个人技术分享

大语言模型（LLM）驱动的智能体（AI Agent）展现出许多传统软件所不具备的特征。不仅与传统软件的设计理念、方法、工具和技术栈有显著的差异，AI原生（AI Native）的智能体还融入了多种新概念和技术。我们从多个维度对AI Native智能体与传统软件进行了比较和分析，涉及开发语言、软件架构、设计模式和编程模式等多个方面。图：本文梳理的智能体软件设计模式和发展脉络本文梳理智能体软件设计模式和...

写一段代码，模拟生成accuracy逐步上升、loss逐步下降的训练日志，并将日志信息记录到 training_log.txt中。##读取YOLO数据后画出曲线图。

本文将介绍最新的一站式AI创作系统（集成ChatGPT+Midjourney）——星河易创AI系统，该系统基于ChatGPT的核心技术，融合了自然语言问答、绘画、音乐、文档分享、图片识别等创作功能，并兼容官方GPT全模型和国内各大模型。该系统提供多样化的应用，包括GPTs的多场景应用、实时GPT语音对话、GPT-4-ALL、GPT-4o等多模态的先进特性，以及DALL-E 2、DALL-E 3的文生图创作工具。

2024年5月15日至16日，拉丁美洲首屈一指的金融盛会—2024年哥伦比亚金融博览会(Money Expo Colombia 2024) 于哥伦比亚波哥大举办，作为博览会的钻石赞助商，ATFX展示其前沿的品牌创新科技与解决方案，分享了多种在线创新投资策略及具深度、影响力的演讲内容，更是博得了众多参会者的广泛赞誉，最终荣获“全球最佳在线经纪商” (Best Global Online Broker) 奖，成就了品牌的辉煌新篇章。

tips：标题前有“***”的内容为补充内容，是给好奇心重的宝宝看的，可自行跳过。文章内容被“文章内容”删除线标记的，也可以自行跳过。！！”一般需要特别注意或者容易出错的地方。本系列文章是作者边学习边总结的，内容有不对的地方还请多多指正，同时本系列文章会不断完善，每篇文章不定时会有修改。由于作者时间不算富裕，有些内容的《算法实现》部分暂未完善，以后有时间再来补充。见谅！文中为方便理解，会将接口在用到的时候才导入，实际中应在文件开始统一导入。

大型语言模型（LLMs）作为高度能力的人工智能助手，在需要跨多个领域专家知识的复杂推理任务中表现出巨大潜力，包括编程和创意写作等专业领域。它们通过直观的聊天界面与人类互动，这导致了快速和广泛的公众采用。考虑到训练方法的看似简单性，LLMs 的能力令人瞩目。自回归变压器首先在大量自监督数据上进行预训练，然后通过强化学习与人类反馈（RLHF）等技术与人类偏好对齐。尽管训练方法简单，但高计算需求限制了 LLMs 的开发，仅由少数参与者进行。

在AI领域，大语言模型已成为备受瞩目的焦点，尤其在自然语言处理（NLP）领域，其应用愈发广泛。BLM作为一种多任务语言建模方法，旨在构建一个具备多功能的强大模型。在给定文本和查询条件下，该模型能够充分利用上下文中的丰富信息，如查询内容、特定任务或领域知识，以生成准确而恰当的答案。这一特性使得BLM在优化自然语言处理任务中展现出巨大潜力。

主要介绍数据仓库和数据挖掘的基本知识。

tips：标题前有“***”的内容为补充内容，是给好奇心重的宝宝看的，可自行跳过。文章内容被“文章内容”删除线标记的，也可以自行跳过。！！”一般需要特别注意或者容易出错的地方。本系列文章是作者边学习边总结的，内容有不对的地方还请多多指正，同时本系列文章会不断完善，每篇文章不定时会有修改。由于作者时间不算富裕，有些内容的《算法实现》部分暂未完善，以后有时间再来补充。见谅！文中为方便理解，会将接口在用到的时候才导入，实际中应在文件开始统一导入。

说在前面：这篇是记录贴，因为被配置环境折磨了大半天，所以记录下来下次方便配置，有点像流水账，有不懂的地方可以评论问。参考文章：环境：系统：Windows11显卡：1660Ti。

标量也叫0D张量，一个标量就是一个数，它只有大小，没有方向。

标量也叫0D张量，一个标量就是一个数，它只有大小，没有方向。

Rasa是一个开源的机器学习框架，专门用于构建自动化的文本和语音对话系统，即聊天机器人。它允许开发者和企业创建定制化的对话体验，适用于各种领域，从客户服务、电子商务到教育和健康咨询等。Rasa的核心优势在于其灵活性和可扩展性，使得用户能够构建复杂且高度个性化的对话逻辑。Rasa本身不是用来直接训练或微调大型预训练模型的工具，但它提供了接口和机制，使得开发者能够间接利用这些大模型的威力，通过整合它们的输出或微调后模型的特性，来增强对话系统的理解能力和表现。

程序员或多或少要了解些人工智能，前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家(坚持不懈，越努力越幸运，大家一起学习鸭~~~随着大语言模型能力的增强，传统应用不可避免的需要调用LLM接口，提升应用的智能程度和用户体验，但是一般来说大语言模型的输出都是字符串，除了个别厂商支持JSON Mode，或者使用function call强制大语言模型输出json格式，大部分情况下，还是需要业务放自己去处理JSON格式，下面我来总结一下在解析JSON过程中遇到的一些问题和解决方案。

SwanLab - MNIST手写体识别任务是一个经典的计算机视觉问题，SwanLab入门深度学习、PyTorch MNIST手写体识别、MNIST数据集、PyTorch教程、手写数字识别、深度学习入门、机器学习训练、可视化深度学习、PyTorch实例、神经网络模型、Python深度学习、机器学习项目、SwanLab教程、手写体识别算法、PyTorch基础

然后，我们将详细介绍Stable Diffusion的使用方法，包括如何调整参数以获得最佳结果。现在，你可以开始使用Stable Diffusion来生成逼真的图像、音频和文本等数据，并探索更广泛的应用。最后，我们将讨论如何评估Stable Diffusion的性能，并提供一些改进的建议。首先，我们将解释什么是生成模型，并介绍Stable Diffusion与其他生成模型的区别。然后，我们将深入探讨Stable Diffusion的工作原理，包括其训练过程和使用技巧。

根据吴茂贵《 Python 深度学习基于 PyTorch ( 第 2 版 ) 》撰写的学习笔记，该篇主要介绍了目标检测的相关概念及主要挑战。

这段代码使用Pygame和OpenCV在屏幕上创建一个OpenGL窗口，并记录窗口的内容为视频。这样，就完成了创建OpenGL窗口并记录窗口内容的整个过程。

如何写好科技论文

一、项目背景与意义乳腺癌作为女性最常见的恶性肿瘤之一，对女性的健康构成了严重威胁。乳腺癌的早期发现和治疗对于提高患者的生存率和生活质量至关重要。近年来，随着深度学习技术的不断发展，其在医疗图像分析领域的应用也越来越广泛。本项目旨在利用Matlab平台，结合深度学习技术，开发一套乳腺癌分类检测系统，以辅助医生进行乳腺癌的准确诊断和评估。二、项目目标数据准备：收集包含乳腺癌图像的数据集，并进行必要的预处理操作，如图像缩放、归一化等，以适应深度学习模型的输入要求。