热门 最新 精选 话题 上榜
在当今社会,火灾是一种不可预测的灾害,给人们的生命和财产安全带来了巨大威胁。为了及时有效地应对火灾风险,智能视频监控技术应运而生,成为保障安全的重要利器。LntonAIServer作为一款领先的视频智能分析平台,其烟火检测算法为安防领域注入了新的活力与可能性。LntonAIServer平台的烟火检测算法,不仅仅是一段冷冰冰的代码。它背后蕴含的是对人类生活安全的深切关怀和对技术潜力的无限探索。这个算
AIGC大模型工程师和产品经理学习路径图详细介绍A1阶段:具备的能力:构建提示词来解决具体应用问题,大模型应用阶段,使用闭源商业大模型例如:文心一言、星火大模型、ChatGPT。通俗解释:使用文心一言、星火大模型、ChatGPT等各种AIGC大模型工具,提升工作效率学习内容:A1.1 大模型的发展历程A1.2 大模型提示工程A1.3 Stable DiffusionA1阶段:具备的能力:构建提示词
硬件配置国产龙芯处理器,双核64位系统,板载2GDDR3内存,流畅运行Busybox、Buildroot、Loognix、QT5.12 系统!接口全板载4路USB HOST、2路千兆以太网、2路UART、2路CAN总线、Mini PCIE、SATA固态盘接口、4G接口、 GPS接口WIFI、蓝牙、Mini HDMI、温度传感器、JTAG接口等开发指南更新! 让研发速度快上加快更新包含了开发环境搭建
原创 19分钟前
15阅读
iTOP-2K1000板卡龙芯双核GS264处理器核,CPU功能全部引出
1、概述D02 是一款低功耗全极霍尔开关,用于检测施加的磁通量密度,并提供一个数字输出,该输出指示所感测磁通量幅度的当前状态。这些应用的一个例子是翻盖手机中的 ON/OFF 开关。微功耗设计特别适合电池供电系统,如手机或笔记本电脑,其中功耗是一个主要关注点。D02 在 2.7V 电压下的典型功耗低于 10μW。磁性开关点精确,对工艺和温度变化不敏感。对于 D02 如果施加的磁通密度大于开关阈值,则
原创 35分钟前
0阅读
低功耗全极霍尔开关芯片D02,用于检测施加的磁通量密度,并提供一个数字输出,该输出指示所感测磁通量幅度的当前状态。可应用于手机或笔记本电脑等产品中
瑞芯微RK3568芯片是一款定位中高端的通用型SOC,采用22nm制程工艺,搭载一颗四核Cortex-A55处理器和Mali G52 2EE 图形处理器。RK3568 支持4K 解码和 1080P 编码,支持SATA/PCIE/USB3.0 外围接口。RK3568内置独立NPU,可用于轻量级人工智能应用。RK3568 支持安卓 11 和 linux 系统,主要面向物联网网关、NVR 存储、工控平板
原创 3小时前
21阅读
介绍本文将介绍如何使用pptx和docx库来将PPT中的文字提取到Word中。本文假设你已经安装了python和这两个库。本文的场景是:你需要将一个PPT文件中的所有文字内容提取出来,并按照原来的格式和顺序写入到一个Word文档中。准备工作首先,我们需要导入pptx和docx库,以及其他一些辅助库,如下:import pptx from docx import Document from docx
原创 精选 3小时前
118阅读
指尖人生
Python办公神器:教你批量提取PPT中的文字
微型隔膜液泵作为IVD(体外诊断)医疗设备的关键部件,承担着准确控制和输送试剂与废液等功能。好长一段时间进口品牌都占据着市场主导,但近年来,随着国产微型隔膜液泵在技术和性能上不断提升,国产泵的市场份额在逐渐扩大。尽管如此,国内泵仍面临着稳定性、噪音、寿命以及吸程和扬程等问题。其中威尔特(广州)流体设备的VLP微型隔膜液泵通过不断的技术创新,有效克服了以上诸多问题,表现出其在IVD医疗设备应用中的优
聊天机器人聊天机器人,是一种由机器学习算法驱动的软件程序,旨在通过从用户那里获取文本或语音输入来模拟与用户的类似人的对话。应用范围聊天机器人的用途广泛,例如:在线客服、售后支持、客户接待、预订服务以及提供与客户的7x24小时实时聊天等等。常见支持在目前的技术立场上,大多数公司正在慢慢过渡到使用聊天机器人来提供他们需求的日间服务。每个人都使用的一个很好的例子是 Google Assistant、Ap
在科学研究及其应用中,科学文献分析至关重要,因为它允许研究人员建立在他人工作的基础上。然而,科学知识的快速增长导致了学术文章的大量增加,使得深入的文献分析变得越来越具有挑战性和耗时。大型语言模型(LLMs)的出现为应对这一挑战提供了新的方法。LLMs以其强大的文本摘要能力而闻名,被视为改进科学文献分析的潜在工具。然而,现有的LLMs有其局限性。科学文献通常包括广泛的多模态元素,如分子结构、表格和图表,这对于以文本为中心的LLMs来说难以理解和分析。
本文首发自 HyperAI超神经 hyper.ai 「皮衣黄」再现江湖,又带了满满的高性能产品发布。 「AI 的 iPhone 时刻已经到来。」黄仁勋在英伟达 GTC 2023 上的金句言犹在耳,这一年,AI 的发展也印证了其所言非虚。 多年来,伴随 AI 发展提速,加之英伟达的技术与生态护城河难以撼动,GTC 已经从最初的技术会议逐渐升级为全产业链共同关注的 AI 行业盛会,英伟达秀出的「
在人工智能领域,大模型的运行成本一直是个难题。最近,llama.cpp的作者开始了创业之路,他采用纯C语言框架,力求降低大模型的运行成本,为AI领域带来新的突破。本文将介绍他的创业故事、技术实现以及对未来的展望。
本文介绍了在大模型微调过程中,如何使用INT8、FP4和NF4等量化技术来优化模型性能和提高运行效率。通过实战案例和技术解析,帮助读者了解并掌握这些量化方法,为实际项目中的大模型应用提供指导。
原创 4小时前
25阅读
本文介绍了如何利用AI大模型进行离线生成中英双语字幕的方法,包括使用的工具、步骤以及优势,为字幕制作者提供了更高效、准确的方法。
原创 4小时前
16阅读
小样本类增量学习代表了机器学习领域中一个高度挑战性的议题,其核心目标在于能够在仅有限的数据支持下识别新类别,同时保留对已学习类别的认知,而无须重新训练整个模型。这一目标在模型需适应新类别的同时使用有限训练数据的情况下尤为艰巨。针对上述挑战,我们提出了一种创新性策略,称为多重混合自蒸馏。旨在为类增量学习阶段准备一个具有高度可扩展性和包容性的特征空间。
文 | BFT机器人前言:自从与ChatGPT一起出现以来,OpenAI一直主导着人工智能市场,但它仍处于早期阶段。人工智能的历史可以追溯到几十年之前。但2022年11月ChatGPT的发布使生成式人工智能 (GenAI) 成为人们关注的焦点。从那时起,GenAI就主导了技术领域、董事会、工作场所、政府、教室、家庭等多个场景,而在几乎所有这些场景对话中,OpenAI都占有一席之地。作为GenAI领
施工现场作为一个复杂的工作环境,在施工过程中通常会有大量的人员出入,为了确保施工安全和管理效率,近年来施工升降机AI数人数识别摄像机应运而生。这种摄像机依靠先进的人工智能技术和摄像头设备,能够实时监测和识别施工升降机内部的人数,有效应对可能出现的超载情况,提高了升降机的安全性和运行效率。施工升降机AI数人数识别摄像机的工作原理主要包括图像采集、数据处理和人数识别等环节。摄像机安装在升降机内部,通过
[COCI 2011/2012 #5] EKO / 砍树题目描述伐木工人 Mirko 需要砍 米长的木材。对 Mirko 来说这是很简单的工作,因为他有一个漂亮的新伐木机,可以如野火一般砍伐森林。不过,Mirko 只被允许砍伐一排树。Mirko 的伐木机工作流程如下:Mirko 设置一个高度参数 (米),伐木机升起一个巨大的锯片到高度 ,并锯掉所有树比 高的部分(当然,树木不高于 米的部分保
原创 4小时前
20阅读
预训练大型语言模型(LLMs)在大量文本数据上已成为标准范式。在使用这些LLMs进行许多下游应用时,通常会通过基于RAG的提示或微调,将新知识(例如,时效性新闻或私有领域知识)融入预训练模型中。然而,模型获取这些新知识的最优方法仍然是一个开放问题。本文提出了一种名为Retrieval Augmented Fine Tuning(RAFT)的训练方法,它提高了模型在“开卷”领域特定设置中回答问题的能力。RAFT通过训练模型忽略那些对回答问题没有帮助的文档(我们称之为干扰文档),来实现这一点。
深度学习深度学习是加深了层的深度神经网络加深网络本节我们将这些已经学过的技术汇总起来,创建一个深度网络,挑战 MNIST 数据集的手写数字识别向更深的网络出发基于3×3的小型滤波器的卷积层。激活函数是ReLU。全连接层的后面使用Dropout层。基于Adam的最优化。使用He初始值作为权重初始值。 进一步提高识别精度可以发现进一步提高识别精度的技术和 线索。比如,集成学习、学习率衰减、Data A
原创 5小时前
25阅读
【笔记】深度学习入门:基于Python的理论与实现(六)
前言在近期,国产技术团队Colossal-AI发布了引人注目的消息:他们全面开源了一个类似于OpenAI Sora的视频生成模型——Open-Sora 1.0。这一开源项目不仅包含了全部的训练细节和模型权重,而且其训练成本仅需1万美元,实现了64块GPU的高效复现。此举标志着在文生视频领域,国产技术已迈出了重要的一步,开启了视频创作新纪元的大门。模型概述Open-Sora 1.0继承并超越了Ope
原创 5小时前
30阅读
国产Sora全面开源,Open-Sora公开所有训练细节和模型权重,开箱即用
Redis主从复制的实现主要涉及到配置主节点和从节点,以及确保它们之间的数据同步。以下是实现Redis主从复制的基本步骤:准备Redis文件包:首先,确保你已经下载了适当版本的Redis文件包,并解压缩到合适的目录。配置主节点:编辑主节点的配置文件(通常是redis.conf),确保没有设置任何与从节点相关的配置。主节点将负责处理写操作和一部分读操作。配置从节点:对于每个从节点,编辑其配置文件,并
原创 5小时前
19阅读
Docker上传镜像到对应的项目在Docker中,上传镜像是非常常见的操作,尤其是在团队协作和部署项目时。本教程将介绍如何将本地构建好的Docker镜像上传到Docker Hub 或其他Docker镜像仓库中,并将其与对应的项目关联起来。准备工作在开始上传之前,确保已经完成以下准备工作:安装Docker并正确配置环境已经在Docker Hub 或其他Docker镜像仓库中创建了对应的项目步骤1.
原创 5小时前
16阅读
Docker容器加入Kubernetes集群在实际的容器化项目中,通常会使用Docker作为容器化技术,并借助Kubernetes作为容器编排和管理工具。本篇技术博客将介绍如何将已经创建的Docker容器加入到Kubernetes集群中。准备工作在开始之前,确保你已经搭建好一个运行中的Kubernetes集群,并且已经具备基本的Kubernetes知识。另外,你需要有一个运行中的Docker容器,
原创 5小时前
31阅读
Docker拷贝本地镜像在Docker中,我们经常需要在不同主机之间传输镜像,有时候我们希望将本地构建的镜像复制到另一台主机上。本文将介绍如何在Docker中拷贝本地镜像到另一台主机上的步骤。我们将使用docker save和docker load命令来实现这一目标。步骤步骤1:保存本地镜像为tar文件首先,我们需要将本地镜像保存为一个tar文件。在本地机器上执行以下命令:bashCopy cod
原创 5小时前
18阅读
Redis主从备份和主从复制是两个紧密相关但略有不同的概念。主从复制是Redis实现高可用性的重要手段之一。在这种配置中,一个Redis节点被指定为主节点(Master),它负责处理所有的写操作(如SET、DEL等)和部分读操作。其他Redis节点作为从节点(Slave),它们会复制主节点的数据,主要用来处理读请求,以分担主节点的压力。这种配置还有助于数据的备份和故障恢复,因为当主节点出现故障时,
原创 6小时前
25阅读
数据获取 一般在数据获取之前会先做个知识建模,建立知识图谱的数据模式,可以采用两种方法:一种是自顶向下的方法,借助开源的结构化数据,专家手工编辑形成数据模式;另一种是自底向上的方法,基于行业现有的标准进行转换或者从现有的高质量行业数据源中进行映射。数据建模都过程很重要,因为标准化的 schema 能有效降低领域数据之间对接的成本。 数据类型:1.结构化数据,如关系型数据库;2.非结构化数据,如图片
原创 6小时前
16阅读
## PyTorch GPU 内存占用低 随着深度学习技术的飞速发展,GPU 成为训练深度神经网络的重要工具之一。PyTorch 是一个流行的深度学习框架,它的灵活性和易用性受到广泛认可。在使用 PyTorch 进行深度学习模型训练的过程中,我们通常会遇到 GPU 内存占用过高的问题。本文将介绍如何通过优化代码和调整 PyTorch 的设置来降低 GPU 内存占用。 ### PyTorch G
原创 9小时前
0阅读
# PyTorch中的频谱图(Spectrogram) 在信号处理和机器学习领域,频谱图是一种常用的特征提取方法,用于将音频信号转换为频率-时间图。频谱图在语音识别、音乐信息检索等任务中发挥着重要作用。PyTorch是一个流行的深度学习框架,提供了丰富的工具和库,可以方便地创建和处理频谱图。 ## 什么是频谱图? 频谱图是一种将时间序列信号转换为频率-时间图的方法,通常用于分析信号的频率成分
原创 9小时前
0阅读
# PyTorch中获取Tensor索引的方法 在PyTorch中,我们经常需要获取tensor中的某个元素或者某个范围的元素。这时候,我们就需要使用PyTorch提供的方法来获取tensor的索引。本文将介绍几种获取tensor索引的方法,并附上相应的代码示例。 ## 1. 通过索引获取单个元素 我们可以通过索引来获取tensor中的单个元素,这时候需要使用`tensor[index]`的
原创 9小时前
0阅读
# 使用GPU在PyTorch中确定模型是否使用GPU 在深度学习领域,GPU是必不可少的工具,它能够显著加速模型的训练过程。PyTorch作为一种主流的深度学习框架,也提供了GPU加速的支持。在本文中,我们将介绍如何确定PyTorch模型是否在GPU上运行,并提供相应的代码示例。 ## GPU加速在深度学习中的作用 GPU是图形处理器的简称,它可以处理大量并行计算,能够加速深度学习模型的训
原创 9小时前
19阅读