体验过 OpenAI的ChatGPT的朋友们应该都会发现交谈的内容都是一个字一个字蹦出来的，熟悉其背后原理的朋友都知道除了一些预先调校的回复实际上AI的回复都是实时生成的，或者更专业的说法应该是实时预测出来的。所以这种显示效果也是一种无奈之举，但小伙伴有没有发现其实它还蛮酷的，至少不太容易让人产生反感。既然内容是实时生成的，那自然是后端接口实时喂数据给前端……继续阅读 » Alan 2年前 (2023-06-06) 1848浏览 0评论0个赞
环境搭建首先要在电脑上安装 Python，直接在官网下载安装包进行安装即可：https://www.python.org/downloads/ # 创建文件夹，可随意命名mkdir chatgpt-pdfcd chatgpt-pdf# 创建虚拟环境（第二个venv为虚拟环境的名称，之所以使用venv是因为一般通用的……继续阅读 » Alan 2年前 (2023-05-19) 2545浏览 0评论0个赞
Nuxt为Nuxt3启用了全新域名https://nuxt.com/（原域名为https://nuxtjs.org/），Alan没有深度使用过Nuxt 2，但变化应该还是比较大的，因为Nuxt 3正式版与之前的beta版本都有不小的变化。选择Nuxt 的主要原因应该都是SEO吧，毕竟官方的SSR方案尤雨溪自己都说不完善。当然对于的约定大于配置的理念也是褒贬不……继续阅读 » Alan 2年前 (2023-05-08) 2838浏览 0评论0个赞
其它章节内容请见机器学习之PyTorch和Scikit-Learn在前面的章节中，我们学习了用于分类的基本机器学习算法以及如何在喂给这些算法前处理好数据。下面该学习通过调优算法和评估模型表现来构建良好机器学习模型的最佳实践了。本章中，我们将学习如下内容：评估机器学习模型表现诊断机器学习算法常见问题调优机器学习模型使用不同的性能指标评估预测模型……继续阅读 » Alan 2年前 (2023-04-25) 2603浏览 0评论0个赞
其它章节内容请见机器学习之PyTorch和Scikit-Learn在第4章 构建优秀的训练数据集 – 数据预处理中，我们学习了使用特征选择技术对数据集降维的不同方法。特征选择以外的另一种降维方法是特征提取。本章中我们会学习两种基本技术，可帮助我们通过将其变换为比原来更低维度的特征子空间总结出数据集中的信息内容。数据压缩是机器学习中非常重要的课题，它有助于我……继续阅读 » Alan 2年前 (2023-04-17) 3116浏览 0评论0个赞
其它章节内容请见机器学习之PyTorch和Scikit-Learn数据质量及所包含的有用信息量是决定机器学习算法能学到多好的关键因素。因此，在将数据集喂给机器学习算法前对其进行检查和预处理绝对很重要。本章中，我们会讨论一些基本数据预处理技术，有助于我们构建很好的机器学习模型。本章将要讨论的内容有：删除和替换数据集缺失值为机器学习算法准备分类数据为……继续阅读 » Alan 2年前 (2023-04-08) 4488浏览 0评论0个赞
其它章节内容请见机器学习之PyTorch和Scikit-Learn本章中，我们会学习一些学术界和工业界常用的知名强大机器学习算法。在学习各种用于分类的监督学习算法的不同时，我们还会欣赏到它们各自的优势和劣势。另外，我们会开始使用scikit-learn库，它为高效、有生产力地使用这些算法提供了用户友好且一致的接口。本章讲解的主要内容有：介绍用于分类的……继续阅读 » Alan 2年前 (2023-04-03) 3603浏览 0评论1个赞
一不小心又立了一个新Flag，关于人工智能或者机器学习业界普遍认为要先学个博士才能找到好工作（这里我们不去争论学历与能力的问题），因为其中涉及的知识广度和深度都不是“30天速成”的课程所能覆盖的，甚至很多从业者也只是笑称自己是“调包侠”。笔者双非本科后就工作了，还不是计算机专业，这显得有点自不量力了。确实在学习的过程中发现高数和线性代数知识早都还给老师了。但……继续阅读 » Alan 2年前 (2023-04-01) 8819浏览 4评论9个赞
其它章节内容请见机器学习之PyTorch和Scikit-Learn本章中我们会使用所讲到的机器学习中的第一类算法中两种算法来进行分类：感知机（perceptron）和自适应线性神经元（adaptive linear neuron）。我们先使用Python逐步实现感知机，然后对鸢尾花数据集训练来分出不同花的品种。这有助于我们理解用于分类的机器学习算法概念以及……继续阅读 » Alan 2年前 (2023-03-31) 2847浏览 0评论0个赞
本文来自正在规划的Go语言&云原生自我提升系列，欢迎关注后续文章。GoF(Gang of Four)，GoF都是知名的软件工程师并且在面向对象编程和软件设计领域具有丰富的经验。他们于上世纪90年代一起在IBM的T.J.华生研究中心工作。这四人也即Erich Gamma、Richard Helm、Ralph Johnson和John Vlisside……继续阅读 » Alan 2年前 (2023-03-28) 1307浏览 0评论1个赞
