logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

从零开始搭建电商智能客服:知识图谱 + 大模型,这篇保姆级教程让你彻底搞懂

你有没有遇到过这种情况:在电商平台问客服“帮我找一款拍照好、续航长的手机”,结果客服机器人给你推荐了一堆完全不相关的商品?或者你问“苹果手机有哪些型号支持5G”,它只给你返回一个“苹果手机”的链接?传统的客服机器人大多基于关键词匹配或向量检索。关键词匹配只能识别你话里预设好的词,换个说法就失效;向量检索虽然能理解语义,但它不擅长处理关系——比如“苹果手机”和“iPhone”是什么关系?“拍照好”这

文章图片
#知识图谱#人工智能
大模型部署有哪些主流方案?vLLM、TGI、llama.cpp、SGLang 怎么选

直接调用 Transformers 的 generate(),很适合验证模型是否能工作,却不等于具备生产服务能力。在线请求的长度、到达时间和生成长度都不一样,朴素实现很容易出现 KV Cache 浪费、静态批处理等待和相同前缀重复计算。真正的部署框架要把固定硬件转化为稳定服务能力:显存用得更紧、GPU 尽量不空转、相同计算能够复用,同时提供流式输出、并发控制、分布式执行和可观测性。先看请求分布,而

文章图片
#人工智能
手把手教你微调BERT做命名实体识别(NER),从数据预处理到模型部署全解析

NER任务常用的评估指标是基于实体级别的精确率、召回率和F1分数。与逐词元准确率不同,实体级别评估需要正确识别实体的边界和类型。seqeval库正是为此设计的。我们定义一个函数,在训练时定期评估模型:python= -100:# 忽略特殊词元这个函数会收集所有非特殊词元的预测标签,以句子为单位传给seqeval,最终返回整体的F1分数。NER的任务定义:对每个词元进行细粒度分类,使用BIO标注体系

#人工智能#深度学习
具身智能,终于要从“会聊天”走向“会干活”了

这两年 AI 圈有个词特别火:具身智能。听起来很玄,像是机器人突然开窍了,其实翻译成人话很简单:以前的大模型主要在屏幕里说话,现在要进入真实世界,用眼睛看、用身体动、用反馈修正。具身智能就是“能感知环境、理解任务、规划动作、控制身体,并且根据结果持续调整”的 AI 系统。它不是单纯聊天,也不是单纯机械臂,它更像一个能把大脑、眼睛、手脚、记忆和安全规则接起来的完整工程。锐评一下:很多人一听具身智能,

#人工智能
redis.clients.jedis.exceptions.JedisDataException: ERR Protocol error: invalid bulk length

redis.clients.jedis.exceptions.JedisDataException: ERR Protocol error: invalid bulk length今天调式时发现一个问题:redis.clients.jedis.exceptions.JedisDataException: ERR Protocol error: invalid bulk length。red...

redis99.99%高可用及哨兵介绍及搭建(5)

1、什么是99.99%高可用?架构上,高可用性,99.99%的高可用性讲的学术,99.99%,公式,系统可用的时间 / 系统故障的时间,365天,在365天 * 99.99%的时间内,你的系统都是可以哗哗对外提供服务的,那就是高可用性,99.99%什么是99.99%高可用性2、redis不可用是什么?单实例不可用?主从架构不可用?不可用的后果是什么?redis的不可用 ...

redis cluster的介绍及搭建(6)

redis cluster算法演变hash算法 -> 一致性hash算法(memcached) -> redis cluster,hash slot算法用不同的算法,就决定了在多个master节点的时候,数据如何分布到这些节点上去,解决这个问题1、redis cluster介绍redis cluster(1)自动将数据进行分片,每个master上放一部分数据...

配置redis外网可访问,并只允许指定的ip可访问redis

开启redis 允许外网IP 访问在 Linux 中安装了redis 服务,当在客户端通过远程连接的方式连接时,报could not connect错误。错误的原因很简单,就是没有连接上redis服务,由于redis采用的安全策略,默认会只准许本地访问。需要通过简单配置,完成允许外网访问。修改redis的配置文件,将所有bind信息全部屏蔽。12

深度拆解贪心算法:从“局部最优”到“全局最优”,看完这两个案例你就懂了

在开始案例之前,我们先给贪心算法画个像。它是一种在每一步选择中都采取当前状态下最优的策略,也就是我们常说的“局部最优解”,并期望通过累积这些局部最优解,最终达到“全局最优解”。选择性:每一步,都有一个明确的“贪心策略”告诉你该选哪个。不可回溯:一旦做了选择,就没有“后悔药”,不能回头重新考虑。局部最优:它只看眼前,不看长远。那么,什么样的场景下贪心算法能“得逞”呢?贪心选择性质:局部最优的选择,最

#贪心算法#算法
动态规划详解:从入门到精通,这四个案例让你彻底掌握DP思想

动态规划与分治法类似,都是通过将原问题拆分为若干子问题,然后递归求解子问题,最后再组合子问题的解来得到原问题的解。但两者有一个本质区别:分治法解决的子问题通常相互独立(比如快速排序、归并排序)动态规划解决的子问题具有重叠现象——不同的子问题会包含相同的子子问题举个例子,计算斐波那契数列时,fib(5)需要计算fib(4)和fib(3),而fib(4)又需要计算fib(3)和fib(2),这里的fi

#python#算法
    共 716 条
  • 1
  • 2
  • 3
  • 72
  • 请选择