摘要：
一、原生向量代码，自己计算距离 import numpy as npfrom numpy import dotfrom numpy.linalg import normfrom sentence_transformers import SentenceTransformermodel = Sente 阅读全文
2024年5月21日
2024年4月26日
摘要：
因为涉及到体能训练成绩，所以接触到了很多表格，触发了对表格数据的思考：图表也是重要的数据来源，应该如何来进行处理？图表的数据不仅关系它本身，而且也和表格形式相关，此外还和背景材料相关。首先从一个比较干净的表格开始，它本身是可以编辑的pdf.鉴于chatglm3不带pdf处理、llama3目前还没有看 阅读全文
2024年4月25日
摘要：
有别于广为人知的Sobel、Canny等一阶算法，基于Hessian矩阵能够得到图像二阶结果，这将帮助我们深入分析图像本质。
Hessian矩阵在图像处理中有着广泛的应用：其中在图像分割领域，包括边缘检测、纹理分析等；在图像增强领域，包括边缘增强、边缘消除等。
本文从Hessian矩阵定义出发，通过清晰简洁的数学推导和讲解实现公式到C++代码的转化。为了帮助深入理解Hessian矩阵在图像处理中的能力，我们将详细讲解和实现经典的“血管增强”算法（Frangi算法） 阅读全文
2024年4月24日
摘要：
vLLM 是一个快速且易于使用的库，用于进行大型语言模型（LLM）的推理和服务。这里通过运行实际的例子，来和传统原始方法进行比较。初步结论是vllm没有体现出明显优势。 阅读全文
2024年4月14日
摘要：
分析输入信息的类别，目前是一个闭集、但是要按照开集的方式来进行分析；名称越乱越好，让系统自己来进行划分。必须首先考虑传统的方法；优先考虑数据结构的构建；强化监控机制的构建、首先进行认知和技术积累。一、数据情况找到了清华大学整理的关于体育的新闻，每篇一个新闻，第一行是标题，而后是内容。基于现有工具，直 阅读全文
2024年4月10日
摘要：
一、基本chain from langchain_core.output_parsers import StrOutputParser from langchain_core.prompts import ChatPromptTemplate from langchain_community.llm 阅读全文
2024年1月24日
摘要：
一、和chatglm3通信，基于chromadbimport jsonimport requestsimport osfrom pdfminer.high_level import extract_pagesfrom pdfminer.layout import LTTextContainerimp 阅读全文
摘要：
embeded模型基于m3e。 一、原生向量代码，自己计算距离 import numpy as np from numpy import dot from numpy.linalg import norm from sentence_transformers import SentenceTrans 阅读全文
2024年1月5日
摘要：
一、什么是RAG? RAG的架构如图中所示，简单来讲，RAG就是通过检索获取相关的知识并将其融入Prompt，让大模型能够参考相应的知识从而给出合理回答。因此，可以将RAG的核心理解为“检索+生成”，前者主要是利用向量数据库的高效存储和检索能力，召回目标知识；后者则是利用大模型和Prompt工程，将 阅读全文
2023年12月20日
摘要：
工作相关和扩展核心能力的需要，采用较为简单的方法来学习Elasticsearch，作相关记录备查。一、采用Docker安装sudo docker pull elasticsearch:7.7.0sudo docker imagessudo docker run --name elasticsearc 阅读全文
