当前位置: 首页 > news >正文

换脸视频FaceFusion3.1.0-附整合包

2025版最强换脸软件FaceFusion来了(附整合包)超变态的AI换脸教程

2025版最强换脸软件FaceFusion来了(附整合包)超变态的AI换脸教程
整合包地址:
「Facefusion_V3.1.0」
链接:https://pan.quark.cn/s/f71601a9208d

项目地址
https://github.com/facefusion/facefusion
https://docs.facefusion.io/installation

往期版本
https://blog.csdn.net/yuanmomoya/article/details/141818722
https://blog.csdn.net/yuanmomoya/article/details/142470773

https://raw.githubusercontent.com/facefusion/facefusion/master/.github/preview.png?sanitize=true

3.1.1

  • 恢复fp16CoreML 的回退
  • 修复 Geforce 16 系列的 CUDA

3.1.0

  • DeepFaceLive对模型的支持
  • 后备感知下载提供商
  • 引入 hififace_256 换脸模型
  • 抛光年龄修正处理器以减少光晕效应
  • batch-run通过命令引入批处理
  • 提供可调节的脸部遮挡器和脸部解析器
  • 推出热门的框架增强器模型
  • 添加视频提取和合并的进度条
  • 使 UI 现代化,以配合 Gradio 5 更新
  • 提供选择网络摄像头设备 ID 的选项
  • 引入 --temp-path 参数来改变临时资源
  • 添加视频编码器 h264_qsvhevc_qsv
  • 删除过时的 --skip-download 参数
  • 强制 libvpx-vp9 编解码器进行 webm 处理
  • 退出时正常关闭网络摄像头流
  • 修复预览更新不一致的问题
  • 修复恢复音频时的视频长度问题
  • GPU.0通过别名修复 OpenVINO 问题GPU

3.0.1

  • 修复损坏的 python-multipart 依赖关系

3.0.0

  • 改造一切皆工作的建筑
  • 介绍 pixel boost 换脸者
  • 为面部检测器添加多角度处理
  • 引入年龄修正处理器
  • 推出 Live Portrait 表情恢复处理器
  • 推出由 Live Portrait 提供支持的脸部编辑处理器
  • bisenet_resnet_34 模型代替人脸解析器
  • 发布 GHOST 换脸模型
  • 发布框架增强器 real_esrgan_x8 模型
  • 为 SimSwap 和 GHOST 引入 ArcFace 转换器模型
  • 根据本地哈希验证引入离线优先资产
  • 更换 gender_age 更优 fairface 型号
  • 转移 orderagegender至面部选择器
  • 支持 CUDA 12.4、TensorRT 10.4、OpenVINO 2024.1 和 ROCm 6.2
  • 在无头模式下提供适当的错误代码
  • 将 CLI 迁移到命令以及相关参数
  • 引入定制的 peppa_wutz 面部特征模型
  • 引入 --face-landmark-model 论点
  • 引入 --output-audio-encoder 论点
  • 添加视频编码器 h264_videotoolboxhevc_videotoolbox
  • 将默认 --face-selector-order 设置为大 - 小
  • 用上下文感知推理管理器替换全局变量
  • 只要通过源定义就使用音频
  • 调整 UI 布局和视觉外观
  • 更新至最新 Gradio 4
  • 提供多范围滑块来修剪视频帧
  • 向 UI 引入可感知日志级别的终端组件
  • 确保更准确的基准测试结果
  • yunet由于准确率低,放弃人脸检测模型
  • 修复换脸器 uniface 模型中的闪烁问题
  • 修复 ROCm 和 DirectML 的线程和预览崩溃问题
  • 修复图像的 webp 质量
  • ffmpeg修复处理终止问题

2.6.1

  • 修复损坏的 numpy 依赖关系

2.6.0

  • 推出适用于 Windows 的独立一键安装程序
  • 添加框架增强器 clear_reality_x4ultra_sharp_x4模型
  • 通过参数加载不同的 ini 文件--config
  • --open-browser程序准备就绪后,打开浏览器
  • 介绍 --execution-device-id 如何选择加工设备
  • 使用 OpenVINO 执行提供程序支持 Intel Arc
  • 防止 Gradio 转换大于 512 MB 的视频
  • 修复 Windows 上与特殊字符相关的路径问题
  • 修复使用临时文件完成图像时出现的问题

2.5.3

  • 禁用 Gradio Analytics 以防止版本警报

2.5.2

  • 引入动态帧着色器尺寸
  • 验证 facefusion.ini 覆盖以防止崩溃
  • 删除 GPU 架构查找以支持过时的nvidia-smi
  • 删除后hwaccel,FFmpeg 的性能得到了显著提升
  • 修复 DirectML 的线程和预览崩溃
  • 修复 --output-video-resolution 未应用的问题

2.5.1

  • 将缺失的 deoldify 模型添加到框架着色器中
  • 修复语音提取器对背景音频的过度校正
  • 修复语音提取器 VRAM 消耗过多的问题
  • 修复 conditional_download 模型移除时出现的异常
  • 修复使用 FFmpeg 7 时处理卡住的问题

2.5.0

  • ddcolor使用和 deoldify 模型引入框架着色器
  • 从音频中提取声音以增强口型同步质量
  • 实验 5 至 68 人脸关键点估计
  • 添加面部增强器 gpen_bfr_1024gpen_bfr_2048模型
  • 添加框架增强器 real_esrgan_x2real_hatgan_x4模型
  • 介绍 --force-download 一次性下载所有模型
  • 将文档和安装程序从 venv 迁移到 conda
  • inswapper_128_fp16由于模型修复,与 CUDA 12 完全兼容
  • 修复视频合并过程中 fps 提升和降低的问题
  • 修复 --skip-download 模型缺失时使用时崩溃的问题
  • 修复 h264_nvenchevc_nvenc预设映射

2.4.1

  • 有条件下载人脸分析器模型
  • 当远程无法访问时防止下载循环
  • 动态 concurrency_count 以实现理想的 Gradio 性能
  • Monkey patch Gradio 用于更快的预览和流渲染
  • 修复音频到图像的预览

2.4.0

  • 同时运行多个人脸检测器
  • 防止低置信度下 68 到 5 人脸关键点变换
  • 添加高性能人 scrfd 脸检测模型
  • 优雅地启动和停止处理
  • 引入 ONNX 驱动的帧增强器
  • 引入 --face-landmarker-score 论点
  • 使用多个 UI 布局时呈现标签
  • 引入 --output-image-resolution 论点
  • 添加更多脸部调试器项目并优化其颜色主题
  • --log-level debug启用时打印内部统计信息
  • 启用唇形同步功能后,保持整个视频的唇形一致
  • 限制临时资源的分辨率升级和 fps 提升
  • 添加对 h264_amf 视频 hevc_amf 编码器的支持
  • 改变 --output-path 行为和规范化
  • 删除 --temp-frame-quality 参数
  • 使用像素不均匀的目标时修复绿线
  • 修复使用唇形同步器时的预览问题--trim-frame-start
  • 修复 Geforce GTX 16 系列空白输出问题

2.3.0

  • 使用口型同步处理器wave2lip
  • 通过 68 到 5 面部标志转换改善面部对齐
  • 添加换脸器模型uniface_256
  • 添加 yoloface 为默认人脸检测器模型
  • 处理前清除临时资源
  • age 和添加 gender 到脸部调试器项目
  • 将安装程序更新为特定版本 CUDA 和 ROCM 条目
  • 改进 CLI 参数的描述
  • --output-video-resolution升级后强制执行
  • 处理时降低终端输出噪声

2.2.1

  • 更换 restoreformer 最新 restoreformer_plus_plus 型号
  • facefusion.ini修复文件缺少某个部分时的错误
  • 使用时将图像固定到图像--video-memory-strategy tolerant

2.2.0

  • 显著提高 CUDA 性能
  • 允许通过 facefusion.ini 文件覆盖默认设置
  • inswapper_128_fp16默认启用更快的模型
  • 添加 --video-memory-strategy 以交易 VRAM 使用量来提高速度
  • 添加 bmp--temp-frame-format论点
  • 添加与 Pinokio 1.0.0 的兼容性
  • 成功后在终端显示处理时间
  • 介绍 --output-video-preset 默认veryfast
  • 引入 --output-video-fps 论点
  • 引入 --output-video-resolution 论点
  • 阻止预览和网络摄像头,直到模型完全下载
  • 重命名 --max-memory--system-memory-limit
  • 修复由于矩阵变换不正确而导致的性别检测问题
  • 修复重复切换面部调试器项目时的渲染问题

2.1.3

  • 修复directmlWindows 下的安装程序选项

2.1.2

  • 将 CUDA nightly 添加到安装程序中
  • 处理器更改时刷新参考面
  • 修复基于数字的 CLI 参数的舍入问题

2.1.1

  • 删除预览中的虚假清晰参考面

2.1.0

  • 添加脸部遮挡遮罩
  • 添加可选择区域的脸部区域遮罩
  • 来自多幅图像的平均源脸
  • 多处理感知参考面
  • 仅使用面部增强器处理参考
  • 引入 debuginfowarn日志 error 级别
  • 从视网膜脸恢复脸部对齐偏移
  • 通过安装程序强制虚拟环境
  • 根据平台减少安装程序选项
  • 添加 onnxruntime-rocm 安装程序支持
  • 修复滑块发布时的预览更新
  • 修复面部参考变化时的预览更新
  • 修复面部对齐的相似性变换

2.0.0

  • 添加 blendswap_256simswap_256simswap_512_unofficial 换脸器
  • 添加 gpen_bfr_256restoreformer到面部增强剂
  • retinaface使用或 yunet 模型的高性能人脸检测器
  • 为帧增强器添加 ROCm 和 OpenVINO 支持
  • 添加对 webp 图像和 webm 视频的支持
  • 添加 best-worstworst-best--face-analyser-order
  • 介绍 face_debugger 如何可视化边界框、关键点和人脸遮罩
  • facefusion-pinokio 存储库引入我们的 GitHub 组织
  • 引言 --face-mask-blur--face-mask-padding论据
  • 引言 --face-detector-size--face-detector-score论据
  • one按模式扩展面部选择器
  • 消除 insightface 对手工框架处理的依赖
  • 删除 tensorflowPIL依赖项双手工框架分析
  • 简化进度条以减少性能影响
  • 改进大量人群的参考人脸 UI
  • 网络摄像头模式udpv4l21080p 下稳定 25fps
  • 无缝启动和停止网络摄像头馈送
  • 重命名 --face-recognition--face-selector-mode
  • 重命名 --face-analyser-direction--face-analyser-order
  • 修复处理后的输出验证
  • 对基于数字的 CLI 参数应用固定范围
  • 将计算标准化 --reference-face-distance 为 0-1 范围
  • 标准化 --output-path 即使没有指定--source-path
  • 设置下载查找的 10 秒超时

1.3.1

  • 安装程序的优化 default 和选择cpu

1.3.0

  • fp16为换脸器添加高性能版本
  • 添加 ONNX 驱动 CodeFormerGFPGAN 并添加 GPEN 到面部增强器
  • 添加 RealESRGAN_x2plusRealESRNet_x4plus到框架增强器
  • 实现面部增强器和框架增强器的混合
  • 使处理器具有选项和 CLI 参数
  • 将 UI 主题优化为极简扁平的设计
  • 使用参数分组增强 --help 和文档
  • 将默认图像和视频质量降低至 80%
  • --torch向安装程序引入新参数
  • 使用最新的onnxruntime
  • 修复视频质量以达到压缩标准化
  • 修复由 Windows 防火墙导致的下载卡住问题

1.2.1

  • 每个处理步骤后执行 VRAM 清除
  • 将 TensorFlow 内存消耗限制为 512 MB
  • 在帧处理之前验证模型文件
  • 介绍 --skip-download 跳过自动下载
  • 升级到最新 onnxruntime 版本

1.2.0

  • 建立实时网络摄像头性能
  • 通过缓存面部分析器结果来优化重新运行
  • 通过缓存优化图像读取性能
  • 恢复中断的资产和模型下载
  • 允许传递 --onnxruntimeinstall.py
  • 引入官方 facefusion-colab 仓库
  • 从每个 UI 组件中删除对齐
  • 引入复选框组进行设置
  • 在 UI 中设置网络摄像头分辨率和 fps
  • 禁止 UI 中出现空的执行提供程序
  • 修复带音频的视频的帧范围处理
  • 修复 CUDAROCMDockerfile 以利用 GPU
  • 修复临时框架路径的排序

1.1.0

  • 通用和加速依赖项的安装程序
  • 内置网络摄像头套件,支持流 udp 媒体v4l2
  • 专用 --headless 模式
  • 添加对 ROCM 的 Docker 支持
  • 允许 --output-path 通过 UI 进行调整
  • 增强输出路径规范化
  • 启动基准测试套件之前的一次热身
  • 能够选择基准测试套件的运行
  • 启用部分更新的基准测试
  • 实现完全事件驱动的 UI,实现超强响应能力
  • 添加最大内存滑块以选择可用 RAM
  • 根据目标媒体类型实现条件 UI
  • 引入 --output-image-quality 图像输出选项
  • 修复视频编码器 crf 的范围libvpx
  • 修复 detect_fps 了使用不同编码的问题

1.0.0

  • 基于 Gradio 的动态 UI
  • Docker 对 CPU 和 CUDA 的支持
  • 替换 --many-faces--face-recognition需要 referencemany
  • 孪生支持:通过一个面参考交换多个面
  • 引入 --execution-queue-count 调整每个线程的处理
  • 重命名 --execution-threads--execution-thread-count
  • 面部分析仪的全局选项方向、年龄和性别
  • 检测到 NSFW 内容时,模糊预览和处理暂停
  • 将质量从 0-100 翻转为 100-0
  • trim-frame-start通过和修剪视频trim-frame-end
  • 内置基准测试套件
  • 深入代码库重构

相关文章:

换脸视频FaceFusion3.1.0-附整合包

2025版最强换脸软件FaceFusion来了(附整合包)超变态的AI换脸教程 2025版最强换脸软件FaceFusion来了(附整合包)超变态的AI换脸教程 整合包地址: 「Facefusion_V3.1.0」 链接:https://pan.quark.cn/s/f71601…...

Qt 入门 1 之第一个程序 Hello World

Qt 入门1之第一个程序 Hello World 直接上操作步骤从头开始认识,打开Qt Creator,创建一个新项目,并依次执行以下操作 在Qt Creator中,一个Kits 表示一个完整的构建环境,包括编译器、Qt版本、调试器等。在上图中可以直…...

无锁队列简介与实现示例

1. 简介 无锁队列是一种数据结构,旨在在多线程环境中实现高效的并发访问,而无需使用传统的锁机制(如互斥锁)。无锁队列通过使用原子操作(如CAS,Compare-And-Swap)来确保线程安全,从…...

SpringMVC与SpringCloud的区别

SpringMVC与SpringCloud的核心区别 功能定位 • SpringMVC: 基于Spring框架的Web层开发模块,采用MVC(Model-View-Controller)模式,专注于处理HTTP请求、路由分发(如DispatcherServlet)和视图…...

STM32F103C8T6单片机开发:简单说说单片机的外部GPIO中断(标准库)

目录 前言 如何使用STM32F1系列的标准库完成外部中断的抽象 初始化我们的GPIO为输入的一个模式 初识GPIO复用,开启GPIO的复用功能时钟 GPIO_EXTILineConfig和EXTI_Init配置外部中断参数 插入一个小知识——如何正确的配置结构体? 初始化中断&#…...

Python urllib3 全面指南:从基础到实战应用

欢迎来到涛涛的频道,今天用到了urllib3,和大家分享下。 1、介绍 urllib3 urllib3 是 Python 中一个功能强大且用户友好的 HTTP 客户端库,它提供了许多标准库 urllib 所不具备的高级特性。作为 Python 生态中最受欢迎的 HTTP 库之一&#xf…...

25.5 GLM-4优化RAG实战:0.1%参数实现准确率飙升30%,成本直降90%!

使用 GLM-4 优化 RAG 程序:基于标注数据的 Adapter 训练实战 关键词:GLM-4 优化, RAG 增强, 数据标注, Adapter 训练, 检索增强生成 1. RAG 系统的核心挑战与优化方向 传统 RAG(Retrieval-Augmented Generation)系统常面临以下瓶颈: graph LR A[用户提问] --> B[检…...

OrangePi入门教程(待更新)

快速上手指南 https://www.hiascend.com/developer/techArticles/20240301-1?envFlag1 教学课程(含开发板配置和推理应用开发) https://www.hiascend.com/developer/devboard 开发推理应用 https://www.hiascend.com/developer/techArticles/20240326-1?envFlag1...

基于SpringBoot+Vue实现的二手交易市场平台功能一

一、前言介绍: 1.1 项目摘要 随着社会的发展和人们生活水平的提高,消费者购买能力的提升导致产生了大量的闲置物品,这些闲置物品具有一定的经济价值。特别是在高校环境中,学生群体作为一个具有一定消费水平的群体,每…...

TC3xx芯片的UCB介绍

文章目录 前言一、UCB的定义及其功能简介二、UCB_BMHDx_ORIG and UCB_BMHDx_COPY (x 0 - 3)2.1 BMHD(Boot Mode Head) 三、UCB_SSW四、UCB_PFLASH_ORIG and UCB_PFLASH_COPY4.1 Password4.2 UCB Confirmation 前言 缩写全称UCBUser Configuration BlockBMHDBoot Mode Headers…...

Airflow量化入门系列:第四章 A股数据处理与存储优化

Airflow量化入门系列:第四章 A股数据处理与存储优化 本教程系统性地讲解了 Apache Airflow 在 A 股量化交易中的应用,覆盖从基础安装到高级功能的完整知识体系。通过八章内容,读者将掌握 Airflow 的核心概念、任务调度、数据处理、技术指标计…...

《海空重力测量理论方法及应用》之一重力仪系统组成及工作原理(下)

2、三轴稳定平台型 稳定平台的作用是隔离测量载体角运动对重力观测量的影响,确保重力传感器的敏感轴方向始终与重向保持一致。 当前主流的海空重力仪使用的稳定平台方案主要有4种: ①双轴阻尼陀螺平台: ②)双轴惯导加捷联方位平台: ③三轴惯导平台; ④捷联惯导…...

C++模板递归结构详解和使用

示例代码 template<typename _SourceIterator, typename _DestT> struct convert_pointer {typedef typename convert_pointer<typename _SourceIterator::pointer, _DestT>::type type; };1. 模板参数 _SourceIterator 是输入的类型&#xff0c;通常表示迭代器类…...

(八)PMSM驱动控制学习---无感控制之滑膜观测器

在FOC矢量控制中&#xff0c;我们需要实时得到转子的转速和位置 &#xff0c;但在考虑到成本和使用场合的情况下&#xff0c;往往使用无感控制&#xff0c;因为无位置传感器克服了传统机械式传感器的很多缺点和不足。比如&#xff0c;机械式传感器对环境要求比较严格&#xff0…...

蓝桥杯真题-分糖果-题解

链接&#xff1a;https://www.lanqiao.cn/problems/4124/learning/ 题目 复述&#xff1a;两种糖果&#xff0c;分别有9和16&#xff0c;分给7人&#xff0c;每个人得到的最少2&#xff0c;最多5&#xff0c;必需全部分完&#xff0c;几种分法&#xff1f; 复习-深度优先搜索 …...

推荐系统(二十二):基于MaskNet和WideDeep的商品推荐CTR模型实现

在上一篇文章《推荐系统&#xff08;二十一&#xff09;&#xff1a;基于MaskNet的商品推荐CTR模型实现》中&#xff0c;笔者基于 MaskNet 构建了一个简单的模型。笔者所经历的工业级实践证明&#xff0c;将 MaskNet 和 Wide&Deep 结合应用&#xff0c;可以取得不错的效果&…...

辅助查询是根据查询到的文档片段再去生成新的查询问题

&#x1f4a1; 辅助查询是怎么来的&#xff1f; 它是基于你当前查询&#xff08;query&#xff09;检索到的某个文档片段&#xff08;chunk_result&#xff09;&#xff0c;再去“反推”出新的相关问题&#xff08;utility queries&#xff09;&#xff0c;这些问题的作用是&a…...

Spring Cloud 框架为什么能处理高并发

Spring Cloud框架能够有效处理高并发场景&#xff0c;核心在于其微服务架构设计及多组件的协同作用&#xff0c;具体机制如下&#xff1a; 一、分布式架构设计支撑高扩展性 服务拆分与集群部署 Spring Cloud通过微服务拆分将单体系统解耦为独立子服务&#xff0c;每个服务可独…...

Pseduo LiDAR(CVPR2019)

文章目录 AbstractIntroductionRelated WorkLiDAR-based 3D object detectionStereo- and monocular-based depth estimationImage-based 3D object detection MethodDepth estimationPseudo-LiDAR generationLiDAR vs. pseudo-LiDAR3D object detectionData representation ma…...

强化学习课程:stanford_cs234 学习笔记(3)introduction to RL

文章目录 前言7 markov 实践7.1 markov 过程再叙7.2 markov 奖励过程 MRP&#xff08;markov reward process&#xff09;7.3 markov 价值函数与贝尔曼方程7.4 markov 决策过程MDP&#xff08;markov decision process&#xff09;的 状态价值函数7.4.1 状态价值函数7.4.2 状态…...

前端精度计算:Decimal.js 基本用法与详解

一、Decimal.js 简介 decimal.js 是一个用于任意精度算术运算的 JavaScript 库&#xff0c;它可以完美解决浮点数计算中的精度丢失问题。 官方API文档&#xff1a;Decimal.js 特性&#xff1a; 任意精度计算&#xff1a;支持大数、小数的高精度运算。 链式调用&#xff1a;…...

来聊聊C++中的vector

一.vector简介 vector是什么 C 中的 vector 是一种序列容器&#xff0c;它允许你在运行时动态地插入和删除元素。 vector 是基于数组的数据结构&#xff0c;但它可以自动管理内存&#xff0c;这意味着你不需要手动分配和释放内存。 与 C 数组相比&#xff0c;vector 具有更多的…...

对比学习中的NCE(Noise-Contrastive Estimation)和InfoNCE(SimCLR)损失函数+案例(附SimSiam分析)

在对比学习&#xff08;Contrastive Learning&#xff09;中&#xff0c;NCE&#xff08;Noise-Contrastive Estimation&#xff09;和InfoNCE是两种常见的目标函数&#xff0c;它们都用于通过区分正样本和负样本来学习高质量的表示。 1. NCE&#xff08;Noise-Contrastive Est…...

基于FAN网络的图像识别系统设计与实现

基于FAN网络的图像识别系统设计与实现 一、系统概述 本系统旨在利用FAN(Fourier Analysis Networks)网络架构实现高效的图像识别功能,并通过Python语言设计一个直观的用户界面,方便用户操作与使用。FAN网络在处理周期性特征方面具有独特优势,有望提升图像识别在复杂场景…...

【瑞萨 RA-Eco-RA2E1-48PIN-V1.0 开发板测评】PWM

【瑞萨 RA-Eco-RA2E1-48PIN-V1.0 开发板测评】PWM 本文介绍了瑞萨 RA2E1 开发板使用内置时钟和定时器实现 PWM 输出以及呼吸灯的项目设计。 项目介绍 介绍了 PWM 和 RA2E1 的 PWM 资源。 PWM 脉冲宽度调制&#xff08;Pulse Width Modulation, PWM&#xff09;是一种对模拟…...

NDK开发:开发环境

NDK开发环境 一、NDK简介 1.1 什么是NDK NDK(Native Development Kit)是Android提供的一套工具集,允许开发者在Android应用中使用C/C++代码。它包含了: 交叉编译器构建工具调试器系统头文件和库示例代码和文档1.2 NDK的优势 性能优化:直接使用底层代码,提高性能代码保…...

设计模式简述(三)工厂模式

工厂模式 描述简单工厂&#xff08;静态工厂&#xff09;工厂方法模式 抽象工厂增加工厂管理类使用 描述 工厂模式用以封装复杂的实例初始化过程&#xff0c;供外部统一调用 简单工厂&#xff08;静态工厂&#xff09; 如果对象创建逻辑简单且一致&#xff0c;可以使用简单工…...

通过Postman和OAuth 2.0连接Dynamics 365 Online的详细步骤

&#x1f31f; 引言 在企业应用开发中&#xff0c;Dynamics 365 Online作为微软的核心CRM平台&#xff0c;提供了强大的Web API接口。本文将教你如何通过Postman和OAuth 2.0认证实现与Dynamics 365的安全连接&#xff0c;轻松调用数据接口。 &#x1f4dd; 准备工作 工具安装…...

LlamaIndex实现RAG增强:上下文增强检索/重排序

面向文档检索的上下文增强技术 文章目录 面向文档检索的上下文增强技术概述技术背景核心组件方法详解文档预处理向量存储创建上下文增强检索检索对比技术优势结论导入库和环境变量读取文档创建向量存储和检索器数据摄取管道使用句子分割器的摄取管道使用句子窗口的摄取管道查询…...

AI比人脑更强,因为被植入思维模型【43】蝴蝶效应思维模型

giszz的理解&#xff1a;蝴蝶效应我们都熟知&#xff0c;就是说一个微小的变化&#xff0c;能带动整个系统甚至系统的空间和时间的远端&#xff0c;产生巨大的链式反应。我学习后的启迪&#xff0c;简单的说&#xff0c;就是不要忽视任何微小的问题&#xff0c;更多时候&#x…...

程序化广告行业(62/89):DSP系统的媒体与PDB投放设置探秘

程序化广告行业&#xff08;62/89&#xff09;&#xff1a;DSP系统的媒体与PDB投放设置探秘 大家好&#xff01;在之前的学习中&#xff0c;我们对程序化广告的DSP系统有了一定了解。今天还是带着和大家共同进步的想法&#xff0c;深入探索DSP系统中媒体设置以及PDB投放设置的…...

Java项目之基于ssm的怀旧唱片售卖系统(源码+文档)

项目简介 怀旧唱片售卖系统实现了以下功能&#xff1a; 用户信息管理&#xff1a; 用户信息新增&#xff1a;添加新用户的信息。 用户信息修改&#xff1a;对现有用户信息进行修改。 商品信息管理&#xff1a; 商品信息添加&#xff1a;增加新的商品&#xff08;唱片&#x…...

程序化广告行业(61/89):DSP系统活动设置深度剖析

程序化广告行业&#xff08;61/89&#xff09;&#xff1a;DSP系统活动设置深度剖析 大家好&#xff01;在程序化广告的学习道路上&#xff0c;我们已经探索了不少重要内容。今天依旧本着和大家一起学习进步的想法&#xff0c;深入解析DSP系统中活动设置的相关知识。这部分内容…...

Altshuller矛盾矩阵查询:基于python和streamlit

基于python和streamlit实现的Altshuller矛盾矩阵查询 import streamlit as st import json# 加载数据 st.cache_resource def load_data():with open(parameter.json, encodingutf-8) as f:parameters json.load(f)with open(way.json, encodingutf-8) as f:contradictions …...

FreeRTOS的空闲任务

在 FreeRTOS 中&#xff0c;空闲任务&#xff08;Idle Task&#xff09; 是操作系统自动创建的一个特殊任务&#xff0c;其作用和管理方式如下&#xff1a; 1. 空闲任务创建 FreeRTOS 内核自动创建&#xff1a;当调用 vTaskStartScheduler() 启动调度器时&#xff0c;内核会自…...

【代码模板】如何用FILE操作符打开文件?fopen、fclose

#include "stdio.h" #include "unistd.h"int main(int argc, char *argv[]) {FILE *fp fopen("1.log", "wb");if (!fp) {perror("Failed open 1.log");return -1;}fclose(fp); }关于权限部分参考兄弟篇【代码模板】C语言中…...

[特殊字符] Pandas 常用操作对比:Python 运算符 vs Pandas 函数

在 Pandas 中&#xff0c;许多操作可以直接使用 Python 的比较运算符&#xff08;如 、!、>、< 等&#xff09;&#xff0c;而不需要调用 Pandas 的专门函数&#xff08;如 eq()、ne()、gt() 等&#xff09;。这些运算符在 Pandas 中已经被重载&#xff0c;代码更简洁。以…...

I.MX6ULL开发板与linux互传文件的方法--NFS,SCP,mount

1、内存卡或者U盘 方法比较简单&#xff0c;首先在linux系统中找到u盘对应的文件夹&#xff0c;随后使用cp指令将文件拷贝进u盘。 随后将u盘插入开发板中&#xff0c;找到u盘对应的设备文件。一般u盘对应的设备文件在/dev下&#xff0c;以sda开头&#xff0c;可以使用命令列出所…...

图解AUTOSAR_SWS_FlashEEPROMEmulation

AUTOSAR Flash EEPROM Emulation (FEE) 详解 基于AUTOSAR规范的Flash EEPROM Emulation模块分析 目录 1. 概述2. 架构设计 2.1 模块位置与接口2.2 内部状态管理2.3 配置结构3. API接口 3.1 接口功能分类3.2 错误管理4. 操作流程 4.1 写入操作序列5. 总结1. 概述 Flash EEPROM …...

Unity:Simple Follow Camera(简单相机跟随)

为什么需要Simple Follow Camera&#xff1f; 在游戏开发中&#xff0c;相机&#xff08;Camera&#xff09;是玩家的“眼睛”。它的作用是决定玩家看到游戏世界的哪一部分。很多游戏需要相机自动跟随玩家角色&#xff0c;让玩家始终可以看到角色及其周围的环境&#xff0c;而…...

[项目总结] 在线OJ刷题系统项目总结与分析(二): 技术应用(上)

&#x1f338;个人主页:https://blog.csdn.net/2301_80050796?spm1000.2115.3001.5343 &#x1f3f5;️热门专栏: &#x1f9ca; Java基本语法(97平均质量分)https://blog.csdn.net/2301_80050796/category_12615970.html?spm1001.2014.3001.5482 &#x1f355; Collection与…...

针对Ansible执行脚本时报错“可执行文件格式错误”,以下是详细的解决步骤和示例

针对Ansible执行脚本时报错“可执行文件格式错误”&#xff0c;以下是详细的解决步骤和示例&#xff1a; 目录 一、错误原因分析二、解决方案1. 检查并添加可执行权限2. 修复Shebang行3. 转换文件格式&#xff08;Windows → Unix&#xff09;4. 检查脚本内容兼容性5. 显式指定…...

从 Dense LLM 到 MoE LLM:以 DeepSeek MoE 为例讲解 MoE 的基本原理

写在前面 大多数 LLM 均采用 Dense(密集) 架构。这意味着,在处理每一个输入 Token 时,模型所有的参数都会被激活和计算。想象一下,为了回答一个简单的问题,你需要阅读整部大英百科全书的每一个字——这显然效率低下。 为了突破 Dense 模型的瓶颈,一种名为 Mixture of …...

未来已来:探索AI驱动的HMI设计新方向

在科技浪潮的持续冲击下&#xff0c;人工智能&#xff08;AI&#xff09;正以势不可挡的姿态重塑各个领域的格局&#xff0c;其中人机交互&#xff08;HMI&#xff0c;Human - Machine Interaction&#xff09;设计领域深受其影响&#xff0c;正经历着深刻的变革。AI 技术的融入…...

5天速成ai agent智能体camel-ai之第1天:camel-ai安装和智能体交流消息讲解(附源码,零基础可学习运行)

嗨&#xff0c;朋友们&#xff01;&#x1f44b; 是不是感觉AI浪潮铺天盖地&#xff0c;身边的人都在谈论AI Agent、大模型&#xff0c;而你看着那些密密麻麻的代码&#xff0c;感觉像在读天书&#xff1f;&#x1f92f; 别焦虑&#xff01;你不是一个人。很多人都想抓住AI的风…...

Unity UGUI使用手册

概述 UGUI(Unity Graphical User Interface) :Unity 图像用户界面 在游戏开发中&#xff0c;我们经常需要搭建一些图形用户界面。Unity内置的UGUI可以帮助开发者可视化地拼接界面&#xff0c;提高开发效率。UGUI提供不同样式的UI组件&#xff0c;并且封装了对应功能的API&am…...

(二)输入输出处理——打造智能对话的灵魂

上一篇&#xff1a;&#xff08;一&#xff09;从零开始&#xff1a;用 LangChain 和 ZhipuAI 搭建简单对话 在上一篇文章中&#xff0c;我们成功搭建了一个基于 LangChain 和 ZhipuAI 的智能对话系统的基础环境。今天&#xff0c;我们将深入探讨输入输出处理的细节&#xff0…...

beego文件上传

1file.go 2html代码 3路由设置 beego.Router("/file/Upload", &controllers.FileUploadController{}, "post:Upload") 注意 1&#xff0c;得新建个upload文件夹 2&#xff0c;路由设置严格区分大小写。 biiego文件下载上传代码 github 觉得不错Star下...

代码随想录回溯算法01(递归)

回溯法也可以叫做回溯搜索法&#xff0c;它是一种搜索的方式。 回溯是递归的副产品&#xff0c;只要有递归就会有回溯。 所以以下讲解中&#xff0c;回溯函数也就是递归函数&#xff0c;指的都是一个函数。 组合问题&#xff1a;N个数里面按一定规则找出k个数的集合切割问题&am…...

分治-归并排序-逆序对问题

目录 1.升序&#xff08;以右边的合并组为基准&#xff09; 2.降序&#xff08;以左边的合并组为基准&#xff09; 3.逆对序--固定下标 1.升序&#xff08;以右边的合并组为基准&#xff09; 找出左边有多少个数比我(nums[right])大 应该在每一次合并之前&#xff0c;进行…...