收藏 / 列表

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

github , 自定義 , 人工智能 , 深度學習 , 開發者

u_13303 頭像

colddawn - STM32F407 cubemx adc注入法加規則

文章目錄 前言 一、ADC 什麼是ADC？ ADC主要特性有那些？ ADC的功能説明 二、實驗步驟 代碼部分講解 代碼示例 總結 前言 本文參考了網上的博文，並加以歸納總結，幫助新手

機器學習 , 初始化 , 採樣週期 , 人工智能 , 寄存器

ivorysql_xiaozhuli 頭像

IvorySQL - 聚焦六大功能：PostgreSQL 18 新特性深度解析

PostgreSQL 全球開發組於 2025 年 5 月 8 日發佈了 PostgreSQL 18 的首個 Beta 版本，正式版也已於 9 月 25 日正式上線。本文 IvorySQL 社區將為大家拆解 PostgreSQL 18 的六大亮點特性。 一、PG 異步 I/O（AIO）框架：邁出打破同步阻塞瓶頸的第一步 PostgreSQL 18 全新引入異步 I/O 子系統。新機制允許特定場景下並

數據庫 , SQL

huizhudev 頭像

HuiZhu - 技術人做活動策劃？這個AI指令幫你搞定專業方案

作為開發者或技術leader，你有沒有遇到過這種情況：老闆突然讓你負責技術沙龍、產品發佈會或者團隊建設活動，你對着PPT發呆半天，不知道從哪兒開始？ 我之前也遇到過。明明寫代碼很溜，一到策劃活動就抓瞎——預算怎麼算？流程怎麼設計？風險怎麼控制？感覺每個環節都是坑。 技術人策劃活動的三大痛點 跟幾個做過活動的技術朋友聊過，大家的困擾出奇一致： 1. 不知道完整流程包含什麼 策劃案要寫哪些部分？

generative-ai , chatgpt , 人工智能 , 活動 , prompt

chunzhendexiaogou 頭像

PoloAPI - 谷歌正式推出 Gemini 2.5 系列模型，使 AI 推理性能提升30%。

谷歌於2025年6月正式推出‌Gemini 2.5系列模型‌，核心聚焦推理效率與多模態能力升級，具體解讀如下： 🚀 ‌一、三大模型定位與技術亮點‌ ‌Gemini 2.5 Pro‌ ‌角色定位‌：主攻複雜推理與多模態分析（“思考型模型”），在數學、編碼任務中刷新LMArena榜單記錄。 ‌上下文能力‌：支持100萬token輸入（計劃擴展至200萬），可解析代碼庫、大型數據集及混合媒

llm , 算法 , google , 人工智能 , 深度學習

puxiaoke6 頭像

一點人工一點智能 - 《C++編程原理與實踐（第3版）》

書籍：Programming: Principles and Practice Using C++ 作者：Bjarne Stroustrup 出版：Addison-Wesley Professional​ 編輯：陳萍萍的公主@一點人工一點智能 下載：書籍下載-《C++編程原理與實踐（第3版）》 01 書籍介紹 《C++編程原理與實踐（第3版）》旨在幫助每一位願意付出

編程語言 , c++ , 人工智能

aloudata 頭像

Aloudata大應科技 - 如何構建可信智能 Data Agent？推薦 Aloudata Agent 分析決策智能體

摘要： 在 AI 與大數據深度融合的當下，數據分析民主化日漸火熱。Aloudata Agent 分析決策智能體依託於統一的指標語義層、NoETL 數據工程體系，以及從智能問數、智能歸因分析到報告生成的端到端數據分析決策閉環能力，突破傳統數據分析 BI 工具的侷限性，能夠幫助企業構建可信智能的 Data Agent，實現以自然語言交互的方式進行自主式數據探查、歸因分析等，並支持構建個性化場景數據分析

agent , 人工智能 , 數據分析

u_16380863 頭像

未聞花名AI - 構建AI智能體：十三、大數據下的“搭積木”：N-Gram 如何實現更智能的語義搜索

一、什麼是 N-gram 核心定義：N-gram 是來自給定文本或語音序列的N 個連續項（如單詞、字符）的序列。它是一種通過查看一個項目的前後文來建模序列的概率模型。 N：代表連續項的數量。 項（Item）：通常是單詞（Word），也可以是字符（Character）或音節。 核心思想：N-gram 模型基於一個簡化的假設：一個詞的出現概

Ngram , yyds乾貨盤點 , 數據 , 似然函數 , NLP , 自定義 , 人工智能