tag 機器學習

標籤
貢獻425
368
05:25 PM · Oct 25 ,2025

@機器學習 / 博客 RSS 訂閱

西門吹雪 - 如何給spark配置kerberos認證信息

Tokenizer分詞 進行文本分析前,對文本中句子進行分詞我們處理的第一步。大家都是Spark的機器學習庫分為基於RDD和基於DataFrame的庫,由於基於RDD的庫在Spark2.0以後都處於維護狀態,我們這裏講的分詞就是基於Spark的Dataframe的。主要是講解兩個類Tokenizer和RegexTokenizer的使用。 1

機器學習 , spark , 大數據 , apache

收藏 評論

mob64ca12d06991 - ollama如何調用gpu加速

ollama如何調用gpu加速的描述 在機器學習和深度學習的實踐中,充分利用GPU進行加速已經成為一種重要的需求。Ollama作為一個機器學習框架,能夠通過GPU加速來提高模型訓練和推理的效率。然而,許多用户在實際應用中遇到如何正確設置GPU加速的問題,這對業務的整體性能產生顯著影響。 問題背景 在使用Ollama框架進行模型訓練時,用户希望充分利用GPU資源以提高計算效率。

機器學習 , bash , aigc , CUDA

收藏 評論

mob64ca13fe62db - stageMode模式 INSTALL_PARSE_FAILED_USESDK_ERROR stage setting

這章中使用的示例,會延續上一章創建的Rails應用chapter2,但是我們會創建一個新的controller。在終端下執行: script/generate controller chapter3 index get_time repeat reverse

機器學習 , xhtml , HTTP , ViewUI , 人工智能 , HTML , Javascript

收藏 評論

MIAOYUN - MIAOYUN | 每週AI新鮮事兒(11.21-11.28)

本週全球AI領域動態密集,多家公司發佈重磅模型與工具。騰訊、小米、AMD、Anthropic、DeepSeek、阿里、微軟等推出多款開源大模型,覆蓋視頻生成、具身智能、MoE架構等,性能與成本優化顯著。AI Agent、工具持續迭代,Elser.AI、Trae SOLO等落地。技術上,嵌套學習、3D資產生成等獲突破,市場端特朗普簽署AI戰略命令,原生AI雲廠商打破壟斷,推動行業加速發展,一起來回顧

機器學習 , 算法 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

歲月如歌甚好 - WPF 自定義 異形TabItem控件

在 WPF 中,如果想做一個背景透明的異形窗口,基本上都要設置WindowStyle="None"、AllowsTransparency="True"這兩個屬性。如果不想自定義窗口樣式,還需要設置Background="Transparent"。這樣的設置會讓窗口變成 Layered Window,WPF 在這種類型窗口上的渲染性能是非常糟糕的。本文介紹如何使用WindowChr

機器學習 , 背景透明 , wpf , WPF 自定義 異形TabItem控件 , 人工智能 , 標題欄

收藏 評論

超神經HyperAI - 匹配正確率提升187.9%!華中科技大學CGCL實驗室用自監督學習助力膠囊內窺鏡圖像拼接,「天眼」裏也可看腸胃健康

在全球範圍內,腸胃病正成為一個嚴峻的公共衞生挑戰。據世界衞生組織國際癌症研究機構統計,胃病在人羣中的發病率高達 80%,而在中國,腸胃病患者人數更是達到了 1.2 億之多,且呈現出明顯的年輕化趨勢,關注腸胃健康迫在眉睫。 在這種情況下,膠囊內窺鏡 (MCCE) 作為一種先進的診斷工具,因其非侵入性、無痛、無交叉感染的特點而被大家廣泛關注。具體而言,MCCE 在膠囊中內置了無線攝影機,患者只需吞下這

機器學習 , 圖片處理 , 人工智能 , 深度學習 , 醫療it

收藏 評論

技術領航舵手 - crc xmodem校驗計算

CRC 簡介 循環冗餘校驗(Cyclic redundancy check) 通稱CRC。是一種根據網絡數據包或計算機文件等數據產生簡短固定位數校驗碼的一種散列函數,主要用來檢測或校驗數據傳輸或者保存後可能出現的錯誤。生成的數字在傳輸或者存儲之前計算出來並且附加到數據後面,然後接收方進行檢驗確定數據是否發生變化。一般來説,循環冗餘校驗的值都是32位的整數。由於

機器學習 , 多項式 , 數據 , 數據完整性 , crc xmodem校驗計算 , CRC , 人工智能

收藏 評論

GMICloud - Dify 上線 GMl Cloud 插件!構建深度研究作流只需 5 步!

摘要 GMI Cloud 插件正式無縫集成到 Dify!提供高性能的多系列模型,如Minimax、DeepSeek、GPT OSS、Qwen、Keling等,支持市場研究、模型評估、文獻綜述等任務處理。大家只需獲取 GMI Cloud API 密鑰,在 Dify 安裝配置插件,即可藉助模板構建深度研究工作流程。本文為步驟的詳細教程。 01 概

機器學習 , AI , 雲GPU , 人工智能 , dify , cloud , 工作流

收藏 評論

圍爐聊科技 - TRAE SOLO:使用初體驗

國內版TRAE SOLO之前就有預約,近期終於等到了,SOLO模式確實讓我大開眼界。它不再只是一個代碼補全工具,而是真正能從需求到上線全程陪跑的"編程夥伴"。 一、激活與界面切換:看似簡單,實則有門道 首先,獲取TRAE SOLO的途徑並不難。國內用户現在可以直接在TRAE國內版中免費使用SOLO模式。 切換SOLO模式的按鈕位於TRAE左上角,點擊後界面會從傳

機器學習 , 技術棧 , 代碼生成 , 人工智能

收藏 評論

mob64ca13f7ecc9 - element plus 日曆 預約

本章節要完成的功能為通過點擊日曆中的設置按鈕來設置對應日期的可預約人數。效果如下: 完善頁面 為設置按鈕綁定事件 為日曆中的設置按鈕綁定單擊事件,當前日期作為參數 button v-if="dayobject.day today" @click="handleOrderSet(dayobject.day)" class

機器學習 , 映射文件 , 當前日期 , Ajax , 人工智能 , element plus 日曆 預約

收藏 評論

lanhy - 迴歸任務中標籤值跨度較大怎麼解決

文章目錄 1. 垃圾回收的簡單回顧 2. 三色標記法 2.1 基本算法 2.2 多標-浮動垃圾 2.3 漏標-讀寫屏障 2.3.1 寫屏障(Store Barrier) (1) 寫屏障 + 增量更新 (2) 寫屏障 + SATB

機器學習 , 成員變量 , 記法 , 人工智能 , 增量更新 , 迴歸任務中標籤值跨度較大怎麼解決

收藏 評論

數據科學家 - F12 elements 修改內容後如何運行

1.需求: -- 在培訓班管理的時候,目前後台沒有提供作業提交的情況統計清單,而且無法查看作業,只有點開統計,能看到作業提交的清單 但是這個頁面是個彈窗,只有關閉按鈕,中間是10個人的作業記錄,然後下面一排是頁碼按鈕 ,這次戰略百問的頁碼是173頁 目的是要把每頁的表格內容複製出來,粘貼到一個表裏面。 如何快速的一次性獲得所有的,哪怕是txt後

機器學習 , 換頁 , 賦值 , 人工智能 , HTML

收藏 評論

mob64ca140ce312 - Windows Management Instrumentation總莫名佔用CPU

OWSTIMER.EXE causes a high CPU usage 自從安裝WSS3之後,不定時會發現OWSTIMER.EXE Process的CPU使用量忽然衝高,同時HD聲不斷閃爍的狀況。前後不定時發生過好幾次,今天終於忍不住用Process Monitor追了一下,發現有個寫入C:Program FilesCommon Files

機器學習 , SharePoint , google , 人工智能 , 關鍵程度

收藏 評論

mob64ca13fb6939 - memtester linux命令 失敗

關於ROS Why is ROS not a real-time operating system? ROS isn't even an operating system, it's a framework and it's usually built on top of Ubuntu. First and foremost,

機器學習 , 優先級 , 任務調度 , 人工智能 , Ubuntu

收藏 評論

mob64ca14031c97 - STM32 ymodem IAP傳輸文件的大小和什麼有關係

1.時鐘振盪器:產生時鐘信號送給單片機內部各電路,並且控制這些電路,使它們有節拍的工作。 2.ROM是一種具有存儲功能的電路,斷電後信息不回丟失。RAM也是一種存儲電路,斷電後信息丟失。 3.串行通信口是單片機和外部設備進行串行通信的接口。串行傳遞數據是一位一位的進行傳遞,同時傳輸多位數據的方式成為並行通信。 4.電子電路圖:是指按照統一

機器學習 , 觸發器 , 單片機 , 人工智能 , 寄存器

收藏 評論

laokugonggao - qemu複製粘貼文本

有時候,複製文本(尤其是代碼)到 Vim,會出現格式錯亂的問題。看樣子,應該是自動縮進惹得禍。本文不去深究原因,直接給出解決方法。 1. paste 模式 運行如下命令,進入 paste 模式: :set paste 進入 paste 模式後,按 i 鍵進入插入模式,然後再粘帖,文本格式不會錯亂了。但粘帖後還需要按 ESC 進入普

機器學習 , 快捷鍵 , 剪切板 , 人工智能 , vim , qemu複製粘貼文本

收藏 評論

曼孚科技 - 從“聽得清”到“聽得懂”:音頻標註技術的演進

在人工智能的發展圖譜中,讓機器 “聽見” 並解讀世界,始終是一條充滿挑戰卻意義深遠的探索路徑。 早期技術突破集中於一個明確目標 ——“聽得清”,即實現聲音信號向文字符號的高精度轉化。然而,隨着 AI 應用場景的持續拓展與深化,行業對機器 “聽力” 提出了更高階的要求:不僅要精準轉寫語音內容,更要深度理解其背後的內涵。 把握指令意圖、辨識話語情緒、洞悉聲音場景的複雜構成,成為人工智能向高階智能演進的

機器學習 , 算法 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

小咪咪 - litemall什麼樣子

一、下載 下載的是最新版 x28二進制包 liteidex28.windows-qt4.zip 二、安裝 1、下載後,將壓縮包解壓後得到liteide目錄,將其拷貝到你的go的安裝目錄下 ,如下圖,我的go的安裝目錄是“D:\軟件安裝\Go”,解壓到該目錄下。 2、 打開D:\軟件安裝\Go\liteide\

機器學習 , litemall什麼樣子 , 軟件安裝 , 人工智能 , go , ide

收藏 評論

技術博客達人 - 安裝EDEMpy

技能變現 .content { top: 126px; } .modal-text { font-size: 18px; } 距離 社保代繳 佣金比例: 20%/月 地點: 蘭州 人數: 20人 預計佣金:¥5000 已被接單 招聘業務 佣金比例: 25%/筆 地點: 南京 人數: 10人 預計佣金:¥5000 已被接單 培訓業務 佣金比例

機器學習 , 變現 , 安裝EDEMpy , Android , 人工智能 , html hall.html安卓 , ios

收藏 評論

錦繡前程未央 - auto_increment的當前值

依賴屬性的當前值(Current Value),基值(Base Value)和本地值(Local Value)是MSDN常出現的三個詞,這些屬性和依賴屬性的優先級設置有關。 如下表: 這裏是當前值 1. 1. 屬性系統強制轉換,這裏是通過依賴屬性的CoerceValue

機器學習 , wpf , 強制轉換 , auto_increment的當前值 , 人工智能 , .net , c

收藏 評論

mob64ca14061c9e - pycharm數據可視化只繪製出excel中某一行的數據圖形

本文簡單介紹下偶遇的一個不錯「python可視化工具lets-plot」,喜歡用R中的ggplot2繪製統計圖的小夥伴一定要看看~ a、lets-plot由JetBrains(沒錯,「和PyCharm同出一家」)開發,主要「參考R語言中的ggplot2」,「擅長統計圖」,但多了「交互能力」,所以也是基於圖層圖形語法(the Grammar

機器學習 , 數據可視化 , 人工智能 , 數據分析 , 可視化 , Python

收藏 評論

mb695230a481982 - 規模最大、性能最好,百度百舸助力北京人形打造開源具身多模態大腦模型 Pelican-VL1.0

北京人形機器人創新中心有限公司(下文簡稱:北京人形)是國內首家省級人形機器人創新中心,聚焦於具身智能機器人核心技術、產品研發和應用落地,圍繞通用機器人平台「具身天工」和通用具身智能平台「慧思開物」兩大核心任務開展攻堅,致力於打造具有全球影響力的具身智能創新策源地和應用示範高地。 2024 年,北京人形發佈「天工1.0 LITE」,成為全球首個純電驅擬人奔跑的全尺寸人形機器人

機器學習 , 具身智能 , AI , 人工智能

收藏 評論

IT劍客之家 - 進入Ymodem使用什麼指令

vi 共分為三種模式,分別是【一般指令模式】、【編輯模式】、【指令列命令模式】 一般指令模式(command mode)   以 vi 打開一個文件就直接進入一般指令模式了。   在一般指令模式中,可以使用 上下左右 鍵來移動光標,可以使用 刪除字符 或 刪除整列 來處理文件內容,可以 複製、粘貼 來處理文件內容。 編輯模式(insert mode)

機器學習 , 進入Ymodem使用什麼指令 , 命令模式 , 打開文件 , 人工智能 , vim

收藏 評論

mob64ca140e76c8 - activemq卡在重連

消息持久化顧名思義就是把發佈的消息進行落地,這樣activeMQ宕機也不會導致那些未被消費的消息給弄消失,這樣保證消息都能被消費。 activeMQ消息持久化有JDBC,AMQ,KahaDB和LevelDB等這幾種,默認採用的是KahaDB,本篇講的是如何採用jdbc的新式把消息存入數據庫的例子; activeMQ默認採用的KahaDB,消息會落地到安裝目錄下的\da

機器學習 , 持久化 , activemq卡在重連 , 數據庫 , bc , 人工智能

收藏 評論