RAG 技术概要：个人理解总结引言你是否曾幻想过拥有一个无所不知的 AI 助手，它不仅能像搜索引擎一样快速找到信息，还能像人类专家一样理解并解答你的复杂问题？检索增强生成 (Retrieval-Augmented Generation, RAG) 技术，正是实现这一梦想的关键一步。 RAG 技术巧妙地结合了大型语言模型 (LLM) 的强大生成能力和外部知识库的海量信息，让 AI 助手在回答问题时，

GAT教程本文来自对作者gordicaleksa的notebook代码pytorch-GAT的翻译。感谢作者本文的想法是让非研究人员也能更轻松地理解图注意力网络（以及通用的GNN）！ 在本文中，您将获得以下问题的答案： ✅ GAT 到底是什么？✅ 如何加载和可视化Cora引文网络？✅ 我们如何训练GAT（Cora分类示例）？✅ 如何可视化不同GAT的属性？ 完成本课程后，您将对图神经网络有更好的理

斯坦福汽车分类这是一个使用斯坦福汽车数据集进行汽车分类的深度学习项目。我将使用迁移学习在ImageNet上预训练的深度网络，并对数据集进行微调，为了减少训练时间我把数据集。 数据来源：https://ai.stanford.edu/~jkrause/cars/car_dataset.html 1. 数据描述斯坦福汽车数据集包含 195 类汽车的 16,185 张图像。数据被分成 8,144 张训练

一、背景文本处理是许多ML应用程序中最常见的任务之一。以下是此类应用的一些示例 语言翻译：将句子从一种语言翻译成另一种语言 情绪分析：从文本语料库中确定对任何主题或产品等的情绪是积极的、消极的还是中性的 垃圾邮件过滤：检测未经请求和不需要的电子邮件/消息。 这些应用程序处理大量文本以执行分类或翻译，并且涉及大量后端工作。将文本转换为算法可以消化的内容是一个复杂的过程。在本文中，我们将

本文主要包括PT的各类辅种发种的shell命令，电影种的截图制种，音乐种的抓流、转码、发种频谱图等等。 服务器性能测试脚本其他脚本参考 1wget -qO- --no-check-certificate https://raw.githubusercontent.com/oooldking/script/master/superbench.sh | bash 两个大家常用的脚本，基本集成了多数需

深度学习算法背景人工智能发展历史随着算力提高以及深度学习的应用，近几年算法发展很快 应用场景 计算机视觉 用于车牌识别和面部识别等的应用。 信息检索 用于诸如搜索引擎的应用 - 包括文本搜索和图像搜索。 市场营销 针对自动电子邮件营销和目标群体识别等的应用。 医疗诊断 诸如癌症识别和异常检测等的应用。 自然语言处理 如情绪分析和照片标记标题归类等的应用。 机器学习和深度学习关系与区别关系深度学习

@[TOC](m1 Mac使用指南指令备忘录 )M1用到现在也小半年了，踩了些坑，也有一些使用心得，这里主要提供思路方法，具体方法可以自行搜索了解 硬件外设首先是用的Macbook air丐版8+256 显示器，HKC的C299Q，看中它长屏方便剪辑和分屏，90%的DCI-P色域看电影还行，不打游戏所以VA的曲面屏还是挺合适 键盘，将就用之前ipad配的逻辑K380 鼠标，罗技M720 硬盘，在

@TOC 系统概述需求分析 作为影迷，有一定的观影需求，同时也有兼职剪辑。考虑苹果新M1的macbook air的剪辑配置，唯一缺陷就是容量太小又不可拓展，所以搭配nas作为存储延伸。 为何选择Debian，因为作为计算机专业，折腾的过程也是学习的过程，linux可以有更多功能选择，不需要装虚拟机就能All in One (boom) ，可以做服务器，我写了一个网站可以挂在上面让大家访问。也可以

WIN10迁移C盘和崩溃还原系统总结这几天为了清理C盘一直动系统的文件，导致经常重启，其中主要还是迁移C盘Users数据到其他非系统盘操作不当导致开机系统加载不了用户信息，下面具体记录这两方面。 迁移资料的关键还是利用硬链接将物理地址位于其他盘的Users用户信息映射到C盘的逻辑名上。下面只简单记录一下命令。 最关键的还是利用系统的保命文件———Backup.wim重刷系统一个通过Dism++