-
使用nn.Transformer和torchtext的序列到序列建模
使用nn.Transformer 和torchtext 的序列到序列建模 定义模型 加载和批量数据 生成输入序列和目标序列的函数 启动实例 运行模型 使用测试数据集评估模型 使用nn.Transformer 和torchtext 的序列到序列建模 原文：https://pytorch.org/tutorials/beginner/tran... -
为什么要拆分系统？
为什么要拆分系统？ 面试题 面试官心理分析 面试题剖析 为什么要将系统进行拆分？ 如何进行系统拆分？ 拆分后不用 dubbo 可以吗？ 为什么要拆分系统？ 面试题 为什么要进行系统拆分？如何进行系统拆分？拆分后不用 dubbo 可以吗？ 面试官心理分析 从这个问题开始就进行分布式系统环节了，现在出去面试分布式都成标配了，没有哪个公司不... -
在 Nashron 中使用 Backbone.js
在 Nashron 中使用 Backbone.js Java 模型 Backbone 模型 将二者放在一起 总结 在 Nashron 中使用 Backbone.js 原文：Using Backbone.js with Nashorn 译者：飞龙 协议：CC BY-NC-SA 4.0 这个例子展示了如何在Java8的Nas... -
Browser-Use-中文文档
Browser-Use 系统要求 快速开始 安装 环境配置 运行 示例 注意事项 致谢 视频演示 截图展示 Browser-Use 中文文档 | English 一个基于 Playwright 的浏览器自动化工具，支持与 OpenAI 和 Anthropic 的 AI 模型集成。 系统要求 Python 3.11 或更高... -
高级教程: 作出动态决策和 Bi-LSTM CRF
高级教程: 作出动态决策和 Bi-LSTM CRF 动态 VS 静态深度学习工具集 Bi-LSTM CRF (条件随机场) 讨论 具体实现笔记 练习: 为区别性标注定义一个新的损失函数 高级教程: 作出动态决策和 Bi-LSTM CRF 译者：@JingTao 、@friedhelm739 动态 VS 静态深度学习工具集 Pytor... -
高并发架构
高并发架构 消息队列 搜索引擎 缓存 分库分表 读写分离 高并发系统 公众号 高并发架构 消息队列 为什么使用消息队列？消息队列有什么优点和缺点？Kafka、ActiveMQ、RabbitMQ、RocketMQ 都有什么优点和缺点？ 如何保证消息队列的高可用？ 如何保证消息不被重复消费？（如何保证消息消费的幂等性） 如何保证消... -
二、数据准备
二、数据准备 从字典加载特征 加载 scikit-learn 的波士顿住房数据集 加载波士顿住房数据集 加载 scikit-learn 的数字数据集 加载 scikit-learn 的鸢尾花数据集 为分类制作模拟数据 为矩阵生成模拟数据 为回归制作模拟数据 Scikit 中的感知机 保存机器学习模型 二、数据准备 作者：Chris ... -
神经网络
神经网络 定义网络 损失函数 反向传播 更新权重 神经网络 原文：https://pytorch.org/tutorials/beginner/blitz/neural_networks_tutorial.html#sphx-glr-beginner-blitz-neural-networks-tutorial-py 可以使用torc... -
第十二章 AIGC为元宇宙创作场景内容
第十二章 AIGC为元宇宙创作场景内容 第十二章 AIGC为元宇宙创作场景内容 元宇宙既可以是完全独立于现实世界的平行空间，也可以是虚实融合、可与现实世界交互的虚拟世界。随着数字化转型的深入，现实世界的各种要素都可以“搬到”虚拟世界中，同时虚拟世界创设的内容，又可以通过不同的载体投射到现实世界里，进而对现实世界产生影响。在这个过程中，人工智能所扮演的角... -
二：博弈算法的前世今生
从深蓝说起 博弈算法 围棋难题 卷积神经网络 从深蓝说起 从计算机问世后，博弈算法从来就没有停止过改进的步伐。最早打败人类顶级棋手的AI就是深蓝。以下内容摘自百度百科： 深蓝是美国IBM公司生产的一台超级国际象棋电脑，重1270公斤，有32个大脑（微处理器），每秒钟可以计算2亿步。”深蓝”输入了一百多年来优秀棋手的对局两百多万局。1997年 ...
