- 博客(353)
- 资源 (8)
- 收藏
- 关注
原创 springboot+mybatis+druid 配置单实例多数据源
第二步:配置application-dev.yml。第四步:使用@DS注解在Dao层指定数据库。第一步:pom中添加依赖。
2024-05-26 15:40:05
295
原创 游程编码+ Huffman 编码+异或加密编码+信道编码(C++实现)
【代码】游程编码+ Huffman 编码+异或加密编码+信道编码(C++实现)
2024-01-11 14:17:02
689
原创 ubuntu之apt-get updata报错
在ubuntu16中,当我们输入sudo apt-get update会失败。可能是网络不好,更多的是源不好。输入下面命令,增加一些源。把下面的内容复制到开头。
2024-01-02 22:52:24
415
原创 openAI图像生成开发文档
了解如何使用我们的 DALL·E 型号本指南介绍了使用这三个 API 终结点的基础知识以及有用的代码示例。要了解它们的实际效果,请查看我们的。
2023-05-16 11:06:01
848
原创 使用java-timeseries库,使用arima算法预测时间序列(
【代码】使用java-timeseries库,使用arima算法预测时间序列(
2023-05-09 16:04:57
1449
原创 js base64图片对象转File对象或Blob对象上传服务器
base64转成blob对象上传到服务器时,后端是无法使用getOriginalFilename()方法获取到原始的文件名的。也就是说blob对象是不能保存文件名的,如果想使用blob上传,需要额外加一个字段传文件名到服务器,而file对象是可以存储文件名的。base64图片对象转File对象。base64图片对象转Blob对象。使用ajax上传文件。
2023-04-26 16:42:11
1357
1
原创 Java项目注解注释
用在类上,可以自动覆写toString方法,当然还可以加其他参数,例如@ToString(exclude=”id”)排除id属性,或者@ToString(callSuper=true, includeFieldNames=true)调用父类的toString方法,包含所有属性。该注解用于子类对象之间进行比较的时候。这个注解用在变量前面,可以保证此变量代表的资源会被自动关闭,默认是调用资源的close()方法,如果该资源有其它关闭方法,可使用@Cleanup(“methodName”)来指定要调用的方法.
2023-04-14 16:29:48
697
原创 chatgpt的api介绍
接受一个 json 对象,该对象将标记(由标记器中的标记 ID 指定)映射到从 -100 到 100 的关联偏差值。对于温度,较高的值(如 0.8)将使输出更加随机,而较低的值(如 0.2)将使输出更加集中和确定。:一种替代温度采样的方法,称为核采样,其中模型考虑具有 top_p 概率质量的标记的结果。较高的值(如 0.8)将使输出更加随机,而较低的值(如 0.2)将使输出更加集中和确定。您可以使用List models API查看所有可用的模型,或者查看我们的模型概述以了解它们的描述。
2023-04-04 14:39:08
12402
原创 chatGPT model说明
为了减少模型更改以意外方式影响我们用户的可能性,我们还提供将在 3 个月内保持静态的模型版本。随着模型更新的新节奏,我们还让人们能够贡献评估,以帮助我们针对不同的用例改进模型。GPT-4 是一个大型多模态模型(今天接受文本输入并发出文本输出,将来会出现图像输入),由于其更广泛的常识和高级推理,它可以比我们以前的任何模型更准确地解决难题能力。Codex 模型现已弃用。然而,在更复杂的推理情况下,GPT-4 比我们之前的任何模型都更有能力。OpenAI 模型是不确定的,这意味着相同的输入可以产生不同的输出。
2023-03-30 14:12:49
4043
原创 rasa开发策略
对话驱动开发 (CDD) 是倾听用户意见并利用这些见解来改进 AI 助手的过程。这是聊天机器人开发的总体最佳实践方法。开发出色的AI助手具有挑战性,因为用户总是会说一些您意想不到的事情。CDD背后的原则是,在每次对话中,用户都会用他们自己的话告诉你他们想要什么。通过在机器人开发的每个阶段练习 CDD,您可以将助手定位于真实的用户语言和行为。尽快的与用户共享助手(Share定期查看对话(Review注释消息并将其用作 NLU 训练数据(Annotate测试您的助手是否始终按预期运行(Test跟踪。
2023-03-27 14:51:50
449
原创 rasa命令行介绍
命令注释rasa init使用示例训练数据、操作和配置文件创建新项目。rasa train使用 NLU 数据和故事训练模型,将训练好的模型保存在 中。./models启动交互式学习会话,通过与助手聊天来创建新的训练数据。rasa shell加载经过训练的模型,并允许您在命令行上与助手交谈。rasa run使用已训练的模型启动服务器。使用 Rasa SDK 启动操作服务器。生成故事的可视化表示形式。rasa test在以test_开头的任何文件上测试经过训练的 Rasa 模型。
2023-03-27 14:46:51
927
原创 Neo4j安装教程(win10)
这里最后一行警告我们没有权限,所以我们就以管理员运行命令行,并输入上面的命令。这里有各个版本的安装包,下载对应的。我这里下载的是3.5.8版本。注意:3.X 支持 1.8jdk;4.X 支持 11jdk。密码和用户名一样,连接之后,输入新的密码。下载完成后,把压缩包解压到D盘。
2023-03-15 09:56:54
385
原创 rasa2.7安装教程(win10)
前提是安装了anaconda,如果未安装,可以看这里安装anaconda的教程---安装rasa需要2-3小时,视网速而定。
2023-03-12 13:49:55
493
原创 Anaconda安装教程(win10)
建议就下载5.2.0版本,我使用的很稳定。创建虚拟环境,指定python环境为3.7。勾选第一个选项,自动配置环境变量。(清华大学镜像站下载)
2023-03-12 11:05:08
511
原创 springboot+mybatis+sqlite项目,使用navicat看不到sqlite的数据
springboot+mybatis+sqlite项目,使用navicat看不到sqlite的数据
2023-03-09 15:49:23
78
原创 leetcode两数相加
给你两个非空 的链表,表示两个非负的整数。它们每位数字都是按照逆序的方式存储的,并且每个节点只能存储一位数字。请你将两个数相加,并以相同形式返回一个表示和的链表。
2023-02-06 22:07:02
88
原创 Using chatbots to scaffold EFL students argumentative writing (论文翻译)
研究表明,英语作为外语的学生的议论文写作受益于与同龄人的互动。然而,在实践中找到一个理想的对象很困难,聊天机器人被认为是这个问题的潜在解决方案。聊天机器人是人工智能的一种形式,旨在与人类用户进行轮流对话。在本文中,我们提出了一种聊天机器人辅助议论文写作的教学方法。我们开发的一种新型聊天机器人系统,用于指导学生的论点构建,然后我们讨论了使用该系统来帮助学生生成高质量的议论文的优点和局限性。议论文写作被广泛认为是学术成功和职业生涯的重要能力。然而,经验证据表明,英语作为外语的学生在提出高质量的论点方面存在困难。
2023-01-05 23:59:28
420
原创 yoloV5环境搭建与运行(windows+pytorch+kaggle)
环境:Windows+anaconda+pytorch云端GPU:kaggle。
2022-11-13 22:34:37
3321
2
原创 微调alexnet模型训练
微调代码只训练最后的全连接层model = torch.load( '../model/20220510-pretrain-alexnet-数据增强-0.0001.pth')num_ftrs = model.classifier[6].in_featuresmodel.classifier[6] = nn.Linear(num_ftrs, 8)for name, child in model.named_children(): if name in ['avgpool','
2022-05-18 17:17:23
288
1
原创 微调resnet18模型训练
微调代码只训练全连接层和layer4model = torch.load( '../model/20220509-pretrain-resnet18-数据增强-0.0005.pth')num_ftrs = model.fc.in_featuresmodel.fc = nn.Linear(num_ftrs, 8)for name, child in model.named_children():# if name in ['avgpool','fc']: if na
2022-05-18 17:15:18
1158
原创 微调vgg16预训练模型
微调代码只训练全连接层model = torch.load( '../model/20220509-pretrain-vgg16-数据增强-5e-05.pth')num_ftrs = model.classifier[6].in_featuresmodel.classifier[6] = nn.Linear(num_ftrs, 8)for name, child in model.named_children(): if name in ['avgpool','classi
2022-05-18 17:13:13
1274
原创 vgg16+k折交叉验证+数据增强+画图(准确率、召回率、F值)
k折交叉验证def kfold(data, k=5): """ K折交叉验证 """ X = np.arange(len(data)) KF = KFold(n_splits=k,shuffle=True) for train_idxs, valid_idxs in KF.split(X): train_iter, valid_iter = [] , [] for i in train_idxs: train_.
2022-05-18 17:05:55
1544
6
原创 DenseNet训练CIFAR10数据集的pytorch实现
代码在kaggle上训练30分钟,精度80%Sequential output shape: torch.Size([1, 64, 24, 24])Sequential output shape: torch.Size([1, 248, 3, 3])BatchNorm2d output shape: torch.Size([1, 248, 3, 3])ReLU output shape: torch.Size([1, 248, 3, 3])AdaptiveAvgPool2d outp
2022-04-10 16:06:28
2366
原创 ResNet训练CIFAR10数据集的pytorch实现
代码在kaggle上跑了1个小时,精度最终达到90%Sequential output shape: torch.Size([1, 64, 56, 56])Sequential output shape: torch.Size([1, 64, 56, 56])Sequential output shape: torch.Size([1, 128, 28, 28])Sequential output shape: torch.Size([1, 256, 14, 14])Sequenti
2022-04-10 11:27:04
1636
原创 Vgg11训练CIFAR10数据集——pytorch实现
代码在kaggle上跑了30多分钟Sequential output shape: torch.Size([1, 64, 112, 112])Sequential output shape: torch.Size([1, 128, 56, 56])Sequential output shape: torch.Size([1, 256, 28, 28])Sequential output shape: torch.Size([1, 512, 14, 14])Sequen..
2022-04-08 17:17:48
3026
citydata.js
2020-03-22
邮箱依赖的jar包.zip
2020-01-13
简化数据库操作和简化事务相关操作的jar包
2020-01-09
commons.zip
2020-01-08
stackC语言代码
2018-10-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人