14,382
社区成员




① AIGC实战——ProGAN(Progressive Growing Generative Adversarial Network)(盼小辉丶:[博客] [成就])
[质量分:96;难度等级:未知;新鲜技术:99]
摘要:我们已经学习了使用生成对抗网络 (Generative Adversarial Network, GAN)解决各种图像生成任务。GAN的模型架构和训练过程具有很高的灵活性,通过改进GAN。
② OpenAI 推出新网络爬虫GPTBot,为GPT-5做准备(万俟淋曦:[博客] [成就])
[质量分:96;难度等级:未知;新鲜技术:99]
摘要:在人工智能时代,OpenAI的ChatGPT已经成为一种强大的大语言模型(LLM),可以生成类似人类的文本响应。为了增强其能力,ChatGPT 推出了一款名为的网络爬虫,用于从网站收集数据来训练其人工智能模型。
③ 从零到一:如何使用亮数据代理快速收集训练数据打造自己的AIGC大模型(热爱编程的小白白:[博客] [成就])
[质量分:96;难度等级:未知;新鲜技术:99]
摘要:近年来,AIGC大模型火得一塌糊涂,大学的专业正好是人工智能专业,赶紧上车抓住风口,做一个电商AI识别大模型项目。
④ Stable Diffusion文生图技术详解:从零基础到掌握CLIP模型、Unet训练和采样器迭代(stormsha:[博客] [成就])
[质量分:94;难度等级:未知;新鲜技术:99]
摘要:扩散过程发生在图片信息生成器中,把初始纯噪声隐变量输入到 Unet 网络后结合语义控制向量,重复 30~50 次来不断去除纯噪声隐变量中的噪声,并持续向隐向量中注入语义信息,就可以得到一个具有丰富语义信息的隐空间向量(右下图深粉方格)。
⑤ 探索 2024 年徽标制作的最佳定制 GPT(KompasAI:[博客] [成就])
[质量分:93;难度等级:未知;新鲜技术:97]
摘要:Canva 为您的企业品牌打造提供类似的体验。此外,GPT 驱动的徽标设计的速度和效率可能会重塑行业的动态,更快的周转时间将成为新常态。LogoGPT 方法的核心是其敏锐的能力,能够提出正确的问题,深入研究您的具体偏好,以捕捉您想要的确切氛围。
① C++从入门到精通——类对象模型(鲜于言悠905:[博客] [成就])
[质量分:96;难度等级:未知;新鲜技术:77]
摘要:类对象模型是一种编程概念,用于描述和实现面向对象编程(OOP)中的类和对象。在这个模型中,类定义了对象的结构和行为,包括数据成员(属性)和成员函数(方法)。对象是类的实例,具有类的所有属性和方法。
① Docker容器(五)Docker Compose(烟雨平生9527:[博客] [成就])
[质量分:97;难度等级:未知;新鲜技术:99]
摘要:Docker Compose是Docker官方的开源项目,负责实现对Docker容器集群的快速编排。Compose 是 Docker 公司推出的一个工具软件,可以管理多个 Docker 容器组成一个应用。
② Docker之镜像与容器的相关操作(空空bye:[博客] [成就])
[质量分:94;难度等级:未知;新鲜技术:99]
摘要:Docker 运行容器前需要本地存在对应的镜像, 如果镜像不存在, Docker 会尝试先从默认镜像仓库下载(默认使用 Docker Hub公共注册服务器中的仓库), 用户也可以通过配置,使用自定义的镜像仓库。简单来说,容器是镜像的一个运行实例。
③ Docker快速入门(weixin_71366486:[博客] [成就])
[质量分:95;难度等级:未知;新鲜技术:99]
摘要:数据卷(volume)是一个虚拟目录,是容器内目录与宿主机目录之间映射的桥梁。html:放置一些静态资源conf:放置配置文件如果我们要让Nginx代理我们的静态资源,最好是放到html目录;如果我们要修改Nginx的配置,最好是找到conf下的。
④ K8s学习五(资源调度_2)(biubiu17:[博客] [成就])
[质量分:94;难度等级:未知;新鲜技术:99]
摘要:
⑤ k8s单节点部署,容器运行时使用containerd(有谁看见我的剑了?:[博客] [成就])
[质量分:91;难度等级:未知;新鲜技术:99]
摘要:https://github.com/containerd/containerd/blob/main/docs/getting-started.md#advanced-topics 官网安装指南。containerd 的默认socket文件路径为。
① 【机器学习】K-means聚类算法:原理、应用与优化(云天徽上:[博客] [成就])
[质量分:95;难度等级:未知;新鲜技术:99]
摘要:在众多聚类算法中,K-means算法因其简单高效而备受青睐。K-means算法的基本思想是:通过迭代的方式,将数据划分为K个不同的簇,并使得每个数据点与其所属簇的质心(或称为中心点、均值点)之间的距离之和最小。
② 设计模式深度解析:AI大模型下的策略模式与模板方法模式对比解析(danci_btq:[博客] [成就])
[质量分:97;难度等级:未知;新鲜技术:99]
摘要:随着AI技术的不断发展,策略模式与模板方法模式作为设计领域的两颗璀璨明珠,正以其独特的魅力在AI大模型的舞台上展现出无穷的活力与创造力。👍😉 策略模式以其灵活多变的特性,赋予了AI大模型在决策制定中的高度自主性。
③ AI大模型下的策略模式与模板方法模式对比解析(要快乐_:[博客] [成就])
[质量分:95;难度等级:未知;新鲜技术:99]
摘要:随着AI技术的不断发展,策略模式与模板方法模式作为设计领域的两颗璀璨明珠,正以其独特的魅力在AI大模型的舞台上展现出无穷的活力与创造力。👍😉 策略模式以其灵活多变的特性,赋予了AI大模型在决策制定中的高度自主性。
④ AI大模型下的策略模式与模板方法模式对比解析(笑笑_0v0:[博客] [成就])
[质量分:95;难度等级:未知;新鲜技术:99]
摘要:随着AI技术的不断发展,策略模式与模板方法模式作为设计领域的两颗璀璨明珠,正以其独特的魅力在AI大模型的舞台上展现出无穷的活力与创造力。👍😉 策略模式以其灵活多变的特性,赋予了AI大模型在决策制定中的高度自主性。
⑤ AI大模型下的策略模式与模板方法模式对比解析(佛系_0_:[博客] [成就])
[质量分:95;难度等级:未知;新鲜技术:99]
摘要:随着AI技术的不断发展,策略模式与模板方法模式作为设计领域的两颗璀璨明珠,正以其独特的魅力在AI大模型的舞台上展现出无穷的活力与创造力。👍😉 策略模式以其灵活多变的特性,赋予了AI大模型在决策制定中的高度自主性。
① 软件设计师:11-结构化开发与UML(also&lucky:[博客] [成就])
[质量分:94;难度等级:未知;新鲜技术:44]
摘要:
① 精通springcloud:高级负载均衡和断路器(F1814397:[博客] [成就])
[质量分:95;难度等级:未知;新鲜技术:99]
摘要:可能有人会问我为什么愿意去花时间帮助大家实现求职梦想,因为我一直坚信时间是可以复制的。我牺牲了自己的大概十个小时写了这片文章,换来的是成千上万的求职者节约几天甚至几周时间浪费在无用的资源上。
② 精通springcloud:微服务之间的通信,带Hystrix的断路器模式(Java攻城尸:[博客] [成就])
[质量分:95;难度等级:未知;新鲜技术:99]
摘要:这个月马上就又要过去了,还在找工作的小伙伴要做好准备了,小编整理了大厂java程序员面试涉及到的绝大部分面试题及答案,希望能帮助到大家《一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码》点击传送门即可获取!” />
① 个人网站开发记录(六)三系统前端vite+js+antd(chenjinxu2003:[博客] [成就])
[质量分:89;难度等级:未知;新鲜技术:93]
摘要:这几天忙着放假(),然后三系统本身其实体量挺小的,所以在写这篇文章的时候我实际上已经开始我的四系统建立了....好吧这些都是题外话,我们先开始吧再接再励,继续肝四系统。
② vue2和vue3的区别(hw_happy:[博客] [成就])
[质量分:91;难度等级:未知;新鲜技术:86]
摘要:大部分生命周期钩子名称上+“on”关键字,功能是类似的。不过vue3在组合式api种使用生命周期钩子时候需要先引入、而vue2在选项api种可以直接调用生命周期钩子。
① python中的数据可视化(python小桦:[博客] [成就])
[质量分:95;难度等级:未知;新鲜技术:81]
摘要:在绘制百分比堆积柱状图时,x轴一般为类别型数据,y轴为数值型,所以要先求和得到每个类别的总和数值,并计算占比后,再绘制图像。的数据时,我们需要将两个不同的图像,通过共享一个x轴和两个y轴,绘制在一张图中。
① 一文了解重塑代币发行方式的创新平台 — ZAP(小树苗193:[博客] [成就])
[质量分:89;难度等级:未知;新鲜技术:99]
摘要:通过 ZAP Labs、Launch、Drops 三个核心组件和 Vault 的完美结合,构建了一个民主、透明和公平的代币发行生态系统,为项目启动提供了基础,为投资者提供了更多的参与机会,为推动了整个加密货币和区块链领域的发展建立了强大的基础设施。
① 分布式进阶(二二)——分布式框架之可扩展:Zookeeper(smart哥:[博客] [成就])
[质量分:95;难度等级:未知;新鲜技术:99]
摘要:本章,我介绍了Zookeeper的数据模型和最典型的几种使用场景,并在作为注册中心时,对Zookeeper和Eureka进行了比较。
② 使用阿里云试用Elasticsearch学习:3.4 处理人类语言——将单词还原为词根(范欣德:[博客] [成就])
[质量分:95;难度等级:未知;新鲜技术:99]
摘要:在上面的例子中,我们阻止了 skies 被词干提取,但是也许我们希望他能被提干为 sky。The stemmer_override 语汇单元过滤器允许我们指定自定义的提取规则。"rules": [},规则来自 original=>stem。
③ Centos7源码方式安装Elasticsearch 7.10.2单机版(Ilv老婆:[博客] [成就])
[质量分:82;难度等级:未知;新鲜技术:99]
摘要:任选一种方式下载提取码:bnqi如下图所示,点击右侧View past releases可以选择历史版本选择后,在版本框搜索7.10.2,选择LINUX X86_64包下载。
④ ES入门十四:分词器(上海第一深情Enoch:[博客] [成就])
[质量分:95;难度等级:未知;新鲜技术:99]
摘要:除了使用内置的分词器外,我们还可以通过组合 Tokenizer、Filters、Character Filters 来自定义分词器。"char_filter": { # 自定义char_filter。
⑤ 【项目实战经验】DataKit迁移MySQL到openGauss(下)(Gauss松鼠会:[博客] [成就])
[质量分:89;难度等级:未知;新鲜技术:95]
摘要:我们分享了安装、设置、链接、启动等步骤,本篇我们将继续分享迁移、启动~
① 安卓面试常问的问题,WEB技术分类,缓存架构技术(2301_79987255:[博客] [成就])
[质量分:92;难度等级:未知;新鲜技术:99]
摘要:其实Android开发的知识点就那么多,面试问来问去还是那么点东西。所以面试没有其他的诀窍,只看你对这些知识点准备的充分程度。so,出去面试时先看看自己复习到了哪个阶段就好。上面分享的百度、腾讯、网易、字节跳动、阿里等公司2021年的高频面试题。
② 安卓直播开发面试,微信小程序使用百度api获取天气信息 ,Android开发还会吃香吗(2401_83977546:[博客] [成就])
[质量分:89;难度等级:未知;新鲜技术:99]
摘要:最后看一下学习需要的所有知识点的思维导图。在刚刚那份学习笔记里包含了下面知识点所有内容!如果你正愁这块不知道如何学习或者想提升学习这块知识的学习效率,那么这份学习笔记绝对是你的秘密武器!// 发起weather请求。// 新建bmap对象。
③ Android视角看鸿蒙第十一课-鸿蒙的布局之层叠布局Stack(走在路上的菜鸟:[博客] [成就])
[质量分:83;难度等级:未知;新鲜技术:99]
摘要:Stack组件为容器组件,容器内可包含各种子组件。其中子组件默认进行居中堆叠。下面看效果图可以看到Stack的第一个子组件宽度是90,默认是居中的(和Android有区别,写完一定要跑,不要太自信。
① 中断与定时计数(落笔太慌张~:[博客] [成就])
[质量分:97;难度等级:未知;新鲜技术:7]
摘要:知道下列一些概念以后可以让我们读懂本次实验的一系列代码,当然你也可以直接跳过此处,遇到看不懂的部分再返回查找。中断。
① Linux环境黑客入侵应急与排查(黑战士安全:[博客] [成就])
[质量分:92;难度等级:未知;新鲜技术:99]
摘要:1.https://www.virustotal.com/ , 国外知名安全站点,需翻墙,可查询文件MD5、IP、域名、URL是否恶意,也可上传文件进行病毒扫描。
② 数字电路基础(Digital Circuit Basis )(热爱嵌入式的小佳同学:[博客] [成就])
[质量分:92;难度等级:未知;新鲜技术:97]
摘要:用数字信号完成对数字量进行算术运算和逻辑运算的电路称为数字电路, 或数字系统。由于它具有逻辑运算和逻辑处理功能,所以又称数字逻辑电路。数字电路所处理的各种数字信号都是以数码形式给出的,用数码表示数量的大小时, 采用的各种计数进位制规则称为数制。
③ 代码世界:分布式版本控制系统--git(anonymous_who_am_i:[博客] [成就])
[质量分:94;难度等级:未知;新鲜技术:40]
摘要:git是一个开源的分布式版本控制系统,能有效的、快速的处理大大小小的项目版本管理,是Linus Torvalds为了帮助Linux内核开发而于2005开发的一个开放源码的版本控制系统。
① 探索数据结构:特殊的双向队列(Betty’s Sweet:[博客] [成就])
[质量分:97;难度等级:未知;新鲜技术:0]
摘要:双向队列(double‑ended queue)*是一种特殊的队列,它允许在队列的队尾与队头插入与删除元素。根据其定义,我们也可以理解为两个栈在栈底相连。队尾入队队首入队队尾出队队尾出队。
① jest单元测试——项目实战(蛞蝓不孤寡:[博客] [成就])
[质量分:96;难度等级:未知;新鲜技术:94]
摘要:包括:什么是单元测试、jest的基本配置、快照测试、mock函数、常用断言、前端单测策略等等。。
① UE5、CesiumForUnreal实现加载建筑轮廓GeoJson数据生成白模功能(右弦GISer:[博客] [成就])
[质量分:97;难度等级:未知;新鲜技术:99]
摘要:在看本文之前,需要先看一下专栏之前的文章加载GeoJson生成单面,多面以及Box等文章,理解GeoJson数据的解析,多边形的三角剖分,Id写入顶点UV,点选获取id等内容,以便更好地理解本文。这里需要进行拆分,将。”,并在此基础上进行了优化。
① 网络_TCP/IP_第五章_交换机的基本原理与配置_实验案例二:交换机的基本配置(idbb__张子健:[博客] [成就])
[质量分:88;难度等级:未知;新鲜技术:99]
摘要:如图5.18所示、两台交换机互连,并与四台计算机连接在一起,设备之间接口的连接情况如表5-4所示。
① 【Linux实践室】Linux高级用户管理实战指南:创建与删除用户组操作详解(聆风吟_:[博客] [成就])
[质量分:95;难度等级:未知;新鲜技术:82]
摘要:本文主要讲解Linuxgroupadd命令:来创建一个新用户组;groupdel命令:来删除一个已经存在的用户组。今天的干货分享到这里就结束啦!如果觉得文章还可以的话,希望能给个三连支持一下,聆风吟的主页。
① Golang单元测试和压力测试(两片空白:[博客] [成就])
[质量分:96;难度等级:未知;新鲜技术:98]
摘要:需要注意的是,默认情况下,每个基准测试至少运行一秒(即总共时间得字少大于等于1秒),如果Benchmark函数返回时,没有到1秒,则b.N的值会按1,2,5,10,20...增加,并且函数再次运行。总之我们需要确保这些组件是能够正常运行。
② golang特性3(ThePolestars:[博客] [成就])
[质量分:91;难度等级:未知;新鲜技术:97]
摘要:通过通道进行通信的方式更加安全和可靠,因为它提供了简单且有效的同步机制,避免了常见的并发编程问题,如竞态条件和死锁。如果通道是有缓冲的,即容量大于0,那么即使没有接收方,发送操作也可能不被阻塞,因为缓冲区中可以存放一定数量的元素。
③ Golang 开发实战day08 - Multiple Return values(心安成长:[博客] [成就])
[质量分:81;难度等级:未知;新鲜技术:95]
摘要:Go语言中的多返回值是一个非常方便的功能,可以让我们更优雅地编写代码。掌握了多返回值的使用方法,可以提高你的编程效率和代码质量。不追求山顶的景色,享受攀登的过程,让我们期待下面学习。
① 【Rust】——Trait(Y小夜:[博客] [成就])
[质量分:95;难度等级:未知;新鲜技术:99]
摘要:trait定义了某个特定类型拥有可能与其他类型共享的功能。可以通过 trait 以一种抽象的方式定义共同行为。可以使用指定泛型是任何拥有特定行为的类型。trait类似于其他语言中的常被称为 接口(interfaces)的功能,虽然有一些不同。
② How to mark a .desktop file as trusted on Ubuntu 22.04? Allow Lauching (***)(ken2232:[博客] [成就])
[质量分:93;难度等级:未知;新鲜技术:46]
摘要:错误信息:linux 命令行进行桌面图标的打开。
① Java Spring IoC&DI :探索Java Spring中控制反转和依赖注入的威力,增强灵活性和可维护性(从零开始的-CodeNinja之路:[博客] [成就])
[质量分:96;难度等级:未知;新鲜技术:99]
摘要:IoC是Spring的核⼼思想,也是常⻅的⾯试题,那什么是IoC呢?IoC:InversionofControl(控制反转),也就是说Spring是⼀个"控制反转"的容器.什么是控制反转呢?也就是控制权反转.什么的控制权发⽣了反转?
② 【Ambari】Ansible自动化部署大数据集群(阿龙先生啊:[博客] [成就])
[质量分:97;难度等级:未知;新鲜技术:97]
摘要:一.版本说明和介绍信息。
③ 文献学习-29-FedDM:通过注释校准和梯度去冲突进行联合弱监督分割(Metaphysicist.:[博客] [成就])
[质量分:92;难度等级:未知;新鲜技术:99]
摘要:噪声部分会导致客户端梯度之间产生冲突。此外,分层结构可以实现去除所有客户端梯度间的任意两客户端冲突,因为第一层没有配对的任意两个冲突客户端梯度$F_i(\theta_t)$和$F_j(\theta_t)$会融合到更高层结构的父节点中,隐式实现冲突补正。
第一次上榜,前排留名
上榜了,我也冒个泡。板块:[2024-04-08]|CSDN每天值得看|人工智能;文章:设计模式深度解析:AI大模型下的策略模式与模板方法模式对比解析
第一次上榜,开心o( ̄▽ ̄)ブ