博客 RSS 訂閱

ziwupython 頭像

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

一、介紹 車型識別系統，基於TensorFlow搭建卷積神經網絡算法，通過對6種常見的車型車輛圖片數據集（'SUV', '吉普車', '家用轎車', '巴士', '貨車', '麪包車'）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、卷積神經網絡算法 具體功能： 系統分為管理員

圖像識別 , 人工智能 , 深度學習

收藏 評論

u_16175512 頭像

mob649e81673fa5 - python 怎麼調用 llama

在當下的機器學習與人工智能技術快速發展的背景下，Python 作為一種廣泛使用的編程語言，尤其在調用大型語言模型方面表現出了強大的能力。其中，LLaMA（Large Language Model Meta AI）也是當前研究的熱點之一。然而，許多開發者在嘗試使用 Python 調用 LLaMA 時，遇到了各種各樣的問題。 問題背景 在使用 Python 調用 LLaMA 時，我經

配置文件 , 加載 , aigc , Python

收藏 評論

u_16175466 頭像

mob649e815c3b9e - LLaMaFactory多卡訓練結果比單卡差

LLaMaFactory多卡訓練結果比單卡差的問題引起了不少關注。面對這個技術挑戰，本文將通過多個結構模塊來逐步分析、解決、並記錄下這一過程。 版本對比 不同版本的LLaMaFactory在多卡訓練和單卡訓練中的表現上存在明顯差異。根據各版本的特性，我們可以通過以下四象限圖看出在多卡場景下的適用程度與表現。 quadrantChart title 性能對比四象限圖 x

正常運行 , 配置文件 , 依賴庫 , aigc

收藏 評論

u_16213350 頭像

mob64ca12dcc794 - stable diffusion lora代碼

在藝術和科技的交匯點，深度學習圖像生成技術如“Stable Diffusion”正在快速演進。在這個背景下，如何利用“LoRA”（Low-Rank Adaptation）技術來優化和定製模型，成為了一個重要的話題。通過記錄解決“stable diffusion lora代碼”問題的過程，我將其分為幾個模塊：背景定位、演進歷程、架構設計、性能攻堅、覆盤總結與擴展應用。 在背景定位中，我

技術選型 , 架構設計 , aigc , 深度學習

收藏 評論

u_16175508 頭像

mob649e81664bd9 - vscode Copilot 安裝使用

vscode Copilot 是一個由 GitHub 提供的智能代碼助手，可以極大地提高開發效率。本文將詳細介紹其安裝和使用過程，包括環境準備、分步指南、配置詳解、驗證測試、優化技巧和排錯指南。 環境準備 在安裝 vscode Copilot 之前，需要確保開發環境符合相應的軟件和硬件要求。 組件 要求 版本兼容性

新版本 , aigc , ci , Ubuntu

收藏 評論

u_16213360 頭像

mob64ca12df5e97 - ollama windows系統參數設置

在使用“ollama”這一工具在Windows系統上設置參數時，許多人常常會遇到各種問題。這篇文章將逐步解析如何成功進行“ollama windows系統參數設置”，包括背景定位、參數解析、調試步驟、性能調優、排錯指南和最佳實踐等內容。 背景定位 在開發和運行“ollama”工具時，Windows系統的參數設置對其性能影響極大。如果參數設置不當，可能會導致應用運行緩慢或無響應，給

參數設置 , 排錯 , aigc , ci

收藏 評論

u_16175521 頭像

mob649e8169b366 - virtual studio 2019 安裝copilot

在這篇博文中，我們將詳細説明如何在 Visual Studio 2019 中安裝 Copilot。此過程涵蓋了環境準備、分步指南、配置詳解、驗證測試、優化技巧以及擴展應用的各個方面，確保您能順利完成安裝並使用 Copilot。 環境準備 在安裝 Copilot 之前，確保您的開發環境符合以下軟硬件要求： 硬件要求 操作系統: Windows 10 或更高版本

aigc , 運行測試 , Visual , Python

收藏 評論

u_16213380 頭像

mob64ca12e41d46 - ollama run 嵌入式模型

在現代的 IT 職業生涯中，我們經常會遇到各種各樣的問題。在這篇博文中，我將分享我解決“ollama run 嵌入式模型”相關問題的經歷，包括我所經歷的每一個步驟。對於需要在嵌入式環境中運行的模型而言，調試會變得非常複雜，而我正是通過這一過程深化了對該模型的理解。 問題背景 在我們項目中，我和我的團隊正在致力於利用“ollama run”命令來部署一個嵌入式機器學習模型。然而，在

錯誤日誌 , 嵌入式 , 錯誤碼 , aigc

收藏 評論

u_16175453 頭像

mob649e81593bda - 免費AIGC使用

在當今快速發展的技術環境中，免費使用AIGC（人工智能生成內容）工具的需求日益增加。然而，如何高效且安全地實現這種“免費AIGC”使用，成為了許多用户面臨的挑戰。在這篇博文中，我將詳盡記錄我們在解決這一問題過程中的各個步驟和技術細節。 用户場景還原 想象一下，一個項目團隊希望利用AIGC生成營銷文案，提升內容創作效率。在經過多次嘗試後，他們發現，雖然工具讓內容生成變得簡單，但由於

API , aigc , JAVA , Json

收藏 評論

u_16213351 頭像

mob64ca12dd07fb - AIgc 生成測試用例

在當今的軟件開發流程中，自動化測試變得愈發重要，尤其是在面臨着複雜的系統和高頻率迭代的環境下。“AIgc 生成測試用例”技術為我們提供了一種生成自動化測試用例的方案，從而改善我們對系統的驗證過程。本文將深入探討如何解決“AIgc 生成測試用例”的問題，具體包括協議背景、抓包方法、報文結構、交互過程、字段解析及逆向案例等方面的內容。 協議背景 在軟件工程的背景下，隨着技術的不斷髮展

抓包 , 字段 , 測試用例 , aigc

收藏 評論

u_16213367 頭像

mob64ca12e10b51 - llama_cpp_python gpu 版本安裝

llama_cpp_python gpu 版本安裝是一項旨在充分利用圖形處理單元（GPU）進行高效計算的工作。以下是關於如何成功安裝該版本的詳細指南。 環境準備 在準備開始安裝之前，我們需要確保我們的硬件和軟件環境滿足要求。 前置依賴安裝 # 安裝基本依賴 sudo apt update sudo apt install build-essential python3-d

bash , aigc , CUDA , Python

收藏 評論

u_16213459 頭像

mob64ca12f6e9a0 - 在python環境調用llama3

在Python環境調用LLaMA3的實現過程可以分為幾個部分，包括環境準備、集成步驟、配置詳解、實戰應用、排錯指南與生態擴展。下面詳細記錄如何將這些部分整合，形成一個完整的工作流。 環境準備 要在Python環境中順利調用LLaMA3，需要確保您的技術棧兼容性良好。該模型通常與以下技術棧兼容： Python 3.x PyTorch 1.9+ CUDA 10

技術棧 , API , aigc , Python

收藏 評論

ouysh1981 頭像

aqi00 - FFmpeg開發筆記（九十二）基於Kotlin的開源Android推流器StreamPack

​《FFmpeg開發實戰：從零基礎到短視頻上線》一書的“10.2 FFmpeg推流和拉流”提到直播行業存在RTSP和RTMP兩種常見的流媒體協議。除此以外，還有於2017年推出的SRT協議，相比常見的RTMP協議，SRT協議具有更低的延遲，並且消除了卡幀、抖動等花屏現象。 因為SRT是個較新的直播協議，所以手機端支持SRT的開源框架比較稀有，比如本文介紹的StreamPack就是屈指可數的SRT開

Kotlin , 音視頻 , Android , 直播 , ffmpeg

收藏 評論

gptmirrors 頭像

GPTMirrors - JS 實現指定 UA 訪問網站跳轉彈窗提醒，解決夸克等瀏覽器兼容性問題

在近期的網站使用過程中，我們發現來自部分移動端瀏覽器（尤其是 夸克瀏覽器、UC 瀏覽器、百度 APP 內置瀏覽器、微信內置瀏覽器）的訪問量雖然不低，但這些瀏覽器在解析網頁腳本、CSS 動畫、內嵌組件等方面存在一定兼容性問題，導致頁面在這些環境中出現： 佈局錯亂 按鈕點擊無反應 JS 邏輯異常 視頻、音頻組件無法正常加載 這些問題嚴重影響了用户體驗。經過多次調試和對比測試，我們最終決定對

前端 , Javascript

收藏 評論

lanyiyun666 頭像

藍易雲 - 藍易雲cdn:ArrayList和Vector及Vector的區別

結論先拋出來：在今天的 Java 項目裏，絕大多數場景都應該用 span style="color:red"ArrayList/span，而不是 span style="color:red"Vector/span。span style="color:red"Vector 基本已經是“歷史兼容”角色/span，只在極少數老系統或特殊場景才需要保留。🙂 一、ArrayList 和 Vector 的

kubernetes , devops , serverless , Docker , apache

收藏 評論

lanyiyun666 頭像

藍易雲 - 藍易雲cdn:web端實現rtsp實時推流視頻播放可行性方案

從結論先説：span style="color:red"RTSP 流在瀏覽器裏無法“原生直接播放”，必須做協議中轉/span。可行的工程方案，核心都是： 📡 攝像頭/編碼器（RTSP） → 協議網關/轉碼 → span style="color:red"WebRTC / LL-HLS / WebSocket/span → Web 播放器 → span style="color:red"藍易

服務器 , 微服務 , Debian , Nginx , Ubuntu

收藏 評論

tongkudezicai_c7db2r 頭像

張飛簽名上架 - 2025年主流蘋果簽名工具橫向對比

在iOS生態閉環特性下，蘋果簽名工具始終是開發者測試分發、企業內部應用部署的核心支撐。2025年，隨着蘋果風控體系升級與AI技術賦能，簽名工具市場呈現“合規化、智能化、場景化”三大趨勢。本文聚焦當前主流的四類簽名工具，從技術原理、穩定性、成本、適用場景等維度展開橫向對比，為不同需求用户提供選型指南。 首先是企業簽名工具，以ioszf企業版為代表（更多關於簽名的信息：iOS簽名-超級籤企業籤TF籤）

ios

收藏 評論

smalbox 頭像

SmalBox - 【基礎】Unity着色器編程的語言和數學基礎介紹

【Unity Shader Graph 使用與特效實現】專欄-直達 着色器編程語言基礎 Unity URP（Universal Render Pipeline）管線中主要支持三種着色器語言：GLSL（OpenGL Shading Language）、CG（C for Graphics）以及HLSL（High-Level Shading Language）。這些語言均基於C語言的語法結構，並針

遊戲開發 , unity3d , 圖形學

收藏 評論

u_16175514 頭像

mob649e81680b4f - stablediffusion煉丹顯卡

通過使用stable diffusion模型進行圖像生成，許多用户會遇到性能優化、顯卡利用率等問題。下面我們就來詳細聊聊“stablediffusion煉丹顯卡”問題的解決過程，涵蓋協議背景、抓包方法、報文結構、交互過程、字段解析及異常檢測等方面。 協議背景 在討論stablediffusion的相關技術時，瞭解協議的背景是非常重要的。四象限圖能夠幫助我們更清晰地瞭解這些協議的整

抓包 , 字段 , 數據 , aigc

收藏 評論

yuhaibao324 頭像

DeepSeaAI - RAG（檢索增強生成）分類與開發框架

RAG（檢索增強生成）分類與開發框架 概述 RAG（Retrieval-Augmented Generation）是一種結合檢索機制與大型語言模型的技術範式，通過從外部知識源檢索相關信息來增強生成模型的準確性和可靠性。 一、RAG 分類體系 1. 按架構分類 類型 特點 適用場景

數據集 , 分塊 , pytorch , 人工智能 , 開發框架

收藏 評論

u_16175523 頭像

mob649e816a3664 - R語言登錄copilot

在數據科學的領域，R語言的靈活性和豐富的生態系統使其成為許多分析和建模任務的首選工具。然而，最近在使用R語言登錄Copilot過程中，出現了一些問題。以下是解決這一問題的詳細過程，涵蓋環境配置、編譯過程、參數調優、定製開發、性能對比和生態集成等方面。 環境配置 為了使用R語言成功登錄Copilot，首先需要進行環境配置。以下是配置流程： flowchart TD A[

優先級 , aigc , 編譯過程 , 調優

收藏 評論

yuhaibao324 頭像

DeepSeaAI - 智能體開發框架選型與技術架構深度分析

智能體開發框架選型與技術架構深度分析 一、智能體開發框架技術架構深度剖析 1.1 LangChain 框架技術架構 LangChain 作為 AI 應用開發的核心框架，其技術架構在 2024-2025 年經歷了重大演進。當前的 LangChain 3.0 版本實現了歷史性的架構重構，將框架解構為三個核心層級：開發層、工程化層和部署層(1)。 在模塊化架構設計方面，Lang

任務分配 , 技術架構 , pytorch , 架構設計 , 人工智能

收藏 評論

u_16213310 頭像

mob64ca12d2dee8 - ollama modelfile 多個guff文件

在現代 IT 環境中，特別是在使用 ollama 框架進行機器學習模型開發時，處理模型文件的工作顯得尤為重要。然而，最近我們團隊遇到了一個問題：ollama modelfile 多個 guff 文件。下面就來詳細描述這個問題的背景、表現、分析、解決方案和後續優化措施。 問題背景 在開發和維護機器學習模型時，模型文件的管理至關重要。在使用 ollama 環境時，我們曾遇到多個 gu

加載 , 錯誤碼 , aigc , 解決方案

收藏 評論

yuhaibao324 頭像

DeepSeaAI - 智能體開發框架選型決策樹V2

四大框架的技術架構和典型應用案例，通過結構化拆解讓選型邏輯更貼合實際開發場景，同時優化決策樹的實用性和參考價值。 智能體開發框架選型決策樹 各框架核心信息補充説明 LlamaIndex 架構亮點：核心優勢在索引優化，提供Llama Parse組件支持複雜文檔解析，Workflows引擎可編排多步驟異步流程，索引層支持增量更新和量化壓縮，兼顧精

應用層 , 技術架構 , pytorch , 人工智能 , 結構化

收藏 評論