软件缺陷智能分析技术(3) - 提升SZZ的准确率上一节我们介绍了在即时缺陷分析领域里有开创意义的SZZ算法。尽管用直觉都能感受到SZZ算法有诸多需要改进之处，但是目前这仍然是即时缺陷分析的基础方法。这一节我们就讨论如何提升SZZ算法的准确率。细看SZZ首先我们复习一下SZZ算法的内容：第一步，从bug数据库中找到修复的问题第二步，从代码库中找到bug修复的代码改动第三步，针对每一行改动，找到之前

Python使用阿里云镜像临时使用pip install -i https://mirrors.aliyun.com/pypi/simple/ 包名以后都使用阿里云的源pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/...

软件缺陷智能分析技术(1) - 技术地图随着业务越来越复杂，代码的规模和所需要的人手也在不停地增加，导致成本朝向规模不经济的方向发展。需求推动技术进步，应用各种技术去自动预测、理解、定位、修复bug的综述文章基本上过一两年就来一拨。这其中的相关技术领域也是层出不穷。虽然没有解决的困难和问题不少，而且其中很多一直是老大难问题，但是我们还是要站在巨人肩上出发，并且希望我们的工作也能够为这座大厦添砖加瓦

软件缺陷智能分析技术(2) - SZZ的基本流程有了航海图之后，我们就从即时软件缺陷预测开始入手，先用最小的时间去预测下bug发生的可能性。我们先复习下即时软件缺陷预测的地图：SZZ算法要做算法，首先需要有数据。标注数据的方法最早来自SZZ方法，来自论文《When Do Changes Induce Fixes?》，作者是斯里维尔斯基(Jacek Sliwerski), 齐默尔曼(Thomas Z

用照片进行三维模型重建在元宇宙的世界里，需要有大量的3D模型。而3D模型的数量，一直是困扰从2D到3D转型的拦路虎。以游戏角色建模为例，这些角色背后是无数的雕刻师用996加班和一地的头发换来的。很多技术同学听说过类似于3DMax和Maya这样的建模工具，不知道是不是了解ZBrush雕刻的过程：雕刻只是第一步，针对每个具体的领域，还需要专门的工具来辅助。比如要给人穿上衣服，我们需要有Marvelou

在第二篇，我们使用openai的python库封装，搞得它有点像之前学习的PyTorch一样的库。这一节我们专门给它正下名，前端就是字面意义上的前端。

最近，有一张大模型的发展树非常流行：这个图是相当不错的，对于加深对于Transformer模型编码器、解码器作用的理解，模型的开源和闭源情况等等都相当有帮助，大家使用Hugging Face库的时候，也可以从这张图入手寻找相应的模型。但是，这篇论文是分为三部分的，除了模型之外，还有数据和下游任务两部分。它们被忽视的重要原因是没有一张像上面一样的图。而且，即使是在图上的部分，也并不一定是模型本身有升

TensorFlow.js机器学习教程(1) - 穿梭于浏览器与node间前端同学学习机器学习，面对汗牛充栋的基于Python的各种教程，虽然不见得不懂Python，但是因为不是后端，想把学到的知识用到工作中还是有一段距离。Python确实在机器学习和深度学习领域有着不可替代的生态优势，不过，放到浏览器端和手机端，Python的生态优势好像就发挥不出来了。不管是Android手机还是iOS手机，默

TS2300: Duplicate identifier问题的解决Typescript编译时遇到d.ts中的定义冲突：tsc -p ./../../../../../Users/lusin/AppData/Roaming/npm/node_modules/typescript/lib/lib.es2015.iterable.d.ts:41:6 - error TS2300: Duplicat...

在这一讲之前，我们所用的大模型都是针对文本的。这一讲我们增加一个新的领域，即音频。我们将介绍OpenAI的Whisper模型，它是一个处理音频的大模型。