这是我第一次写年终总结。作为一个比较懒的人，本来想今年就算了吧，但看到了 51 官方发的活动正好是和年终总结相关的文章。这不就是在冥冥之中暗示我吗？正好最近有一丝写总结的想法，那就写吧！ 先简单介绍一下自己：工作四年多，小厂安卓程序员一枚。回想起工作的前几年，确实没什么值得记录的，什么都不会，又什么都想学，目标很模糊，学得很乱。那时候即使想写总结，也没什么思路。 现在开始写并不是因为技术已经多么牛批，而是因为脸皮厚了，哈哈。
网络协议栈是现代计算机网络通信的基石。每个协议层在数据传输中扮演着至关重要的角色，负责不同的功能。从物理层的传输，到应用层的实际数据处理，每一层都在协作完成最终的通信任务。通过理解每一层的作用及其工作原理，我们不仅可以设计高效的网络应用，还能避免常见的性能瓶颈。本文将详细介绍TCP/IP协议栈的各个层级及其工作机制，并探讨如何优化网络性能。1. 物理层二进制在物理媒体上传输。物理层位于网络协议栈的
前言此篇文章用于记录第一次将本地代码推送到远程仓库合并到不同分支问题，我们在本地初始化git仓库时，会默认创建master分支，而远程仓库默认创建的是main分支，如果你直接推送本地代码，会在远程也创建一个master分支，而无法推送到远程的main分支上，因为他们没有任何关联，接下来就介绍下如何将本地master分支推送到main分支上，而不创建多余的远程分支。包含完整的初始化到提交代码步骤。步
前言在深度学习的领域，随着网络结构的不断深化，模型的训练变得愈加困难。尤其是在层数增加时，模型容易出现梯度消失或梯度爆炸的问题。为了应对这一挑战，微软研究院的 Kaiming He 等人于 2015 年提出了残差网络（ResNet），这一结构极大地推动了图像识别等任务的进展，并在多个基准测试中取得了显著的成绩。1. 残差网络的核心思想残差网络的核心理念是引入 残差学习。传统的神经网络试图直接学习输
引言随着计算能力的提升和海量数据的积累，深度学习在计算机视觉领域取得了显著进展。2014 年，Google 团队提出了 GoogLeNet 模型，并在 ILSVRC-2014 中取得了冠军。该模型的创新设计不仅提升了准确率，还显著减少了计算资源的消耗。GoogLeNet吸收了NiN中串联网络的思想，并在此基础上做了改进。1. GoogLeNet 简介GoogLeNet 是一种深度卷积神经网络，包含
引言深度学习模型的设计直接影响了生成内容的质量和效率。传统的卷积神经网络（CNN）通过卷积和池化层逐步提取特征，但随着任务复杂度的增加，单一的线性层难以有效捕获高阶特征。NiN通过在卷积网络中引入全局平均池化和逐层的全连接网络，以更有效的方式提取数据的非线性特征，从而提升了模型的表达能力。1. 介绍前面文章讲到的LeNet、AlexNet和VGG都有一个共同的设计模式：通过一系列的卷积层与汇聚层来
能看到这篇文章说明网上哪些获取 （dbm/asu值）不适合你，不是他们的代码不正确，而是不符合你的情况。当然
引言随着人工智能技术的不断进步，AIGC（人工智能生成内容）正在逐渐成为一个热门话题。它不仅改变了内容创作的方式，也推动了许多领域的创新。VGG（Visual Geometry Group）模型是深度学习中的重要里程碑之一，广泛应用于图像识别、生成和处理任务。1. VGG模型概述1.1 VGG的起源与发展VGG模型由牛津大学的视觉几何组于2014年提出，旨在提高卷积神经网络（CNN）的性能。VGG
引言在过去的十年中，深度学习技术取得了巨大的进展，特别是在计算机视觉领域。卷积神经网络（CNN）作为一种深度学习模型，在图像分类、目标检测等任务中展现出了卓越的性能。AlexNet 是第一个在大规模图像分类任务上取得成功的深度卷积神经网络，由 Alex Krizhevsky 等人于 2012 年提出。它不仅在 ImageNet 大规模视觉识别挑战赛中取得了显著的成绩，还开启了深度学习的广泛应用。1
引言卷积神经网络（CNN）是深度学习领域中一种重要的神经网络结构，特别在图像处理和计算机视觉任务中取得了显著成功。LeNet是最早的CNN之一，由Yann LeCun等人于1989年提出，主要用于手写数字识别。尽管LeNet在当时的应用相对简单，但其基本思想和结构为后来的复杂网络奠定了基础。这个模型是由AT&T贝尔实验室的研究员Yann LeCun在1989年提出的（并以其命名），目的是识
引言在人工智能技术的浪潮中，长短期记忆网络（LSTM）作为一种特殊的递归神经网络（RNN），凭借其独特的结构和强大的序列数据处理能力，成为了AI研究和应用的热门领域。1. 介绍LSTM（长短期记忆网络）是一种特殊的循环神经网络（RNN），专门设计用于克服标准RNN在处理长序列数据时出现的梯度消失问题。 LSTM 通过引入了记忆单元和门控机制，能够在较长时间跨度上记忆和保留信息，因此非常适合处理时间
引言在现代人工智能领域，尤其是大型语言模型（LLM）如GPT-4的使用中，如何结合现有的知识库和实时数据，使模型生成更准确、更有针对性的答案，成为一个热门话题。RAG（Retrieval-Augmented Generation，检索增强生成）应运而生。通过将检索系统与生成模型结合，RAG能为生成任务提供更相关的信息，解决模型在处理实时信息和大型知识库时的瓶颈。1. 检索增强生成RAG是什么？RA
前言今年的诺贝尔化学奖和物理学奖，颁给了两个做人工智能的人物：一位是 DeepMind 创始人 Demis Hassabis，另一位还是 AI 教父 Geoffrey Hinton。在人工智能领域，Geoffrey Hinton无疑是一个举足轻重的人物。近日，这位被誉为“AI教父”的科学家因其在深度学习和神经网络方面的卓越贡献荣获诺贝尔奖，再次引发了全球对人工智能技术的广泛关注和热议。Geoffr
引言背景介绍 AI技术在生成数据和程序辅助语言模型中展现了巨大的潜力。通过深度学习和自然语言处理，AI可以自动生成高质量的文本、代码和数据，提升生产效率。这种生成能力能够支持各种应用，包括内容创作、软件开发和数据分析，帮助用户更快速地实现目标和解决问题。Prompt在AI生成过程中扮演着至关重要的角色。它指的是用户输入的指令或问题，能够引导模型生成所需的输出。有效的Prompt设计可以显著提高生成
引言在人工智能的快速发展中，Prompting（提示）成为了与大型语言模型（如GPT系列）进行有效互动的关键技术。它能够通过提供适当的输入指令，使模型能够生成更加精确、上下文相关的输出。随着研究的深入，高阶Prompting逐渐成为AI模型调优和高效应用的重要手段。但在我们深入了解更高级的概念之前，让我们先正式地介绍一些概念。1. 零样本Prompting（Zero-shot Prompting）
引言人工智能（AI）近年来取得了惊人的进展，尤其是自然语言处理（NLP）领域，其中“Prompt”作为与AI模型互动的关键桥梁，扮演着至关重要的角色。 通过这篇博客，我们将深入探讨什么是“Prompt”，它在AI模型中的作用，以及如何有效地理解和设计Prompt，从而提升AI应用的效率和效果。1. 什么是“Prompt”？AI 相当于美国队长的实力，遇强则强，遇弱则弱，关键其实在于 Prompt。
能看到这篇文章说明网上哪些获取 （dbm/asu值）不适合你，不是他们的代码不正确，而是不符合你的情况比如安卓6获取android手机信号强度 可以看这篇文章 https://blog.csdn.net/sinat_31057219/article/details/81134030当然如果你是安卓10+设备，并且为 LTE 网络 的情况下，那么就不能用了，你会发现 getGsmSignalStre
前言在当前的数字时代，人工智能技术在各行各业中发挥着越来越重要的作用，特别是在媒体和娱乐领域。最近，快手科技引起了广泛关注，因为它开源了一个名为LivePortrait的先进技术项目，截至2024.7.23该项目已在GitHub上获得超过 7.5K Star，显示出其广泛的受欢迎程度和技术影响力。介绍近日，快手可灵大模型团队开源了名为LivePortrait的可控人像视频生成框架，该框架能够准确、
Seq2SeqSeq2Seq 是一种循环神经网络的变种，包括编码器 (Encoder) 和解码器 (Decoder) 两部分。Seq2Seq 是自然语言处理中的一种重要模型，可以用于机器翻译、对话系统、自动文摘。1. RNN 结构及使用RNN 模型在之前的文章循环神经网络 RNN、LSTM、GRU中介绍了 RNN 模型，RNN 基本的模型如上图所示，每个神经元接受的输入包括：前一个神经元的隐藏层状
BERT 模型是 Google 在 2018 年提出的一种 NLP 模型，成为最近几年 NLP 领域最具有突破性的一项技术。在 11 个 NLP 领域的任务上都刷新了以往的记录，例如GLUE，SquAD1.1，MultiNLI 等。1. 前言Google 在论文《BERT: Pre-training of Deep Bidirectional Transformers forLanguage Un
在人工智能技术的推动下，各种AI工具正在迅速改变我们的学习、工作和生活方式。丰富的AI工具库和强大的功能，成为我们日常生活中的得力助手。本文将为大家安利一些好用的AI工具并探讨它们的优点以及在各个领域中的应用。一、网站推荐1. AIGC CN首先推荐一个AIGC 合集网站 AIGC CN 里面收集了全球1260多个AI工具，不管是你听过的，见过的，没听过的，没见过的里面都包含在内，总之一句话 NB
生成式人工智能（AIGC）作为当前科技领域的热点话题，正逐渐改变着我们的工作和生活方式。本文将从AIGC的发展历程、技术推进路线、应用场景以及未来发展前景四个方面，详细解读这一前沿技术。1. AIGC的发展历程1.1 AIGC演化重要时间节点生成式人工智能的发展历程可以追溯到多年前...1956年：达特茅斯会议标志着人工智能研究的正式开始。2014年：Ian Goodfellow提出生成对抗网络（
既然断网了，方案一就一点用没了，此时有两种方法获取时间，一种是调用系统api，一种是获取本地维护的时间，我们知道系统时
1. 国产可以使用GPT3.5和4.0的网站一个好用的ChatGPT系统 ，可以免费使用3.5 和 4.0https://xaye.byabstudio.com/login?code=96V9LOA22. 国内百度的文言一心，感兴趣的可以看看，相比GPT还是有距离的。文心一言 https://yiyan.baidu.com/welcome3.新用户可以问200次，用完可以拉人继续用，套餐不推荐买，
如果不存在，那么可以把以下内容保存为reg后缀名的文件，然后双击导入即可（自行修改里面javaw.exe的路径为您电脑上安装的正确路径
Copyright © 2005-2025 51CTO.COM 版权所有 京ICP证060544号
