首页
学习
活动
专区
工具
TVP
发布

信数据得永生

专栏作者
1385
文章
1539761
阅读量
53
订阅数
AI 的语言:探索 ChatGPT 提示词
ChatGPT 是一种人工智能语言模型,具有处理和生成类似人类文本的能力。它是自然语言处理(NLP)和机器学习最新突破的产物,使其成为迄今为止最先进的语言模型之一。
ApacheCN_飞龙
2024-04-10
1520
释放 ChatGPT4 的威力
在当今快速发展的数字领域中,人工智能(AI)已经成为无数行业的重要组成部分,彻底改变了我们生活和工作的方式。其中最具变革性的 AI 技术之一是由 OpenAI 开发的 ChatGPT-4 模型。作为一系列强大语言模型的最新版本,ChatGPT-4 展示了在理解和生成类似人类文本方面的卓越能力,使其成为各种应用的宝贵工具。
ApacheCN_飞龙
2024-04-10
760
人工智能改变教育:理解和在课堂上使用 ChatGPT 的指南
这本直言不讳、幽默风趣的指南充满了可操作的提示、技巧和策略,帮助你在业务中充分利用 ChatGPT 的优势。在你的创业旅程中,借助人工智能的力量,取得令人瞠目结舌的成果。
ApacheCN_飞龙
2024-04-10
1340
# 人工智能驱动的生产力手册(二)
随着高中旅程的结束,贾森发现自己处于一个十字路口,不确定接下来该选择哪条道路。凭借他令人印象深刻的学术记录,他有机会申请任何数量的机构,但对自己未来的目标仍然感到不确定。贾森拥有各种兴趣,包括游戏、足球和经典电影,但他对科学的热情和在线股票交易的成功让他感到在选择未来方向时左右为难。
ApacheCN_飞龙
2024-04-03
890
人工智能驱动的生产力手册(一)
人工智能(AI)指的是在设计成能够像人类一样思考和行动的机器中模拟人类智能的技术。这些智能系统可以执行诸如识别语音、做出决策和翻译语言等任务。AI 技术已存在数十年,并不断发展进步,导致 AI 应用在医疗保健、金融、教育和交通等各行业广泛应用。在医疗保健领域,AI 用于医学影像分析、药物发现,甚至虚拟健康助手。在金融领域,AI 用于欺诈检测、投资组合管理和财务预测。对于教育,AI 驱动的学习系统和个性化导师正在改变学生学习的方式。在交通领域,AI 在提高安全性、减少交通拥堵和优化交付路线方面发挥着关键作用。AI 有潜力彻底改变我们的生活、工作和相互交流方式,使其成为一个令人兴奋且快速增长的领域。
ApacheCN_飞龙
2024-04-03
1030
Mixtral MOE 部分源码解析
ApacheCN_飞龙
2024-04-02
820
AttributeError: ‘Qwen2ForCausalLM‘ object has no attribute ‘chat‘ 解决方案
ApacheCN_飞龙
2024-04-02
2030
JavaScript 权威指南第七版(GPT 重译)(七)
Node 是 JavaScript 与底层操作系统的绑定,使得编写 JavaScript 程序读写文件、执行子进程和在网络上通信成为可能。这使得 Node 作为以下用途变得有用:
ApacheCN_飞龙
2024-03-23
1400
JavaScript 权威指南第七版(GPT 重译)(六)
JavaScript 语言是在 1994 年创建的,旨在使 Web 浏览器显示的文档具有动态行为。自那时以来,该语言已经发生了显著的演变,与此同时,Web 平台的范围和功能也迅速增长。今天,JavaScript 程序员可以将 Web 视为一个功能齐全的应用程序开发平台。Web 浏览器专门用于显示格式化文本和图像,但是,像本机操作系统一样,浏览器还提供其他服务,包括图形、视频、音频、网络、存储和线程。JavaScript 是一种使 Web 应用程序能够使用 Web 平台提供的服务的语言,本章演示了您如何使用这些最重要的服务。
ApacheCN_飞龙
2024-03-23
1710
JavaScript 权威指南第七版(GPT 重译)(五)
可迭代对象及其相关的迭代器是 ES6 的一个特性,在本书中我们已经多次见到。数组(包括 TypedArrays)、字符串以及 Set 和 Map 对象都是可迭代的。这意味着这些数据结构的内容可以被迭代——使用for/of循环遍历,就像我们在§5.4.4 中看到的那样:
ApacheCN_飞龙
2024-03-23
740
JavaScript 权威指南第七版(GPT 重译)(四)
JavaScript 对象在第六章中有所涉及。该章将每个对象视为一组独特的属性,与其他对象不同。然而,通常有必要定义一种共享某些属性的对象类。类的成员或实例具有自己的属性来保存或定义它们的状态,但它们还具有定义其行为的方法。这些方法由类定义,并由所有实例共享。例如,想象一个名为 Complex 的类,表示并对复数执行算术运算。Complex 实例将具有保存复数的实部和虚部(状态)的属性。Complex 类将定义执行这些数字的加法和乘法(行为)的方法。
ApacheCN_飞龙
2024-03-23
800
JavaScript 权威指南第七版(GPT 重译)(三)
对象是 JavaScript 中最基本的数据类型,您在本章之前的章节中已经多次看到它们。因为对象对于 JavaScript 语言非常重要,所以您需要详细了解它们的工作原理,而本章提供了这些细节。它从对象的正式概述开始,然后深入到关于创建对象和查询、设置、删除、测试和枚举对象属性的实用部分。这些以属性为重点的部分之后是关于如何扩展、序列化和定义对象重要方法的部分。最后,本章以关于 ES6 和更高版本语言中新对象字面量语法的长篇部分结束。
ApacheCN_飞龙
2024-03-23
710
JavaScript 权威指南第七版(GPT 重译)(二)
本章记录了 JavaScript 表达式以及构建许多这些表达式的运算符。表达式 是 JavaScript 的短语,可以 评估 以产生一个值。在程序中直接嵌入的常量是一种非常简单的表达式。变量名也是一个简单表达式,它评估为分配给该变量的任何值。复杂表达式是由简单表达式构建的。例如,一个数组访问表达式由一个评估为数组的表达式、一个开放方括号、一个评估为整数的表达式和一个闭合方括号组成。这个新的、更复杂的表达式评估为存储在指定数组索引处的值。类似地,函数调用表达式由一个评估为函数对象的表达式和零个或多个额外表达式组成,这些额外表达式用作函数的参数。
ApacheCN_飞龙
2024-03-23
1640
JavaScript 权威指南第七版(GPT 重译)(一)
本书涵盖了 JavaScript 语言以及 Web 浏览器和 Node 实现的 JavaScript API。我为一些具有先前编程经验的读者编写了这本书,他们想要学习 JavaScript,也为已经使用 JavaScript 的程序员编写了这本书,但希望将他们的理解提升到一个新的水平,并真正掌握这门语言。我写这本书的目标是全面和权威地记录 JavaScript 语言,并深入介绍 JavaScript 程序可用的最重要的客户端和服务器端 API。因此,这是一本长篇详细的书。然而,我希望它会奖励仔细学习,并且您花在阅读上的时间将很容易以更高的编程生产力形式收回。
ApacheCN_飞龙
2024-03-23
900
Python 深度学习第二版(GPT 重译)(四)
上一章通过简单模型(一堆Conv2D和MaxPooling2D层)和一个简单的用例(二进制图像分类)为您介绍了计算机视觉的深度学习。但是,计算机视觉不仅仅是图像分类!本章将深入探讨更多不同应用和高级最佳实践。
ApacheCN_飞龙
2024-03-21
720
Python 深度学习第二版(GPT 重译)(三)
您现在对 Keras 有了一些经验——您熟悉 Sequential 模型、Dense 层以及用于训练、评估和推断的内置 API——compile()、fit()、evaluate() 和 predict()。您甚至在第三章中学习了如何从 Layer 类继承以创建自定义层,以及如何使用 TensorFlow 的 GradientTape 实现逐步训练循环。
ApacheCN_飞龙
2024-03-21
920
Python 深度学习第二版(GPT 重译)(二)
本章旨在帮助您开始使用神经网络解决实际问题。您将巩固从第二章和第三章中获得的知识,并将所学应用于三个新任务,涵盖神经网络的三种最常见用例 — 二元分类、多类分类和标量回归:
ApacheCN_飞龙
2024-03-21
740
Python 深度学习第二版(GPT 重译)(一)
如果你拿起这本书,你可能已经意识到深度学习在最近对人工智能领域所代表的非凡进步。我们从几乎无法使用的计算机视觉和自然语言处理发展到了在你每天使用的产品中大规模部署的高性能系统。这一突然进步的后果几乎影响到了每一个行业。我们已经将深度学习应用于几乎每个领域的重要问题,跨越了医学影像、农业、自动驾驶、教育、灾害预防和制造等不同领域。
ApacheCN_飞龙
2024-03-21
1160
PyTorch 深度学习(GPT 重译)(六)
在过去的几章中,我们已经构建了许多对我们的项目至关重要的系统。我们开始加载数据,构建和改进结节候选的分类器,训练分割模型以找到这些候选,处理训练和评估这些模型所需的支持基础设施,并开始将我们的训练结果保存到磁盘。现在是时候将我们拥有的组件统一起来,以便实现我们项目的完整目标:是时候自动检测癌症了。
ApacheCN_飞龙
2024-03-21
880
PyTorch 深度学习(GPT 重译)(五)
上一章的结束让我们陷入了困境。虽然我们能够将深度学习项目的机制放置好,但实际上没有任何结果是有用的;网络只是将一切都分类为非结节!更糟糕的是,结果表面看起来很好,因为我们正在查看训练和验证集中被正确分类的整体百分比。由于我们的数据严重倾向于负样本,盲目地将一切都视为负面是我们的模型快速得分的一种简单而快速的方法。太糟糕了,这样做基本上使模型无用!
ApacheCN_飞龙
2024-03-21
850
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
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·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档