户需要了解門禁系統的組成結構、硬件安裝配置、軟件安裝設置及日常維護操作，同時需要補充門禁系統的技術原理、通訊協議和應用場景等

人臉識別門禁 , 門禁 , 門禁機 , 人工智能 , 深度學習 , 二維碼門禁 , 門禁考勤機

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI大模型研發與管理平台：讓模型開發“少走彎路”的技術利器

AI大模型研發曾是“少數人的遊戲”：數據雜亂難整理、訓練耗時長、版本混亂難追溯，還得靠資深工程師“憑經驗試錯”。而AI大模型研發與管理平台的出現，用標準化技術工具鏈打通研發全流程，把複雜的模型開發變成“按流程操作、靠數據説話”的高效工作，讓更多團隊能輕鬆搞研發。 這個平台的核心是“技術閉環+智能協同”，就像給大模型研發裝了一套“全流程管家”，每個環節都藏着實打實的技術硬活： 首先

服務器 , 數據 , NLP , 人工智能 , 迭代

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI科學研究平台：給科研加“智能引擎”，突破創新瓶頸

傳統科研常陷“海量數據難處理、實驗設計憑經驗、重複勞動耗精力”的困境。而AI科學研究平台的出現，用實打實的技術重構科研邏輯，讓科研人員從繁瑣工作中解放出來，聚焦核心創新，讓科學探索更高效、更精準。 這個平台的技術核心是“數據整合-智能分析-輔助決策”的閉環架構。首先，它靠多源數據融合技術，打通文獻數據庫、實驗儀器、傳感器等各類數據源，不管是文本、數值、圖像還是光譜數據，都能自動抓取、

數據 , 上傳 , NLP , 自定義 , 人工智能

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI智能體圖文管理系統：用技術讓圖文處理“更聰明、更高效”

傳統圖文管理裏，找文件靠翻文件夾、改圖片靠手動調參數、文字提取靠逐字敲、分類歸檔靠記標籤，不僅費時間，還容易出錯。而AI智能體圖文管理系統的出現，把AI核心技術融入每一個操作環節，讓圖文采集、處理、檢索、歸檔全流程自動化、智能化，徹底告別“瞎忙活”。 這個系統的核心技術邏輯是“智能感知-自動處理-精準應用”的閉環，就像給圖文管理裝了個“會思考的幫手”，每一項功能都藏着實打實的技術支撐

上傳 , NLP , 自然語言處理 , 人工智能 , 核心技術

收藏 評論

u_6478076 頭像

郭傳志的博客 - 深入理解DeepResearch

傳統RAG 與搜索 傳統RAG的缺點 根據閾值判斷相似性產生誤差 DeepResearch定義 DeepResearch系統架構 本文包含：--> -->

搜索 , 人工智能 , 深度學習

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI大模型知識圖譜：給AI裝“邏輯大腦”，讓智能有跡可循

傳統AI像“只會背答案的學霸”，能快速找出現成信息，卻看不懂知識間的關聯——比如知道“喝茶能提神”，卻講不清“茶裏的咖啡因如何刺激神經”。而AI大模型知識圖譜的出現，就像給AI裝上了“邏輯大腦”，用技術把分散的知識織成網，讓智能不僅能“找答案”，還能“懂邏輯、會推理”。 這個“邏輯大腦”的核心技術，是“知識建模+AI推理”的雙向賦能。首先得把雜亂的信息“拆解開、連起來”：工程師用“實

建模 , NLP , 自動補全 , 人工智能 , 深度學習

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI輔助審核系統：用技術給內容把關，效率精度雙提升

傳統人工審核就像“大海撈針”，面對海量文字、圖片、視頻內容，不僅要熬夜加班，還容易因疲勞漏判、標準不一出錯。而AI輔助審核系統的出現，用硬核技術重構審核邏輯，讓“人工+智能”的協同模式成為主流，既解放人力，又把審核精度拉滿。 這個系統的核心技術邏輯是“學習-識別-輔助”的閉環，每一步都藏着實打實的技術硬活。首先是“學習階段”，工程師會把海量合規與違規樣本“喂”給AI模型——比如文字裏

NLP , 自然語言處理 , 人工智能 , 深度學習 , 核心技術

收藏 評論

u_17213027 頭像

wx676be6175e246 - Android開發中數據打印截斷問題及解決方案探析

在Android開發過程中，開發者常常需要藉助日誌輸出來調試程序或跟蹤數據流程。然而，當遇到JSON數據、長字符串等大規模數據輸出時，經常會出現打印內容被截斷的現象，這給開發調試帶來了不小的困擾。 造成日誌打印不全的主要原因在於Android系統對單條日誌長度的硬性限制。根據Android系統底層實現，Log類的輸出長度被限定在約4KB（4096字

移動開發 , 數據 , Android , 開發者

收藏 評論

u_15777557 頭像

江上清風山間明月 - Android 系統中的ext4 文件系統詳解

這篇來詳細介紹一下 Android 系統中的 ext4 文件系統。 雖然 Android 設備種類繁多，但 ext4 長期以來一直是其系統分區和數據分區的主流和默認文件系統，直到近年來 F2FS 在部分用户分區上開始替代它。 一、什麼是 ext4？ ext4，全稱為 第四代擴展文件系統，是 Linux 操作系統上 ext 文件系統家族的第四個版本。它是 ext3 的直接

指尖人生 , 文件系統 , 移動開發 , F2FS , ext4 , Android

收藏 評論