博客 RSS 訂閱

u_16213361 頭像

mob64ca12df9869 - llama 使用gpu設置

在現代深度學習應用程序中，GPU（圖形處理單元）能夠顯著提高訓練和推理的速度。而在使用 Llama（一個開源的語言模型）時，正確配置 GPU 設置是提高性能的關鍵。本文將詳細闡述如何設置 Llama 使用 GPU，以便最大化其處理能力，並在過程中解決可能遇到的問題。 背景定位 當我首次嘗試使用 Llama 進行文本生成時，我很快意識到啓用 GPU 設置的重要性。訓練和推理的時間成

aigc , 配置項 , CUDA , 子節點

收藏 評論

u_12207 頭像

衞斯理 - spark sql中over函數range和rows框架

本文基於 sqlite3 進行測試，準備工作如下 import sqlite3 conn = sqlite3.connect('window.db') cur = conn.cursor() ##### 原始數據 sql = '''select * from window;''' cur.execute(sql) print(cur.fetchall()) #

spark , 大數據 , sqlite , SQL , 窗口函數

收藏 評論

u_16175455 頭像

mob649e8159b30b - langchain embedding 本地

在使用 langchain 進行本地嵌入（embedding）時，我們需要理解其背景、抓取數據的方法、消息的結構以及如何處理這些數據。在這一過程中，我們也會提到異常檢測和工具鏈的集成。讓我們一步一步走過這個過程。 協議背景 在人工智能與自然語言處理領域，langchain 是一個流行的開發框架，它使得實現語言模型的嵌入（embedding）更加方便。我們可以利用它的豐富功能來構建

sed , 異常檢測 , 工具鏈 , aigc

收藏 評論

u_16099209 頭像

雲端夢想家 - coremail運維資料

新一代應用統一部署管理平台 Seal AppManager 採用平台工程的理念，通過降低基礎設施操作的複雜度為研發和運維團隊提供易用、一致的應用管理和部署體驗。Seal AppManager 幫助研發和運維團隊實現關注點分離，即運維工程師負責基礎建設，研發可以在零基礎設施知識的情況下實現應用部署管理。 本文以運維和研發兩個視角，介紹如何通過Seal Ap

機器學習 , coremail運維資料 , 運維 , 人工智能 , Docker , ui

收藏 評論

u_16213311 頭像

mob64ca12d32849 - ollama anythingllm 流程

在現代 AI 領域，"ollama anythingllm 流程" 是一個讓人興奮而又複雜的話題。通過這篇文章，我將記錄下自己在解決這一問題過程中所經歷的步驟與技術細節，從環境準備到優化技巧，逐步深入探討每個環節。 環境準備 在正式開始之前，首先要確保我們有一個合適的軟硬件環境支持我們的操作。如下表為您提供了一些軟硬件要求，以及相關的版本兼容性矩陣。

數據 , aigc , ci , Python

收藏 評論

u_16213608 頭像

mob64ca13fe62db - kubernetes oom 內存越大越容易被殺

ThinkPHP執行長時間任務時，可能導致PHP使用內存越來越大，最後因為內存超出配置限額而程序掛掉。　　 其實這在很久以前就無意之中發現的一個問題。 3.x之前有這個問題，5.0以後的，應該是已修復了的（我看了下5.0.6）。 這個問題，一句話説明，是因為ThinkPHP在記錄系統日誌的時候出現的問題（ThinkPHP在運行過程中，會記錄自己的運行日誌，根據是

kubernetes , 數組 , app , 雲計算 , 記錄日誌

收藏 評論

u_16213415 頭像

mob64ca12ec8020 - AndroidStudio GitHubCopilot 怎麼使用

在現代軟件開發中，GitHub Copilot為我們帶來了極大的便利，尤其是在使用Android Studio進行Android開發時。它不僅能夠自動補全代碼，還能根據上下文智能推薦代碼片段。不過，很多開發者在剛開始使用時可能會遇到一些問題，導致其無法發揮最大效用。本文旨在詳細解讀“Android Studio GitHub Copilot 怎麼使用”這一問題，通過具體的用户場景還原、錯

aigc , Android , 代碼補全 , 解決方案

收藏 評論

u_16099296 頭像

mob6454cc73e9a6 - cubemx中dma的adc配置

申請和釋放DMA緩衝區 1、申請和釋放DMA緩衝區 內存中用於與外設交互數據的一塊區域被稱作DMA緩衝區，在設備不支持scatter/gather（SG，分散/聚集）操作的情況下，DMA 緩衝區必須是物理上連續的。 對於ISA設備而言，其DMA操作只能在16MB以下的內存中進行，因此，在使用k

機器學習 , 物理地址 , 人工智能 , 虛擬地址 , ci , cubemx中dma的adc配置

收藏 評論

u_16213614 頭像

mob64ca13ffd0f1 - codesys使用 FTP 協議

FTP（File Transfer Protocol），即文件傳輸協議，是Internet中相當重要的應用之一。 其功能是用户可以通過FTP協議從FTP服務器下載或者上傳文件，它被整合在瀏覽器中，用户可以利用瀏覽器通過超鏈接，下載服務器開放的任意文件，達到資源共享的目的。 FTP是一種C/S結構，但是與一般的Socket網絡應用程序的最大差別是

codesys使用 FTP 協議 , 文件名 , 服務器 , 客户端 , 架構 , 後端開發

收藏 評論

u_16213562 頭像

技術極客傳奇 - WCF 中使用 gRPC

一、WCF描述 wcf是一款基於面向服務的架構的通訊框架平台，在分佈式框架中得到了廣泛使用。 wcf入門非常簡單，只要花幾分鐘就能編寫一個完整的wcf程序，而實際上WCF是概念非常多的一門技術，需要花很大精力去深入研究。 二、WCF優點 1、將各種通訊技術進行整合 WCF是對於 Web Service，Net Remoting，Enterprise

數據 , 雲計算 , WCF 中使用 gRPC , 客户端 , wcf , 雲原生

收藏 評論

u_16099200 頭像

數據探索者 - PdfSharpCore 文檔

//字體 BaseFont baseFont = null; //路徑 File path = new File("G:\\123.pdf"); //document對象 設置紙張 四周邊距 Document document = new Document(Page

頁眉 , PdfSharpCore 文檔 , 雲計算 , 雲原生 , Image , 垂直居中

收藏 評論

junxiudetuoba 頭像

伊伊DK - 同城圈子開發避坑手冊：uniapp 跨端適配+tp6 後端優化實戰

tp6 後端優化——支撐同城圈子高併發的核心策略 核心目的：針對同城圈子“高頻互動、位置檢索、數據安全”的需求，提供 tp6 後端的優化方案，避免上線後出現卡頓、宕機、數據泄露等問題。 基礎配置優化：快速提升框架性能 問題描述：tp6 框架默認配置未針對高併發優化，導致接口響應慢； 優化方案：① 關閉調試模式（.env 文件設置 APP_DEBUG = false）；

php , 後端 , 前端

收藏 評論

u_16099229 頭像

架構設計師之光 - Java發生Object無法強轉為某個類型

本內容是《Web前端開發之Javascript視頻》的課件，請配合大師哥《Javascript》視頻課程學習。 對象是ES的的一種複合數據類型，即引用類型；即，對象就是一組屬性與方法的集合； ES沒有類的概念，所以它的對象也與其他語言中的對象有所不同； ES把對象定義為：無序屬性的集合，其屬性可以包含基本值、對象或者函數；相當於説對象是

嚴格模式 , 構造函數 , 後端開發 , JAVA

收藏 評論

u_16213628 頭像

mob64ca14031c97 - JavaScript 實現的推流

頁面的顯示過程： 1.生成DOM樹(DOM TREE) 2.加載CSS 3.生成渲染樹(RENDER TREE),渲染樹是和樣式相關的 4.瀏覽器基於GPU(顯卡)開始按照RENDER TREE畫頁面 重繪(repaint)： 當某一個DOM元素 樣式更改 (位置沒變只是樣式更改，例

重繪 , JavaScript 實現的推流 , 解決方案 , 前端開發 , 虛擬內存 , Javascript

收藏 評論

u_16099255 頭像

IT獨行俠 - JAXBContext解析Timestamp

JEXL是一個表達式語言的解析引擎，用來解析表達式，被用來做一個條件判斷，數據有效性校驗，工作流等場合，一個示例如下： Java代碼 1. private static HashMapString, Object contextMap = new HashMapString, Object(); 2.

字符串 , 數據 , 模板引擎 , 架構 , 後端開發

收藏 評論

u_14691 頭像

lemon - 租户工作空間角色菜單部門人員 在開發中是什麼架構

一 keystone簡介 keystone(openstack identity service)是openstack框架中負責身份驗證、服務規則和服務令牌的功能， 它實現了openstack的Identity API。 keystone類似一個服務總線，或者説是掙個openstack框架的註冊表， 其他服務通過keystone來註冊其服務的Endpoin

endpoint , User , swift , 架構 , 後端開發

收藏 評論

heeroluo 頭像

MrLuo - 品牌色功能迭代方案

最近產品經理希望在 B 端後台系統中增加品牌色功能，突顯客户的企業特色。從技術上説，整個流程是非常簡單的： 在配置中心為某個客户配置品牌色（十六進制顏色值）。 後台系統初始化時，通過後端接口讀取配置的品牌色。 把品牌色寫入為根元素的 CSS 變量。 核心流程代碼如下： const response = await fetch('/api/get-brand-info'); const d

scss , Css , 前端

收藏 評論

nocobase 頭像

NocoBase - NocoBase 本週更新彙總：優化及缺陷修復

原文鏈接：https://www.nocobase.com/cn/blog/weekly-updates-20251225 彙總一週產品更新日誌，最新發布可以前往我們的博客查看。 NocoBase 目前更新包括的版本更新包括三個分支：main ，next和 develop。 main ：截止目前最穩定的版本，推薦安裝此版本。 next：包含即將發佈的新功能，經過初步測試的版本，可能存在部分已知或

無代碼開發平台 , 低代碼 , 版本更新 , 開源

收藏 評論

u_16099178 頭像

雲端小悟空 - ctr 鏡像打包下載

學習一個技術的第一步，總是要先打印或顯示一個hello world的。當然，學習docker也不例外。上一篇文章已經簡單的介紹了環境的安裝和配置。接下來就要打印我們的hello world了。 首先我們來跑一跑官方的hello world程序 #運行官方的hello-world鏡像，順帶可以檢查一下安裝配置是否有問題。 docker run hello-wo

ctr 鏡像打包下載 , main方法 , 雲計算 , Centos , 雲原生 , Docker

收藏 評論

u_16213588 頭像

mob64ca13f96cda - 異構融合計算 架構圖

　　對於C# 5異步特性，我最喜歡的一點是它可以自然而然地組合在一起。這表現為兩種不同的 方式。最明顯的是，異步方法返回任務，並通常會調用其他返回任務的方法。這些方法可以是直 接的異步操作（如鏈的最底部），也可以是更多的異步方法。所有的包裝和拆包都需要將結果轉 換為任務，反向操作則由編譯器完成。 　　另一種組合形式是，創建與操作無關的構建塊來管理任務的處理。這些構建塊無須知

異構融合計算 架構圖 , 架構 , 後端開發 , 異步操作 , 擴展方法 , 異步方法

收藏 評論

u_16099240 頭像

陌陌香閣 - 圖像顯著目標檢測模型

和昨天的那篇U²Net同作者，但是更早一點。 大多數深度學習方法→在顯著性預測時側重於區域預測→但現在他們創建了一個新的損失函數→也考慮了目標的邊界。 顯著性預測→我們人類擅長於此→關注給定的圖像或視頻中的“重要”目標。(但沒有很多方法考慮目標的邊界)。現在有很多深度學習模型結合了不同的表示方式。

code , 圖像顯著目標檢測模型 , 損失函數 , 人工智能 , 深度學習 , 計算機視覺

收藏 評論

u_16099174 頭像

晨曦微露s - WriteProcessMemory

首先説説虛擬內存和物理內存： 虛擬內存就是採用硬盤來對物理內存進行擴展，將暫時不用的內存頁寫到硬盤上而騰出更多的物理內存讓有需要的進程來用。當這些內存頁需要用的時候在從硬盤讀回內存。這一切對於用户來説是透明的。通常在Linux系統説，虛擬內存就是swap分區。在X86系統上虛擬內存被分為大小為4K的頁。 每一個進程啓動時都會向系統申請虛擬內存（VSZ），內核同意或者拒

機器學習 , 物理內存 , WriteProcessMemory , 人工智能 , memory , 虛擬內存

收藏 評論

u_16099274 頭像

墨香四溢 - 振動幅值數據分析

假設信號的採樣頻率是Fs，信號的頻率是F，採樣點數為N，則與傅里葉變換相關概念幾個計算公式如下： 1.頻率計算公式 2.振幅計算公式 Magnitude

採樣頻率 , 振動幅值數據分析 , 採樣率 , MATLAB , Pan , 人工智能 , 數據分析

收藏 評論

u_16099325 頭像

數據小築 - 數據結構與算法 簡歷怎麼寫

　　在很多編程人員的潛意識裏總是覺得數據結構知識似乎沒什麼用，因為工作中似乎從來都沒有涉及到數據結構的什麼內容。我對這樣的認識只能報以呵呵~ 也難怪，其實有這些想法的同行在工作中的大部分都是如此走過來的：掌握幾種常用Web框架，比如SSH，然後不停的堆砌已有的API做一些對數據庫的增刪改查之類的簡單代碼設計，最後反正功能是實現了，是否設計無誤，效率又優，就幾乎沒有人去管了。也是，

結點 , 數據類型 , 數據 , 數據結構與算法 簡歷怎麼寫 , 人工智能 , 數據結構與算法

收藏 評論