人工智能
文章平均质量分 74
介绍人工智能相关应用场景,算法原理,支持框架,可用模型,AIGC及相关应用
水上冰石
系统架构师
展开
-
大模型的embedding详解
*Embedding(嵌入)**是大语言模型和其他机器学习模型中的一种核心技术,它通过将离散的数据(如单词、句子、图像)转换为连续的向量表示,使得这些数据可以在高维空间中进行操作和分析。Embedding 的本质是为模型提供一种能够捕捉数据之间语义或特征关系的紧凑数值表示。原创 2024-08-14 15:22:26 · 1029 阅读 · 0 评论 -
大模型提示词策略-思维链COT
COT(Chain of Thought,思维链)是一种提示词设计策略,主要用于增强AI模型在复杂推理任务中的表现。通过明确列出思维步骤或逻辑链条,COT提示引导AI逐步解决问题,而不是直接给出答案。这种方法可以显著提高AI在多步骤推理、决策和问题解决中的准确性和可靠性。原创 2024-08-14 15:08:17 · 761 阅读 · 0 评论 -
大语言模型(LLMs)Tokenizers详解
Tokenizers是大预言模型处理和生成文本的基础。通过将文本分割为有意义的单元,模型可以学习语言的结构和语义,从而实现复杂的语言理解和生成任务。选择合适的Tokenizers方法和策略对于提高模型的性能和效率至关重要。原创 2024-08-13 12:50:05 · 579 阅读 · 0 评论 -
大语言模型(LLMs)的token详解
Token是文本的最小单位,模型通过处理这些单位来理解和生成语言。单词(Words):完整的词汇单元,如“apple”、“run”。子词(Subwords):介于单词和字符之间的单元,如“unbelievable”可能被分割为“un”、“believ”、“able”。字符(Characters):单个字母或符号,如“a”、“1”、“$”。Tokenization是大预言模型处理和生成文本的基础。通过将文本分割为有意义的单元,模型可以学习语言的结构和语义,从而实现复杂的语言理解和生成任务。原创 2024-08-12 21:51:01 · 2063 阅读 · 1 评论 -
springboot+TensorFlow demo
pom.xml。原创 2024-08-12 21:28:06 · 215 阅读 · 0 评论 -
springboot+neo4j的demo
创建一个Spring Boot项目并集成Neo4j图数据库,可以按照以下步骤进行。假设你已经安装了Java、Maven和IDE(如IntelliJ IDEA或Eclipse)。原创 2024-08-12 20:31:25 · 161 阅读 · 0 评论 -
香橙派下安装neo4j
在香橙派(Orange Pi)上安装Neo4j图数据库可以通过以下步骤完成。原创 2024-08-12 20:28:25 · 184 阅读 · 0 评论 -
图数据库框架及其支持的开发语言和应用场景
这些图数据库框架通过提供多种编程语言的支持,使得开发者能够灵活选择适合自己项目的语言进行开发。同时,社区和第三方开发者也会提供各种语言的库和工具,进一步丰富了图数据库的开发生态。原创 2024-08-12 20:21:46 · 537 阅读 · 0 评论 -
图数据库在社交网络分析中的应用
图数据库在社交网络分析中具有广泛的应用,因为社交网络的本质是图结构,其中用户是节点,用户之间的关系是边。图数据库能够高效地存储、查询和分析这种复杂的关系数据。原创 2024-08-12 20:06:00 · 380 阅读 · 0 评论 -
目标检测的详细介绍
目标检测是一项复杂的计算机视觉任务,它不仅需要识别图像中的对象类别,还需要精确地定位每个对象的位置和大小。原创 2024-08-05 17:36:27 · 839 阅读 · 0 评论 -
树莓派下,docker中安装部署TensorFlow java版本
在树莓派上安装和部署TensorFlow Java版本需要一些特定的步骤,尤其是当你打算使用Docker容器来运行它时。以下是详细的步骤,帮助你在树莓派上完成这一任务。原创 2024-07-26 10:50:29 · 38 阅读 · 0 评论 -
1.深度学习-初识之历史发展
1.引用自百度:https://wenku.baidu.com/view/2169a515c850ad02df804122.html注意几个概念:深度信念网:DBNs(Deep Belief Networks)无监督模型:RBMs类稀疏编码(通过一个表示的瓶颈内在层预测输入的神经网络):auto-encoders言:本文翻译自deeplearning原创 2017-07-04 17:25:36 · 403 阅读 · 2 评论