金木编程-CSDN博客

原创什么是多模态大模型？

多模态大模型（Multimodal Large Model）是指能够处理和理解多种类型数据的人工智能模型，通常包含文本、图像、音频、视频等不同模态的数据。传统的人工智能模型通常只处理单一模态的数据，比如只处理文本或只处理图像，而多模态大模型可以同时处理多种类型的数据，并结合它们进行综合分析与理解。3、语音-图像-文本互换：通过将不同模态的信息进行转换，比如从一段语音生成相应的文字或图像，或将视频内容生成对应的文本描述。4、自动驾驶：多模态大模型可以结合摄像头、雷达、声呐等多种传感器的数据，做出准确的决策。

2024-09-18 23:53:28 224

原创如何进行大模型训练和微调？（实战）

以下是针对function calling的slot，评估准确率（识别准确度）、召回率（全面率），F1值。1、在项目中，如果prompt和function calling足够好，尽量不要微调，节约成本。4.数据增强，可以用chatgpt对以上数据库改写，得到增强数据库，更加口语化。从中可以看出，训练微调并不能比function calling增强太多。3、模型训练数据，以开源数据库为例，包含酒店，景点，餐馆等信息。7、连接租用的容器后即可进行训练、微调。2、大模型训练和微调工具。6、训练、微调代码示例。

2024-09-13 23:39:52 268

原创如何通俗理解注意力机制？

2、寻找重点：想象一下，你在阅读一篇文章的时候，有些段落特别重要，你会特别注意这些段落，反复阅读，而对其他部分只是一眼带过。注意力机制做的事情就类似于此：它在处理数据时，会自动关注那些更重要的部分，从而提高对整体内容的理解。3、聚光灯效应：注意力机制就像一束聚光灯，它会在大量的信息中快速扫描，并将光聚焦在最重要的部分。总之，注意力机制的核心思想是通过模拟人类注意力来提升模型对重要信息的聚焦能力，从而更高效地处理数据，做出更好的预测或决策。

2024-09-09 00:06:26 212

原创大模型微调起什么作用？

大模型微调的作用是对已经训练好的大型预训练模型进行进一步的优化，以适应特定的任务或领域需求。：大模型在预训练时通常使用了广泛的通用数据集，通过微调，可以让模型适应特定领域的数据，比如医疗、法律、金融等，从而使得模型在这些领域中更准确和可靠。：在一些应用场景中，可以通过微调让模型更加个性化，比如调整模型的回答风格、内容倾向等，以更好地符合用户的需求。微调是一种高效利用大模型能力的方式，通过少量数据和计算资源的投入，实现更高效和更符合需求的模型应用。

2024-09-02 23:03:36 200 1

原创如何避免浏览器将字符串中的某些字符解释为HTML标签？

要避免浏览器将字符串中的某些字符错误地解释为HTML标签，你需要对这些特殊字符进行HTML转义。这涉及到将可能被解释为HTML代码的字符替换为对应的HTML实体。这个函数通过正则表达式和替换操作来安全地转换所有可能的特殊HTML字符，使得原本可能导致HTML解析错误或者是脚本执行（XSS攻击）的字符变为对应的HTML实体表示。这段代码确保即使用户输入包含潜在的危险或特殊意义的HTML代码，也不会被浏览器执行或错误解释，而是安全地显示为普通文本。实现HTML转义的代码示例。

2024-08-27 23:27:19 203

原创 js中的对象都能转成json吗？

虽然大多数普通对象可以转换为JSON，但有些特殊对象、函数、循环引用和不可枚举属性可能会引发问题或被忽略。2、函数和不可枚举的属性：JavaScript对象中的函数、undefined、Symbol属性和不可枚举的属性不会被JSON.stringify()转换成JSON字符串。1、循环引用的对象：如果对象中存在循环引用（即对象的某个属性引用了自身或另一对象，导致无限循环），JSON.stringify()会抛出错误。3、Map和Set对象：Map和Set对象也会被转换为空对象{}。

2024-08-26 23:40:53 279

原创如何做大模型微调？

大模型微调（Fine-tuning）是指在一个预训练的大模型（如GPT、BERT等）上，通过针对特定任务或领域的数据进行进一步训练，从而使模型在该任务或领域上表现得更好。

2024-08-21 23:19:41 336

原创 ChatGPT 如何实现自然语言搜索企业数据？

你可以根据具体的 REST API 文档调整 API URL 和请求参数。确保 API 返回的数据格式与你的 format_response 函数兼容。使用 ChatGPT 的内置能力解析用户的自然语言查询，将其转换为结构化的查询参数。定义一个函数接口，用于处理自然语言查询并通过 REST API 查询数据。调用 REST API 并获取响应数据。使用解析出的参数构建 API 请求。将查询结果格式化并返回给用户。

2024-08-20 23:31:53 333

原创 css中怎样使calc计算的高度生效？

在这两个示例中，calc() 函数都可以正常计算子元素的高度，并且该高度基于父元素的高度进行计算。第一种情况下，父元素的高度是固定的 500px，而第二种情况下，父元素的高度是视口高度的 50%。对于计算后的高度要生效，通常父元素需要具备一定的高度定义。2、百分比高度：如果父元素的高度是百分比，那么其父元素（祖先元素）也需要有固定高度或百分比高度，最终回溯到一个具有固定高度的元素。3、vh 单位：父元素可以使用 vh（视口高度单位）来设置高度，这样子元素的 calc() 计算也可以生效。

2024-08-20 23:30:49 535

原创大模型智能体可以用来实现哪些需求？

这些应用场景仅是大模型智能体潜力的冰山一角，随着技术的不断进步和发展，未来大模型智能体的应用范围将更加广泛和深入。

2024-08-18 23:48:26 244

原创什么是大模型的“幻觉”？

大模型的“幻觉”（Hallucination）指的是生成式AI模型（如GPT、BERT等）在回答问题或生成文本时，产生了并不存在或不符合事实的内容。1、语言模型的训练方式: 大型语言模型是通过大量文本数据进行训练的，但它们并没有真正的“理解”能力。因此，它们可能会生成看似合理但实际错误的内容。3、未提及但推断的内容: 在缺乏明确数据的情况下，模型可能会生成它“推测”的内容，而这些推测往往是错误的。2、错误的信息连接: 模型可能会将不相关或错误的信息关联起来，形成一个表面上合理但实际上错误的回答。

2024-08-14 23:33:02 435

原创 function calling后，如何让大模型进行自然语言输出？

在现代的自然语言处理（NLP）系统中，Function Calling 是指模型在对话过程中调用外部函数以获取特定数据或执行特定操作的能力。在 Function Calling 后，你可以将接收到的数据发送回大模型，并生成自然语言输出。在这个示例中，模型在 generate_response 函数中生成的 context 信息作为输入，然后 model.generate 调用大模型生成的自然语言输出可以直接用于回复用户。模型输出: “今天北京的天气很好，阳光明媚，气温28°C，湿度50%。

2024-08-13 23:39:56 323

原创如何使用open ai实现全站语义搜索？

通过这种方式，你可以在Angular应用中实现一个功能强大的全站语义搜索，利用OpenAI的Function Calling来解析自然语言查询，并结合你自己的搜索逻辑返回结果。这将极大提升用户体验，使得他们可以更自然地与企业网站进行交互。在企业Web应用中使用OpenAI的Function Calling功能来实现全站语义搜索，可以有效提升搜索体验，使用户能够通过自然语言查询来获取更相关的搜索结果。

2024-08-09 23:24:54 411

原创 Open AI和开源大模型如何选择？

4、快速集成：如果需要快速集成和使用，并且对成本不敏感，可以选择OpenAI模型，享受其高质量和易用性。3、数据隐私：如果数据隐私和安全性是关键考虑因素，可以选择开源模型，确保所有数据都在本地处理。1、成本：使用OpenAI的API是收费的，费用可能较高，特别是对于需要大量调用的应用。2、技术资源：如果团队具备较强的技术能力，能够处理模型的部署和调优，可以选择开源模型。2、性能差异：一些开源模型在某些任务上的性能可能不如商业化的模型，需要用户自行调优。1、成本：开源模型通常是免费的，可以降低使用成本。

2024-08-01 23:30:05 356

原创大模型开发如何把一段文字变成一组token？

这是自然语言处理中的一个关键步骤，主要是将连续的文本划分成离散的单元（token），这些单元可以是单词、子词或字符。以下是一个简单的示例，展示了如何将一段文字变成一组token。3、转为ID：tokenizer.convert_tokens_to_ids(tokens)将token转化为模型可识别的ID，这些ID对应模型词汇表中的位置。4、转换为ID：将token转换为对应的token ID，这些ID是模型输入所需的格式。1、加载预训练模型的分词器：可以选择不同的预训练模型，这里选择的是BERT中文模型。

2024-07-31 23:28:21 233

原创什么是深度神经网络？（含示例）

2、隐藏层：隐藏层会逐步处理这些像素点，通过复杂的计算和激活函数，提取图片中的特征。例如，第一个隐藏层可能识别边缘，第二个隐藏层可能识别线条和角度，第三个隐藏层可能识别具体的数字形状。神经元和层次：DNN由多个层次的神经元组成，包括输入层、多个隐藏层和输出层。3、输出层：输出层包含10个神经元，每个神经元代表一个数字（0-9）。通过这种结构，深度神经网络可以有效地学习和识别复杂的模式和特征，从而完成如图像识别、语音识别等任务。1、输入层：输入层接收一张手写数字的图片，每个像素点代表一个输入神经元。

2024-07-30 23:37:58 322 1

原创 Angular中哪些场景需要使用onpush？

在Angular中，OnPush变更检测策略可以提高应用性能，因为它只会在输入属性（@Input）发生变化或者组件内部的事件触发时才进行变更检测。通过在适当的场景中使用 OnPush 策略，可以有效地提升Angular应用的性能，减少不必要的变更检测，提高应用的响应速度。对于那些不需要频繁更新显示内容的组件，比如静态内容展示的组件，使用 OnPush 可以避免不必要的变更检测。在大型应用中，如果某些组件的变更检测开销较大，可以考虑使用 OnPush 以减少变更检测的频率，提高性能。不需要频繁更新的组件。

2024-07-29 23:33:22 362

原创 Angular哪些方法适合写在constructor中？

一般不建议在构造函数中进行复杂的逻辑操作或与视图相关的操作，如API调用或DOM操作，这些操作应放在生命周期钩子（如ngOnInit）中。1、依赖注入（Dependency Injection）：在构造函数中注入服务、路由器等依赖项。2、初始化简单的类属性：在构造函数中初始化简单的类属性。3、基础的设置操作：例如初始化配置参数。

2024-07-25 23:34:23 244

原创 Angular中component和directive的区别？

Directive分为三种：Attribute Directive、Structural Directive和Component（Component实际上是带模板的Directive）。在Angular中，Component和Directive都是重要的构建块，用于构建和组织应用程序的UI。4、生命周期钩子：Directive也有生命周期钩子，但与Component略有不同，主要用于处理元素的生命周期。3、样式：Component可以有自己的样式（CSS），这些样式只会应用于这个Component的模板。

2024-07-24 23:38:45 393

原创 React的生命周期？

componentDidCatch() 和 static getDerivedStateFromError() 用于错误边界。React的生命周期分为三个主要阶段：挂载（Mounting）、更新（Updating）和卸载（Unmounting）。这些生命周期方法让开发者可以在不同阶段插入自定义逻辑，增强组件的行为和性能。

2024-07-23 23:49:12 372

原创 VBA中如何使用Edge内核Browser？

在微软宣布停止对IE的支持后，许多使用VBA中Web Browser的用户遇到了困境，因为Web Browser使用的IE内核。然而微软并没有给出支持Edge的新版Web Browser，网上许多第三方的库也不够完善。经过调研，libEdge可以较好的和VBA集成，实现在Excel中打开Browser，甚至能够通过执行js代码，获取web页面的信息。项目需要WebView2Loader.dll和LibEdge.dll两个库，区分x86和x64版本。

2024-07-19 00:13:51 711

原创伪元素::before :: after的用法？

:before 和 ::after 是 CSS 伪元素，用于在元素内容的前面或后面插入内容。通过使用 ::before 和 ::after，你可以在不改变 HTML 结构的情况下，灵活地添加装饰性内容和其他元素。层叠顺序：伪元素会被认为是元素内容的一部分，因此它们会覆盖元素的背景，但不会覆盖元素的边框。在这个示例中，.clearfix 类使用 ::after 伪元素来清除其子元素的浮动。::before 伪元素用于在元素的内容之前插入内容。::after 伪元素用于在元素的内容之后插入内容。

2024-07-18 00:01:03 277

原创大模型维护平台LangFuse简介

LangFuse 为大型语言模型的维护和管理提供了一站式解决方案，帮助用户在生产环境中高效、安全地部署和优化语言模型。通过其强大的功能和灵活的架构，LangFuse 能够满足不同应用场景的需求，为用户带来更加便捷和可靠的模型管理体验。实时监控：提供实时监控工具，监控模型的运行情况，包括响应时间、错误率、资源使用等指标。自动更新：支持自动化的模型更新和部署流程，确保模型和依赖项始终保持最新。实时数据监控：监控输入数据的变化，确保模型能够适应新的数据分布和趋势。自然语言处理（NLP）应用。

2024-07-10 22:10:29 323

原创 Docker技术简介

Docker是一种开源的容器化平台，旨在简化应用程序的创建、部署和运行过程。容器是一个轻量级、独立的可执行软件包，它包含了运行应用程序所需的所有代码、运行时、系统工具、系统库和设置。由于容器包含了运行应用程序所需的一切，它们可以在任何支持Docker的环境中运行，包括开发人员的本地机器、测试环境和生产环境。使用Docker，开发人员可以确保在不同环境中运行的应用程序的行为是一致的，因为容器在任何地方都是相同的。每个Docker容器都是相互隔离的，这确保了应用程序之间不会互相干扰，增强了安全性和稳定性。

2024-07-08 23:23:05 580

原创 Python如何进行游戏开发？

使用Python进行游戏开发可以通过以下几个步骤来实现。Python有多个游戏开发框架和库，最常用的是Pygame。下面是一个简要的指南，介绍如何使用Pygame进行游戏开发。通过这些步骤，你可以使用Python和Pygame开发出简单的游戏。随着经验的积累，你可以尝试开发更复杂和有趣的游戏。游戏逻辑：实现游戏规则和逻辑，例如得分、游戏结束等。帧率控制：通过设置帧率（FPS）来控制游戏的速度。碰撞检测：检测玩家与其他游戏元素之间的碰撞。动画和声音：增加游戏的视觉和听觉效果。

2024-07-08 00:35:44 315

原创 css中伪元素 :: before的用法

在这个例子中，CSS规则 ::before 将在类为 example 的元素前插入一个金色的星星符号。这样，你在HTML中只需要定义一段文本，通过CSS可以很容易地在它前面添加图标或装饰性的内容。在CSS中，伪元素 ::before 用于在选定元素的内容前插入内容。它常用于添加图标、文本或装饰性的元素，而不需要在HTML中实际添加额外的标签。::before 伪元素对于丰富网页内容和设计非常有用，特别是在需要在不改变HTML结构的情况下添加装饰性元素时。::before 属性详解。

2024-07-05 14:54:21 364

原创信息时代，呼唤新的哲学

总之，信息时代的到来，要求我们重新审视和思考传统哲学的价值，并在此基础上，融合现代科技的成果，形成一种适应时代发展的新哲学。通过科技与传统智慧的融合，我们可以在信息时代找到一种新的平衡，实现人类社会的可持续发展。例如，儒家的“仁爱”思想强调人际关系的和谐与互助，道家的“无为而治”倡导自然与人类社会的和谐相处，佛家的“慈悲”理念则强调心灵的净化和超越。中国传统文化中也有丰富的创新思想，如老子的“道法自然”强调顺应自然、顺势而为，这种思想可以激发人们的创造力，使技术发展更加符合自然和社会的规律。

2024-07-04 23:53:31 307

原创有哪些AI绘画软件？

2、Artbreeder：通过生成对抗网络（GAN），允许用户混合和匹配图像以创建新的艺术作品。5、Deep Dream Generator：利用深度学习算法，将图像转化为梦幻般的视觉效果。3、RunwayML：提供多种AI模型，支持创意和设计工作，包括图像生成和修改。7、StyleGAN：生成对抗网络，能够生成逼真的人脸图像和其他高质量图像。1、DeepArt：基于深度学习技术，可以将照片转换成各种艺术风格的绘画。8、Painnt：提供多种艺术滤镜，可以将照片转化为绘画风格的图像。

2024-07-03 23:15:11 225

原创如何维护一个生产级的LLM应用？

维护一个生产级的LLM（大型语言模型）应用是一个复杂的过程，涉及多个方面的工作，包括模型管理、数据处理、安全性、监控和更新等。这些步骤和注意事项能帮助你有效地维护一个生产级的LLM应用，确保其稳定性、安全性和高效性。要有严格的数据清洗和验证流程，以保证输入数据的准确性和相关性。实时监控模型的运行情况，包括响应时间、错误率、资源使用等指标。监控输入数据的变化，确保模型能够适应新的数据分布和趋势。定期更新模型和依赖项，以引入最新的优化和安全补丁。建立有效的沟通渠道，及时响应用户的问题和建议。

2024-07-02 23:31:00 123

原创 LangChain的核心组件

6、文档加载器和文本分割器（Document Loaders and Text Splitters）：文档加载器从各种外部来源检索数据，而文本分割器则将冗长的文档分割成可管理的部分，便于模型处理 (Deepchecks) (Elastic)。2、语言模型（LLMs）：语言模型是生成基于输入提示的人类语言文本的引擎。8、工作流管理（Workflow Management）：这涉及协调和控制链和代理的执行，以解决特定问题，管理数据流，并确保应用对用户交互和变化情况做出响应 (Elastic)。

2024-07-01 23:22:43 232

原创图像大模型DALL-E简介

DALL-E的名字结合了艺术家萨尔瓦多·达利（Salvador Dalí）和Pixar电影《机器人总动员》（WALL-E）的名字，寓意其独特的创造力。例如，它可以将“一个拿着气球的鳄鱼”和“穿着礼服的企鹅”两个完全不同的概念结合在同一图像中，生成有趣且创意十足的画面。DALL-E基于GPT-3的架构，但它的训练数据不仅包括文本，还包括大量的图像和对应的描述。DALL-E能够生成多样化且细节丰富的图像。它不仅能够理解复杂的场景和物体关系，还能够在生成的图像中体现细腻的细节，如光影效果、材质质感和颜色搭配。

2024-06-30 23:52:35 317

原创微软有哪些大模型Copilot应用？

1、Microsoft 365 Copilot：集成于Word、Excel、PowerPoint、Outlook和Teams等应用中，帮助用户创建内容、总结邮件、草拟议程和管理数据等 (Microsoft Cloud) (Microsoft Cloud) (Microsoft Cloud)。6、Microsoft Loop：为协作工作设计的应用，Copilot帮助创建和管理项目页面，跟踪团队进度，并为正在进行的项目建议相关内容 (Microsoft Cloud)。

2024-06-29 23:52:33 492

原创注意力机制在大语言模型中的应用

在大语言模型中，注意力机制（Attention Mechanism）用于捕获输入序列中不同标记（token）之间的关系和依赖性。通过注意力机制，特别是自注意力机制，语言模型可以有效地捕捉输入序列中不同标记之间的依赖关系和重要性，从而提高对上下文信息的理解和处理能力。在大语言模型中，注意力机制通过上述步骤在每一层中动态调整每个标记的重要性，从而捕捉上下文中的长距离依赖关系。注意力权重的大小反映了模型认为每个标记对当前任务的重要性，从而实现对标记强度的捕捉。在自注意力机制中，查询、键和值都是同一组标记的表示。

2024-06-27 23:10:35 577

原创什么是生成式AI？

这些系统可以创建文本、图像、音乐、视频等各种类型的内容。生成式AI通过学习大量的数据来理解和模仿人类的创作过程，从而生成新的、原创的内容。生成式AI有着广泛的应用前景，可能在创意领域（如艺术、设计、写作等）以及实用领域（如自动化文档生成、数据增强等）带来更多的创新和改变。2、变分自动编码器（VAE）和生成对抗网络（GAN）：这些是常用的生成模型，通过训练两个竞争性网络（生成器和判别器）来生成逼真的数据。生成式AI通过模拟人类的创作过程，带来了许多创新和便利，但也需要谨慎使用，确保其带来的影响是积极的。

2024-06-24 22:57:01 309

原创什么是Azure OpenAI？

4、集成 Azure 服务：利用 Azure 的云计算能力，用户可以方便地将 OpenAI 模型集成到现有的应用程序和工作流程中，享受高可用性和扩展性。Azure OpenAI 使得企业和开发者能够更轻松地利用最新的人工智能技术，创建智能化、个性化的解决方案，提高业务效率和创新能力。1、先进的语言模型：利用 GPT-3 等模型，用户可以生成自然语言文本，进行翻译，总结，问答等任务。3、图像生成：通过 DALL-E 模型，用户可以从文本描述生成图像，用于创意设计和视觉内容生成。

2024-06-22 22:34:38 377

原创大模型开发Embedding技术介绍

比如，在电影推荐系统中，可以通过Embedding表示用户的喜好和电影的特征，从而进行个性化推荐。Embedding技术在大模型开发中发挥了重要作用，能够有效地将数据转换为向量表示，捕捉数据的语义和上下文信息。通常使用神经网络模型，如Word2Vec、GloVe和BERT等，将离散的数据映射到连续的向量空间。在特定任务和领域中，可以通过自定义训练Embedding模型，获取适合特定任务的词向量。使用预训练模型，如Word2Vec、GloVe和BERT，直接获取预训练好的词向量。自然语言处理（NLP）

2024-06-19 23:13:09 579

原创 Semantic Kernel 和 LangChain 如何选择？

如果你的项目紧密依赖于微软的技术生态，且你需要复杂的工作流管理，那么 Semantic Kernel 可能更适合你。相反，如果你需要更灵活的模型支持和丰富的社区资源，那么 LangChain 可能是更好的选择。在做出最终决定前，可以尝试这两种工具的示例项目，评估它们的功能是否符合你的需求。如果你的项目已经使用了微软的技术栈，Semantic Kernel 可能是更好的选择。社区支持：相比一些开源项目，Semantic Kernel 的社区支持可能相对较少，获取帮助和资源的渠道可能有限。

2024-06-16 22:57:52 337

原创大模型开发LangChain简介

LangChain 提供了多种数据处理和预处理工具，支持不同类型的数据输入，如文本、图像和音频等。它还支持常见的数据增强技术，如数据清洗、数据增强和特征提取等，以提高模型的训练效果。

2024-06-15 22:49:08 343

原创 Semantic Kernel嵌套使用示例

在使用Semantic Kernel进行嵌套时，可以通过将一个任务的输出作为另一个任务的输入来实现。任务B处理文本：将任务A生成的问候语传递给TaskB.ProcessGreeting方法进行处理。嵌套执行：在主程序中，首先执行任务A，然后将其输出作为输入传递给任务B，最终输出处理后的结果。在主程序中，首先执行任务A生成文本，然后将生成的文本作为输入传递给任务B进行处理。假设你有两个任务：任务A和任务B。任务A生成一段文本，任务B对这段文本进行处理。任务B接收任务A生成的问候语，并将其转换为大写。

2024-06-12 23:11:49 171

原创 Semantic Kernel开发大模型应用示例

导入库: 使用import semantic_kernel as sk来导入Semantic Kernel，并从semantic_kernel.connectors.ai.open_ai导入OpenAIConnector。Semantic Kernel简化了与大语言模型（如GPT-3）的交互，使得开发者可以更容易地创建和管理复杂的自然语言处理应用。定义生成文本函数: 定义一个函数generate_text，该函数接受一个提示（prompt），并调用Kernel实例的generate方法生成响应。

2024-06-11 22:45:14 334

struts2_login.7z

分步实现struts2 mvc 框架源码.7z

dynamicCreateComponent.7z

空空如也