- 博客(526)
- 资源 (19)
- 收藏
- 关注
RSS订阅
原创 DeepSite-基于DeepSeek的网站生成平台
DeepSite AI——AI驱动的网站生成平台简介：DeepSite AI 是一款由 Huggingface 的 AI Code Agent DeepSeek 提供支持的人工智能网站生成器，核心在于推广其基于 AI 的无代码网站生成工具。其目标用户群体主要为缺乏编程知识，却有创建网站需求的人群，像中小企业主、自由职业设计师、营销人员等。通过 AI 技术，DeepSite 致力于简化网站开发流程，进而降低技术门槛。注：上述地址需要XX上网！
2025-05-22 18:52:27
336
原创 Kimi-Audio音频大模型介绍、本地部署与开发
Kimi Audio被设计为一个通用的音频基础模型，能够在一个统一的框架内处理各种音频处理任务。
2025-04-28 20:22:42
2686
5
原创 DeepSeek本地部署及训练行业数据（windows）
Ollama是一个用于部署和运行各种开源大模型的工具，能够帮助用户快速在本地运行各种大模型，极大地简化了大模型在本地运行的过程。对用户来说，只需要通过执行几条命令就能在本地运行开源大模型。主要特点：1、功能齐全：Ollama将模型权重、配置和数据捆绑到一个包中，定义成Modelfile。它优化了设置和配置细节，包括GPU使用情况，从而提高了模型运行的效率。2、轻量级：Ollama的代码简洁明了，运行时占用资源少。这使得它能够在本地高效地运行，不需要大量的计算资源。
2025-02-24 17:08:51
2574
原创 DeepSeek介绍与部署
DeepSeek 是一家由中国知名量化私募巨头幻方量化创立的人工智能公司，致力于开发高效、高性能的生成式 AI 模型。自2023年7月成立以来，DeepSeek在短短一年多的时间里取得了显著的进展，推出了多个引人注目的开源模型，包括 DeepSeek Coder、DeepSeek LLM、DeepSeek-V2、DeepSeek-V3 和 DeepSeek-R1。成立时间：2023年7月17日母公司：幻方量化，一家规模超过百亿的私募量化基金，为DeepSeek提供了坚实的资金支持。
2025-01-28 14:06:17
14386
5
原创 Apache Spark 3.5介绍与部署(最新版本)
Apache Spark 是一个快速的，通用的集群计算系统。它对 Java，Scala，Python 和 R 提供了的高层 API，并有一个经优化的支持通用执行图计算的引擎。它还支持一组丰富的高级工具，包括用于 SQL 和结构化数据处理的 Spark SQL，用于机器学习的 MLlib，用于图计算的 GraphX 和 Spark Streaming。Apache Spark是一个开源的分布式计算框架，最早由加州大学伯克利分校AMPLab团队在2012年发布。
2025-01-24 12:01:30
1228
原创 Apache Flink 2.0介绍与部署（最新版本）
Apache Flink是一个框架和分布式处理引擎，用于对无界和有界数据流进行有状态计算。Flink被设计在所有常见的集群环境中运行，以内存执行速度和任意规模来执行计算。
2025-01-22 14:17:55
2719
2
原创 数据仓库分层解析(详细)
数据仓库分层是一种组织和管理数据仓库的结构化方法，它将数据仓库划分为不同的层次或级别，每个层次具有特定的功能和目的。这种分层方法有助于管理数据仓库中的数据流程、数据处理和数据访问，并提供一种清晰的结构来支持数据管理和分析需求
2025-01-08 10:24:07
9075
原创 Apache Doris 软件部署(2.1.7版本)
如果有返回值，则是支持avx2,如果没有返回值则需要下载no avx2。vim /etc/fstab 注释掉带swap分区。如果没有返回，则不支持avx2，后续下载包有影响。修改虚拟内存区域至少2000000。编辑fe.conf文件。编辑be.conf文件。
2025-01-01 19:26:24
1533
原创 Apache Doris介绍
Apache Doris 是一款基于 MPP 架构的高性能、实时的分析型，以高效、简单、统一的特点被人们所熟知，仅需亚秒级响应时间即可返回海量数据下查询结果，不仅可以支持高并发的点查询场景，也能支持高吞吐的复杂分析场景。基于此，Apache Doris 能够较好的满足加速等使用场景，用户可以在此之上构建大屏看板、用户行为分析、AB 实验平台、日志检索分析、用户画像分析、订单分析等应用。
2024-12-27 15:09:08
1197
原创 Apache SeaTunnel详解与部署（最新版本2.3.8）
SeaTunnel是一个非常易用、超高性能的分布式数据集成平台，支持实时海量数据同步。每天可稳定高效同步数百亿数据，已被近百家企业应用于生产。Apache SeaTunnel是中国开发者主导的项目，也是Apache基金会中第一个诞生自中国的数据集成平台项目。SeaTunnel原名Waterdrop，于2017年由乐视创建，并于同年在GitHub上开源2021年10月改名为SeaTunnel2021年12月9日SeaTunnel进入Apache孵化Apache SeaTunnel 毕业成为。
2024-11-07 22:38:20
9044
14
原创 Apache SkyWalking介绍与部署
Skywalking是分布式系统的应用程序性能监视工具，专为微服务，云原生架构和基于容器（Docker，K8S,Mesos）架构而设计它是一款优秀的APM（Application Performance Management）工具，包括了分布式追踪，性能指标分析和服务依赖分析等。Skywalking是由国内开源爱好者开源并提交到Apache孵化器的开源项目，SkyWalking成为Apache孵化项目，17日SkyWalking从Apache基金会的孵化器毕业成为。
2024-10-30 10:45:47
848
原创 Apache Celeborn详解与部署应用
Apache Celeborn 源于自研的 EMR Remote Shuffle Service，旨在解决中间数据遇到的及问题。
2024-10-26 12:06:36
1814
原创 Apache ShenYu介绍与部署
是一个异步的，高性能的，跨语言的，高性能，多协议，易扩展，响应式的API网关。兼容各种主流框架体系，支持热插拔，用户可以定制化开发，满足用户各种场景的现状和未来需求，经历过大规模场景的锤炼。HttpgRPCDubboSOFARPCMotanTars等等。Apache ShenYu成为顶级项目的时间是2022年7月28日。这一天，Apache软件基金会发布了博客，宣布ShenYu正式毕业，成为Apache顶级项目（TLP）
2024-10-24 22:31:19
1229
1
原创 Apache Linkis介绍与部署
Apache Linkis 计算中间件项目，是由微众银行大数据平台团队在2019年7月进行开源，并于2021年8月正式捐献给全球顶级开源社区 Apache 软件基金会（ASF），成为 ASF 孵化项目。Apache 软件基金会（ASF）孵化器于2022年12月03日，通过了 Apache Linkis 计算中间件项目的孵化毕业投票。2023年01月18日，Apache 软件基金会官方宣布 Apache Linkis 顺利毕业，成为 Apache 顶级项目（TLP）。
2024-10-17 09:15:39
1552
原创 Apache Livy介绍与部署
Apache Livy 是一个为 Apache Spark 提供的强大而灵活的 RESTful 接口，旨在让开发者无论在何处，都能轻松地与 Spark 进行交互。这个开源项目支持执行代码片段或程序，并且可以在本地 Spark 环境或 Apache Hadoop YARN 集群中运行。应用场景总的来说，Apache Livy 是一个强大、开放且易于使用的工具，对于那些希望在 Spark 上构建更高效、更灵活的数据处理系统的开发者而言，它是一个理想的选择。
2024-10-16 11:14:01
1527
原创 PostgreSQL17(最新版)安装部署
Postgres作为最先进的开源数据库，2024年7月，Stackoverflow 2024年度调查报告发布，超过6万名数据库开发人员参与了Stackoverflow年度数据库使用调查。报告显示，有48.7%的开发者正在使用PostgreSQL，并连续第二年成为最受欢迎的数据库。在所有的有效问卷中（52,418位受访者），PostgreSQL展现出了强劲的增长势头，其受欢迎程度逐渐提升。具体而言，今年有48.7%开发者选择使用PostgreSQL，相比较23年的45.55%，24年的使用比例逐渐提升。
2024-10-11 09:50:00
7005
2
原创 AI大模型分布式训练并行策略解析
本文系统介绍了大语言模型的分布式训练技术。核心内容包括：1）单节点训练流程分析，阐述前向计算和反向计算机制；2）三种并行策略：数据并行（DP）实现简单但显存占用高，模型并行（MP）包括流水线并行（PP）和张量并行（TP）可突破单卡限制，混合并行（HP）综合多种策略；3）内存优化技术如混合精度训练和ZeRO优化器。最后指出未来趋势将向混合并行、异构计算和通信优化发展，以支持万亿级参数模型训练。
2025-05-23 22:47:03
281
原创 高项案例题必备知识点
本文摘要涵盖了项目管理中的多个关键领域，包括配置管理、风险应对策略、变更管理、成本控制、团队章程、软件过程成熟度模型、合同管理及采购流程。配置管理活动涉及计划制定、项识别与控制、状态报告、审计及回顾改进。风险应对策略包括对威胁和机会的不同处理方式，如规避、转移、减轻等。变更管理程序包括申请、初审、方案论证、审查、实施、监控、评估及收尾。成本控制目标包括影响成本基准变更、管理变更请求、监督成本绩效等。团队章程内容涉及价值观、沟通指南、决策过程等。软件过程成熟度模型包括治理、开发与交付等能力域。合同管理涉及内容
2025-05-21 17:09:07
16
原创 【2025】人工智能
内容涵盖深度学习、神经网络、不确定推理、证据理论、搜索算法及卷积神经网络等多个方面。文章包括选择题、证明题和计算与问答题，涉及深度学习框架、归结法证明、似然计算、搜索算法中的open表与close表区别，以及卷积神经网络各层的功能解析。这些内容为读者提供了人工智能领域的基础知识和应用实例，适合相关领域的学习者和研究者参考。
2025-05-19 10:12:21
18
原创 【同等学力】2025-数学✨
本文主要涵盖了谓词逻辑、集合论、图论和排列组合等多个数学领域的题目。在谓词逻辑部分，要求用全称量词和存在量词表达“没有两个人的指纹完全相同”。集合论部分涉及集合运算的证明，如证明(A-B)-C=(A-C)-(B-C)。图论部分包括计算给定10个点的联通图的边与面数。排列组合部分则要求计算从8个人中选6个并分为三组的不同方法。此外，还涉及偏序、长链、反链、二项式定理等相关内容，参考了多个CSDN博客中的解题思路。
2025-05-19 09:51:42
132
原创 基于MYCIN 专家系统的不确定推理法计算
可信度方法是由美国斯坦福大学E.H.Shortliffe等人提出的一种不确定性推理方法，首次应用于1976年的专家系统MYCIN中。该方法基于确定性理论和概率论，用于量度知识和证据的不确定性。可信度反映了人们对某一事件或现象为真的相信程度，具有主观性和经验性。在基于可信度的推理模型中，知识以产生式规则表示，不确定性以可信度CF(H,E)表示。证据的不确定性可以通过用户直接指定或通过不确定性传递算法计算得出。对于组合证据，其可信度根据证据间的关系（合取或析取）分别取最小或最大值。在推理计算中，结论的可信度通过
2025-05-15 16:27:13
151
1
原创 归结法证明真题分析
本文主要探讨了逻辑证明题的三种核心形式及其解题策略。第一类为A1∧A2∧A3→B的证明，常采用线性、单元、支持策略法等归结法，典型案例包括使用归纳法证明特定逻辑公式，并列举了历年真题。第二类为集合交集证明，典型案例为证明任意集合S和T的交集S∩T是S的子集，需将交集和包含关系用逻辑式表达。第三类为常规归结法证明，真题示例为使用归结法证明特定逻辑蕴含关系。掌握前两类证明方法后，第三类问题自然迎刃而解。
2025-05-15 15:08:03
37
1
原创 归结控制策略解析【归结法】
归结策略主要分为删除策略和限制策略两大类。删除策略通过移除无用的子句来提高效率，包括纯文字删除法、重言式删除法和包孕删除法。限制策略则通过限制参与归结的子句来减少盲目性，包括线性归结策略、单文字归结策略、输入归结策略和支持集策略。线性归结策略要求从子句集中选取一个顶子句开始，并逐步与其它子句归结。单文字归结策略要求至少有一个子句是单文字子句，以提高效率但不完备。输入归结策略要求至少有一个子句是初始子句集中的子句，虽简单高效但不完备。支持集策略要求至少有一个子句是由目标公式的否定得到的子句或其衍生，是完备的。
2025-05-14 12:28:48
51
1
原创 归结法证明详解【人工智能推理】
归结法是一种用于证明谓词公式不可满足性的逻辑推理方法，其核心步骤包括构建子句集和进行归结推理。首先，通过将谓词公式转换为Skolem范式，消去存在量词并重新排列全称量词，得到子句集。子句集由文字（原子公式或其否定）的析取组成，空子句表示永假。归结推理通过消去互补文字生成新的子句，若最终得到空子句，则证明子句集不可满足。归结法在命题逻辑和谓词逻辑中均适用，通过替换与合一处理变元，确保推理的正确性。归结法广泛应用于定理证明，通过否定结论并证明其与前提的不可满足性，推断定理成立。
2025-05-14 11:58:06
249
原创 谓词运算之谓词公式等价性
本文总结了离散数学与人工智能归结法中的核心谓词公式等价式，包括交换律、结合律、分配律、德摩根定律、否定之否定定律、吸收律、补余律、逆否定律、连接词化归律、量词转换律和量词分配律等。这些等价式在逻辑推理和公式转换中具有重要作用，是理解和应用归结法的基础。通过掌握这些等价式，可以更高效地进行逻辑运算和推理，提升人工智能系统的推理能力。
2025-05-14 11:21:48
40
原创 AI大模型之分布式训练概述
随着大语言模型（LLMs）的参数量和训练数据量的指数级增长，传统单设备训练方式已无法满足需求，分布式训练技术因此成为推动大语言模型发展的核心驱动力。分布式训练通过将训练任务分解到多个计算设备上并行执行，有效解决了单设备资源瓶颈问题，显著提升了训练速度。然而，分布式训练也面临计算墙、显存墙和通信墙等挑战，如单个设备的计算能力、内存容量和通信带宽的限制。尽管存在这些挑战，分布式训练在大语言模型如OPT、BLOOM和LLaMA的训练中已得到广泛应用，并随着技术的进步，预计将逐步克服现有问题，为人工智能领域带来更强
2025-05-13 19:05:35
1520
原创 【考前强化】离散与组合考前快速测验
本文列举了多个数学题目，主要涉及个数计算、整除问题、排列组合以及方程求解等内容。题目包括：在特定范围内求不能被某些数整除的数的个数；
2025-05-13 16:40:08
303
1
原创 探索大语言模型开源数据集
在大语言模型（LLM）的发展中，开源数据集起到了关键作用。本文介绍了四个具有代表性的开源数据集：Pile、ROOTS、RefinedWeb和SlimPajama。
2025-05-11 22:38:50
1180
1
原创 深入剖析大模型预训练数据：来源、处理与影响
大语言模型（LLM）的预训练数据是决定其性能的关键因素，尽管缺乏完善的理论分析，但数据对模型效果和泛化能力的影响被广泛认可。
2025-05-11 22:27:55
1021
原创 LLaMA模型结构与注意力机制优化
大语言模型（LLMs）如GPT系列和LLaMA的快速发展，推动了人工智能技术的革新。这些模型主要基于Transformer架构，通过自回归方式处理自然语言，展现出强大的能力。
2025-05-10 14:31:19
1055
2
原创 深入剖析 GPT 及模型实践
在自然语言处理（NLP）领域，生成式预训练语言模型GPT和HuggingFace开源库具有重要地位。GPT模型由多层Transformer构成，通过无监督预训练和有监督下游任务微调，具备强大的语义表示能力。HuggingFace提供了丰富的工具和模型库，支持从数据集准备、词元分析器训练到模型训练和使用的完整流程
2025-05-10 13:58:09
244
1
原创 Transformer 结构全解析-大模型的核心基石
Transformer结构自2017年由谷歌提出以来，已成为大语言模型（LLMs）的核心基础，彻底改变了自然语言处理的格局。该结构主要由编码器和解码器组成
2025-05-09 21:55:47
747
2
原创 深入剖析大语言模型构建流程
大语言模型（LLMs）凭借其强大的语言理解和生成能力，在智能客服、内容创作和智能辅导等领域得到广泛应用。构建这些模型的过程包括几个关键阶段：首先是预训练阶段，利用海量数据训练基础语言模型；其次是有监督微调阶段，通过高质量数据集合赋予模型个性化能力；接着是奖励建模阶段，构建文本质量对比模型以评估输出质量；最后是强化学习阶段，通过用户反馈优化模型性能。每个阶段都至关重要，共同构成了大语言模型的复杂构建流程。
2025-05-09 20:29:15
912
HarmonyOS NEXT-给应用添加通知和提醒
2024-07-24
odjbc6g.jar sdoapi-11.2.0
2018-06-22
机器学习资料
2018-06-19
hellocharts-library-1.5.8.jar
2017-11-06
hibernate-spatial-4.3
2017-09-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人