当前位置：首页 > news >正文

【自然语言处理与大模型】大模型（LLM）基础知识④

news 来源：原创 2025/6/8 15:21:27

（1）微调主要用来干什么？

微调目前最主要用在定制模型的自我认知和改变模型对话风格。模型能力的适配与强化只是辅助。

定制模型的自我认知：通过微调可以调整模型对自我身份、角色功能的重新认知，使其回答更加符合自定义的场景。还能限制模型的任务边界，让其在指定领域范围回答问题，避免越界或错误信息。

        比如：qwen的模型默认回答“我是qwen”，微调过后让其回答“我是小呆（自定义的名字）”，再比如：你问模型“你有什么能力？”，模型默认回答“我会生成文本、写作、编写代码等等”。但如果你做的是医疗领域的微调，模型就可以输出“我可以帮助用户分析应该吃什么药”。再比如：微调前模型什么问题都回答，微调后只回答医疗问题，其他的问题拒绝回答。

改变模型的对话风格：是指通过在预训练大模型的基础上，使用特定风格的对话数据对模型进行二次训练，使其在保持原有语言能力的同时，生成更符合目标风格的回复。通过微调实现的风格迁移本质上是模型参数空间的向量偏移。

        比如：医疗咨询场景中，微调后的模型会使用更严谨的术语；儿童教育场景中，模型会生成更亲切的回复。

模型能力的适配与强化：通过微调能使通用模型具备垂直领域的知识，使其对垂直领域的问答能力提升，但由于模型具有幻觉且若想回复垂直领域的效果很好需要预处理大量训练数据，所以使用微调为模型注入垂直领域知识只是一种辅助手段。

        过少的样本或单一的微调数据会导致模型在未见过的数据上表现不佳，此时模型过拟合，泛化能力差。少样本的长时间微调还可能导致模型原有的通用能力被削弱，造成灾难性遗忘。

（2）为什么不选择直接使用微调来实现专业领域问答系统？

要想获得好效果需要大量数据标注，而想要得到大量数据要付出较高成本，即便拥有大量数据也可能出现幻觉。而少样本的数据微调可能会导致过拟合，使得模型泛化能力不佳，严重的会导致通用能力下降。

数据标注成本高：微调需要依赖高质量的标注数据，而专业领域的标注数据获取成本极高。需要领域专家参与标注（如法律合同条款解析、医学诊断逻辑标注），成本远高于通用领域。专业领域的高质量数据量通常有限，导致模型难以覆盖所有场景。领域知识（如法律条文、医疗指南）会随时间变化，需持续维护标注数据，进一步增加成本。
幻觉问题难以彻底解决：即使使用高质量数据微调，模型仍可能产生幻觉（生成错误或虚构信息）。如果标注数据本身存在偏差或过时信息，模型可能继承这些错误。微调后的模型在处理复杂或模糊问题时，可能生成逻辑不严谨的回答。专业领域的知识往往分散在多个来源（如论文、法规、案例），微调模型难以整合所有信息。
少样本微调导致过拟合：数据量不足导致模型无法学习到领域知识的通用规律，反而“记住”了训练数据中的噪声和细节。少样本对参数很大的模型而言，只会被“记住”而无法抽象成一个知识。

（3）实际应用中如何实现专业领域问答呢？

实际应用中常采取混合策略，也就是先用RAG，然后再使用微调进一步提升RAG输出的准确率。RAG的优势在于对知识更新成本低，不需要重新训练模型只需要外挂知识库就可以实现，对于动态数据也能低成本的更新。RAG还极大的增强了模型输出内容的可解释性，回答基于可以验证的知识库，能够溯源。但RAG之后模型每次都是对相似度匹配出来的top-n结果做阅读理解，模型本身并没有相关领域的深刻知识。于是想到了对模型进行微调，起到补充作用，提升模型对领域术语的理解（如法律术语，医学名词），还可以优化生成逻辑（如合同条款解析的格式化输出）。

（4）大模型应用落地的三个方向是？

大模型应用落地的三个方向——微调（Fine-tuning）、检索增强生成（Retrieval-Augmented Generation, RAG）、以及智能体（Agent），各自代表了将大型预训练模型应用于具体任务或场景的不同策略。下面简要介绍这三个概念：

微调（Fine-tuning）：微调是指在已经在一个大规模数据集上预训练好的模型基础上，针对特定任务使用较小规模的特定数据集进行进一步训练的过程。通过这种方式，模型可以学习到执行特定任务所需的细节和细微差别，同时保留从预训练阶段学到的广泛知识。这种方法特别适用于那些有大量标记数据的任务。
检索增强生成（Retrieval-Augmented Generation, RAG）：RAG是一种结合了信息检索与文本生成的方法，旨在提高生成式模型输出的相关性和准确性。它的工作原理是首先根据输入查询从一个大的文档库中检索出最相关的文档片段，然后将这些片段作为额外的信息提供给生成模型，以帮助其生成更加准确和上下文相关的回复。这种方法对于需要精确事实依据的任务特别有用。
智能体（Agent）：在人工智能领域，“Agent”通常指的是能够自主执行任务、作出决策并适应环境变化的系统或模型。当谈论大模型时，“Agent”的概念通常涉及利用这些模型来构建可以理解复杂指令、规划步骤、解决问题并执行任务的智能体。这样的“Agent”可以通过对环境的观察来学习，并且能够在不同的应用场景中表现出灵活的行为。这包括但不限于对话系统、自动化助手以及各种形式的机器人技术等。

（5）哪些模型参数来控制对话生成的自由度和多样性？

Top_p (核采样Nucleus Sampling)

定义：Top_p是一种采样方法，通过选取概率总和达到p的最小集合中的单词进行采样。与传统的top-k采样（仅从概率最高的k个词中选择）不同，top_p根据累积概率动态决定候选词汇集。

大小范围：通常取值在0到1之间。例如，当设置为0.9时，意味着会选择累计概率达到90%的那些最有可能的词作为候选进行采样。

存在处罚（Presence Penalty）

定义：存在处罚是用来控制生成文本中新话题引入频率的一个参数。较高的存在处罚可以鼓励模型产生更多样化的内容，减少重复提及相同的主题或概念。

大小范围：该参数的值通常是正数，表示惩罚强度。正值越大，对已经提到过的词语再次出现的惩罚越强；如果设置为0，则不应用任何惩罚。

频率惩罚（Frequency Penalty）

定义：频率惩罚用于调节生成文本中词语出现频率的一种机制。它基于词语在整个输出序列中的出现次数来施加惩罚，旨在避免某些词被过度使用，从而增加输出内容的新颖性和多样性。

大小范围：类似于存在处罚，频率惩罚的值也是非负实数。数值越高，对于高频词的抑制作用越强。设置为0则表示不对词频做额外处理。

（6）RAG的优点有哪些？

优点	描述
避免模型幻觉	引入外部知识库信息，减少虚假内容生成
动态知识更新	知识库可实时更新，无需重新训练模型
提高答案准确性	结合外部知识生成更准确、相关的内容
增强可解释性	生成内容基于可检索知识，用户可验证来源
成本效益高	无需修改模型参数，仅优化输入过程，节省训练和部署成本
安全与隐私管理	通过限制知识库权限控制敏感信息访问
灵活定制	可针对特定领域（如医疗、金融）定制知识库，快速适配不同场景

（7）RAG的缺点有哪些？

缺点	描述
依赖外部知识库	检索结果的质量和知识库完整性直接影响生成效果
检索效率与准确性矛盾	大规模知识库检索可能降低效率，难以兼顾速度和精准度
处理复杂查询能力有限	对涉及多步骤推理或模糊语义的查询效果不佳
数据敏感性不足	对日期、数值等细节信息的处理容易出错
文档拆分问题	文档切分可能导致关键信息丢失或上下文断裂
用户查询质量影响效果	用户提问模糊或使用缩写时，可能降低模型理解能力
实现复杂性	需要协调检索和生成模块，增加系统设计和维护成本

（8）RAG的核心优势与核心痛点是什么？

RAG的核心优势是动态更新知识库方便，让模型具备领域知识的成本低，可解释性强。

RAG的核心痛点是对回复内容的精度要求越高，越难实现。知识库的内容往往是多模态的，这导致构建知识库所需要做的数据预处理越来越复杂。当前 RAG 的优化方向可归纳为 “数据质量 → 检索精度 → 生成控制 → 查询理解” 的全流程改进。

数据质量：原始知识库中存在噪音（如HTML标签、重复内容）、结构化数据解析困难（如表格、多模态数据）。对应使用去重纠错工具去除冗余内容和纠正错误格式。引入多模态支持，使用图像、表格的专用解析器（如 PDFBox、Tesseract OCR）
检索精度：检索结果排名靠前的文档可能不包含答案，有可能是chunk分的不好，或者是top-k设置的不合理。对应解决方案目前有Rerank重排序算法，对检索结果进行语义重排序。还引入知识图谱，进行混合检索（同时使用相似度、关键词匹配、图谱查询）。

（9）什么是模态？什么是多模态？

模态是指一种特定类型的数据形式或感知方式。在人工智能和机器学习中，常见的模态包括：文本、图像、音频、视频、传感器数据。
多模态是指同时处理多种模态的数据，提升理解和生成能力。多模态大模型（Multimodal Large Model）能够将不同模态的信息结合起来，完成跨模态的任务。

（10）多模态有哪些应用场景？

Language-Audio

Text-to-Speech Synthesis（文转音）: 将文本转换为语音，实现自然语言到声音的转换。
Audio Captioning（音频字幕）: 从语音中提取关键信息，生成简洁的文字描述，用于内容摘要或理解。

Vision-Audio

Audio-Visual Speech Recognition（视听语音识别）: 结合视频和音频信息，提高语音识别的准确性和鲁棒性。
Video Sound Separation（视频声源分离）: 在复杂场景下分离不同声源，增强音频处理能力。
Image Generation from Audio（音频生成图像）: 根据声音生成相关图像，可用于音乐可视化或情感表达。
Speech-conditioned Face generation（语音驱动面部生成）: 通过语音生成说话者的面部视频，实现语音到视觉的转换。
Audio-Driven 3D Facial Animation（音频驱动的3D面部动画）: 利用语音驱动3D人脸模型，生成逼真的面部动画，适用于虚拟现实和娱乐领域。

Vision-Language

Image/Video-Text Retrieval (图像/视频与文本的相互检索): 图像/视频<--->文本的相互检索。
Image/Video Captioning (图像/视频的内容描述): 给定一个图像/视频，生成文本描述其主要内容。
Visual Question Answering (基于图像/视频的问答系统): 给定一个图像/视频与一个问题，预测答案。
Image/Video Generation from Text（文本驱动的图像/视频生成）: 给定文本，生成相应的图像或视频。
Multimodal Machine Translation（多模态机器翻译）: 给定一种语言的文本与该文本对应的图像，翻译为另外一种语言。
Vision-and-Language Navigation (视觉-语言导航): 给定自然语言进行指导，使得智能体根据视觉传感器导航到特定的目标。
Multimodal Dialog (多模态对话): 给定图像、历史对话，以及与图像相关的问题，预测该问题的回答。

定位相关的任务

Visual Grounding (视觉定位): 根据文本描述在图像中定位相应的物体，实现文本与视觉内容的精确对应。
Temporal Language Localization (时序语言定位): 在视频中根据文本描述定位特定动作的发生时间，用于事件检测和时间线分析。
Video Summarization from text query (基于文本查询的视频摘要): 根据文本查询生成视频摘要，提取关键帧或片段，形成简短的视频概要。
Video Segmentation from Natural Language Query (基于自然语言查询的视频分割): 根据文本查询对视频进行分割，识别并提取出与查询相关的物体或场景。
Video-Language Inference (视频-语言推理): 结合视频内容和文本假设，判断二者是否存在语义上的关联，用于视频内容的理解和验证。
Object Tracking from Natural Language Query (基于自然语言查询的对象追踪): 在视频中根据文本描述追踪特定对象，实现动态目标的持续跟踪。
Language-guided Image/Video Editing (语言引导的图像/视频编辑): 根据文本指令自动对图像或视频进行编辑，如添加、删除或修改特定元素，提升内容创作的效率和灵活性。

【自然语言处理与大模型】大模型（LLM）基础知识④

（1）微调主要用来干什么？ 微调目前最主要用在定制模型的自我认知和改变模型对话风格。模型能力的适配与强化只是辅助。定制模型的自我认知：通过微调可以调整模型对自我身份、角色功能的重新认知，使其回答更加符合自定义…...

编程日记 2025/5/30 8:09:12

返回码的方案对比和思考

前言一般我们定义 Restful 接口返回码，常见的就是 const 定义 code ， StatusToText() 来实现定义 msg， 在封装1 ~ 2个返回方法（success、error）就可以实现，只是突然想到这样设计是违反开闭原则的&#xf…...

编程日记 2025/5/25 9:21:42

Flink 的任务槽和槽共享

在 Apache Flink 中，任务槽（Task Slot） 和槽共享组（Slot Sharing Group） 是资源管理和任务调度的关键机制。它们决定了 Flink 如何在集群中分配资源并执行任务。一、任务槽（Task Slot） 1. 定…...

编程日记 2025/5/29 13:20:10

实验七基于Python的数字图像水印算法

一、实验目的掌握图像水印的应用； 掌握我国版权保护的发展现状； 掌握常见的数字图像水印算法。二、实验内容学习内容补充： 数字水印的鲁棒性评价主要采用含水印图像提取出的水印与原始水印的相似程度,使用归一化相关(NC，Nor…...

编程日记 2025/5/29 22:53:19

C语言：在 Win 10 上，gcc 如何编译 gtk 应用程序

在 Windows 10 上使用 g（或 gcc）编译基于 GTK 的 C 语言程序是完全可行的，且相比 Tcc 更为推荐，因为 g（GNU 编译器套件）对 GTK 的支持更加完善，配置也更简单。以下是详细步骤和注意事项&#xf…...

编程日记 2025/5/24 14:12:22

Vue.js---watch 的实现原理

4.7 watch 的实现原理 watch本质上就是使用了effect以及options.scheduler 定义watch函数： // watch函数:传入参数source以及回调函数function watch(source , cb) {effect(() > source.foo,{scheduler(){// 回调函数cb()}})}watch接收两个参数分别是source和c…...

编程日记 2025/5/27 6:31:34

Linux_ELF文件

目录前言： 一、ELF文件的类型二、ELF文件的组成格式 1. ELF头部(ELF Header) 2. 节头表(Section Header Table) 3. 程序头表(Program Header Table) 4. 节(Sections)与段(Segments) 三、ELF文件从形成到加载轮廓 1、ELF可执行文件形成过程 2、可执行文…...

编程日记 2025/5/22 7:58:07

磁盘I/O子系统

一、数据写入磁盘流程当执行向磁盘写入数据操作的时候，会发生如下的一系列基本操作。假设文件数据存在于磁盘扇区上，并且已经被读入到页缓存中。进程使用write()系统调用写入文件。内核更新映射到文件的page cache。内核线程pdflush负责把页缓存刷入…...

编程日记 2025/5/26 14:54:03

【2025 技术指南】如何创建和配置国际版 Apple ID

想要体验更丰富的应用生态、使用国际版专属服务，或访问更多开发者工具？一个国际版 Apple ID 能帮你实现这些需求。本教程将详细介绍如何注册国际版 Apple ID 并正确配置支付信息，全程操作简单，适合开发者和技术爱好者参考。一、准…...

编程日记 2025/5/18 12:13:02

C++（20）：文件输入输出库 —— ＜fstream＞

目录一、的核心功能二、核心类及功能三、核心操作示例 1. 文本文件写入（ofstream） 2. 文本文件读取（ifstream） 3. 二进制文件操作（fstream） 四、文件打开模式五、文件指针操作六、错误处理技巧…...

编程日记 2025/5/27 7:16:08

05、基础入门-SpringBoot-HelloWorld

05、基础入门-SpringBoot-HelloWorld ## 一、Spring Boot 简介 **Spring Boot** 是一个用于简化 **Spring** 应用初始搭建和开发的框架，旨在让开发者快速启动项目并减少配置文件。 ### 主要特点 - **简化配置**：采用“约定优于配置”的原则，减…...

编程日记 2025/5/29 18:05:34

深入理解指针(6)

目录 1 sizeof和strlen的对⽐ 1.1 sizeof 编辑1.2strlen 1.3 sizeof 和 strlen的对⽐ 2 数组和指针笔试题解析 2.1 ⼀维数组编辑 2.2 字符数组 3 指针运算笔试题解析 3.1 题⽬1： 编辑3.2 题目2 3.3 题目3 3.4 题目4 3.5 题目5 3.6 题目6 3.7…...

编程日记 2025/5/29 22:58:34

力扣HOT100之二叉树：108. 将有序数组转换为二叉搜索树

这道题之前做过，思路又给忘了，这道题用递归做是最简单的。由于得到的数组是有序的，我们只需要取出中间位置的元素medium作为根节点，然后medium左边的剩余元素组成根节点的左子树，medium右边的剩余元素组成根节点的右子…...

编程日记 2025/5/26 10:38:22

手撕I2C和SPI协议实现

手撕I2C和SPI协议实现目录 I2C协议原理I2C位操作实现I2C驱动代码编写SPI协议原理SPI位操作实现SPI驱动代码编写 I2C协议原理 I2C（Inter-Integrated Circuit）是一种串行通信总线，使用两根线：SCL（时钟线&#xff09…...

编程日记 2025/5/29 17:05:47

452. Minimum Number of Arrows to Burst Balloons

题目描述这道题用leetcode官方的解答反而搞复杂了。本题其实就是求重叠区间的交集。先按照区间左端点从小到大排序。然后拿出第一个区间作为【当前区间交集】的初始值。遍历后面的区间看那个区间和【当前交集】是否有重叠。如果有重叠则将【当前交集】和【当前区间】求交集并更…...

编程日记 2025/5/22 20:02:19

React 中，闭包陷阱

文章目录前言1. 经典闭包陷阱示例过期状态问题 2. 解决方案2.1 正确声明依赖数组2.2 使用 useRef 捕获最新值**2.3 使用函数式更新（针对状态更新）****2.4 使用 useCallback 冻结闭包** **3. 异步操作中的闭包陷阱****事件监听示例** **4. 自定义 Hooks …...

编程日记 2025/5/29 17:12:29

项目地址 1 Setup # 拉取VLMaps仓库，成功运行后会在主目录生成文件夹vlmapsgit clone https://github.com/vlmaps/vlmaps.git#通过 conda 创建虚拟环境conda create -n vlmaps python=3.8 -yconda activate vlmaps #激活环境cd vlmaps # 切换到项目文件下bash install.ba…...

编程日记 2025/6/1 17:04:06

qt6 c++操作qtableview和yaml

保存qtableview数据到yaml文件从yaml文件读取数据到qtableview qtableview在UI界面拖放。代码是问chat百度的深度探索。 - name: a1address: db1.dbw10type: int - name: a2address: db1.dbx1.0type: bool写到yaml，写前检查 bool plot1::isRowValid(const QStan…...

编程日记 2025/5/27 7:14:28

使用UniApi调用百度地图API的需要注意的地方

目录前言一、百度开放平台 1、功能简介 2、地点搜索服务 3、按行政区划检索API 二、Uniapi集成百度API 1、API集成流程 2、访问接口的定义 3、业务调用集成三、可能遇到的问题 1、指定输出格式无效 2、返回数据的总数四、总结前言在之前的系列博客中&#xf…...

编程日记 2025/6/3 20:31:26

（9）python开发经验

文章目录 1 os.path.join()拼接路径2 条件变量3 添加临时环境变量更多精彩内容👉内容导航 👈👉Qt开发 👈👉python开发 👈 1 os.path.join()拼接路径 os.path.join() 是 Python 中处理文件路径拼接的核心函…...

编程日记 2025/5/24 2:33:04

windows 10 做服务器其他电脑无法访问，怎么回事？

一般我们会先打开win10自己的防火墙策略，但是容易忽略电脑之间路由器上的防火墙，此时也需要查看一下，可以尝试先关闭路由器防火墙，如果可以了，再设置路由器上的防火墙规则。将路由器的上网设置改成路由模式 &a…...

编程日记 2025/5/29 9:24:00

mysql中limit深度分页详细剖析【爽文】

目录一 mysql中limit深度分页 1.1 背景描述 1.2 mysql深度分页很慢原因 1.2.1 mysql的sql执行流程 1.2.2 mysql的深度分页很慢原因 1.3 解决办法 1.3.1 覆盖索引 1.3.2 子查询 1.3.3 标签查询 1.3.4 分区表一 mysql中limit深度分页 1.1 背景描述 Limit深度分页造…...

编程日记 2025/5/28 7:35:03

【C++ Qt】布局管理器

每日激励：“不设限和自我肯定的心态：I can do all things。 — Stephen Curry” 🤔绪论： 在Qt开发中，界面布局的合理设计是提升用户体验的关键。早期，开发者常采用绝对定位的方式摆放控件，即通…...

编程日记 2025/5/22 10:40:25

Windows系统永久暂停更新操作步骤

目录 Windows系统永久暂停更新操作步骤打开运行窗口进入注册表编辑器导航路径图示新建并配置DWORD值新建值操作图示数值设置图示在系统设置中应用暂停暂停选项图示注意事项打开运行窗口按下键盘上的 Win键 R 组合键，调出“运行”对话框。进入组策略编…...

编程日记 2025/5/24 1:37:52

Java IO流进阶实战详解（含文件读写、拷贝、加密、字符集）

本文基于 Java 原生 IO 流，从最基础的字节流到字符流，再到实战案例（如文件夹拷贝、文件加密等）进行逐步深入讲解。适合有一定 Java 基础、希望掌握文件读写操作的。一、前言 Java IO（输入输出）是我们日常…...

编程日记 2025/5/29 18:58:35

JavaScript【7】BOM模型

1.概述： BOM（Browser Object Model，浏览器对象模型）是 JavaScript 中的一个重要概念，它提供了一系列对象来访问和操作浏览器的功能和信息。与 DOM（Document Object Model）主要关注文档结构不同&…...

编程日记 2025/5/29 12:14:20

STM32F10xx 参考手册

6. 什么是寄存器本章参考资料：《STM32F10xx 参考手册》、《STM32F10xx数据手册》、学习本章时，配合《STM32F10xx 参考手册》“存储器和总线架构”及“通用I/O(GPIO)”章节一起阅读，效果会更佳，特别是涉及到寄存器说明的部分。…...

编程日记 2025/5/29 10:16:22

使用instance着色

本节我们学习使用instance着色器进行着色 //拾取var handler new Cesium.ScreenSpaceEventHandler(viewer.scene.canvas);handler.setInputAction(function(movement){console.log(movement);var pickedObject viewer.scene.pick(movement.position);if(Cesium.defined(picke…...

编程日记 2025/5/26 14:50:49

MySQL——4、表的约束

表的约束 1、空属性2、默认值3、列描述4、zerofill5、主键6、自增长7、唯一键8、外键9、综合案例真正约束字段的是数据类型，但是数据类型约束很单一，需要有一些额外的约束，更好的保证数据的合法性，从业务逻辑角度保证数据的正确性…...

编程日记 2025/5/18 11:51:50

Datawhale PyPOTS时间序列5月第3次笔记

下游任务的两阶段(two-stage) 处理下载数据并预处理的程序： # ------------------------------- # 导入必要的库 # ------------------------------- import numpy as np import torch from benchpots.datasets import preprocess_physionet2012 from pypots.imp…...

编程日记 2025/5/29 20:33:01

初探Reforcement Learning强化学习【QLearning/Sarsa/DQN】

文章目录一、Q-learning现实理解：举例：回顾： 二、Sarsa和Q-learning的区别三、Deep Q-NetworkDeep Q-Network是如何工作的？前处理：Convolution NetworksExperience Replay 一、Q-learning 是RL中model-free、value-…...

编程日记 2025/6/2 19:27:29

计算机图形学编程(使用OpenGL和C++)(第2版)学习笔记 12.曲面细分

1. 曲面细分曲面细分着色器（Tessellation Shader）是OpenGL 4.0及以上版本引入的一种可编程着色器阶段，用于在GPU上对几何体进行细分，将粗糙的多边形网格自动细分为更平滑、更精细的曲面。它主要用于实现高质量的曲面渲染&#x…...

编程日记 2025/5/29 18:30:14

8天Python从入门到精通【itheima】-14~16

目录第二章学习内容总体预览： 14节-字面量： 1.学习目标：编辑 2.Python中6大常用数据类型： 3.实现：整数、浮点数、字符串类型的数据输出 4.字面量的定义： 5.小节总结 15节-注释： 1.le…...

编程日记 2025/5/29 10:54:01

Spring Boot 项目的计算机专业论文参考文献

技术范围：SpringBoot、Vue、SSM、HLMT、Jsp、PHP、Nodejs、Python、爬虫、数据可视化、小程序、安卓app、大数据、物联网、机器学习等设计与开发。主要内容：免费功能设计、开题报告、任务书、中期检查PPT、系统功能实现、代码编写、论文编写和辅导、论文…...

编程日记 2025/5/27 6:31:45

linux线程基础

1. 什么是线程进程是承担系统资源分配的基本实体，而线程（Thread）是进程内的一个执行单元，是CPU调度的基本单位。一个进程可以包含多个线程，这些线程共享进程的地址空间和资源（如文件描述符、全局变量等&a…...

编程日记 2025/5/27 6:37:40

进阶-数据结构部分：3、常用查找算法

飞书文档https://x509p6c8to.feishu.cn/wiki/LRdnwfhNgihKeXka7DfcGuRPnZt 顺序查找查找算法是指：从一些数据之中，找到一个特殊的数据的实现方法。查找算法与遍历有极高的相似性，唯一的不同就是查找算法可能并不一定会将每一个数据都进行访…...

编程日记 2025/5/29 12:37:31

JavaScript 中的 for...in 和 for...of 循环详解

在 JavaScript 中，for...in 和 for...of 是两种常用的循环结构，但它们有着不同的用途和行为。很多初学者容易混淆这两者，本文将详细解析它们的区别、适用场景以及注意事项。目录 for…in 循环基本用法遍历对象属性注意事项 for…of 循环 …...

编程日记 2025/5/22 9:59:33

【汇总】影视仓接口地址,影视仓最新配置接口【2025.5】

📦 TVBOX接口分类与制作加载指南结合参考资料，整理TVBOX接口的核心分类、制作方法及加载技巧，助你快速上手！ 🌐 一、接口分类 🌍 网络接口（远程URL） 特点：动态加载在线J…...

编程日记 2025/6/1 8:10:57

vue引用cesium，解决“Not allowed to load local resource”报错

vue引用cesium，解决“Not allowed to load local resource”报错TOC 工具 vscode node ：v22.14.0npm ：10.9.2vue：vue/cli 5.0.8 一、创建一个 Vue 3 项目 1.创建名为cesium_test的项目： vue create cesium_test2.…...

编程日记 2025/5/27 6:15:13

阿里云服务器跑模型教程

首先打开阿里云官网点击免费试用选择250工时/月的免费仨月新人试用套餐点击右上角主账号选择人工智能平台PAI 然后选择交互式建模(DSW) 选择新建实例起个名字然后点击确定点击打开进入到命令行工具下载MINIConda和对应的pytorch还有相关依赖库文件即可然后上传…...

编程日记 2025/5/29 11:45:49

JavaScript入门【2】语法基础

1.JavaScript的引⼊⽅式(使用): 1.方式1:行内引用: 此种方式是将<font style"color:rgb(38,38,38);">JavaScript代码作为HTML标签的属性值使⽤,示例如下:</font><html lang"en"> <head><meta charset"UTF-8"><…...

编程日记 2025/5/31 9:21:49

调用DeepSeek系列模型问答时，输出只有＜/think＞标签，而没有＜think＞标签

问题：调用DeepSeek系列模型问答时，输出结果缺少只有标签，而没有标签？ DeepSeek官方有关说明这里设置成这样是为了保证让模型的生成是以"<think>\n"开头的，然后开始思考过程，避免模型没…...

编程日记 2025/5/25 21:47:38

python：gimp 与 blender 两个软件如何协作？

GIMP（GNU Image Manipulation Program）和 Blender 是两个不同领域的开源工具，但它们在数字创作流程中常协同使用，以下是它们的主要联系和互补性： 1. 功能互补：2D 与 3D 的结合 GIMP 是专业的 2D 图像处理工…...

编程日记 2025/5/21 11:45:02

MMDetection环境安装配置

MMDetection 支持在 Linux，Windows 和 macOS 上运行。它需要 Python 3.7 以上，CUDA 9.2 以上和 PyTorch 1.8 及其以上。 MMDetection 至今也一直更新很多个版本了，但是对于最新的pytorch版本仍然不支持，我安装的时候仍然多次遇到m…...

编程日记 2025/5/29 12:34:02

【springboot+vue3的前后端分离项目实现支付宝的沙箱支付】

【springbootvue3的前后端分离项目实现支付宝的沙箱支付】以下是基于SpringBoot Vue前后端分离项目实现支付宝沙箱支付的完整解决方案，包含关键代码和调试技巧一、项目架构设计二、后端实现（SpringBoot） 1. 添加依赖 <!-- pom.xml…...

编程日记 2025/5/31 6:36:02

基于Llama3的开发应用（二）：大语言模型的工业部署

大语言模型的工业部署 0 前言1 ollama部署大模型1.1 ollama简介1.2 ollama的安装1.3 启动ollama服务1.4 下载模型1.5 通过API调用模型 2 vllm部署大模型2.1 vllm简介2.2 vllm的安装2.3 启动vllm模型服务2.4 API调用 3 LMDeploy部署大模型3.1 LMDeploy简介3.2 LMDeploy的安装3.3…...

编程日记 2025/6/2 15:22:15

MySQL只操作同一条记录也会死锁吗?

大家好，我是锋哥。今天分享关于【MySQL只操作同一条记录也会死锁吗?】面试题。希望对大家有帮助； MySQL里where条件的顺序影响索引使用吗？ 1000道互联网大厂Java工程师精选面试题-Java资源分享网在MySQL中，死锁通常发生在多…...

编程日记 2025/5/29 11:12:16

Linux的静态库共享库进程主函数的参数

1、库文件库文件库是一组预先编译好的方法的集合； Linux系统储存的位置一般在/lib和/usr/lib中库的头文件放在/usr/include 库分类：静态库（libxxx.a）共享库（libxxx.so） 静态库 （1&#…...

编程日记 2025/5/21 14:30:56

软件设计师考试结构型设计模式考点全解析

结构型设计模式考点全解析一、分值占比与考察趋势分析（75分制） 设计模式近5年平均分值考察频率趋势分析适配器模式3-5分高频保持稳定桥接模式2-3分中频略有上升组合模式4-6分高频持续重点装饰器模式3-4分高频稳定考察代理模式5-7分高频逐年增加外观模…...

编程日记 2025/5/28 16:39:22

Java-Objects类高效应用的全面指南

Java_Objects类高效应用的全面指南前言一、Objects 类概述二、Objects 类的核心方法解析2.1 requireNonNull系列方法：空指针检查的利器2.2 equals方法：安全的对象比较2.3 hashCode方法：统一的哈希值生成2.4 toString方法：灵活的对…...

编程日记 2025/5/27 7:46:19