探索多模态大语言模型(MLLMs)的推理能力
探索多模态大语言模型(MLLMs)的推理能力
Multimodal Large Language Models (MLLMs)
flyfish
原文:Exploring the Reasoning Abilities of Multimodal Large Language Models (MLLMs): A Comprehensive Survey on Emerging Trends in Multimodal Reasoning
论文地址
多模态大语言模型(Multimodal Large Language Models, MLLMs)是指那些可以处理和生成多种类型数据的大型机器学习模型,而不仅仅局限于文本。传统的语言模型主要专注于理解和生成自然语言文本,但多模态模型能够结合文本与其他形式的数据,如图像、音频、视频等。
什么是多模态?
“多模态”这个术语指的是信息的不同表达形式或渠道。在人工智能领域,它通常指模型能够处理来自不同来源或具有不同性质的数据。例如:
文本:句子、段落、文档等。
图像:照片、插图、图表等。
音频:语音、音乐、环境声音等。
视频:电影、演示文稿、监控录像等。
探索多模态大语言模型(MLLMs)的推理能力:多模态推理新兴趋势的全面综述。
展示了多模态大语言模型的发展历程,通过不同的路径和节点展示了模型之间的继承关系和技术演进。每条路径代表了一种特定的技术方向,而节点则代表了在这个方向上的具体模型
大型语言模型(LLMs)的最新进展,以及新兴的多模态大语言模型(MLLMs)领域,在广泛的多模态任务和应用中展现出了令人瞩目的能力。特别是,各种具有不同模型架构、训练数据和训练阶段的多模态大语言模型已经在众多多模态基准测试中得到了评估。这些研究在不同程度上揭示了多模态大语言模型当前能力的不同方面。然而,多模态大语言模型的推理能力尚未得到系统的研究。在本次综述中,我们全面回顾了现有的多模态推理评估协议,对多模态大语言模型的前沿成果进行了分类和阐述,介绍了多模态大语言模型在推理密集型任务中的应用新趋势,最后讨论了当前的实践情况和未来的发展方向。
引言
在过去的十年中,借助不断增长的计算能力和扩展的数据,多模态大语言模型在许多领域和应用中取得了显著进展。它们被认为是最有可能实现强人工智能或通用人工智能终极目标的模型家族。强人工智能通常被认为具有思维,但多模态大语言模型是否具有思维,或者如何确定其思维的存在,仍然是一个开放且复杂的问题。
人们不需要拥有夏洛克·福尔摩斯那样的头脑,就能对来自现实世界的多种模态(如视觉、音频、文本、嗅觉等)的观察结果进行自然推理,然后采取行动。在双系统理论(一种广泛应用的认知科学理论)中,人类认知系统的第二种类型——能够进行抽象推理的系统,被认为是“在进化上较新且为人类所特有”。这一特征引发了一个有趣的问题:多模态大语言模型能够进行推理吗?
具体而言,我们对需要理解和整合来自视觉、文本、音频等多种模态信息的推理任务感兴趣。多模态大语言模型在多种多模态推理任务中已经展示了有效性。显著的例子包括视觉问答(VQA)、多模态对话等。最近,也有大量研究专注于特别提升多模态大语言模型的推理能力,例如多模态指令调优和通过提示进行多模态推理。多模态大语言模型的强大能力也引发了将其作为代理应用于现实环境或使其能够使用工具的研究。尽管在现有基准数据集上表现出色,但现在就断言当前的多模态大语言模型能够真正对多种输入模态进行推理还为时尚早。
即使在仅文本的场景中,大型语言模型在某些方面(如数学和多步推理)仍然缺乏恰当的推理能力。此外,大型语言模型和多模态大语言模型都存在幻觉问题,这会阻碍模型进行正确推理。基于推理能力在多模态大语言模型中的重要性以及相关研究的快速发展,我们认为有必要全面回顾多模态大语言模型推理能力的现状,并提供有见地的讨论来启发未来的研究。在接下来的章节中,我们将首先定义我们所关注的推理能力并阐述现有的评估协议(第2节);随后,我们将总结多模态大语言模型的现状(第3节);接着深入探讨多模态推理的一个关键训练阶段,即多模态指令调优(第4节);然后我们将讨论多模态大语言模型在推理密集型应用中的情况,包括具身人工智能(第5.1节)和工具使用(第5.2节);之后,我们将分析多模态推理基准测试的结果(第6节);最后,我们将对多模态大语言模型的现状和未来发展方向提供集中的见解和讨论(第7节)。
推理:定义和评估协议
什么是推理?
推理是人类基本的智能行为之一,它需要理解和分析给定条件和背景知识,以合乎逻辑和理性地得出新结论。推理在逻辑学领域已经得到了广泛研究。为了清晰地理解推理,我们参考逻辑学领域中基于前提、结论和推理概念所建立的定义。推理通常被视为这些概念的整合。具体来说,前提和结论是关于某个案例的真假陈述。推理是从给定前提中选择和解释信息、建立联系、验证并最终基于所提供和解释的数据得出结论的中间推理步骤。
逻辑学领域中的推理高度依赖数学,数学用于构建一套基本逻辑规则。因此,只有遵循这些逻辑规则的推理才被认为是有效的。除了逻辑规则,进行实际推理任务还需要领域知识。例如,算术推理需要数学知识,而常识知识对于日常生活任务中的推理至关重要。领域知识作为给定输入之外的额外前提,对于在特定领域中得出有效结论是必不可少的。
根据参考文献,推理可分为形式推理和非正式推理,其中只要前提为真,形式推理的结论就保证为真,而非正式推理在可用信息不完整或模糊时不能保证结论的真实性。通常,非正式推理使用自然语言进行,对日常生活任务至关重要。此外,根据推理方向,推理可分为演绎推理、归纳推理、溯因推理和类比推理:
- 演绎推理:它代表了最经典的推理形式。给定一组已知知识(前提),它逐步推导出新知识以得到结论。例如,给定前提“猫是哺乳动物”和“所有哺乳动物都有四只脚”,演绎推理可以推导出新结论“猫有四只脚”。需要注意的是,演绎推理只关注推理步骤是否遵循逻辑规则,对前提的真实性没有任何限制。因此,错误的前提即使推理步骤符合逻辑,也可能导致错误的结论。
- 归纳推理:专注于从具体观察中推断出一般规则。例如,给定前提(观察)“到目前为止我见过的任何哺乳动物都有四只脚”,归纳推理可以推断出“所有哺乳动物都有四只脚”。归纳推理是科学领域发现新原理和定律的有效工具。需要注意的是,由于很难收集到完整的观察结果,归纳推理的结论对于某些未见过的观察可能是不正确的。
- 溯因推理:是为给定观察推断出最佳解释。它被视为演绎推理的逆向方向,即多个原因可能导致结果(观察),应推断出最可能的原因。考虑这样一个场景:一辆汽车在高速公路上停着,危险警示灯闪烁。溯因推理可能得出更合理的结论:汽车出故障了,而不是不太可能的解释——有人在恶作剧。由于可能的原因数量通常很多,溯因推理需要大量常识和领域知识来推断出可信的原因。
- 类比推理涉及基于相似性将知识从一个或几个实例转移到另一个实例。有两种形式的类比推理在现实生活活动中得到了研究和应用。第一种形式是以一个或多个相似案例作为输入,得出一个隐含命题,最后将该命题应用于一个新案例。例如,考虑 “铁能导电” 和 “铜能导电” 这两个案例,由此可以推断出一个命题 “任何金属都能导电”,进而推断出 “银作为一种金属,也能导电”。第二种形式的类比推理是考虑两个实体的相似性,根据一个实体的属性来推断另一个实体的属性。例如,给定前提 “让植物充分接受阳光照射能促进其生长和健康” 以及 “人类和植物都需要某些环境因素(如水、空气和养分)才能茁壮成长”,人们可以使用类比推理假设 “人类经常晒太阳可能也对其健康有益”。通过类比推理,可以低成本快速推断新对象的属性。然而,类比推理的前提只能支持可能正确而非绝对正确的结论。
在本文中,我们关注多模态大语言模型的推理能力。这些模型所采用的推理方法属于非正式推理范畴。这主要是因为它们利用自然语言来阐述推理过程中的步骤和结论,并且在推理机制中允许存在一定程度的不准确性。本文主要关注三种推理类型:演绎推理、溯因推理和类比推理。之所以强调这些类型,是因为它们在现实世界的推理任务中普遍应用,特别是在当前多模态大语言模型的应用范围内。
纯语言推理任务
为了更深入地了解多模态大语言模型的推理能力,了解相关的推理任务至关重要。这些任务被广泛认为需要模型具备推理能力才能有效解决。基于输入数据,我们可以将推理任务分为两类:纯语言推理任务和多模态推理任务,前者不需要图像,后者则涉及图像和文本。纯语言任务的研究历史更为悠久,用于任务分类的方法以及从这些研究中获得的见解为多模态推理任务的发展提供了有价值的指导
解决数学问题
解决数学问题通常需要一步或多步的算术推理。解题者需要基于对输入问题、隐含算术运算以及概念知识的理解,推导出一系列能够得出最终答案的运算步骤。隐含运算和概念知识的范围可依据不同的学校年级水平进行分类。例如,GSM8K这些基准测试所要求的数学知识通常是小学阶段所学的内容,包括加法、减法、乘法、除法等基本运算。MathQA 基准测试和 AQuA基准测试涵盖了源自诸如 GMAT(研究生管理入学考试)和 GRE(美国研究生入学考试)等标准化考试的数学问题。MATH基准测试则包含极具挑战性的数学问题,涉及排列组合问题、等比数列问题、高阶方程求解等领域。该基准测试要求解题者具备大量高级数学知识和数学推理技巧,以及遵循多步解题程序的能力,因此仍是一项极具挑战性的任务。
进行常识推理
常识是一个涵盖范围广泛但定义略显宽松的概念。虽然缺乏确切边界,但它通常指的是那些超出专业知识范畴、完成基础教育的人理应熟知的知识。常识知识涵盖了多个领域,包括社会常识(例如,明白如果在公众场合被指责,人们会感到尴尬)、物理常识(例如,知道汽车比自行车速度快)、生物常识(例如,了解企鹅和考拉在自然环境中不会相遇)以及众多其他方面。人们普遍认为,常识知识在日常决策和现实生活场景中起着重要作用,这使得常识推理成为语言模型的一项基本前提条件。
处理符号推理
符号推理可以被描述为一种依据精确定义的规则(如逻辑推导规则)对抽象对象进行的认知过程。除了编程和数学解题之外,还有各种各样的任务需要运用符号推理。其中一项任务是逻辑推理,例如 PrOntoQA 、SimpleLogic、FOLIO 和 ProofWriter 等数据集所体现的那样。在这些任务中,给定一组事实和逻辑规则,要求模型基于逻辑运算来证明一个公式。其他任务涉及对虚拟对象的理解。例如,在 BIG - Bench Hard 中的 Penguins、Date 和 Colored Objects 等数据集中,需要对与虚拟对象相关的属性进行统计分析和操作。一个示例问题可能是 “哪只企鹅是以一位著名爵士音乐家的名字命名的?”。尽管语言模型展现出了理解简单符号操作的能力,但在复杂符号推理任务方面,它们的能力被认为相对较弱 。
开源多模态大语言模型
1. BLIP (Bootstrap Language-Image Pre-training)
- 简介: BLIP 是一个用于视觉和语言任务的预训练模型,它能够在图像字幕生成、视觉问答等任务中表现出色。
2. CLIP (Contrastive Language–Image Pre-training)
- 简介: CLIP 是由OpenAI开发的模型,旨在学习文本和图像之间的关系。它可以通过对比学习的方法来理解图片内容,并与描述性文本关联起来。
3. M6 (Multi-Modality to Multi-Modality Multitask Mega-transformer)
- 简介: 构建了目前规模最大的中文多模态预训练数据集,它包含超过 1.9TB 的图像以及 292GB 的文本,涵盖了广泛的领域。提出了一种跨模态预训练方法,名为 M6(即多模态到多模态多任务大型 Transformer),用于对单模态和多模态数据进行统一的预训练。将模型规模扩展至 100 亿和 1000 亿参数,打造出了中文领域最大的预训练模型。将该模型应用于一系列下游应用中,并通过与强大的基准模型对比,展示了其卓越的性能。此外,专门设计了一个文本引导图像生成的下游任务,结果表明经过微调的 M6 能够生成高分辨率且细节丰富的高质量图像。
4. MiniGPT-4
- 简介: MiniGPT-4 是一个轻量级版本的多模态语言模型,基于GPT架构进行了优化以适应较小的计算资源。
5. FLAVA (Fusion of Language and Vision with Alignment)
- 简介: FLAVA 是由Meta AI开发的多模态预训练框架,结合了视觉和语言信息,提供了强大的跨模态理解和生成能力。
6. ViT-G/14
- 简介: ViT-G/14 是一个大型视觉Transformer模型,专为高分辨率图像设计,可以与其他语言模型结合使用,形成多模态解决方案。
7. Qwen
- 简介: Qwen 是阿里云发布的多模态大语言模型,具有强大的中文处理能力,同时也支持多种国际语言及跨模态任务。
相关文章:
探索多模态大语言模型(MLLMs)的推理能力
探索多模态大语言模型(MLLMs)的推理能力 Multimodal Large Language Models (MLLMs) flyfish 原文:Exploring the Reasoning Abilities of Multimodal Large Language Models (MLLMs): A Comprehensive Survey on Emerging Trends in Mult…...
[Wireshark] 使用Wireshark抓包https数据包并显示为明文、配置SSLKEYLOGFILE变量(附下载链接)
wireshark 下载链接:https://pan.quark.cn/s/eab7f1e963be 提取码:rRAg 链接失效(可能会被官方和谐)可评论或私信我重发 chrome与firefox在访问https网站的时候会将密钥写入这个环境变量SSLKEYLOGFILE中,在wireshark…...
单片机实物成品-007 汽车防盗系统(代码+硬件+论文)
汽车尾气监测系统(温度震动传感器 红外热释电GPS三个指示灯蜂鸣器正常模式防盗模式wifi传输控制送APP源码 ) 把该系统划分为两个不同设计主体,一方面为硬件控制主体,通过C语言来编码实现,以STM32开发板为核心控制器&a…...
redis开发与运维-redis0401-补充-redis流水线与Jedis执行流水线
文章目录 【README】【1】redis流水线Pipeline【1.1】redis流水线概念【1.2】redis流水线性能测试【1.2.1】使用流水线与未使用流水线的性能对比【1.2.2】使用流水线与redis原生批量命令的性能对比【1.2.3】流水线缺点 【1.3】Jedis客户端执行流水线【1.3.1】Jedis客户端执行流…...
windows系统下使用cd命令切换到D盘的方法
windows系统下使用cd命令切换到D盘的方法 系统环境配置 win10系统原装C盘后期自己安装的硬盘D盘 python3.8安装在D盘中 问题说明 winR打开终端,使用 cd d:命令,无法将当前目录切换到D盘 解决方法 方法一:使用下面这条命令 cd /d d:运…...
word参考文献第二行缩进对齐
刚添加完参考文献的格式是这样: ”段落“—>缩进修改、取消孤行控制 就可以变成...
Springboot关于格式化记录
日期格式化 返回前端日期需要格式化 <dependency><groupId>com.fasterxml.jackson.core</groupId><artifactId>jackson-databind</artifactId><version>2.9.2</version> </dependency>JsonFormat(pattern "yyyy-MM-dd…...
1.business english--build rapport
build rapport with someone 建立融洽关系 Salespeople often try to build rapport with customers to boost sales. user a variety of appropriate questions. answer the question according to your experience. Do you know how to make a good connection with others…...
发明专利与实用新型专利申请过程及自助与代办方式对比
申请专利(发明专利、实用新型专利、外观设计专利)有两种方式:1、自己直接向国家知识产权局申请。2、通过专利代办处申请。以下是对这两种专利类型(发明专利、实用新型专利)申请过程及两种申请方式的详细介绍和对比,参考…...
设计模式-创建型-工厂方法模式
什么是工厂方法模式? 工厂方法模式(Factory Method Pattern)是 创建型设计模式之一,目的是通过定义一个用于创建对象的接口,让子类决定实例化哪个类。简而言之,工厂方法模式通过延迟对象的创建过程到子类来…...
如何判断一个学术论文是否具有真正的科研价值?ChatGPT如何提供帮助?
目录 1.创新性与学术贡献的超级加分✔ 2.科研过程中的各个环节—从0到1✔ 3.创新性与理论深度的完美结合✔ 4.论证与写作的清晰性✔ 5.数据整理和文献回顾——效率与精准并存✔ 6.创新性要求辅助✔ 总结 宝子们,学术论文写作的旅程是不是感觉像是走进了迷雾森…...
Linux驱动开发--字符设备驱动开发
一、概述 字符设备是 Linux 驱动中最基本的一类设备驱动,字符设备就是一个一个字节,按照字节 流进行读写操作的设备,读写数据是分先后顺序的。比如我们最常见的点灯、按键、 IIC、 SPI, LCD 等等都是字符设备,这些设备的驱动就叫做字符设备驱动。 Linux 应用程序对驱动程…...
Java 网络原理 ①-IO多路复用 || 自定义协议 || XML || JSON
这里是Themberfue 在学习完简单的网络编程后,我们将更加深入网络的学习——HTTP协议、TCP协议、UDP协议、IP协议........... IO多路复用 ✨在上一节基于 TCP 协议 编写应用层代码时,我们通过一个线程处理连接的申请,随后通过多线程或者线程…...
828华为云征文|使用sysbench对Flexus X实例对mysql进行性能测评
目录 一、Flexus X实例概述 1.1?Flexus X实例 1.2?在mysql方面的优势 二、在服务器上安装MySQL 2.1 在宝塔上安装docker 2.2 使用宝塔安装mysql 2.3 准备测试数据库和数据库表 三、安装sysbench并进行性能测试 3.1 使用yum命令sysbench 3.2?运行?sysbench 并进行…...
数据结构:堆
目录 1.堆的概念 2.堆的结构 3.堆的初始化 4.堆的销毁 5.堆的插入 6.堆的删除 7.判断堆是否为空 1.堆的概念 堆的性质: 堆中某个结点的值总是不大于或不小于其父结点的值; 堆总是一棵完全二叉树。 以下堆的结构默认大堆 : 2.堆的结…...
洪水灾害多智能体分布式模拟示例代码
1. 环境定义:支持灾害动态、地理数据和分布式架构 import numpy as np import random import matplotlib.pyplot as plt# 新疆主要城市及邻接关系 XINJIANG_CITIES {Urumqi: [Changji, Shihezi],Changji: [Urumqi, Shihezi, Turpan],Shihezi: [Urumqi, Changji, K…...
基于 Ragflow 搭建知识库-初步实践
基于 Ragflow 搭建知识库-初步实践 一、简介 Ragflow 是一个强大的工具,可用于构建知识库,实现高效的知识检索和查询功能。本文介绍如何利用 Ragflow 搭建知识库,包括环境准备、安装步骤、配置过程以及基本使用方法。 二、环境准备 硬件要…...
Selenium实践总结
1.使用显示等待而不是隐式等待 隐式等待可能会导致不可预测的测试行为,尤其是在动态 Web 应用程序中。显式等待,它允许您 等待特定条件发生后再继续测试,这种方法提供了更多的控制和可靠性。 WebDriverWait wait new WebDriverWait(drive…...
华为麦芒5(安卓6)termux记录 使用ddns-go,alist
下载0.119bate1 安卓5和6版本,不能换源,其他源似乎都用不了,如果root可以直接用面具模块 https://github.com/termux/termux-app/releases/download/v0.119.0-beta.1/termux-app_v0.119.0-beta.1apt-android-5-github-debug_arm64-v8a.apk 安装ssh(非必要) pkg install open…...
Springboot jar包加密加固并进行机器绑定
获取机器码,通过classfinal-fatjar-1.2.1.jar来获取机器码 命令:java -jar classfinal-fatjar-1.2.1.jar -C 对springboot打包的jar进行加密功能 java -jar classfinal-fatjar-1.2.1.jar -file lakers-ljxny-3.0.0.jar -packages com.lygmanager.laker…...
【Microi吾码】开源力量赋能低代码创新,重塑软件开发生态格局
我的个人主页 文章专栏:Microi吾码 一、引言 在当今数字化浪潮汹涌澎湃的时代,软件开发的需求呈现出爆发式增长。企业为了在激烈的市场竞争中脱颖而出,不断寻求创新的解决方案以加速数字化转型。传统的软件开发方式往往面临着开发周期长、技…...
系统思考—冰山模型
“卓越不是因机遇而生,而是智慧的选择与用心的承诺。”—— 亚里士多德 卓越,从来不是一次性行为,而是一种习惯。正如我们在日常辅导中常提醒自己:行为的背后,隐藏着选择的逻辑,而选择的根源,源…...
Java读取InfluxDB数据库的方法
本文介绍基于Java语言,读取InfluxDB数据库的方法,包括读取InfluxDB的所有数据库,以及指定数据库中的measurement、field、tag等。 首先,创建一个Java项目,用于撰写代码。如果大家是基于IDEA来创建项目,则可…...
【mybatis-plus问题集锦系列】在mybatisplus中无法autowired的原因排查及解决
mybatisplus简化了我们做数据操作,大大提升了我们的开发速度,但是今天在做测试的时候,突然报了这么个错误,排查好久才找到解决方案,特此记录下 问题复现 这里的测试方法报错,通过不了测试 org.springf…...
python中Windows系统使用 pywin32 来复制图像到剪贴板,并使用 Selenium 模拟 Ctrl+V 操作
步骤 1:安装必要的库 首先,安装 pywin32 和 selenium: pip install pywin32 selenium 如果使用的是 macOS,可以安装 pyobjc: pip install pyobjc 步骤 2:使用 pywin32 复制图像到剪贴板 在 Windows 系统中…...
uniapp——微信小程序,从客户端会话选择文件
微信小程序选择文件 文章目录 微信小程序选择文件效果图选择文件返回数据格式 API文档: chooseMessageFile 微信小程序读取文件,请查看 效果图 选择文件 /*** description 从客户端会话选择文件* returns {String} 文件路径*/ const chooseFile () &g…...
点亮核心板小灯 STM32U575
将核心板上的运行状态指示灯点亮 任务分析 灯如何点亮 如何看开发板原理图 开发板上的灯硬件组成 原理图 原理图(Schematic Diagram),也称为电路图或电气图,是一种图形表示方法,用于展示电子系统或电路的工作原理和…...
“图书馆服务自动化”:基于SSM框架的图书借阅系统开发
3.1系统的需求分析 需求分析阶段是设计系统功能模块的总方向,可以这样来说,系统的整个的开发流程以及设计进度,基本上都是以需求分析为基本依据的[10]。需求分析阶段可以确定系统的基本功能设计,以及在最后的系统验收阶段…...
顶顶通呼叫中心中间件的三种呼叫方式(mod_cti基于FreeSWITCH)
顶顶通呼叫中心共有三种呼叫方式: 手拨呼叫点击呼叫自动外呼 联系我们 有意向了解呼叫中心中间件的用户,可以点击该链接添加工作人员:https://blog.csdn.net/H4_9Y/article/details/136148229 手拨呼叫 手拨呼叫属于常规的呼叫方式&…...
HCIA笔记9--NAT、ACL与链路聚合
1. ACL ACL: 访问控制列表, Access Control List。 通过定义规则来允许或拒绝流量的通过。 1.1 ACL分类 1.2 配置实例 如图所示,对R2的访问只允许192.168.1.0/24网段。 我们可以配置基本acl来限制 acl 2000 acl number 2000 rule 5 permit source 192.168.1.0 0…...
【笔记】在虚拟机中通过apache2给一个主机上配置多个web服务器
(配置出来的web服务器又叫虚拟主机……) 下载apache2 sudo apt update sudo apt install apache2 (一)ip相同 web端口不同的web服务器 进入 /var/www/html 创建站点一和站点二的目录文件(目录文件名自定义哈&#x…...
“校园健康数据管理”:疫情管控系统的信息收集与分析
3.1可行性分析 通过对系统实行的目的初步调查和分析,提出可行性方案并对其一一进行论证。我们在这里主要从技术可行性、经济可行性、操作可行性等方面进行分析。 3.1.1 技术可行性 1.硬件可行性分析 校园疫情管控系统系统的硬件要求方面不存在特殊的要求,…...
MySQL 中存储金额数据一般使用什么数据类型
在 MySQL 中存储金额数据时,应该谨慎选择数据类型,以确保数据的精度和安全性。以下是几种常用的数据类型及其适用性: DECIMAL 类型: 描述:DECIMAL 类型是专门为存储精确的小数而设计的。它可以指定小数点前后的数字位数…...
使用 .NET 6 或 .NET 8 上传大文件
如果您正在使用 .NET 6,并且它拒绝上传大文件,那么本文适合您。 我分享了一些处理大文件时需要牢记的建议,以及如何根据我们的需求配置我们的服务,并提供无限制的服务。 本文与 https://blog.csdn.net/hefeng_aspnet/arti…...
帝国cms电脑pc站url跳转到手机站url的方法
本文讲解一下帝国cms电脑网站跳转到手机动态网站和手机静态网站的方法,笔者以古诗词网 www.gushichi.com为例,为大家介绍操作步骤。方法一:帝国pc站跳转到手机静态站 1、假设我们有帝国cms 电脑网站www.XXX.com,手机网站m.XXX.com …...
D类音频应用EMI管理
1、前言 对于EMI,首先需要理解天线。频率和波长之间的关系,如下图所示。 作为有效天线所需的最短长度是λ/4。在空气中,介电常数是1,但是在FR4或玻璃环氧PCB的情况下,介电常数大约4.8。这种效应会导致信号在FR4材…...
【行业发展报告】2024大数据与智能化行业发展浅析
回首 2024,大数据智能化浪潮汹涌。海量数据宛如繁星,在智能算法的苍穹下汇聚、碰撞,释放出洞察市场与用户的强大能量,精准勾勒出商业新航线。我们精心雕琢技术架构,从数据存储的坚固基石到处理分析的高效引擎ÿ…...
闲谭Scala(3)--使用IDEA开发Scala
1. 背景 广阔天地、大有作为的青年,怎么可能仅仅满足于命令行。 高端大气集成开发环境IDEA必须顶上,提高学习、工作效率。 开整。 2. 步骤 2.1 创建工程 打开IDEA,依次File-New-Project…,不好意思我的是中文版:…...
系统压力测试助手——stress-ng
1、背景 在系统性能测试和压力测试中,stress-ng 是一个非常强大的工具,广泛应用于对 Linux 系统进行各种硬件和软件方面的负载测试。它能够模拟多种极端负载情况,帮助开发人员和运维人员检查系统在高负载下的表现,以便发现潜在的…...
FFmpeg推拉流命令
命令简介 它可以将本地的视频/音频流推送到服务器,也可以将服务器上的音视频流拉到本地。 推流命令的命令格式 ffmpeg -re -i [输入文件] -c:v [视频编码器] -c:a [音频编码器] -f [输出格式] [推流地址] 参数解析 -re 表示采用实时模式,以原始速度…...
【Spring】基于注解的Spring容器配置—— @Component及其衍生注解
Spring框架因其灵活性和强大的功能被广泛应用于企业级应用的开发中。Spring提供了一种基于IoC(控制反转)和AOP(面向切面编程)的编程模型,使得开发者能够以更简单和高效的方式管理应用程序的对象及其依赖关系。 在Spri…...
基于统计分析与随机森林的环境条件对生菜生长的影响研究
1.项目背景 随着现代农业的发展,对植物生长过程中环境因素的影响有了越来越多的关注,基于2023年8月3日至2023年9月19日期间记录的70个不同生菜样本的生长数据进行分析,可以更好地理解温度、湿度、pH值和总溶解固体(TDS࿰…...
基于PyQt5的UI界面开发——多界面切换
介绍 最初,因为课设的缘故,我只是想做一个通过按键进行切面切换而已,但是我看网上资料里面仅是语焉不详,让我困惑的很,但后面我通过摸索才发现这件事实在是太简单了,因此我想要记录下来。 本博客将介绍如…...
C语言-结构体内存大小
#include <stdio.h> #include <string.h> struct S1 { char a;//1 int b;//4 char c;//1 }; //分析 默认对齐数 成员对齐数 对齐数(前两个最小值) 最大对齐数 // 8 1 …...
搭建vue项目
一、环境准备 1、安装node node官网:https://nodejs.org/zh-cn 1.1、打开官网,选择“下载”。 1.2、选择版本号,选择系统,根据需要自行选择,上面是命令安装方式,下载是下载安装包。 1.3、检查node安装…...
【每日学点鸿蒙知识】Text填充父控件、Native接收数组、js逻辑不执行问题、UIAbility上下文问题、页面跳转路由栈
1、HarmonyOS 如何使Text组件填充满父组件? build() {Row() {Row() {Text(this.str).constraintSize({ maxWidth: 100%, minHeight: "30vp" }).backgroundColor(Color.Gray).fontSize(24vp)}.key(row1).constraintSize({ maxWidth: 100%}).backgroundCol…...
Debian-linux运维-ssh配置(兼容Jenkins插件的ssh连接公钥类型)
系统版本:Debian 12.5、11.1 1 生成密钥对 可以用云服务商控制台生成的密钥对,也可以自己在客户端或者服务器上生成, 已经有密钥对就可以跳过这步 用户默认密钥文件路径为 ~/.ssh/id_rsa,可以在交互中指定路径,也可…...
37. socketserver模块
一、socketserver模块 SocketServer 是标准库中的一个高级模块,它的目标是简化很多样板代码,它们是创建网络客户端和服务器所必须的代码。这个模块中有为你创建的各种各样的类。 类描述BaseServer包含核心服务器功能和 min-in 类的钩子;仅用…...
【详细讲解】hive优化
1、开启本地模式 大多数的Hadoop Job是需要Hadoop提供的完整的可扩展性来处理大数据集的。不过,有时Hive的输入数据量是非常小的。在这种情况下,为查询触发执行任务消耗的时间可能会比实际job的执行时间要多的多。对于大多数这种情况,Hive可…...
芝法酱学习笔记(2.3)——shardingsphere分库分表
一、前言 之前的例子中,我们以一个简化了的销售单报表查询,展示了大数据量查询时,在索引和变量类型层面可以做的一些优化。可我们发现,无论怎么优化,一次查询都要好几秒。 这是一个现实问题,只要一个系统用…...