当前位置：首页 > news >正文

AI主流大模型介绍和API价格比较

news 来源：原创 2025/5/16 5:16:09

在这里插入图片描述

主流的大模型系列

###1. OpenAI: GPT-4，GPT-4 Turbo， GPT-4o

OpenAI 的介绍：

全称：Open Artificial Intelligence，简称OpenAI。
性质：起初为非营利性组织，后转变为由营利性公司OpenAI LP及非营利性母公司OpenAI Inc组成的机构。
成立时间：2015年。
成立地点：美国旧金山。
创始人：包括萨姆·奥尔特曼（Sam Altman）、埃隆·马斯克（Elon Musk）等在内的多位人工智能领域的知名人士。

比较旧的版本的模型就不介绍了。

GPT-4

GPT-4是OpenAI开发的一种生成式预训练转换器模型，全称为“Generative Pre-trained Transformer 4”。
GPT-4可以用于各种任务，如文本生成、翻译、对话等，具有极强的智能化和自适应性。

GPT-4 Turbo

GPT-4 Turbo是GPT-4的一个优化版本，专注于速度和成本效益。它在2024年4月的OpenAI开发者大会上被正式推出。
特点：

更快的响应速度：经过优化，能够更快地生成响应。
更低的运行成本：使用成本相对较低，适合需要高效处理大量请求且对成本敏感的应用场景。
更长的上下文长度：GPT-4 Turbo具有128k上下文长度，相比GPT-4的8k上下文长度有了显著提升。
全新的模型控制技术：使开发者可以更精细地调整模型输出，提升用户体验。
更新的知识库：GPT-4 Turbo的现实世界知识截止时间比GPT-4更新。

GPT-4o（或GPT-4 Omni）

GPT-4o是OpenAI发布的GPT-4的升级版模型，其中“O”是Omni的缩写，意为“全能”。
它是一种多模态模型，能够处理并生成多种形式的输入和输出，包括文本、音频和图像。

2. Anthropic 的Claude 系列

Anthropic PBC是一家美国的人工智能（AI）初创企业和公益公司，由OpenAI的前成员创立，其中包括OpenAI前研究副总裁达里奥·阿莫迪（Dario Amodei）、GPT-3论文第一作者Tom Brown等。该公司专注于开发通用AI系统和语言模型，并秉持负责任的AI使用理念。其投资者包括谷歌、Salesforce、亚马逊、高通等科技巨头，估值超过150亿美元。

Claude是Anthropic公司开发的AI聊天机器人，与ChatGPT类似，采用消息传递界面，用户可以在其中提交问题或请求，并获得非常详细和相关的回复。Claude具有520亿个参数，能够处理各种复杂的语言任务。
Claude 3系列
Claude 3系列是Anthropic公司推出的最新一代AI模型，包括Haiku、Sonnet和Opus三个型号。这三个型号在性能上依次提升，允许用户为其特定应用选择智能、速度和成本的最佳平衡。

Haiku：被称为“中杯”型号，是市场上同类智能模型中速度最快且最具成本效益的。它可以在极短的时间内阅读大量信息，包括图表和图形的数据密集的研究论文。Haiku即将推出，尚未广泛应用。
Sonnet：被称为“大杯”型号，其速度比Claude 2和Claude 2.1快2倍，且智能水平更高。Sonnet擅长执行需要快速响应的任务，如知识检索或销售自动化等。目前，Sonnet已在claude.ai以及全球159个国家和地区的Claude API上使用。
Opus：被称为“超大杯”型号，是Claude 3系列中最智能的模型。在人工智能系统的大多数常见评估基准上都优于同行，包括本科水平专家知识（MMLU）、研究生水平专家推理（GPQA）、基础数学（GSM8K）等。Opus在复杂任务上表现出接近人类水平的理解力和流畅性，并且具有强大的视觉能力，能够处理各种视觉格式，包括照片、图表、图形和技术图表等。Opus也已在claude.ai以及全球159个国家和地区的Claude API上使用。

Google 的 Gemini 系列

Gemini是由Google AI开发的多模态大模型，代表了Google在人工智能领域的最先进技术。该系列包括多个型号，针对不同的应用场景和需求进行优化。

Gemini Ultra（双子星至尊版）
- 功能最强大，适用于高度复杂任务的超大型模型。
Gemini Pro（双子星专业版）
- 适用于处理各种类型任务的最佳模型。在87%的文本、代码、图像、音频和视频基准测试中超越了Gemini 1.0 Pro。其最大上下文窗口为100万个token（后升级支持至200万token），能够处理大量信息，提高输出的相关性和一致性。
Gemini Flash（双子星闪速版）
- 轻量级模型，兼具速度、效率、高性价比和强大的多模态推理能力。适用于需要快速处理海量数据的各种场景。采用了先进的模型压缩技术，体积小，运行速度快，且成本低廉。
Gemini Nano（双子星迷你版）
- 最高效的模型，适用于设备端任务

Meta公司的 LLaMA 系列

Meta公司（Meta Platforms, Inc.），原名Facebook，是一家美国互联网科技公司，由马克·扎克伯格创立于2004年2月4日。公司主要经营社交网络、虚拟现实、元宇宙等产品，旗下主要包括Facebook、Instagram、WhatsApp和Messenger四款社交通讯应用，日活用户达到32.4亿（2024年第一季度）。2021年，公司改名为Meta，标志着其从社交媒体巨头向人工智能领域的转型。

Meta在大模型领域取得了显著的进展，其开源大模型Llama系列在业界产生了广泛影响。以下是Meta大模型发展的几个关键节点：

Llama系列开源：
- 2023年2月，Meta开源了大语言模型Llama。
- 2023年7月，开源了Llama 2，并允许免费商用。
- 2023年8月，推出了开源代码模型Code Llama。
- 2024年4月，推出了开源大模型Llama 3，提供了8B和70B参数两个版本，同时包含基础模型和指令微调模型，可支持广泛的应用。
Llama 3的性能：
- Llama 3在超过15T的token上进行了预训练，训练数据集是Llama 2的七倍，包含的代码数量也是Llama 2的四倍。
- Llama 3在广泛的行业基准测试中达到了SOTA（行业最高水准）。在大模型评测社区LMSYS最新大模型排行榜单中，Llama 3 70B位列第五，仅次于GPT-4的3个版本和Claude 3 Opus等闭源大模型，成为最强的开源大模型。

Mistral 大模型系列

Mistral是一家由Meta Platforms和Google DeepMind前员工于2023年4月创立的法国人工智能公司。公司致力于通过突破性的创新打造开放、高效、有用且值得信赖的人工智能模型，使命是让前沿人工智能无处不在，为所有建设者提供量身定制的人工智能。

- 准测试中，Mistral-7B表现出色，优于Llama 2 13B，在许多基准测试中甚至优于Llama 1 34B。
- 它接近CodeLlama 7B的代码性能，同时保持良好的英语任务表现。
Mixtral
- Mixtral是一种具有开放权重的高质量稀疏专家混合模型（SMoE）。
- Mixtral在大多数基准测试中都优于Llama 2 70B，推理速度提高了6倍。它是最强大的开放权重模型之一，具有宽松的许可证，也是成本/性能权衡方面的最佳模型。
- Mixtral可以优雅地处理32k令牌的上下文，支持多种语言，包括英语、法语、意大利语、德语和西班牙语。在代码生成方面表现出强大的性能。
Pixtral 12B
- Pixtral 12B是Mistral发布的多模态大模型，同时具备语言和视觉处理能力。
- 它建立在文本模型Nemo 12B基础上，包含一个专门的视觉编码器，原生支持任意数量和尺寸的图像。
- Pixtral 12B大约有40层神经网络、14336个隐藏维度大小和32个注意力头，以及一个专用的视觉编码器，支持高分辨率图像（1024×1024）处理。
- 在多模态知识和推理、QA等方面都表现出色。
Mistral Lite
- Mistral Lite是一款经过优化的语言模型，在处理长文本上下文时表现出色，且在资源受限的环境中也能保持高效性能。
- Mistral Lite能够有效地处理长度达到32K tokens的上下文，通过调整模型参数和优化上下文处理机制，在长文本上下文中的表现显著优于其他模型。

深度求索公司的DeepSeek

杭州深度求索人工智能基础技术研究有限公司(简称“深度求索”或“DeepSeek”)，成立于2023年，是一家专注于实现AGI的中国公司。
DeepSeek大模型主要版本的介绍：

DeepSeek- V1

发布时间：2024年1月。
核心技术：数据端包括去重、过滤、混合3个步骤，旨在构建一个多样性强、纯净的高质量预训练数据；模型端沿用LLaMA的主体Transformer结构，包括RMSNorm的Pre-normalization、SwiGLU激活函数、Rotary Embeddings位置编码等；优化端使用multi-step learning rate代替LLaMA中的cosine learning rate schedule；对齐阶段使用SFT进行人类风格对齐。
参数规模：未具体提及，但提供了7B和67B两种尺寸的模型。
应用场景：作为DeepSeek系列的首个版本，为后续的模型发展奠定了基础。

DeepSeek-V2

发布时间：2024年5月。
核心技术：引入了MLA（Multi-head Latent Attention）架构和自研的Sparse结构DeepSeekMoE，旨在提升模型的推理效率和参数空间。
参数规模：拥有2360亿参数，其中每个token有210亿个活跃参数。
应用场景：能处理自然语言处理中的多种任务，尤其在中文综合能力等方面表现出色，性能达GPT-4级别。
训练方式：基于高效且轻量级的框架HAI-LLM进行训练，采用16-way zero-bubble pipeline并行、8-way专家并行和ZeRO-1数据并行。

DeepSeek-V3

发布时间：2024年12月26日。
核心技术：采用基于Mixture-of-Experts（MoE）架构，通过动态激活相关“专家”来降低计算成本并保持高性能。引入了多头潜在注意力（MLA）架构、无辅助损失的负载均衡策略以及多token预测（MTP）目标，提升了模型的推理效率和训练成本效益。
参数规模：拥有6710亿参数，其中激活参数为370亿。
应用场景：在聊天和编码场景、多语言自动翻译、图像生成和AI绘画等多模态场景中表现出色。尤其在数学、代码和中文任务上，V3表现尤为突出，成为当前最强的开源模型。
训练成本：整个训练过程仅耗费了278.8万H800 GPU小时，总成本约为557.6万美元，远低于其他前沿大模型。
API服务：调整了API服务价格，优惠期内（即日起至2025年2月8日）API价格为每百万输入tokens 0.1元（缓存命中）/1元（缓存未命中），每百万输出tokens 2元。优惠期结束后，价格将恢复至每百万输入tokens 0.5元（缓存命中）/2元（缓存未命中），每百万输出tokens 8元。

DeepSeek-R1与DeepSeek-R1-Zero

发布时间：DeepSeek-R1及DeepSeek-R1-Zero均在2025年1月20日左右发布并开源。
核心技术：两者可能都在Transformer架构基础上针对推理做了优化，通过强化学习训练实现大量反思和验证。DeepSeek-R1-Zero几乎不依赖任何人类数据，完全依靠机器生成数据来进行强化学习训练。
参数规模：两者参数均为660B。
应用场景：在数学、代码以及各种复杂逻辑推理任务上应用出色，主要用于科学研究、复杂问题求解和逻辑分析。DeepSeek-R1-Zero可能在一些无人工标注数据相关场景更具优势。

DeepSeek-VL

发布时间：DeepSeek-VL2系列于2024年12月发布。
核心技术：整体上是decoder-only的LLaVA风格架构，包括视觉编码器、视觉语言适配器、专家混合语言模型三个核心模块。
参数规模：DeepSeek-VL2系列有DeepSeek-VL2-Tiny、DeepSeek-VL2-Small和DeepSeek-VL2，分别具有10亿、28亿和45亿个激活参数。
应用场景：用于VQA、OCR、文档/表格/图表理解和视觉定位等多模态理解任务

阿里的同义千问模型

Qwen2.5：这是通义千问系列中的一个重要版本。Qwen2.5全系列总计上架了100多个模型，涵盖多个尺寸的大语言模型、多模态模型、数学模型和代码模型。其中，Qwen2.5-72B在多个核心任务的测评上，以不到1/5的参数超越了拥有4050亿巨量参数的Llama3.1-405B，性能强劲。

各模型API 输入输出与价格比较

Provider	Model	Max Input (Tokens)	Max Output (Tokens)	Input Price (per mill tokens)	Output Price (per mill tokens)
OpenAI	GPT-4	8,192	8,192	$30	$60
OpenAI	GPT-4 Turbo	128,000	4,096	$10	$30
OpenAI	GPT-3.5 Turbo	4,096	4,096	$0.50	$1.50
OpenAI	GPT-4o	128,000	4,096	$5	$15
Anthropic	Claude 2	100,000	4,000	$11	$32
Anthropic	Claude 3 Opus	200,000	4,000	$15	$75
Anthropic	Claude 3 Sonnet	200,000	4,000	$3	$15
Anthropic	Claude 3 Haiku	200,000	4,000	$0.25	$1.25
Google	Gemini Pro	32,768	2,048	$0.50	$1.50
Google	Gemini Ultra	32,768	2,048	$7	$21
Meta	LLaMA 2 (7B)	4,096	4,096	Open Source	Open Source
Meta	LLaMA 2 (13B)	4,096	4,096	Open Source	Open Source
Meta	LLaMA 2 (70B)	4,096	4,096	Open Source	Open Source
Mistral	Mistral 7B	8,192	8,192	Open Source	Open Source
Mistral	Mixtral 8x7B	32,000	32,000	Open Source	Open Source
深度求索	DeepSeek-V3	128,000	4,096	$0.14	$0.28
阿里	通义千问 - Turbo	1,000,000		0.0003￥	0.0006￥

说明：

Max Input：模型支持的最大输入 token 数量。
Max Output：模型支持的最大输出 token 数量。
Input Price：每百万输入 token 的价格（单位：美元）。
Output Price：每百万输出 token 的价格（单位：美元）。
Open Source：开源模型，无直接定价。

备注：

价格和 token 限制可能因供应商更新而变化，建议参考官方文档获取最新信息。
部分模型（如 LLaMA 2、Mistral）是开源的，价格不适用，但可能需要自行部署和计算资源成本。

性价比分析

DeepSeek-V3: 无论是输入还是输出价格，DeepSeek-V3 都是最便宜的模型，性价比极高。
Claude 3 Haiku: 输入和输出价格都非常低，性价比仅次于 DeepSeek-V3。
GPT-3.5 Turbo: 输入和输出价格较低，适合预算有限的项目。
Gemini Pro: 价格与 GPT-3.5 Turbo 相当，性价比不错。
Claude 3 Sonnet: 输入价格较低，但输出价格较高，适合输入密集型任务。
GPT-4o: 输入价格较低，输出价格中等，适合需要较高性能的任务。
GPT-4 Turbo: 输入价格中等，输出价格较高，适合需要高性能的任务。
Claude 2: 输入和输出价格较高，性价比一般。
Claude 3 Opus: 输入和输出价格最高，适合需要顶级性能的任务。
Gemini Ultra: 输入和输出价格较高，性价比一般。
GPT-4: 输入和输出价格最高，适合需要顶级性能的任务。

总结

最佳性价比: DeepSeek-V3
次佳性价比: Claude 3 Haiku
预算有限: GPT-3.5 Turbo 和 Gemini Pro
高性能需求: GPT-4o 和 GPT-4 Turbo
顶级性能: Claude 3 Opus 和 GPT-4

开源模型（如 LLaMA 2 和 Mistral）在价格上具有绝对优势，但需要自行部署和维护，适合有技术能力的团队。

AI主流大模型介绍和API价格比较

主流的大模型系列 ###1. OpenAI: GPT-4，GPT-4 Turbo， GPT-4o OpenAI 的介绍： 全称：Open Artificial Intelligence，简称OpenAI。性质：起初为非营利性组织，后转变为由营利性公司OpenAI LP及非营…...

编程日记 2025/5/16 5:16:09

自主Shell命令行解释器

什么是命令行我们一直使用的"ls","cd","pwd","mkdir"等命令，都是在命令行上输入的，我们之前对于命令行的理解： 命令行是干啥的？是为我们做命令行解释的。命令行这个东西实际上是我们…...

编程日记 2025/5/12 15:16:24

git笔记-简单入门

git笔记 git是一个分布式版本控制系统，它的优点有哪些呢？分为以下几个部分与集中式的版本控制系统比起来，不用担心单点故障问题，只需要互相同步一下进度即可。支持离线编辑，每一个人都有一个完整的版本库。跨平台支持…...

编程日记 2025/5/16 4:35:01

重新刷题求职2-DAY1

DAY1 1.704. 二分查找给定一个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target ，写一个函数搜索 nums 中的 target，如果目标值存在返回下标，否则返回 -1。最普通的二分查找，查用的习惯左闭右…...

编程日记 2025/5/15 16:01:15

浅析DDOS攻击及防御策略

DDoS（分布式拒绝服务）攻击是一种通过大量计算机或网络僵尸主机对目标服务器发起大量无效或高流量请求，耗尽其资源，从而导致服务中断的网络攻击方式。这种攻击方式利用了分布式系统的特性，使攻击规模更大、影响范围更广…...

编程日记 2025/5/14 21:39:24

路径规划之启发式算法之二十九：鸽群算法（Pigeon-inspired Optimization, PIO）

鸽群算法（Pigeon-inspired Optimization, PIO）是一种基于自然界中鸽子群体行为的智能优化算法，由Duan等人于2014年提出。该算法模拟了鸽子在飞行过程中利用地标、太阳和磁场等导航机制的行为，具有简单、高效和易于实现的特点，适用于解决连续优化问题。更多的仿生群体算法…...

编程日记 2025/5/16 3:04:14

SwiftUI 在 Xcode 预览修改视图 FetchedResults 对象的属性时为什么会崩溃？

概览从 SwiftUI 诞生那天起，让秃头码农们又爱又恨的 Xcode 预览就在界面调试中扮演了及其重要的角色。不过，就是这位撸码中的绝对主角却尝尝在关键时刻“掉链子”。比如当修改 SwiftUI 视图中 FetchedResults 对象的属性时，Xcode 预览可能…...

编程日记 2025/5/12 12:54:12

pytorch实现基于Word2Vec的词嵌入

PyTorch 实现 Word2Vec（Skip-gram 模型） 的完整代码，使用中文语料进行训练，包括数据预处理、模型定义、训练和测试。 1. 主要特点支持中文数据，基于 jieba 进行分词使用 Skip-gram 进行训练，适用于小数…...

编程日记 2025/5/9 11:31:27

MVC 文件夹：架构之美与实际应用

MVC 文件夹：架构之美与实际应用引言 MVC（Model-View-Controller）是一种设计模式，它将应用程序分为三个核心组件：模型（Model）、视图（View）和控制器（Controller）。这种架构模式不仅提高了代码的可维护性和可扩展性，而且使得开发流程更加清晰。本文将深入探讨MVC文…...

编程日记 2025/5/15 13:48:17

Python在线编辑器

from flask import Flask, render_template, request, jsonify import sys from io import StringIO import contextlib import subprocess import importlib import threading import time import ast import reapp Flask(__name__)RESTRICTED_PACKAGES {tkinter: 抱歉&…...

编程日记 2025/5/15 8:50:47

The Simulation技术浅析（四）：随机数生成

随机数生成技术是 The Simulation 中的核心组成部分，广泛应用于蒙特卡洛模拟、密码学、统计建模等领域。随机数生成技术主要分为伪随机数生成器（PRNG，Pseudo-Random Number Generator）和真随机数生成器（TRNG，True Random Number Generator）。 1. 伪随机数生成器（PR…...

编程日记 2025/5/12 16:03:45

centos stream 9 安装 libstdc++-static静态库

yum仓库中相应的镜像源没有打开，libstdc-static在CRB这个仓库下，但是查看/etc/yum.repos.d/centos.repo，发现CRB镜像没有开启。解决办法如下图开启CRB镜像， 然后执行 yum makecache yum install glibc-static libstdc-static…...

编程日记 2025/5/16 2:52:28

Java自定义IO密集型和CPU密集型线程池

文章目录前言线程池各类场景描述常见场景案例设计思路公共类自定义工厂类-MyThreadFactory自定义拒绝策略-RejectedExecutionHandlerFactory自定义阻塞队列-TaskQueue（实现核心线程->最大线程数->队列） 场景1：CPU密集型场景思路&…...

编程日记 2025/5/14 7:45:28

Shell $0

个人博客地址：Shell $0 | 一张假钞的真实世界我们已经知道在Shell中$0表示Shell脚本的文件名，但在有脚本调用的情形中，子脚本中的$0会是什么值呢？我们通过下面的实例来看。已测试系统列表： Mac OS X EI Capitan 1…...

编程日记 2025/5/13 17:42:19

C++ Primer 标准库类型string

欢迎阅读我的【CPrimer】专栏专栏简介：本专栏主要面向C初学者，解释C的一些基本概念和基础语言特性，涉及C标准库的用法，面向对象特性，泛型特性高级用法。通过使用标准库中定义的抽象设施，使你更加适应高级…...

编程日记 2025/5/15 6:27:58

51c嵌入式~电路~合集25

我自己的原文哦~ https://blog.51cto.com/whaosoft/13241709 一、“开关电源”和“普通电源”的区别什么叫开关电源随着电力电子技术的发展和创新，使得开关电源技术也在不断地创新。目前，开关电源以小型、轻量和高效率的特点被广泛应用几乎所有的电…...

编程日记 2025/5/14 10:20:35

Vue3学习笔记-Vue开发前准备-1

一、安装15.0或更高版本的Node.js node -v npm -v 二、创建Vue项目 npm init vuelatest 三、Vue项目结构 node_modules: Vue项目运行的依赖文件public：资源文件夹package.json：信息描述文件...

编程日记 2025/5/16 1:17:25

架构技能（四）：需求分析

需求分析，即分析需求，分析软件用户需要解决的问题。需求分析的下一环节是软件的整体架构设计，需求是输入，架构是输出，需求决定了架构。决定架构的是软件的所有需求吗？肯定不是，真正决定架构…...

编程日记 2025/5/15 18:38:23

51单片机 05 矩阵键盘

嘻嘻，LCD在RC板子上可以勉强装上，会有一点歪。一、矩阵键盘在键盘中按键数量较多时，为了减少I/O口的占用，通常将按键排列成矩阵形式；采用逐行或逐列的“扫描”，就可以读出任何位置按键的状态。&#xf…...

编程日记 2025/5/15 6:33:45

服务SDK三方新版中央仓库和私服发布详解

预备信息Github仓库发布Gradle版本匹配Gradle项目构建全局变量定义Gradle项目Nexus仓库配置与发布过程Gradle项目发布至Sonatype中央仓库配置过程总结当我们在实现一个项目技术总结、工具类封装或SDK封装，通常是为了方便开发者使用特定服务或平台而提供的一组工具和API。您可能…...

编程日记 2025/5/12 20:57:04

jmeter响应数据编码设置

jmeter响应数据编码设置如果查看结果树的响应数据存在中文乱码，可以尝试以下方法： 1、找到jmeter的bin目录下的 jmeter.properties 文件，修改如下配置： 去掉sampleresult.default.encodingUTF-8前面的#号 2、保存文件后&#x…...

编程日记 2025/5/10 9:45:03

FPGA学习篇——开篇之作

今天正式开始学FPGA啦，接下来将会编写FPGA学习篇来记录自己学习FPGA 的过程！ 今天是大年初六，简单学一下FPGA的相关概念叭叭叭！ 一：数字系统设计流程一个数字系统的设计分为前端设计和后端设计。在我看来&#xff0…...

编程日记 2025/5/16 4:46:36

Leetcode：680

1，题目 2，思路首先就是判断它不发生改变会不会是回文如果不是回文，那么俩个指针从前往后与从后往前做对比如果俩字符不同，那就俩种选择，一种是保留前面的字符去掉后面字符，另一种是其反然后俩种选择只要满…...

编程日记 2025/5/14 23:50:22

Python教学:文档处理及箱线图等

代码1： import os import pandas as pd import numpy as py import os.path from os import listdir import openpyxl from openpyxl import Workbook import re import matplotlib.pyplot as plt # 导入matplotlib的绘图模块，用于可视化 cwdos.getcwd…...

编程日记 2025/5/13 4:08:02

SQLGlot：用SQLGlot解析SQL

几十年来，结构化查询语言（SQL）一直是与数据库交互的实际语言。在一段时间内，不同的数据库在支持通用SQL语法的同时演变出了不同的SQL风格，也就是方言。这可能是SQL被广泛采用和流行的原因之一。 SQL解析是解构SQL查询…...

编程日记 2025/5/16 4:45:31

C++STL（一）——string类

目录一、string的定义方式二、 string类对象的容量操作三、string类对象的访问及遍历操作四、string类对象的修改操作五、string类非成员函数一、string的定义方式 string是个管理字符数组的类，其实就是字符数组的顺序表。它的接口也是非常多的。本章介绍一些常…...

编程日记 2025/5/16 3:04:36

C++ Primer 迭代器

编程日记 2025/5/14 21:15:08

排序算法--归并排序

归并排序是分治法的经典实现，适合大规模数据排序，尤其适合需要稳定排序的场景（如数据库排序） #include <stdlib.h> // 用于动态内存分配 // 合并两个已排序的子数组 void merge(int arr[], int left, int mid, int right) …...

编程日记 2025/5/15 5:37:32

深入探讨DICOM医学影像中的WADO服务及其具体实现

1. 引言随着数字化医学影像技术的普及，如何高效、安全地存储、管理和共享医学影像数据成为医疗行业亟待解决的关键问题。DICOM（Digital Imaging and Communications in Medicine）作为国际公认的医学影像标准，在全球范围内广泛应…...

编程日记 2025/5/14 6:59:54

自定义数据集使用paddlepaddle框架实现逻辑回归

导入必要的库 import numpy as np import paddle import paddle.nn as nn 数据准备： seed1 paddle.seed(seed)# 1.散点输入定义输入数据 data [[-0.5, 7.7], [1.8, 98.5], [0.9, 57.8], [0.4, 39.2], [-1.4, -15.7], [-1.4, -37.3], [-1.8, -49.1], [1.5, 75.6…...

编程日记 2025/5/16 3:43:48

信息学奥赛一本通 2112：【24CSPJ普及组】地图探险（explore） | 洛谷 P11228 [CSP-J 2024] 地图探险

【题目链接】 ybt 2112：【24CSPJ普及组】地图探险（explore） 洛谷 P11228 [CSP-J 2024] 地图探险【题目考点】 1. 模拟 2. 二维数组 3. 方向数组在一个矩阵中，当前位置为(sx, sy)，将下一个位置与当前位置横纵坐…...

编程日记 2025/5/16 3:05:32

xxl-job 在 Java 项目的使用以一个代驾项目中的订单模块举例

能搜到这里的最起码一定知道 xxl-job 是用来干什么的，我就不多啰嗦怎么下载以及它的历史了首先我们要知道 xxl-job 这个框架的结构，如下图： xxl-job-master：xxl-job-admin：调度中心xxl-job-core：公共依赖…...

编程日记 2025/5/12 23:56:35

javaEE-8.JVM(八股文系列)

目录一.简介二.JVM中的内存划分 JVM的内存划分图: 堆区:编辑栈区:编辑程序计数器：编辑元数据区：编辑经典笔试题： 三,JVM的类加载机制 1.加载: 2.验证: 3.准备: 4.解析: 5.初始化: 双亲委派模型概念: JVM的类加…...

编程日记 2025/5/15 23:57:24

模型/O功能之提示词模板

文章目录模型/O功能之提示词模板什么是提示词模板提示词模板的输入和输出使用提示词模板构造提示词模型/O功能之提示词模板在LangChain框架中，提示词不是简单的字符串，而是一个更复杂的结构，是一个“提示词工程”。这个结构中包含一个或多…...

编程日记 2025/5/14 6:18:01

[Proteus仿真]基于51单片机的智能温控系统

[Proteus仿真]基于51单片机的智能温控系统基于51单片机的智能温控系统：DS18B20精准测温LCD1602双屏显示三键设置上下限声光报警，支持温度校准、抗干扰设计、阈值记忆。一.仿真原理图二.模块介绍温度采集模块（DS18B20&#xff0…...

编程日记 2025/5/16 0:59:24

掌握 HTML5 多媒体标签：如何在所有浏览器中顺利嵌入视频与音频

系列文章目录 01-从零开始学 HTML：构建网页的基本框架与技巧 02-HTML常见文本标签解析：从基础到进阶的全面指南 03-HTML从入门到精通：链接与图像标签全解析 04-HTML 列表标签全解析：无序与有序列表的深度应用 05-HTML表格标签全面…...

编程日记 2025/5/13 1:46:27

ChatGPT与GPT的区别与联系

ChatGPT 和 GPT 都是基于 Transformer 架构的语言模型，但它们有不同的侧重点和应用。下面我们来探讨一下它们的区别与联系。 1. GPT（Generative Pre-trained Transformer） GPT 是一类由 OpenAI 开发的语言模型，基于 Transformer…...

编程日记 2025/5/14 15:42:59

浅谈线段树

文章同步发布于洛谷，建议前往洛谷查看。前言蒟蒻终于学会线段树（指【模板】线段树 1 1 1）啦！ 线段树思想我们先来考虑 P3372（基础线段树模板题）给的操作： 区间修改（增加&am…...

编程日记 2025/5/16 0:12:43

深度解读 Docker Swarm

一、引言随着业务规模的不断扩大和应用复杂度的增加，容器集群管理的需求应运而生。如何有效地管理和调度大量的容器，确保应用的高可用性、弹性伸缩和资源的合理分配，成为了亟待解决的问题。Docker Swarm 作为 Docker 官方推出的容器集群管理工具，正是在这样的背景下崭露头…...

编程日记 2025/5/13 10:02:04

在线知识库的构建策略提升组织信息管理效率与决策能力

内容概要在线知识库作为现代企业信息管理的重要组成部分，具有显著的定义与重要性。它不仅为组织提供了一个集中存储与管理知识的平台，还能够有效提升信息检索的效率，促进知识的创新和利用。通过这样的知识库，企业可以更好地应对…...

编程日记 2025/5/15 13:20:05

网件r7000刷回原厂固件合集测评

《网件R7000路由器刷回原厂固件详解》网件R7000是一款备受赞誉的高性能无线路由器，其强大的性能和可定制性吸引了许多高级用户。然而，有时候用户可能会尝试第三方固件以提升功能或优化网络性能，但这也可能导致一些问题，如系统不…...

编程日记 2025/5/12 14:47:06

为什么命令“echo -e “\033[9；0]“ ＞ /dev/tty0“能控制开发板上的LCD不熄屏？

为什么命令"echo -e “\033[9;0]” > /dev/tty0"能控制开发板上的LCD不熄屏？ 在回答这个问题前请先阅读我之前写的与tty和终端有关的博文 https://blog.csdn.net/wenhao_ir/article/details/145431655 然后再来看这条命令的解释就要容易些了。这条…...

编程日记 2025/5/11 18:20:17

vscode软件操作界面UI布局@各个功能区域划分及其名称称呼

文章目录 abstract检查用户界面的主要区域官方文档关于UI的介绍 abstract 检查 Visual Studio Code 用户界面 - Training | Microsoft Learn 本质上，Visual Studio Code 是一个代码编辑器，其用户界面和布局与许多其他代码编辑器相似。界面左侧是用于访…...

编程日记 2025/5/14 21:55:50

【Java基础-42.3】Java 基本数据类型与字符串之间的转换：深入理解数据类型的转换方法

在 Java 开发中，基本数据类型与字符串之间的转换是非常常见的操作。无论是从用户输入中读取数据，还是将数据输出到日志或界面，都需要进行数据类型与字符串之间的转换。本文将深入探讨 Java 中基本数据类型与字符串之间的转换方法，…...

编程日记 2025/5/13 1:48:08

【ActiveMq RocketMq RabbitMq Kafka对比】

以下是 ActiveMQ、RocketMQ、RabbitMQ 和 Kafka 的对比表格，从复杂性、功能、性能和适用场景等方面进行整理： 特性ActiveMQRocketMQRabbitMQKafka开发语言JavaJavaErlangScala/Java协议支持AMQP、STOMP、MQTT、OpenWire 等自定义协议AMQP、STOMP、MQTT …...

编程日记 2025/5/7 6:28:46

csapp笔记3.6节——控制（1）

本节解决了x86-64如何实现条件语句、循环语句和分支语句的问题条件码除了整数寄存器外，cpu还维护着一组单个位的条件码寄存器，用来描述最近的算数和逻辑运算的某些属性。可检测这些寄存器来执行条件分支指令。 CF（Carry Flag&#xff09…...

编程日记 2025/5/14 21:46:26

网站快速收录：如何优化网站音频内容？

本文转自：百万收录网原文链接：https://www.baiwanshoulu.com/60.html 为了优化网站音频内容以实现快速收录，以下是一些关键的策略和步骤： 一、高质量音频内容创作原创性： 确保音频内容是原创的，避免使…...

编程日记 2025/5/12 14:17:58

音视频入门基础：RTP专题（8）——使用Wireshark分析RTP

一、引言通过Wireshark可以抓取RTP数据包，该软件可以从Wireshark Go Deep 下载。二、通过Wireshark抓取RTP数据包首先通过FFmpeg将一个媒体文件转推RTP，生成RTP流： ffmpeg -re -stream_loop -1 -i input.mp4 -vcodec copy -an -f rtp …...

编程日记 2025/5/14 11:02:20

4-图像梯度计算

文章目录 4.图像梯度计算（1）Sobel算子（2）梯度计算方法（3）Scharr与Laplacian算子4.图像梯度计算（1）Sobel算子图像梯度-Sobel算子 Sobel算子是一种经典的图像边缘检测算子，广泛应用于图像处理和计算机视觉领域。以下是关于Sobel算子的详细介绍：基本原理 Sobel算子…...

编程日记 2025/5/12 11:15:39

深入解析 Redis AOF 机制：持久化原理、重写优化与 COW 影响

深入解析 Redis AOF 机制：持久化原理、重写优化与 COW 影响 1. 引言2. AOF 机制详解2.1 AOF 解决了什么问题？2.2 AOF 写入机制2.2.1 AOF 的基本原理2.2.2 AOF 运行流程2.2.3 AOF 文件刷盘策略 3. AOF 重写机制3.1 AOF 文件为什么会变大？3.2 解…...

编程日记 2025/5/14 14:31:46