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

从根本上优雅地解决 VSCode 中的 Python 模块导入问题

本文介绍了如何在 Visual Studio Code (VSCode) 中解决 Python 模块导入问题。当在 VSCode 中运行测试脚本 test_deal_file.py 时,遇到了 ModuleNotFoundError 错误,因为 controllers 包未被识别。通过在 VSCode 的工作区设置中配置环境变量 PYTHONPATH,并将项目路径添加到 Python 的模块搜索路

文章图片
#vscode#python#ide
#Prompt##提示词工程##AIGC##LLM# 学写Prompt 提示词 :使用大型预训练语言模型的关键考量

Baseline: 标准使用,无特殊策略。: 提供推理链的示例来帮助模型分步骤解决问题。Zero-CoT: 不提供示例,要求模型自发推理。**Auto-CoT:**内部进行推理但不显示全部过程的系统。Auto-CoT通常是通过训练过程中使用特定的数据集和训练策略来实现的,让模型学会在给出答案前先展现出解题的逻辑链条。: 添加说明以指导模型回答。+rawinst: 用户直接提供指导。“请按照五段式论

文章图片
#语言模型#AIGC#自然语言处理
#Docker | Ngrok# 使用Ngrok和Docker进行内网穿透

启动一个 Ngrok 容器,用来创建一个 HTTP 隧道,把本地的服务暴露在互联网上。这在开发和测试时非常有用,比如当你需要外部用户测试你的本地服务或者需要与远程客户端进行集成测试时。端口,你希望外部用户可以访问这个服务。通过运行上述命令,Ngrok 会提供一个类似于。的 URL,外部用户可以通过这个 URL 访问你的本地服务。假设你在本地运行了一个 Web 服务,该服务监听。

文章图片
#docker#容器#运维
斯坦福 CS146S - Wk01 编码入门 LLM 和人工智能开发

《LLM训练全流程解析:从预训练到应用实践》系统阐述了大语言模型的三阶段开发过程:预训练阶段通过海量数据(如44TB文本)构建知识基底;监督微调阶段通过人工标注塑造对话人格;强化学习阶段培养推理能力。文章揭示了提示工程技巧(如思维链、RAG)如何弥补模型短板,并强调LLM不是替代工具而是效率倍增器,指出其能力存在"瑞士奶酪式"的不规则缺陷,建议使用者保持验证意识。最后提出深刻思

文章图片
#人工智能
2026 AI 工程新趋势:Prompt、Context、Harness 三次认知升级全面解析

系统梳理 AI 工程三次认知升级,揭秘同样的模型为何差距悬殊——真正决定 Agent 落地成败的,是模型之外的那套运行系统。

文章图片
#架构#nlp#人工智能
# docker #docker运行全流程!必看 ! docker image镜像生成、docker运行、重启、docker-compose外挂文件、

必须保证原始启动端口(server启动端口或者通过环境变量设置的端口)、dockerfile expose的端口、docker-compose.yml被映射的端口(如果不需要使用docker-compose.yml、请忽略)三口一致。

文章图片
#docker#eureka#容器
#NLP|TextRank #使用 TextRank 算法为文本生成关键字和摘要

TextRank算法基于PageRank,用于为文本生成关键字和摘要。

文章图片
#算法#数据库
#GPU|LLM|AIGC#集成显卡与独立显卡|显卡在深度学习中的选择与LLM GPU推荐

显存,也被称作帧缓存。独立显卡拥有独立显存,而集成显卡通常是没有的,需要占用部分主内存来达到缓存的目的是集成在主板上的,与主处理器共享系统内存。一般会在很多轻便薄型的笔记本与低端的台式电脑上得到广泛的应用性能较低,适合一般办公和基本图形任务。一块独立的图形处理器,有自己的显存,并且不与主处理器共享内存。独立显卡通常性能更强大,适合处理复杂的图形和游戏。在一些专业应用和高性能需求的场景中,独立显卡往

文章图片
#GPU#AIGC
    共 13 条
  • 1
  • 2
  • 请选择