- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈程序员必看
linux x11vnc,X11vnc (简体中文)
设置 x11vnc 安装 pacman -S x11vnc 运行 首先你需要运行一个x server服务器. 使用startx 或类似的. 完成后运行 startx x11vnc -display :0 -auth ~/.Xauthority 如果失败，你可能需要作为root来运行 x11vnc -display :0 -autho /home GDM 作为root, 运行 x11vnc -display :0 -auth /var/lib/gdm/:0.Xauth 访问 在其他机器运行VNC客户端, 然后输入运行了x11vnc服务器的IP地址 SSH端口转发 为了安全地使用x11vnc，您首先需要安装并且配置好SSH。 在启动x11vnc的时候，指定命令行选项“-localhost”，这将导致VNC服务只能绑定到本地网络界面。
9.8K30编辑于 2022-11-04 - 来自专栏汇智网教程
spaCy 2.1 中文模型下载
中文版预训练模型包括词性标注、依存分析和命名实体识别，由汇智网提供 1、模型下载安装与使用 下载后解压到一个目录即可，例如假设解压到目录 /models/zh_spacy，目录结构如下： /spacy/ for token in doc: print(token.text) spaCy2.1中文预训练模型下载地址：http://sc.hubwiz.com/codebag/zh-spacy-model / 2、使用词向量 spaCy中文模型采用了中文维基语料预训练的300维词向量，共352217个词条。 将 BB 努力 RB 参与 VV 中国 NNP 的 DEC 三峡工程 NN 建设 NN 4、使用依存分析 spaCy中文依存分析模型采用 5、使用命名实体识别 spaCy中文NER模型采用ontonotes 5.0数据集训练。
4.6K20发布于 2019-07-28 - 来自专栏Soul Joy Hub
中文文本纠错模型
中文文本纠错任务是一项NLP基础任务，其输入是一个可能含有语法错误的中文句子，输出是一个正确的中文句子。语法错误类型很多，有多字、少字、错别字等，目前最常见的错误类型是错别字。 1. ://github.com/shibing624/pycorrector/blob/master/pycorrector/macbert/README.md 本项目是 MacBERT 改变网络结构的中文文本纠错模型 ，可支持 BERT 类模型为 backbone。 在通常 BERT 模型上进行了魔改，追加了一个全连接层作为错误检测即 detection， 与 SoftMaskedBERT 模型不同点在于，本项目中的 MacBERT 中，只是利用 detection spm=1001.2014.3001.5502 ErnieCSC PaddleNLP模型库实现了百度在ACL 2021上提出结合拼音特征的Softmask策略的中文错别字纠错的下游任务网络，并提供预训练模型
1.9K40编辑于 2022-05-10 - 来自专栏ClearSeve
C++11内存模型
最近看了极客时间——《现代C++实战三十讲》中的内存模型与Atomic一节，感觉对C++的内存模型理解还不是很清楚，看了后面的参考文献以及看了一些好的博客，算是基本了解了，根据参考文献整合一下。 Thread-1: Thread-2: x = 100; // A std::cout << x; // B C++11 C++11的内存模型共有6种，分四类。其中一致性的减弱会伴随着性能的增强。 参考链接 【1】C++11中的内存模型上篇 – 内存模型基础 【2】C++11中的内存模型下篇 – C++11支持的几种内存模型 【3】理解 C++ 的 Memory Order 【4】如何理解 C++ 11 的六种 memory order 【5】《现代C++实战三十讲》中的内存模型与Atomic
1K30编辑于 2022-02-11 - 来自专栏LINUX阅码场
深入理解C11C++11内存模型
2011年发布的C11/C++11 ISO Standard为我们带来了memory order的支持， 引用C++11里的一段描述： The memory model means that C++ code C11/C++11使用memory order来描述memory model， 而用来联系memory order的是atomic变量， atomic操作可以用load()和release()语义来描述 C11/C++11内存模型 C/C++11标准中提供了6种memory order，来描述内存模型[6]: enum memory_order { memory_order_relaxed, 中文不知道该咋描述好： A read-modify-write operation with this memory order is both an acquire operation and a release - Frank Birbacher [ACCU 2017] C++11中的内存模型下篇 - C++11支持的几种内存模型 memory ordering, Gavin's blog c++11 内存模型解读
2.9K30发布于 2020-06-04 - 来自专栏杨熹的专栏
中文NLP笔记：11. 基于 LSTM 生成古诗
模型参数配置 class Config(object): poetry_file = 'poetry.txt' weight_file = 'poetry_model.h5' pass def train(self): pass （1）init 函数 加载 Config 配置信息，进行语料预处理和模型加载 self.do_train = False self.loaded_model = True （2）build_model 函数 GRU 模型建立 进行模型训练 model = PoetryModel(Config) 6. 作诗 text = input("text:") sentence = model.predict(text) print(sentence) ---- 学习资料： 《中文自然语言处理入门实战
1.9K40发布于 2019-02-20 - 来自专栏梦里茶室
【Chromium中文文档】进程模型
这个文档描述了Chromium支持的不同线程模型，包括它的渲染器进程，以及现有模型实现的问题。 概述 网页内容已经发展到包含大量在浏览器内运行的活跃代码的地步，使得许多网站更像应用程序而非文档。 Chromium支持四种不同的进程模型，允许开发者实验，也有最适合大部分用户的默认模式。 支持的模型 Chromium支持四种不同的模型，它们影响浏览器分配页面给渲染进程的行为。 这些模型的区别在于他们是否影响内容的源，是否影响标签页间的关系，或者两者都会影响。这个章节在更深的细节上讨论每种模型，并在这个文档的后面描述当前Chromium的实现的一些问题。 正如每个网站实例一个进程的模型那样，不同网站的页面不会共享命运（不会同生共死。。）。 更少的内存占用。这个模型比上一个模型和每个标签一个进程的模型可能创建更少的并行进程。 Chromium也支持一种简单的模型，将一个渲染器进程分配给每组脚本相关的标签页。这个模型可以使用 --process-per-tab命令行开关来选中。
2.1K100发布于 2017-12-29 - 来自专栏Mac应用教程
GraphicConverter 11 Mac(图片图像浏览)中文版
GraphicConverter 11 mac版是Macos上一款受欢迎的图片浏览器软件，提供导入和导出功能、图片浏览和管理、影像处理、批量转换等实用的功能，GraphicConverter 11 mac GraphicConverter 11 mac版图片GraphicConverter 11激活版软件特点导入导出功能进口约 200个出口 80种图形格式目录生成（Web，打印，图片）直接从相机导入图片（
50810编辑于 2022-08-17 - 来自专栏CDA数据分析师
11款开放中文分词引擎大比拼
为了进行测试，我们调研了11款网上常见的并且公开提供服务的分词系统，包括： ? 分词的客观量化测试离不开标注数据，即人工所准备的分词“标准答案”。 比较有意思的是，对比其他数据源，有3家系统都在汽车论坛领域达到最高：腾讯文智、SCWS中文分词、结巴分词。 但在仔细对比每一家中文分词后依旧发现切分歧义词和未登陆词（即未在训练数据中出现的词）仍然是影响分词准确度的两大“拦路虎”。 大多数的系统对于示例文本的分词结果都不够理想，例如：“大肚 腩”（SCWS中文分词） “腹 直 肌 腹 外 斜 肌”（搜狗分词、IKAnalyer、NLPIR、SCWS中文分词）、“人 鱼线”（PHP结巴分词 中文分词是其他中文信息处理的基础，并且在很多领域都有广泛的应用，包括搜索引擎、机器翻译（MT）、语音合成、自动分类、自动摘要、自动校对等等。
3.2K91发布于 2018-02-24 - 来自专栏CreateAMind
keras中文-快速开始Sequential模型
快速开始Sequential模型 Sequential是多个网络层的线性堆叠 可以通过向Sequential模型传递一个layer的list来构造该模型： 也可以通过.add()方法一个个的将layer 加入模型中： ---- 指定输入数据的shape 模型需要知道输入数据的shape，因此，Sequential的第一层需要接受一个关于输入数据shape的参数，后面的各个层则可以自动的推导出中间数据的 ，对于不能通过Sequential和Merge组合生成的复杂模型，可以参考泛型模型API ---- 编译 在训练模型之前，我们需要通过compile来对学习过程进行配置。 训练模型一般使用fit函数，该函数的详情见这里。下面是一些例子。 用于序列分类的栈式LSTM 在该模型中，我们将三个LSTM堆叠在一起，是该模型能够学习更高层次的时域特征表示。
1.1K40发布于 2018-07-25 - 来自专栏雨过天晴
原 SyntaxNet 中文模型的使用
下载Chinese模型文件 tensorflow 官网 2. 解压 Chinese.zip 到 syntaxnet 模型主目录 unzip Chinese.zip 3. syntaxnet 目录下运行： MODEL_DIRECTORY=/opt/tensorflow 链接 AI人工智能系列随笔：syntaxnet 初探（1） github:tensorflow/models docker:tensorflow/syntaxnet 语言模型下载 [知乎评论]https
1.2K10发布于 2018-06-04 - 来自专栏机器学习AI算法工程
中文文档版式分析模型
传统的文档版式分析模型往往难以准确区分文档中的段落和其他布局元素，这限制了文档信息的进一步处理和利用，而深度学习和模式识别技术的发展为文档版式分析带来了新的机遇，通过训练数据集，可以提高模型对文档结构的理解能力 ，但高质量的标注数据集是训练有效模型的基础。 当前，在版式分析领域，据我们了解，在论文场景中，以往的开源数据集如：CDLA（A Chinese document layout analysis），缺乏对段落信息的标注；在研报场景中的版式分析模型还相对空缺 因此，为了解决这一问题，我们通过人工标注的方式对论文文档进行细粒度标签改造以及数据优化，并构建起研报场景细粒度版式分析数据集，最好利用这些标注数据集，训练了多个全新的中文文档版式分析模型，在封闭测试集上表现优异 本次开源，我们优先开源了面向论文和研报两个场景的版面分析轻量化模型权重及相应的标签体系，旨在能够识别文档中的段落边界等信息，并准确区分文本、图像、表格、公式等其他元素，最终推动产业发展。
61210编辑于 2024-06-21 大模型评测体系介绍及中文大模型表现
基准测试能验证大模型效果，促进大模型能力的持续提升，指导厂家的选型、推广大模型的行业应用，提升大模型的安全合规性。 自动化评估会计算特定指标完成模型输出和标准答案的对比。人工评估的方式对评测人员的资质或者评测方法有一定的要求。较为前沿的，有通过大模型作为裁判，对其它模型进行评估的研究。 关于大模型评测，国家也发布了标准GB/T45288.2—2025 人工智能 大模型第2部分:评测指标与方法，读者可以参考。 另外，中文大模型谁家最强呢？ 根据SuperCLUE发布的报告，最值得关注的中文大模型有： SuperCLUE将其和国外大模型的评测结果一起，进行了四象限分类，大家可以参考下： SuperCLUE测试报告很详尽，读者可发送“SuperCLUE 》（发送“大模型测试”可得） 3.SuperCLUE《中文大模型基准测评2025年3月报告》（发送“SuperCLUE”可得）
2.8K20编辑于 2025-05-30- 来自专栏信数据得永生
Pandas 学习手册中文第二版：11~15
通常需要在模型中的实体上和实体之间执行各种任务。 可能需要将来自多个位置的多个客户实体的数据组合到单个 Pandas 对象中。 客户和订单实体通常与查找订单的送货地址有关。 仅仅因为不同的源对相同类型的实体进行不同的建模，可能还需要将存储在一个模型中的数据重塑为另一个模型。 在本章中，我们将研究这些操作，这些操作使我们可以在模型中合并，关联和重塑数据。 apachecn-ds-zh/-/raw/master/docs/learning-pandas-2e/img/00519.jpeg)] [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-11nxYWFS 该模型可以让您更好地控制.tz_localize()中使用哪个时区。 下面的代码以 3 的线宽重绘该图形，使这些线更明显： [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-v11Qdxoe-1681365731699)(https://gitcode.net
4.8K20编辑于 2023-04-23 - 来自专栏WOLFRAM
最新版mathematica 11 中文版 正式发布
中文版Mathematica11今天正式发布了!! 各位mathematica爱好者和朋友们自从英文版11发布以来,了解到它的强大功能之后,是不是早就跃跃欲试想尝试新版本的新功能了?
47530发布于 2018-05-31 - 来自专栏数据派THU
中文对话大模型BELLE全面开源！
来源：高能AI本文约1000字，建议阅读5分钟模型调优仅使用由ChatGPT生成的数据，为中文指令提供更好的支持。 中文对话大模型开源社区迎来了一名浓眉大眼的新成员！ 最新项目BELLE（BE Large Language model Engine）基于BLOOM和LLAMA针对中文做了优化，模型调优仅使用由ChatGPT生成的数据，为中文指令提供更好的支持。 但是这样的技术不应该只被掌握在一家公司手中，因此BELLE项目应运而生了，他们的初衷是为了促进中文对话大模型开源社区的发展。为此，他们在三个方面做了初步的尝试，并已经开源了他们的研究成果。 ，有助于模型在各种中文场景中的表现。 总结 可以说BELLE的出现，大大促进了中文开源对话模型的发展，基于他们开源的数据和模型，更多的人可以尝试这些模型，更多的研究工作可以更快捷的展开。
98220编辑于 2023-04-05 - 来自专栏机器学习炼丹之旅
CS231n：11 生成模型
生成模型 生成模型的定义就是给定一个训练数据，然后生成一些新的样本，保证和所给的训练集有一样的分布。 生成模型主要有以下这些应用场景： 生成逼真的艺术品图片，拥有超高的分辨率，着色等。 时间序列数据的生成模型可以用于仿真和规划（在强化学习中应用）。 训练生成模型还可以使隐式表征的推断成为有用的通用特征。 需要一提的是，可以将生成模型分成两大类，即隐式密度模型和显式密度模型，显式密度模型会显式地给出一个分布 使其和输入数据的分布相同。 而隐式密度模型则不会给出一个分布，而是训练一个模型从输入数据中采样，并直接输出样本，而不用显式地给出分布的表达式。 ）获得一个高斯分布的参数 ，这其实就对应了混合高斯模型中的一个高斯分布组件，也就是说，由于 是一个连续值，所以理论上这里的混合高斯模型中存在无限个高斯组件。
75710编辑于 2022-08-08 - 来自专栏脑机接口
eeglab中文教程系列(11)-使用ICA分解数据
[图10] 在绘制ERP 3-D scalp maps时，需要选择use the spline file，如下： [图11] 点击"OK",出现如下界面： [图12] [更多分享，请关注本号]
2.1K00发布于 2019-10-28 - 来自专栏脑机接口
eeglab中文教程系列(11)-使用ICA分解数据
选择默认算法runica即可，点击"OK".运行速度会较慢，请耐心等待。[注，点击"OK"后，可能会出现如下界面，不要点击"Interrupt".这是由于要运行缓慢，需要较长时间，如果点击了就"打断"了运行]
71610发布于 2020-06-29 - 来自专栏C++ 动态新闻推送
C++ 中文周刊 2024-11-16 第172期
资讯 标准委员会动态/ide/编译器信息放在这里 编译器信息最新动态推荐关注hellogcc公众号 本周更新 2024-11-13 第280期 clang增加了一个safebuffer模式 https compare_elems }); 文章 • Use std::span instead of C-style arrays https://www.sandordargo.com/blog/2024/11 -15 22:31:24.193993753 UTC and local is: 2024-11-15 22:31:24.193993753 Warsaw: 2024-11-15 23:31 New York : 2024-11-15 17:31 Tokyo: 2024-11-16 07:31 */ https://godbolt.org/z/rEbfj69qf 还有其他代码，就不贴了 • C++, Complexity ns 13 BM_LargeObjectManagementWithSharedPtr 50875412 ns 55500655 ns 11
26300编辑于 2024-11-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号