博客 RSS 訂閱

horizondeveloper 頭像

地平線智駕開發者 - 征程 6 | QAT 新版 qconfig 量化模板使用教程

1.前言 隨着 征程 6 芯片家族的陣容不斷壯大，算法工具鏈在量化精度方向的優化也在持續深入，具體體現在兩個方面： 征程 6P 與 征程 6H 工具鏈已陸續進入發佈和試用階段，在此背景下，QAT（量化感知訓練）需要以更高效的方式適配算子的浮點計算能力，以確保量化精度和用户的使用體驗； MatMul、Conv、Linear 等 Gemm 類算子目前已正式支持雙 int16 輸入，這一改進有助於

自動駕駛 , 算法

收藏 評論

u_16213421 頭像

mob64ca12edea6e - teams Copilot 翻譯功能怎麼用

在日常的辦公協作中，Microsoft Teams 已經成為許多企業溝通和協作的主要平台。為了解決跨語言交流帶來的障礙，Teams Copilot 帶來了翻譯功能，使用户能夠快速、準確地翻譯信息。本文將深入探討“teams Copilot 翻譯功能怎麼用”的問題，詳細記錄解決過程，包括背景、現象、根因、解決方案、驗證測試和優化建議。 問題背景 在一個典型的企業場景中，眾多團隊成員

aigc , 解決方案 , 目標語言 , Json

收藏 評論

u_16077267 頭像

mb643e0d0904d99 - 有個人Linux服務器之後可以幹些啥

在接觸到Linux服務器之後，逐漸被其功能所吸引，現在也在其本地的虛擬機裏部署了一個Ubuntu服務器，當然這只是本地的，還有其硬件設備和雲服務器就不在這裏講了！ 創建好服務器之後，我首先做了以下幾件事情： 1、更新好了系統 2、安裝好了vim、htop、neofetch、寶塔、git等環境 3、安裝了docker（後續很多都需要用到docker）

服務器 , 思維導圖 , 運維 , Docker

收藏 評論

u_16175512 頭像

mob649e81673fa5 - LINUX ollama配置文件位置

在Linux平台上配置Ollama時，很多人會遇到配置文件位置的問題。本文將詳細講解如何解決該問題，從環境準備到擴展應用，以下是我的記錄過程。 環境準備 在開始之前，我們需要準備一個合適的環境。確保你的Linux系統已安裝基本的開發工具和網絡工具。在這個過程中，前置依賴需要完成以下幾步： 更新軟件包 安裝Git 安裝Python 3 # 更新軟件

配置文件 , aigc , Git , Python

收藏 評論

user_sg59bsuq 頭像

user_sg59bsuq - 打造專屬知識大腦：個人電腦上的本地私有知識庫全攻略

打造專屬知識大腦：個人電腦上的本地私有知識庫全攻略 為什麼你需要一個本地私有知識庫？ 想象一下：當你突然需要查找半年前讀過的那篇精彩文章，或者在會議中急需某個重要數據，卻發現自己收藏的內容散落在微信、瀏覽器、筆記軟件等十幾個地方...這種場景是不是很熟悉？ 在信息爆炸的時代，我們每天都在接收海量信息，但真正能內化為個人知識資產的卻少之又少。這就是為什麼你需要一個本地私有知識庫——它就像是為你的大腦

教程 , 人工智能 , 知識庫

收藏 評論

lying7 頭像

躺柒 - 讀社會工程：防範釣魚欺詐（卷3）05讀後總結與感想兼導讀

1.基本信息 社會工程：防範釣魚欺詐（卷3） （美）海德納吉（Christopher Hadnagy） 肖詩堯 譯，人民郵電出版社2016年9月 1.1.讀薄率 書籍總字數10.8萬字，筆記總字數16311字。 讀薄率16311÷108000≈15.1% 1.2.讀厚方向 當我點擊時，算法在想什麼？ 算法霸權 極簡算法史：從數學到機器

企業信息化

收藏 評論

u_16213450 頭像

mob64ca12f4d1ad - langchain連接ollama從數據庫查詢內容

在現代應用開發中，實現“langchain連接ollama從數據庫查詢內容”的過程變得越來越重要。這種實現不僅可以提高數據訪問的效率，還有助於構建智能應用。本文將以輕鬆的語氣覆盤這一過程，涵蓋備份策略、恢復流程、災難場景等多個方面，並使用合適的可視化工具幫助理解。 備份策略 為了確保數據的安全與可用性，我們需要制定全面的備份策略。這一策略可以用思維導圖概述，同時存儲架構也需要清晰

數據 , 最佳實踐 , aigc , SQL

收藏 評論

u_16213338 頭像

mob64ca12d9b014 - anythingllm加載不了ollama模型

出現“anythingllm加載不了ollama模型”的問題通常會影響到開發和部署工作，尤其是在需要將大型模型整合進現有系統時。 在這一背景下，很多開發者在使用 anythingllm 來加載 ollama 模型時，遇到了一些困難。系統未能正確識別模型，導致無法完成其指定的功能。這種現象不僅阻礙了開發進程，還對項目的整體進度產生了負面影響。 現象描述 開

依賴庫 , 加載 , 網絡連接 , aigc

收藏 評論

u_15878077 頭像

qife122 - 在AI技術快速實現創意的時代，挖掘項目管理系統新需求成為關鍵

內容描述 核心功能定位：該項目是一個基於某知名PHP框架構建的項目管理系統，專注於提供完整的項目與工單管理解決方案，支持團隊協作和進度跟蹤。 關鍵應用場景：適用於各類團隊的項目管理需求，包括項目規劃、任務分配、進度監控、團隊協作等場景，特別適合需要精細化任務管理的開發團隊和項目組。 功能特性 項目與工單管理：支持項目創建、工單前綴配置、狀態跟蹤和優

yyds乾貨盤點 , 辦公效率 , 項目管理系統 , AI協作 , 需求分析

收藏 評論

u_16213305 頭像

mob64ca12d1a59e - langchain 本地知識庫 持久化

在現代 IT 領域，使用基於 langchain 的本地知識庫進行信息檢索與管理已日益普及。儘管這項技術非常強大，用户在實際應用中常常面臨持久化的問題。為了更好地服務於用户，將下面的內容介紹如何解決“langchain 本地知識庫 持久化”這一課題。 用户場景還原 在某公司，開發團隊希望構建一個知識庫系統，以便存儲並快速檢索技術文檔和常見問題的解答。以下是具體的場景還原：

數據丟失 , 持久化 , aigc , 解決方案

收藏 評論

u_16213441 頭像

mob64ca12f2c96c - copilot chat用不了

當你嘗試使用 Copilot Chat，卻發現它無法正常工作的情況，通常會讓人十分沮喪。隨着技術的發展，類似的問題也越來越常見。為了幫助大家更好地應對這類情況，本文將分幾個部分詳細解析解決“Copilot Chat 用不了”的過程。 背景定位 隨着人工智能技術的興起，特別是在編程和開發領域，各種智能助手如 Copilot Chat 逐漸成為開發者工作的好幫手。然而， 技術的演進並

System , 市場份額 , aigc , 開發者

收藏 評論

u_16175517 頭像

mob649e8168b406 - StableDiffusion啓動 提示需要python

在處理“StableDiffusion啓動 提示需要python”這一問題時，我逐步記錄下了整個解決過程。此博文將涵蓋我在解決這一問題的過程中所涉及的重要章節，包括版本對比、遷移指南、兼容性處理、實戰案例、排錯指南以及性能優化。 版本對比 在不同版本的StableDiffusion中，Python版本的要求有所不同，這直接影響了啓動過程。以下是版本演進史以及其特性差異的展示。

性能優化 , 不同版本 , 自動化工具 , aigc

收藏 評論

u_17550698 頭像

小雯AIGC - 阿里千問發佈 Z-Image：在 16GB GPU 上從 0 跑通並部署成在線 API（實戰）

最近做 AI 圖像生成的事情，一路試下來我覺得一個很現實的問題是：高質量模型對顯存要求太高，很多人只有 16GB 顯存的顯卡（比如 4070），就很頭疼。阿里千問工作室（Alibaba Qianwen Studio）剛發佈的 Z-Image（6B 參數）給了一個不錯的折中：性能夠用且對顯存友好。 這篇是一步步的實戰教程——從準備環境、把官方模型跑通，到把它封裝成一個對外的生

github , Z-Image , 通義千問 , AI , 阿里雲 , aigc , AI作畫

收藏 評論

nancheng_692928b663b3c 頭像

南城 - 連接池的價值與風險——池化提升與資源枯竭的雙刃劍，關鍵指標如何解讀

連接池是現代應用架構中的基礎設施，用好了是性能加速器，配置不當則成為系統崩潰的導火索 在數據庫應用系統中，連接管理是影響性能的關鍵因素之一。數據庫連接池通過池化技術將昂貴的數據庫連接進行復用，顯著提升了系統性能，但不當的配置和使用也會導致資源枯竭甚至系統崩潰。本文將深入探討連接池的工作機制、優化策略以及風險防範，幫助開發者掌握這一強大而危險的工具。 1 連接池的本質與演進歷程 1.1 連接池解決的

JAVA

收藏 評論

u_16213297 頭像

mob64ca12cfa7d5 - ollama鏡像安裝

在本博文中，我們將探討如何解決“ollama鏡像安裝”問題的全過程，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。希望這個清晰的結構能夠幫助讀者高效地解決類似問題。 環境準備 在啓動“ollama鏡像安裝”之前，確保你的系統滿足以下軟硬件要求： 項目 最低要求 推薦要求

bash , aigc , Docker

收藏 評論

u_16213375 頭像

mob64ca12e2f123 - linux 查看 ollama是否可以 外網訪問

在日常的開發中，尤其是在使用Linux環境時，我經常需要檢查服務的外部可訪問性。最近，我遇到了一個問題：如何在Linux上查看Ollama是否可以外網訪問。下面我將詳細記錄我解決這個問題的過程，包括版本對比、遷移指南、兼容性處理、實戰案例、排錯指南和性能優化。 版本對比 在開始之前，我們先來看看Ollama的不同版本之間的特性差異。這些差異可能會影響外部訪問的配置和功能。 q

性能優化 , 外網訪問 , 配置文件 , aigc

收藏 評論

aipaobudexiangjiao_cktinz 頭像

愛跑步的香蕉_cKtiNz - AI技術驅動下的招聘行業轉型

AI技術驅動下的招聘行業轉型 當前招聘領域正經歷深刻變革，智能化轉型已成為不可逆轉的趨勢。過去一年間，人力資源行業在AI技術的推動下呈現出明顯的分化態勢：部分企業仍採用傳統的人工篩選、溝通方式，而領先企業已實現全流程智能化管理。 多項數據顯示，AI技術正在重塑招聘行業的效率標準，具體表現為以下案例與數據： •智聯招聘採用AI全託管系統後，招聘週期縮短40%； •某大型國有銀

人工智能

收藏 評論

u_16213434 頭像

mob64ca12f10f72 - visual studio使用github copilot

在當今的軟件開發環境中，人工智能的輔助編程工具越來越受到關注。尤其是GitHub Copilot，這款基於 OpenAI 技術的智能代碼補全工具，為開發者提供了一種全新的編程體驗。本文將深入探討如何在 Visual Studio 中使用 GitHub Copilot，分析其背景、性能、特性，並通過實戰對比和選型指南，幫助你更好地適應這一工具。 背景定位 在全球範圍內，開發者面臨着

軟件開發 , aigc , 代碼補全 , 開發者

收藏 評論

ouysh1981 頭像

aqi00 - FFmpeg開發筆記（九十）採用FFmpeg套殼的音視頻轉碼百寶箱FFBox

​FFmpeg是個經典的音視頻處理開源框架，可是FFmpeg僅提供命令行方式，通過FFmpeg剪輯音視頻只能在命令行下面操作，從而限制了普通用户掌握FFmpeg。 雖然《FFmpeg開發實戰：從零基礎到短視頻上線》一書不僅給出了基於FFmpeg函數調用的示例代碼，也給出了具體的ffmpeg操作命令，從而兼具FFmpeg的代碼開發教程與FFmpeg的命令使用手冊兩種用途。但是普通用户並非開發者，用户

音視頻 , 直播 , 流媒體 , ffmpeg

收藏 評論

smalbox 頭像

SmalBox - 【URP】Unity[內置Shader]非光照Unlit

【從UnityURP開始探索遊戲渲染】專欄-直達 URP內置Unlit Shader的作用與原理 Unlit Shader是Unity通用渲染管線(URP)中的基礎着色器，主要用於渲染不受光照影響的物體。其核心原理是通過直接採樣紋理或顏色值輸出到屏幕，跳過了複雜的光照計算流程。這種着色器特別適合UI元素、粒子特效、全息投影等需要保持恆定亮度的場景，因為它的渲染結果不會隨光照環境變化而改變。

遊戲開發 , unity3d , 圖形學

收藏 評論

u_16213300 頭像

mob64ca12d06991 - 怎麼查看ollama的鏡像保存位置

在使用Ollama進行機器學習模型開發時，瞭解模型鏡像的保存位置是一個基礎而重要的問題。本文將詳細介紹如何查看Ollama的鏡像保存位置，包括從用户場景引入、問題分析、技術原理、解決步驟、驗證測試及優化建議等多個方面。 用户場景還原 作為一名開發者，當我構建一個新的機器學習模型並使用Ollama進行訓練時，我希望清楚地知道鏡像是如何存儲的，以便有效地使用和管理這些資源。假設我們有

工具鏈 , bash , aigc , JAVA

收藏 評論

u_16213346 頭像

mob64ca12dba5b0 - AIGC測試數據集

AIGC測試數據集是指用於評估和優化人工智能生成內容（AIGC）模型性能的專用數據集。隨着人工智能技術的迅速發展，如何建立高質量的測試數據集已成為衡量AI模型效果的關鍵。有了這些數據集，開發者可以更有效地調試和優化模型，確保其在真實環境中的表現。以下將詳細講述如何解決“AIGC測試數據集”相關的問題。 背景定位 自2021年底，AIGC逐漸成為行業熱點。2022年，多個企業投入大

數據集 , 測試數據 , aigc , 人工智能

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 集成電路設計中的IP核心價值：加速創新的基石

在集成電路（IC）設計的世界裏，知識產權（Intellectual Property，簡稱 IP）已經成為推動創新與效率的關鍵力量。它不僅縮短了設計週期，還為工程師們提供了更多專注於差異化和前沿探索的空間。今天，就讓我們走進IC設計中的IP，揭示它的重要性與最佳實踐。 1、為什麼IP如此重要？ 在複雜的IC設計過程中，IP扮演着“現成積木”的角色。它們是經過驗證、可複用的功能模

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

u_16175443 頭像

mob649e8156b567 - stable diffusion隨機種子

在使用Stable Diffusion進行圖像生成時，隨機種子的管理與調整極為重要，它直接影響生成結果的多樣性和重複性。本博文將詳細介紹在不同版本的Stable Diffusion中隨機種子的問題處理過程，包括版本對比、遷移指南、兼容性處理、實戰案例、排錯指南以及性能優化的建議。 版本對比 隨着時間的推移，Stable Diffusion經歷了多個版本的迭代，每個版本都引入了新的

性能優化 , 不同版本 , aigc , 代碼塊

收藏 評論