大数据标签_AMD开发者中国社区

大数据

当 Ollama 一直 OOM，我用 vLLM 救了 Cline 一次 —— H100 双卡多服务共存实战

前几天在 192.168.31.9 这台 H100 双卡的机器上配 Cline，想用本地的 Qwen3-VL-32B 做代码开发。本以为是个"装个 Ollama 跑模型"的简单活，结果一上手就踩了 6 个坑——Ollama 一直 OOM 加载失败、显存碎片化、split mode 自动跨卡、端口混乱、Model ID 猜不对、容器内外不互通。最后靠换vLLM 的 OpenAI 兼容 API才彻底解

 leoZ231
2026-08-09 15:36:15

 328

 6

#人工智能 #大数据 #opencv +3
【实时数仓·3】你还在用二元链式JOIN？Flink早就多元并行了——但你得先升到2.1

本文分析了Flink多表JOIN导致状态爆炸的问题及解决方案。作者在处理10张MySQL CDC表关联的实时任务时，发现状态从几百MB暴涨至12GB。问题根源在于Regular JOIN会永久保存中间状态，TTL设置面临两难：太小会导致数据丢失，太大则内存爆炸。 Flink 2.1提出的MultiJoin方案通过"零中间状态"设计（用计算换存储）从根本上解决问题，但当前生产环境（Flink 1.1

陆水A
2026-06-08 13:51:07

 282

 3

#flink #大数据 #数据仓库 +2
从TCO总拥有成本视角：2026年AI数字人直播系统长期价值评估！

文章摘要：2026年数字人直播行业进入精细化运营阶段，但多数企业仍以"首月/首年价格"为选型依据，导致实际成本超预算3-5倍。研究基于TCO（总拥有成本）模型对四款主流产品进行3年周期测算，结果显示全源码本地部署方案（如登登AI）的3年总成本仅为云端产品的13%-19%，优势主要体现在消除隐性算力加价、降低违规风险及适配成本上。本地化架构通过技术优化实现硬件轻量化，将RTX30

AIdengdeng241
2026-06-25 18:22:19

 418

 7

#人工智能 #大数据 #网络
Elasticsearch做RAG向量库实践

摘要：本文指出Elasticsearch（ES）8.x已具备强大的向量检索能力，无需额外部署专用向量数据库（如Pinecone/Weaviate）即可实现RAG系统。核心优势包括：原生支持混合检索（BM25+向量+RRF融合）、复用现有运维体系、高效HNSW算法与元数据过滤。文章详细展示了ES索引配置（含量化优化）、文本分块策略、批量嵌入入库技巧（关闭refresh提速5倍），以及混合检索的Py

Kevin_Kung
2026-06-28 01:56:28

 248

 2

#elasticsearch #jenkins #大数据
2026 年本地部署的 AI 数字人直播系统到底有多省钱？

数字人直播的省钱，从来不是选最便宜的入门工具，而是选最适合自身运营周期、全周期投入产出比最高的方案。当直播从 “尝鲜” 变成 “生意”，本地部署，注定会成为越来越多商家的必然选择。

AIdengdeng241
2026-06-30 21:50:40

 418

 8

#人工智能 #大数据 #AIGC
基于Python的招聘数据分析系统

随着数字经济快速发展和就业市场结构性矛盾日益凸显，招聘数据已成为反映区域产业活力、人才供需匹配度及职业发展趋势的重要“晴雨表”。传统人工统计与Excel分析已难以应对海量、多源、异构的招聘岗位信息（如BOSS直聘、前程无忧、智联招聘等平台日均新增数十万条职位），亟需构建自动化、可视化、可解释的数据分析系统。本文设计并实现了一套基于Python的招聘数据分析系统，采用Scrapy框架完成多平台分布式

 wyh293
2026-06-22 12:05:21

 294

 6

#大数据 #数据可视化
ClickHouse新手零基础入门教程｜从零学会大数据实时分析（超详细无Docker实操版）

ClickHouse是一款开源列式存储OLAP数据库，专为海量数据分析设计，相比MySQL等行式数据库在聚合查询、实时报表等场景性能优势显著。本文为零基础用户提供ClickHouse一站式入门指南，涵盖核心概念、Linux原生部署和实战SQL操作。重点解析OLAP与OLTP的区别、列式存储原理，详细演示CentOS/Ubuntu系统安装配置（含远程连接、密码设置等生产级部署技巧），并通过用户行为分

 hao521yun
2026-06-23 09:34:50

 344

 7

#clickhouse #大数据 #docker +1
【字节跳动】《上海临港智算中心A100 4000卡集群技术推测》

📄 文档内容解读：字节临港A100智算中心落地行业应用（生物医药+金融量化）本文出自《上海临港智算中心A100 4000卡集群技术白皮书》，聚焦HPC+AI融合算力在两大高算力刚需行业的落地成果，集群硬件基底为4000张NVIDIA A100 GPU组成超算集群。一、5.3 生物医药与科学计算（HPC+AI）核心逻辑：传统高性能计算(HPC)依托A100的通用算力完成AI智能化升级，破解生物医药

 季念&季凡
2026-06-03 13:50:25

 75

 1

#人工智能 #大数据 #开发语言 +2
RK3588选型指南：瑞芯微旗舰SoC系列对比与边缘AI/车载应用选型建议

RK3588是瑞芯微推出的旗舰级通用SoC，采用8nm制程工艺，集成八核CPU（4×Cortex-A76+4×Cortex-A55）、Mali-G610 GPU和6TOPS三核NPU，支持8K@60fps视频编解码和32MP ISP处理。该芯片具备PCIe 3.0、USB3.1等丰富接口，可广泛应用于边缘计算、AIoT、智能座舱及工业领域，其车规级版本RK3588M支持多屏联动和舱泊一体方案。开发

 雅斯驰
2026-06-26 11:29:23

 324

 4

#人工智能 #大数据 #fpga开发 +4
30家商家实证：数字人直播90%的钱都白花了？2026全周期选型白皮书

数字人直播已成为商家重要工具，但90%的商家因选错系统面临隐性成本高、断流限流等问题。通过对5款主流系统的实测对比，发现登登AI凭借全本地化架构在运行稳定性（99.7%无故障率）、成本透明度（3年总成本1.36万元）、转化能力（话术重复率9.2%）和合规性（风控通过率99.7%）全面领先。云端方案短期试水成本低，但长期运营时登登AI的买断制优势显著：日均直播>5小时的企业，3年可节省80%以

 AIdengdeng241
2026-06-29 17:47:58

 425

 10

#人工智能 #大数据 #AIGC
GLM-5.2 深度解读：智谱新一代旗舰模型，如何重新定义开源大模型的性能边界？

**摘要：**智谱AI开源新一代旗舰模型GLM-5.2，在推理能力、上下文长度、效率与生态四个维度实现突破。该模型具备128K长文本处理能力，推理性能提升30%，支持复杂指令遵循与专业级代码生成，在多项基准测试中媲美GPT-4级别模型。通过架构优化与量化技术，推理成本降至商业模型的1/5-1/10。国家超算互联网平台提供即用API服务，结合宽松开源协议，使企业能快速私有化部署。GLM-5.2标志着

 iFisher666
2026-06-23 15:23:42

 500

 9

#开源 #人工智能 #语言模型 +1
大模型筑基、小模型破局：2026年起AI仅两条赛道，双非也能凭轻量化落地逆袭（收藏版）

985/211+资源丰富者：可走“大模型为体，小模型为用”的路线，兼顾科研深度与产业落地，争做复合型通才；双非或资源有限者：聚焦“小模型为矛，大模型为盾”的策略，深耕垂直领域，用实战成果打造核心竞争力，成为领域专才。无论选择哪条路线，多做可落地的项目、积累可验证的成果、建立个人行业影响力，才是突破学历与资源限制的核心路径。如果说程序员已经是高薪职业，那么干AI的程序员，就是高薪中的高薪。学****

热爱python的小谢
2026-06-03 11:11:33

 372

 7

#人工智能 #大数据 #学习
2026国产AI算力芯片推理加速对比：SRAM专用、全栈自研、通用GPU三条路线分析

一、导语2026年，推理算力需求已占全部AI计算的三分之二以上，国内AI算力市场进入结构分化阶段。推理加速对比的目的是帮助用户理解不同路线的适用边界。三条路线各有侧重，用户的选择不应简单比较"谁更强"，而应回到自身场景：是专注推理场景的能效比？是追求全栈自主可控？还是兼顾训练推理通用性？本文基于公开信息与官方技术文档，对三条路线的代表厂商进行梳理，帮助用户做出更契合需求的选择。二、技术路线分类逻辑

 科技生活园
2026-06-24 21:43:05

 444

 5

#大数据 #人工智能 #运维
2026 年靠谱的 AI 数字人直播软件推荐榜

2026 年 AI 数字人直播已经告别概念营销的阶段，长效稳定、成本可控、合规安全才是衡量软件是否靠谱的核心标准。云端 SaaS 适合短期试水，伪本地方案仅能满足临时活动需求，如果商家计划把数字人作为常态化经营工具长期运营，登登 AI 全源码本地化方案是综合性价比最高的选择。

AIdengdeng241
2026-06-27 20:49:38

 437

 6

#人工智能 #大数据
PyArrow 完整教程

本教程全面介绍PyArrow 24.0.0在Python 3.14环境中的使用，涵盖安装、核心概念、数据类型和基础操作。主要内容包括：环境配置：提供PyArrow安装命令和版本校验方法，介绍核心模块导入方式。核心概念：讲解Arrow Array、Table、Schema等基本数据结构，以及列式存储特点。数据类型系统：详细说明基础类型（整型、浮点、字符串等）、复合类型（列表、结构体、字典）和字

 李昊哲-小课
2026-06-15 11:00:44

 324

 8

#pandas #大数据 #数据分析
某集团企业级数字人平台与品牌数字员工智能体全场景应用建设方案（WORD）

本章确立集团企业级数字人平台与品牌数字员工智能体建设的全局管控边界与核心业务轴线。针对生成式人工智能与多模态交互技术的工程化落地需求，本项目构建统一的数字人与智能体（Agent）共性底座，实现跨业务板块、跨应用场景的数字员工标准化接入。总体设计采用“平台化共性提炼、场景化轻量解耦”的架构模式，整合音视频合成、大模型意图识别、动作表情驱动等核心算法，通过标准化API与轻量化SDK向集团各业务系统输出

 无忧智库
2026-06-01 16:17:22

 661

 11

#人工智能 #大数据 #自动化
Elasticsearch simdvec 深度剖析：在内存钢丝上行走，实现 2 倍更高的向量吞吐量

本文深入解析了Elasticsearch simdvec如何通过四项关键优化实现2倍向量吞吐量提升。作者首先通过级联展开（Cascade Unrolling）技术，利用C++模板实现循环展开，最大化FMA端口利用率，获得11-13%性能提升。接着采用批处理与预取策略，通过"头部+分散"的预取方式隐藏内存延迟，带来最高30%的性能提升。针对2的幂维度导致的L1d缓存冲突问题，提出

 Elastic 中国社区官方博客
2026-06-09 00:18:16

 628

 11

#elasticsearch #大数据 #搜索引擎 +3
PP-Seg（PP-LiteSeg）模型零基础完整学习教程（原理+实战+部署）

本文介绍了百度飞桨PaddleSeg推出的轻量化语义分割模型PP-LiteSeg及其应用实践。该模型通过SPPM简易金字塔池化、UAFM注意力特征融合和FLD轻量级解码三大创新模块，在保持精度的同时显著提升了推理速度，适合移动端和实时场景。文章详细讲解了从环境搭建、数据集制作到模型训练、评估、部署的全流程，包括代码示例和调优技巧。PP-LiteSeg相比传统分割模型具有参数量低、速度快、部署友好等

 大雨淅淅1999
2026-06-16 13:32:35

 613

 9

#学习 #人工智能 #数据挖掘 +3
2026中国AI工业视觉产业全景报告

工业视觉正在经历从"机器视觉"到"AI视觉"的范式跃迁。本报告基于维视智造二十年产业实践与五万余个项目案例的积累，从技术演进、市场格局、应用场景、竞争态势、未来趋势等维度，系统剖析中国AI工业视觉产业的现状与机遇，为制造业决策者、产业投资人与技术同行提供一份来自产业一线的深度观察。

Microvision维视智造
2026-06-23 15:59:57

 2488

 5

#人工智能 #大数据
“英飞凌杯”AURIX™ TC4x创新挑战赛任务说明

4、四个BTB连接器，核心板所有的IO全部引出，最小的一个BTB连接器所引出的IO建议不要使用，这个连接器里面包含的IO主要和一些调试以及其他特殊端口，为了避免引起无法启动等问题，建议不要使用这些IO。通过第二章可以得知，需要完成锥桶的识别和交通标识的识别才能完成挑战赛任务，因此，要求在TC4上运行目标检测模型和图片识别模型，其中使用了TC4系列的PPU单元加速了神经网络部分的计算。脚本包括训练

 卓晴
2026-06-27 10:32:40

 798

 8

#人工智能 #大数据 #数据库
字节面试官：为啥用 vLLM 不用 Ollama？PagedAttention、短板与选型框架

圈子里有人去字节面试,被问了一道看起来简单、实际很容易答浅的题:> 👔 你们线上推理为啥用 vLLM 不用 Ollama?

程序猿李巡天
2026-07-13 21:40:55

 226

 8

#大数据 #数据库 #学习 +3
PyTorch 广播机制

PyTorch 广播机制定义PyTorch的tensor参数可以自动扩展其大小。一般的是小一点的会变大，来满足运算需求。规则满足一下情况的tensor是可以广播的。至少有一个维度两个tensor维度相等维度不等，其中一个为1维度不等，其中一个维度不存在计算过程规则。维度不同，小维度的增加维度每个维度，计算结果取大的扩展维度是对数值进行复制例子# 广播机制a ...

Ghlerrix
2022-03-27 14:17:00

 958

 1

#java #python #机器学习 +2
10 分钟，教你如何用 LLama-Factory 训练和微调 LLama3 模型

微调模型涉及调整预训练模型或基础模型的参数，这些参数可用于特定任务或数据集，可以提高模型的性能和准确性。这个过程涉及向模型提供新数据并修改其权重、偏差和某些参数。通过这种方式，可以让这个新模型可以在新任务或数据集上获得更好的表现，而无需为了新任务或数据从头开始开发一个模型，从而节省时间和资源。通常，当创建新的大语言模型（LLM）时，它会在大量文本数据上进行训练，这些数据可能包含潜在的有害的数据。在

 咔咔学姐kk
2024-05-29 17:43:13

 2873

 17

#人工智能 #产品经理 #大数据 +1
github入门_GitHub桌面和移动工具入门

github入门自去年被收购以来，微软对GitHub采取了非常放任的方法。这是一种很有意义的方法。微软过去与开放源代码社区的关系并不是最好的，尽管Redmond向开放设计和开放开发模型迈出了重要步伐，但微软仍然没有太多信任。但是，这并没有使GitHub停滞不前和停滞不前。取而代之的是，在新的领导层以及对未来的更加清晰的认识下，GitHub加速了其产品开发和推出，为Web服务和平台增...

cxu0262
2020-07-03 18:48:30

 323

#python #java #git +2
周红伟：Sglang+Vllm+Qwen3.5企业级部署案例实操

Qwen3.5部署指南摘要：Qwen3.5支持通过SGLang、vLLM等主流推理框架部署API服务，建议使用最新版本以获得最佳性能。该模型默认支持262K tokens上下文长度，生产环境推荐专用推理引擎。SGLang和vLLM均提供标准版、工具调用和多Token预测三种部署模式，其中vLLM还支持纯文本模式以释放内存。HuggingFace Transformers提供轻量级服务器方案。调用时

 元宇宙iwemeta
2026-02-22 20:38:59

 2262

 15

#人工智能 #大数据
GitHub 分支管理：如何正确删除本地与远程分支

本文详细介绍了在GitHub工作流中如何安全删除本地和远程分支的方法及最佳实践。主要内容包括：删除本地分支：使用git branch -d删除已合并分支，-D强制删除未合并分支删除远程分支：通过git push origin --delete命令或GitHub网页端操作同步操作：建议先删远程分支再删对应的本地分支清理建议：定期使用git fetch -p清除过时的远程跟踪分支最佳实践：强

 北冥you鱼
2026-06-23 13:00:25

 512

 15

#github #elasticsearch #大数据