背景：在对话系统领域，检索式对话系统一直是工业界的偏爱。笔者曾经单纯基于ElasticSearch的相似度匹配进行过实现（详见：基于ElasticSearch的检索式智能问答方案_chenxy02的博客-CSDN博客 ）。后面又引入深度学习模型——“文本相似度识别”提升了系统的意图匹配机制，于是便有了这篇博客。为什么只用ES相似度匹配不行ES（ElasticSearch）所提供的相似度机制本质上是

背景：前段时间笔者做一个图计算项目的时候，需要选用一种图数据库。于是在网上查了许多的材料，自己也做了实际的调研测评。别人家的测评全面的对比这个不知道谁做的对比，从30多个指标全面比较了Neo4j、HugeGraph、JanusGraph详见：​​​​​​一文看尽图数据库选型，30多个指标全面比较Neo4j、HugeGraph、JanusGraph_独行侠梦的博客-CSDN博客详细的性能对比由腾讯云

存储技术演进路线ICT产业从60年代以主机、终端为核心的第一平台到80年代以个人电脑、客户端/服务器和局域网/互联网为依托的第二平台，直至今天演进到了以云计算、大数据、移动、社交媒体为依托的第三平台。第三平台被IDC称为ICT的未来，整个IT行业向第三平台转型是大势所趋。随着上层应用的结构性变革，对应底层存储经历了直连式存储、传统存储、云存储三个阶段。直连式存储DAS直连式存储DAS：存储设备只是

背景：很多人都知道神经网络、深度学习是上世纪就有的技术，为什么最近这些年才成为“爆款”？本文就这个话题来掰扯掰扯，记录记录一些大佬的对此的见解。Scale drives deep learning progress“Scaledrives deep learning progress”，这是吴恩达的深度学习课程中的一个标题。这里“规模”（scale）一方面指的是神经网络的规模，能构建更多隐藏单元更

Gensim简介开源第三方Python工具包，从原始的非结构化文本抽取语义主题。支持语料处理、LSA、LDA、RP、TF-IDF、word2vec等主题模型内存独立，可实现向量空间算法，支持主题建模的可扩展框架核心：语料、稀疏向量和模型...

前言： 刚上大学的时候，每每学习一个新的课程，总觉得学习“概论”、“分类”这种东西很无聊。后来发现，学习具体的实现细节才是最无聊的……因为永远 记 不 住。 所以 开始告诉自己建立系统的知识框架才是重要的：强人工智能 & 弱人工智能：>> 强人工智能：指能制造出真正地推理和解决问题的智能机器。比如日本动漫里的“阿童木”、钢铁侠的AI管家“贾维斯”就可以说是一个强人...

前言：本文主要面向但不限于非人工智能的专业从业者，只是希望在聊到AI的时候能吹上两句的。可聊话题包括但不限于“AI技术的发展现状”，“AI技术有哪些分类”，“神经网络是什么”等等等人工智能发展现状人工智能的现状是：强人工智能很弱、弱人工智能很强。弱人工智能已经强大到可以替代许多的岗位。人类目前最先进的强人工智能，也远远比不上一个三岁孩子的智力。强人工智能：指能制造出真正地推理和解决问题的智能机器。

什么是人工智能目前业界对人工智能虽无统一定义，但对 “基于学习、认知构成的对人的替代”取得高度共识什么是机器学习机器学习是一种能够赋予机器学习的能力以此让它完成直接编程无法完成的功能的方法。但从实践的意义 上来说，机器学习是一种通过利用数据，训练出模型，然后使用模型预测的一种方法。机器学习一直以来 都是人工智能的研究核心领域。机器学习：问题类型常见机器学习解决的问题类型有分类和回归，此外还有“聚类

背景：很多人都知道神经网络、深度学习是上世纪就有的技术，为什么最近这些年才成为“爆款”？本文就这个话题来掰扯掰扯，记录记录一些大佬的对此的见解。Scale drives deep learning progress“Scaledrives deep learning progress”，这是吴恩达的深度学习课程中的一个标题。这里“规模”（scale）一方面指的是神经网络的规模，能构建更多隐藏单元更

2023年，训练模型时，使用DDP（DistributedDataParallel）已经成为Pytorch炼丹师的标准技能。本文主要讲述实现Pytorch分布式要做哪些事情，以及如何理解Pytorch分布式训练背后的通信原理（不会很深入）。