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

西安交大传热学大作业matlab,西安交通大学传热学大作业二维温度场热电比拟实验.doc...

二维导热物体温度场的数值模拟一、物理问题有一个用砖砌成的长方形截面的冷空气通道,其截面尺寸如下图1-1所示,假设在垂直于纸面方向上用冷空气及砖墙的温度变化很小,可以近似地予以忽略。在下列两种情况下试计算:砖墙横截面上的温度分布;垂直于纸面方向的每米长度上通过砖墙的导热量。第一种情况:内外壁分别均匀维持在0℃及30℃;第二种情况:内外壁均为第三类边界条件,且已知:二、数学描写由对称的界面必是绝热面,

html制作炸金花,如何在微信小程序上制作炸金花?

今天小编就带大家来共同学习如何在微信小程序上制作炸金花?希望可以帮助到有需要的小伙伴哦,下面就是详细完整的操作步骤。 app.json:{"pages":["pages/index/index"],"window":{"navigationBarBackgroundColor": "#333333","navigationBarTextStyle":"white","navigationBarTi

hive内置函数_Hive Query生命周期 —— 钩子(Hook)函数篇

无论你通过哪种方式连接Hive(如Hive Cli、HiveServer2),一个HQL语句都要经过Driver的解析和执行,主要涉及HQL解析、编译、优化器处理、执行器执行四个方面。以Hive目前原生支持计算引擎MapReduce为例,具体处理流程如下:HQL解析生成AST语法树Antlr定义SQL的语法规则,完成SQL词法和语法解析,将SQL转化为抽象语法树AST Tree语法分析得...

YOLOv8+PyQt5无人机巡检系统:从训练到部署的工业级落地实践

目标检测是计算机视觉落地的核心技术,其本质是将图像中的语义目标定位并分类。YOLO系列凭借端到端、高精度与低延迟特性,成为边缘设备部署的首选框架;而PyQt5则因其原生跨平台能力、低延迟视频渲染及C/C++胶水接口优势,广泛应用于工业人机交互系统。在电力、交通、安防等真实场景中,模型需兼顾小目标召回、弱网环境鲁棒性与硬件兼容性,而非仅追求论文指标。本文聚焦YOLOv8在无人机俯拍行人检测中的工程化

突发!Maas开放平台推出全新视频生成大模型,首创API调用,一手评测来了!

7月26日,智谱Maas开放平台(bigmodel.cn)正式上线了全新的视频生成大模型CogVideoX,成为国内首个通过API完成图片和文本视频生成任务的开放平台之一。用户无需排队即可轻松使用该平台,通过简单的API调用即可生成高质量定制视频内容,节省了用户的时间和精力。CogVideoX模型的推出,为用户提供了一个便...

文章图片
别怕数学!用Python和NumPy图解机器学习里的线性代数(附代码)

本文通过Python和NumPy图解机器学习中的线性代数概念,帮助读者从恐惧到乐趣地掌握向量、矩阵运算、特征值和奇异值分解等核心内容。通过可视化代码示例,让抽象的数学概念变得直观易懂,特别适合机器学习初学者快速上手。

#机器学习#线性代数
超越基础排序:用Spark Core的`sortByKey`和`take`高效实现业务场景Top K分析

本文深入探讨了如何利用Spark Core的`sortByKey`和`take`方法高效实现业务场景中的Top K分析。通过对比不同规模数据集的实现方案,揭示了全局排序的性能瓶颈及优化策略,特别适用于电商支付风控和用户行为分析场景。文章还提供了TB级日志处理的实战优化技巧,帮助开发者提升Spark作业效率。

#数据分析#性能优化
别再只懂k匿名了!用Python实战带你搞懂隐私保护的三大模型(附代码避坑)

本文通过Python实战详细解析隐私保护的三大经典模型:k匿名、l多样性和t接近性,帮助数据从业者掌握核心技术。文章包含完整代码示例和避坑指南,揭示k匿名的缺陷及进阶模型的优势,助力实现数据价值与隐私保护的平衡。

NAS能跑大模型吗?GLM-5与Phi-3的现实边界

大语言模型(LLM)正从云端走向边缘设备,但‘能跑’不等于‘能用’。MoE架构、量化精度、上下文长度平方律等底层原理,共同决定了模型对硬件资源的刚性需求——GLM-5的745B参数与128K上下文并非性能亮点,而是显存与带宽的严苛契约;而NAS受限于CPU指令集、内存带宽、PCIe支持及DSM系统限制,连9B级模型也面临OOM与低速瓶颈。真正可行的路径是转向GGUF格式+Q4_K_M量化的小模型(

GLM-5工程化落地实测:国产大模型推理部署全链路解析

大语言模型推理部署是AI工程化的关键环节,涉及模型加载、硬件适配、长上下文处理、工具调用稳定性等核心挑战。理解推理原理有助于在有限显存与异构算力(如昇腾、海光、RTX)下实现低延迟、高吞吐、强鲁棒的实际交付。GLM-5通过744B总参数+40B激活的稀疏设计、动态RoPE插值支持128K上下文、JSON Schema强制输出保障Function Calling可靠性,以及分层打包的硬件感知推理引擎

    共 175 条
  • 1
  • 2
  • 3
  • 18
  • 请选择