是由智谱 AI在 2024 年世界人工智能大会上发布的第 4 代 CodeGeeX 代码大模型。以下是对它的介绍：（1）技术基础：基于 GLM-4-9B 框架构建，内置 94 亿参数。（2）功能特性：是全能代码助手，单一模型支持代码补全和生成、代码解释器、联网搜索、工具调用、仓库级长代码问答及生成等功能，全面覆盖软件开发全生命周期。支持超过 300 种编程语言，能跨越语言界限。支持 128k 上下

目录1.Jetson Nano简介2. Jetson Nano环境配置2.1 开箱配件介绍2.2 烧录系统2.3 开机和基本设置2.4 开发环境配置2.4.1 更新源和软件2.4.2 关屏时间设置2.4.3安装中文输入法2.4.4安装Code OSS2.4.5安装Qt53. 项目案例3.1 人脸检测3.1.1 安装pip3.1.2...

Photo-Realistic Single Image Super-Resolution Using a Generative AdversarialNetwork

一、问题描述最近跑一些pytorch代码的时候遇到很多都是采用pytorch的分布式torch.distributed来训练的，相比于传统的nn.DataParallel，使用分布式的训练方式可以显著提升GPU使用率， 从而加快训练速度。一般常见的pytorch分布式训练命令如下：$ export CUDA_VISIBLE_DEVICES=0,1$ python -m torch.distribu

一、问题描述最近跑一些pytorch代码的时候遇到很多都是采用pytorch的分布式torch.distributed来训练的，相比于传统的nn.DataParallel，使用分布式的训练方式可以显著提升GPU使用率， 从而加快训练速度。一般常见的pytorch分布式训练命令如下：$ export CUDA_VISIBLE_DEVICES=0,1$ python -m torch.distribu

1. 基本环境操作系统：win7 64位系统python版本：3.62.安装配套环境（1）首先安装OCR字符识别库Tesseract    下载网址：https://digi.bib.uni-mannheim.de/tesseract/ 下载下图对应的版本下载后双击进行安装，这里因为我们要识别中文字符，所以在安装界面中需要进行额外的语言勾选，展开Additional l...

一、概述二、算法原理三、训练四、部署4.1 Python本地脚本推理4.2 基于Django的线上Web部署4.3 PC端C++部署4.4 Android端部署

本文介绍"证照智能识别系统"后端服务的重大升级，重点集成图文多模态大模型以实现深度识别与翻译功能。系统在前端开发完成后，将引入Qwen3-VL-8B大模型解决传统OCR在全球证件识别中的版式多样性、多语言支持等难题。升级方案包括：通过FastAPI新增图像处理模块，支持证件图像拼接和大模型API调用；将传统"模板匹配"升级为"内容级深度解析&quo

本文介绍了在本地部署阿里巴巴Qwen团队研发的多模态大模型Qwen3-VL-8B-Thinking的完整流程。该模型具备强大的视觉语言理解能力，支持图像、视频、OCR等多模态处理。文章详细阐述了本地化部署的优势（数据安全、成本可控、低延迟响应）、GPU资源规划方法，并重点推荐使用vLLM框架进行部署，因其具备高吞吐量、高效内存管理等特性。安装指南部分提供了NVIDIA驱动、CUDA Toolkit

本文介绍了"证照智能识别系统"后端服务的关键功能升级，重点在原有紫外防伪检测基础上新增了基于多模态大模型的深度OCR功能。针对国内驾驶证/行驶证等全息防伪证件，创新性地采用白光+红外图像的复合输入策略，通过大模型的辩证识别能力实现高精度结构化信息提取。技术方案包含：1）更新防伪检测模块返回机器可读证件类型；2）设计专用提示词实现结构化OCR输出；3）根据用户选项条件触发深度OC