文章分类 - AI-人工智能系列
摘要：“脑浮点数”（Brain Floating Point，简称 bfloat16 或 BF16） 这个名字听起来很高大上，其实它的核心逻辑非常简单粗暴。 简单概括：它是为了人工智能（AI）和深度学习专门“魔改”出来的一种数据格式。 下面我用大白话带你拆解它的前世今生。 1. 它是啥？（结构拆解） 要理
阅读全文
摘要：“BM25 是检索系统的根基算法”，而不是简单的 API 细节问题。下面我会从零假设你“完全不理解 BM25”，一步一步把它讲透，并且所有概念都会和你实际写 ES / RAG / 搜索代码的场景强绑定**。 说明：算法严格名称是 BM25（Best Matching 25），这是一个家族算法的第 2
阅读全文
摘要：EM 算法的概念-宏观概览 EM算法的实例讲解 要彻底搞懂 EM 算法，就必须看一个“不完美”的例子。 1. 场景设定：某班级的数学考试成绩 假设一个班级严重两极分化，只有两类学生： 学渣帮（模型 A）： 学霸帮（模型 B）： 人数比例： 现在，老师手里拿着一张 88分 的试卷（样本 x=88），想
阅读全文
摘要：来源：B站 秋葉aaaki 版本：sd-webui-aki-v4.10 1、基本参数配置(可参考如下) 反向提示词： lowers, bad anatomy, bad hands, texts, error, missing fingers, extra digit, fewer digits, c
阅读全文
摘要：大模型的 MoE 架构到底是啥 ✅ 一句话总结： MoE 是一种让模型在每次推理时只激活部分参数（部分专家）的方法，以实现计算效率和参数规模的平衡。 🧠 背后思想 传统的大模型结构（比如 GPT）是 每层参数都激活使用，这就导致： 参数越多，计算越贵； 增大模型容量（参数量）= 增大推理/训练成本
阅读全文
摘要：具体报错信息如下： PS D:\Develop\Python\ragflow\docker> docker compose -f docker-compose-gpu.yml up -d time="2025-07-28T10:27:47+08:00" level=warning msg="The
阅读全文
摘要：Milvus 和 Elasticsearch 是两种功能不同的开源工具，分别专注于向量搜索和全文搜索，以下是它们的简要介绍、区别以及适用场景： 1. Milvus 作用：Milvus 是一个开源的向量数据库，专门用于高效存储、索引和搜索高维向量数据（通常由机器学习模型生成，如图像、文本或音频的嵌入向
阅读全文
摘要：例如，我现在在部署ollama服务时遇到报错如下： C:\Users\Admin>ollama serve Error: listen tcp 0.0.0.0:11434: bind: Only one usage of each socket address (protocol/network a
阅读全文
摘要：首先我打开ollama，看下我目前安装了哪些模型： E:\>ollama list NAME ID SIZE MODIFIED qwen3:32b 030ee887880f 20 GB 10 hours ago llama3.2:latest a80c4f17acd5 2.0 GB 5 days a
阅读全文
摘要：以下是 Ollama 的常用命令列表，涵盖了模型管理、运行和服务的核心功能。每个命令附带说明和示例，基于 Ollama 的官方文档和常见使用场景。 所有命令假设你在命令行（Windows 的 PowerShell/CMD 或 Linux/macOS 的终端）中运行，且 Ollama 已正确安装。 如
阅读全文
摘要：目前主要有这么几个有待研究： n8n, MCP, Dify, CodeBuddy, LangChain 查看本机的公网IP: 只需输入如下命令 C:\Users\Admin>curl ifconfig.me 10.121.27.53 参考资料： [1] 为什么说接下来会诞生很多“一人公司”？ [2]
阅读全文
摘要：Docker desktop 安装到指定目录 Docker desktop默认安装到C盘，且安装包无法指定安装目录，这将占用较多的系统盘空间。 网上很多方法都是通过建立软连接的方式，即: 用管理员打开Powershell，输入： cmd /c mklink /j "C:\\Program Files
阅读全文
摘要：在安装Ollama时，虽然默认情况下会安装在C盘， 但你可以通过以下步骤选择自定义的安装路径： 首先，从Ollama官方网站下载安装包。 下载完成后，不要直接双击运行安装程序，否则不给你选择的机会，直接装C盘。而是需要在安装包所在的目录下打开命令提示符（在文件夹地址栏输入cmd并按回车即可快速打开）
阅读全文
摘要：例子如下： 场景1： import numpy as np a = np.array([ [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]], [[13, 14, 15, 16], [17, 18, 19, 20], [21, 22, 23, 24]], [[
阅读全文
摘要：def convert_one_hot(corpus, vocab_size): N = corpus.shape[0] if corpus.ndim == 1: one_hot = np.zeros((N, vocab_size), dtype=np.int32) for idx, word_id
阅读全文
摘要：首先原理如下： 然后代码如下： def cross_entropy_error(y, t): if y.ndim == 1: t = t.reshape(1, t.size) y = y.reshape(1, y.size) if t.size == y.size: t = t.argmax(axi
阅读全文
摘要：只需要记住注释部分的总结规律即可，以后便可以很快举一反三 import numpy as np input_data = np.array( [[[[1, 2, 3], [4, 5, 6], [7, 8, 9]]]]) # pad = 0 print(np.pad(input_data, [(0,
阅读全文
摘要：Bean Search 算法概述 是Beam Search（束搜索）算法，这是一个在搜索空间中寻找近似最优解的算法。 让我来介绍这个概念并通过一个例子说明。 Beam Search 概念 Beam Search 是一种启发式搜索算法，常用于解决组合优化问题和序列生成任务。它是广度优先搜索的改进版本，
阅读全文
摘要：Q1：深度学习的Dropout技术中，为什么所有神经元输出乘以 1−dropout_ratio？ 解释： 一图胜千言：【秒懂】 接下来详细解析图片中提到的Dropout技术，特别是“对于各个神经元的输出，要乘上训练时的删除比例后再输出”这句话，并结合代码和通俗语言解释其含义。 1. Dropout技
阅读全文
摘要：Q1：截图1 解释如下： Q2：是否存在L3, L4, L5...... 这样的范数？
阅读全文
浙公网安备 33010602011771号