TechLead-腾讯云开发者社区

开发者社区

文档建议反馈控制台

腾讯云架构师技术同盟

文章/答案/技术大牛

发布

TechLead

专栏成员

109

文章

188523

阅读量

28

订阅数

使用Ollama部署本地LLM：构建AI REST API的简易指南

api rest 部署服务 LLM

利用Ollama本地LLM（大语言模型）搭建AI的REST API服务是一个实用的方法。下面是一个简单的工作流程。

2024-09-27

4910

大模型应用曙光 - 10X压缩技术

数据性能压缩量化模型

虽然LLM的巨大规模赋予了它们在各种用例中的出色性能，但这也在其应用于现实世界问题时带来了挑战。在本文中，我将讨论如何通过压缩LLM来克服这些挑战。我将从概述关键概念开始，接着通过Python代码展示一个具体的示例。

2024-09-24

1410

为大模型提供服务需要多少 GPU 显存？

服务模型内存 gpu 部署

关注TechLead，复旦AI博士，分享AI领域全维度知识与研究。拥有10+年AI领域研究经验、复旦机器人智能实验室成员，国家级大学生赛事评审专家，发表多篇SCI核心期刊学术论文，上亿营收AI产品研发负责人。

2024-09-20

3800

OpenAI o1模型揭秘：通过LLMs学习推理能力

测试模型数学 openai 编程

OpenAI推出了o1，这是一种通过强化学习训练的大型语言模型，专门用于进行复杂的推理任务。o1在回答问题之前会“思考”，能够在响应用户之前生成一条长的内部思维链。

2024-09-17

1350

重磅发布：OpenAI o1全新推理模型系列

安全 openai 编程测试模型

2024年9月12日，OpenAI正式推出全新的推理模型系列——OpenAI o1。这款全新AI模型系列专为解决复杂问题而设计，能够在响应前花费更多时间进行思考，并通过深入推理应对比以往模型更具挑战性的科学、编程和数学问题。

2024-09-17

2360

复旦大学王龑团队发布《静态与动态情感的面部表情识别》综述

模型视频数据面部表情识别工作流

复旦大学，王龑博士后领衔，发布《静态与动态情感的面部表情识别》（A Survey on Facial Expression Recognition of Static and Dynamic Emotions）综述，对基于图像的静态面部表情识别（SFER）和基于视频的动态面部表情识别（DFER）方法进行了全面综述，从模型导向的发展到挑战聚焦的分类进行了系统分析。

2024-09-06

1150

CUDA常见驱动程序兼容性问题一览

工作兼容性解决方案内核 cuda

驱动程序的兼容性对于CUDA的正常运行至关重要。在Linux系统中，驱动程序的安装与配置常常面临各种问题。本文将详细列举驱动程序兼容性问题及其解决方案，确保能够顺利配置和使用CUDA环境。

2024-08-01

1690

【RAG实战】基于TextIn打造上市公司财务报表智能问答系统

模型数据系统表格函数

在当今竞争激烈的市场环境中，企业和投资者对财务信息的获取与分析要求越来越高。上市公司财务报表作为评估公司财务健康和未来发展的重要依据，提供了大量关键信息。

2024-07-26

2600

聊聊文档解析测评工具中表格指标

表格对象工具数据系统

TextIn发布了文档解析测评工具，https://github.com/intsig/markdown_tester ，定量测评文档解析还原的效果。

2024-07-26

1440

文档解析效果全维度测评标准开源

产品工具开源表格测试

今天向大家介绍一款全面展示文档解析产品能力的工具——TextIn文档解析测评工具，https://github.com/intsig/markdown_tester

2024-07-26

2220

详解Diffusion扩散模型：理论、架构与实现

算法架构模型设计数据

Diffusion扩散模型是一类基于概率扩散过程的生成模型，近年来在生成图像、文本和其他数据类型方面展现出了巨大的潜力和优越性。该模型利用了扩散过程的逆过程，即从一个简单的分布逐步还原到复杂的数据分布，通过逐步去噪的方法生成高质量的数据样本。

2024-07-26

2K0

RAG技术架构与实现原理

编码架构模型性能原理

Retrieval-Augmented Generation（RAG）是一种结合了检索和生成技术的自然语言处理（NLP）模型。该模型由Facebook AI提出，旨在提升生成式模型在处理开放域问答、对话生成等任务中的性能。RAG模型通过引入外部知识库，利用检索模块（Retriever）从大量文档中提取相关信息，并将这些信息传递给生成模块（Generator），从而生成更加准确和有用的回答或文本。

2024-07-15

2.3K0

半监督学习算法及其实现

性能监督学习模型数据算法

在机器学习领域，数据是驱动模型训练的核心资源。然而，获取大量带标签的数据往往是昂贵且耗时的过程。半监督学习（Semi-Supervised Learning, SSL）通过利用大量未标记的数据和少量标记的数据，有效地缓解了这一问题。SSL不仅能够减少对标记数据的依赖，还能够在许多实际应用中提升模型的性能。

2024-07-05

6600

强化学习详解：理论基础与基础算法解析

基础算法强化学习动态规划函数

强化学习（Reinforcement Learning, RL）是机器学习中的一个重要分支，其目标是通过与环境的交互来学习决策策略，以最大化长期累积奖励。在强化学习中，智能体（agent）通过执行一系列动作来影响环境，从而获得反馈信号，即奖励（reward）。这种学习机制模仿了生物体在自然界中的学习过程，因此具有很强的现实意义和应用前景。

2024-07-04

4930

无监督学习：从理论到实践的全面指南

无监督学习可视化实践数据算法

无监督学习（Unsupervised Learning）是一类机器学习任务，其中算法在没有标签的情况下，从未标记的数据中学习模式和结构。与有监督学习不同，无监督学习不依赖于预定义的输出，而是从数据本身提取信息，用于发现数据的内在规律和特征。

2024-06-21

8970

监督学习6大核心算法精讲与代码实战

模型数据算法监督学习决策树

监督学习线性回归、逻辑回归、决策树、支持向量机、K近邻、朴素贝叶斯算法精讲，模型评估精讲

2024-06-08

4511

全面盘点多模态融合算法及应用场景

模型视频数据算法网络

多模态融合（Multimodal Fusion）是指结合来自不同模态（如视觉、听觉、文本等）的数据，以提升信息处理和理解能力的技术方法。多模态数据通常具有不同的物理性质和信息特征，通过融合这些多模态信息，可以获得更全面和准确的理解。这种融合过程可以发生在数据层、特征层和决策层：

2024-05-29

8.7K1

生成式AI核心技术详解：从GANs到Transformers

数据自然语言处理 self size 模型

生成式AI（Generative AI）作为人工智能的一个重要分支，通过学习大量的数据生成新的数据样本，在多个领域取得了令人瞩目的进展。生成式AI不仅在学术研究中激发了广泛的兴趣，也在工业应用中展示了巨大的潜力，推动了图像生成、文本生成、视频生成等领域的快速发展。

2024-05-29

4.5K0

词向量发展历程：技术及实战案例

统计自然语言处理 word 编码模型

词向量（Word Vector）或词嵌入（Word Embedding）是自然语言处理（NLP）中的一项基础技术，它允许我们将自然语言中的词汇表示为实数向量。这些向量通常存在于一个高维空间内，其中每一个维度都可能代表着某种语义属性。通过这种转换，机器学习模型可以捕捉到词语之间复杂的关系，如语义相似性、反义、上下位关系等。

2024-04-17

1.4K0

探索关系抽取技术：常用算法与应用

深度学习监督学习模型数据算法

关系抽取（Relation Extraction, RE）是自然语言处理（NLP）领域的一个重要任务，其主要目的是从文本中识别实体（entities）之间的预定义语义关系。这一任务对于构建知识图谱、信息检索、问答系统等应用至关重要，因为它能够帮助机器理解和利用文本中的结构化知识。

2024-04-10

9040

点击加载更多

社区活动

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·干货材料·成员作品最新动态