个人技术分享

OpenAi&Google

基于 LlaMA 3 + LangGraph 在windows本地部署大模型 （一）基于 LlaMA 3 + LangGraph 在windows本地部署大模型 （二）基于 LlaMA 3 + LangGraph 在windows本地部署大模型 （三）基于 LlaMA 3 + LangGraph 在windows本地部署大模型 （四）基于 LlaMA 3 + LangGraph 在windows本地部署大模型 （五）基于 LlaMA 3 + LangGraph 在windows本地部署大模型 （六）基于 L

在原来生成的chat的基础上，追加一条消息，并将其传入pipeline。

本次实验分别使用了max_depth和min_samples_split两个参数的不同组合来进行训练，并通过10次的随机划分或者10折交叉验证的方式计算了每组参数的平均准确率。

【代码】Pytorch读取自己的数据集。

本系列用于Bert模型实践实际场景，分别包括分类器、命名实体识别、机器阅读、多选选择、文本摘要等等。（关于Bert的结构和详细这里就不做讲解，但了解Bert的基本结构是做实践的基础，因此看本系列之前，最好了解一下transformers和Bert等）本篇主要讲解。

推荐系统是一种信息过滤系统，它的目标是预测用户对物品的偏好程度。在Python中，我们可以使用多种技术来实现推荐算法，包括基于内容的推荐、协同过滤推荐以及利用机器学习模型的混合推荐系统。

一、项目背景在医疗影像诊断领域，CT（Computed Tomography）影像因其高分辨率和三维成像能力，成为医生诊断疾病的重要工具。然而，人工分析大量的CT影像数据既耗时又容易出错。因此，开发自动的CT影像分类系统对于提高诊断效率、减少人为错误具有重要意义。本项目旨在利用深度学习技术，特别是基于TensorFlow框架的VGG16卷积神经网络模型，实现CT影像的自动分类。二、项目目标。

本系列用于Bert模型实践实际场景，分别包括分类器、命名实体识别、机器阅读、多选选择、文本摘要等等。（关于Bert的结构和详细这里就不做讲解，但了解Bert的基本结构是做实践的基础，因此看本系列之前，最好了解一下transformers和Bert等）本篇主要讲解。

从传统功能到创新的问题解决方法，这本书为你提供了多样化的工具，以高效地应对任何数据挑战。如果你是一位寻求提高Excel数据查找技能的工作专业人士，一位寻求交互式Excel公式学习方法的学生，一位寻求做出数据驱动决策的经理，或者一位旨在精炼技能或刚刚开始数据分析职业生涯的数据分析师，这本书就是为你准备的。- 例如，如果你想查找Excel中的多个标准数据，你可以使用这样的提示：“使用Excel的SUMIFS函数，根据产品类型和销售日期查找总销售额，其中产品类型是‘电子产品’，销售日期在2023年3月。

边缘计算KubeEdge云端安装

一、系统背景随着深度学习技术的快速发展，其在计算机视觉领域的应用也日益广泛。姿态识别作为计算机视觉的一个重要分支，对于人机交互、运动分析、动作捕捉、虚拟现实等领域具有重要意义。YOLOv7和OpenPose作为两种先进的深度学习算法，分别在目标检测和人体姿态估计方面表现出色。因此，结合YOLOv7和OpenPose的优势，构建基于YOLOv7+OpenPose的姿态识别系统，具有广阔的应用前景。二、系统组成。

在训练模型时候，优化器选择adam，效果正常，测试集准确率可达99，而选用sgd时候，发现准确率恒定不变在22，查看了初始学习率为0.0001，修正为0.01，再次训练，效果较好。再次调回0.0001，不再固定，可能一开始陷入局部最优。整体训练效果较好，第一步使用pathlib查看类别名称验证能否与实际对应，使用imagefolder创建数据集,定义数据处理方式，然后可以.class查看分类，对数据集进行4：1划分，创建dataloder，到这里 数据集才算处理完成。

一、项目背景在医疗影像诊断领域，CT（Computed Tomography）影像因其高分辨率和三维成像能力，成为医生诊断疾病的重要工具。然而，人工分析大量的CT影像数据既耗时又容易出错。因此，开发自动的CT影像分类系统对于提高诊断效率、减少人为错误具有重要意义。本项目旨在利用深度学习技术，特别是基于TensorFlow框架的VGG16卷积神经网络模型，实现CT影像的自动分类。二、项目目标。

风格迁移的概念最早由提出。该技术通过优化一个目标函数来实现，该函数由三部分组成：内容损失(content loss)、风格损失(style loss)和总变分损失(total variation loss)。内容损失确保生成的图像在内容上与原始图像相似。风格损失确保生成的图像在风格上与参考图像相似。总变分损失添加了一个正则项，以保持生成图像的局部空间连续性，从而提高其视觉质量。

这种方法的核心思想是在非线性系统中找到一个等效的线性系统，使得非线性系统的特性可以通过线性控制理论来分析和设计控制器。精确线性化控制基于泰勒级数展开的原理，通过将非线性系统的输出和输入表示为泰勒级数的形式，从而将非线性系统转化为一个线性系统。反演控制是一种非线性系统设计方法，其基本思想是将复杂的非线性系统分解成多个更简单和阶数更低的子系统，然后分别对每个子系统设计控制器。在这个过程中，反演控制会逐步地推导出最终的控制律和参数自适应律，从而实现对系统的有效控制和全局调节。常用的线性化解耦方法有哪些？

由于患病样本稀缺，医学图像数据集存在天然的不平衡，导致诊断算法对多数类别产生偏见。这一情况降低了诊断性能，特别是在识别罕见类别方面。现有研究将这一挑战描述为长尾问题，并采取解耦策略来减轻分类器的偏见。但是这些研究仅使用不平衡的数据集来训练编码器，并通过舍弃主要类别的样本来重新训练分类器，从而限制了诊断性能。本文提出了一种分为两个阶段的多视图关系感知一致性和虚拟特征补偿（MRC-VFC）框架。在第一阶段，设计了一种多视图关系感知一致性（MRC）用于表示学习，为编码器的训练提供了无偏的指导，除了不平衡的监督。

从传统功能到创新的问题解决方法，这本书为你提供了多样化的工具，以高效地应对任何数据挑战。如果你是一位寻求提高Excel数据查找技能的工作专业人士，一位寻求交互式Excel公式学习方法的学生，一位寻求做出数据驱动决策的经理，或者一位旨在精炼技能或刚刚开始数据分析职业生涯的数据分析师，这本书就是为你准备的。- 例如，如果你想查找Excel中的多个标准数据，你可以使用这样的提示：“使用Excel的SUMIFS函数，根据产品类型和销售日期查找总销售额，其中产品类型是‘电子产品’，销售日期在2023年3月。

当直播间用户给在评论区提出问题时，我们的数字人主播将在不影响当前直播内容流畅性的前提下，实现即时的、一对一的智能解答，确保每一位用户都能得到及时、准确的回复。新增的弹幕回复功能，不仅有助于延长用户在直播间的停留时间，还能降低首购的平均回复时长。无需复杂的直播间防封搭建，青否数字人【商家本地算力驱动】通过先进的AI技术，使得即便是新手也能轻松搞定数字人在全平台的稳定直播，规避违规风险。系统能够根据商家提供的直播话术，在直播过程中实时改写话术，实时驱动数字人直播，确保数字人主播的每一句话都是不重复的。

OpenAi&Google