- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈程序员必看
B站视频API接口_视频搜索接口
Vue2.5打造简洁视频webapp项目api接口 此文档为非官方接口文档，无法保证接口有效性。 以下接口为本项目目前使用的接口（也可以直接看src/api/文件目录下的接口） 仿B站视频网站项目源码：进入项目源码仓库 了解项目更多内容请看：Vue2.5打造简洁视频webapp（近期停更。。。 分区号 视频排行榜模块 分区视频排行榜 https://api.bilibili.com/x/web-interface/ranking 参数 说明 rid 分区号 day 1：单日榜、3：三日榜、7：
3.3K20编辑于 2022-11-09 - 来自专栏芯智讯
电动汽车直流充电接口新国标“ChaoJi”来了！
“ChaoJi”直流充电接口技术由中电联、国家电网会同汽车、充电设备、连接器和电池等产业链上下游企业联合攻关，历经5年科学系统的研究、多轮次样机试制和实车验证，吸取了当前国际四大直流充电接口系统的优点， 改进了原有系统的缺陷，兼容各种区域性充电接口标准，还满足未来产业发展需求。 据介绍，与现有的GB/T 2015充电接口标准相比，Chaoji的充电即接口技术路线源于电动汽车大功率充电需求，包括充电连接组件、控制及导引电路、通信协议、充电系统安全、热管理等完整的传导充电系统解决方案 ，不仅充电接口体积更小、充电功率更大，还可满足电动汽车充电快捷、安全、兼容的要求。 国内首款7nm车规级芯片成功上车，性能接近骁龙8155！今年出货目标100万片！ 华为强势回归，高通却成了最大输家？ 联发科天玑9300成功流片：台积电3nm制程，预计2024年量产！
2K90编辑于 2023-09-20 - 来自专栏刷题笔记
7-6 A-B
点这里 7-6 A-B 本题要求你计算A−B。不过麻烦的是，A和B都是字符串 —— 即从字符串A中把字符串B所包含的字符全删掉，剩下的字符组成的就是字符串A−B。 输入格式： 输入在2行中先后给出字符串A和B。两字符串的长度都不超过104，并且保证每个字符串都是由可见的ASCII码和空白字符组成，最后以换行符结束。 输出格式： 在一行中打印出A−B的结果字符串。 输入样例： I love GPLT! It's a fun game! aeiou 输出样例： I lv GPLT! It's fn gm! cout << str << endl; // "This is a phrase." // 第(3)种用法 str.erase (str.begin()+5, str.end()-7)
66720发布于 2019-11-08 - 来自专栏TSINGSEE青犀视频
国标视频云服务EasyGBS如何正确调阅实时录像接口？
EasyGBS国标视频云服务是基于国标GB28181协议的视频平台，可实现的视频功能包括视频直播、录像、语音对讲、云存储、告警、级联等，支持将接入的视频流进行全终端的分发，可分发的视频流包括RTSP、RTMP 今天我们来分享一下正确的操作流程：1）首先，在调阅实时录像接口前，先调阅开始直播的接口来获取stream id，如下图：2）获取到stream id后，即可开始调阅实时录像的接口：3）如上图所示，返回OK 代表开始录像，调用结束实时录像接口来将录像文件下载：4）添加ip:port，拼接到返回的DownloadURL地址前，下载MP4文件：5）最后即可正常返回。
49030编辑于 2022-08-08 - 来自专栏工程师看海
手机系列：一文搞懂美标国标耳机接口区别
早期的3.5mm耳机只有GND、左、右声道3个PIN，这种耳机接口简单，使用范围广，常见在电脑等大型设备音频接口上，这种接口有个显而易见的缺点，即：没有MIC，不能录音打电话。 在电脑上可以单独增加MIC接口，但是在手机这种集成度高的移动设备上，单独增加MIC接口非常占空间，显然不是个高性价比的方案，因此出现了集成MIC的耳机接口。 当时各厂商都是自由发挥，出现了五花八门的耳机接口，各家厂商的耳机接口又互不兼容，给消费者带来非常多的苦恼，天下苦杂耳机接口久矣。 于是，统一标准的耳机接口亟待出现。 后来就出现了OMTP(国标)和CTIA(美标)，二者在链路上主要只有MIC和GND的区别。 科技的进步一直服务于用户的需求，为了解决国标、美标的兼容性问题，音频开关开始进入人们的视野，当前的手机通常都会加入音频开关，通路原理见下图，蓝、绿色曲线。
2K20编辑于 2022-06-23 TransNormerLLM-7B WebDemo 部署
TransNormerLLM-7B WebDemo 部署 环境准备 在autodl平台中租一个3090/4090等24G显存的显卡机器，如下图所示镜像选择PyTorch–>2.0.0–>3.8(ubuntu20.04 模型的介绍地址（魔塔社区）： https://www.modelscope.cn/models/OpenNLPLab/TransNormerLLM-7B/summary 在 /root/autodl-tmp snapshot_download, AutoModel, AutoTokenizer import os model_dir = snapshot_download('OpenNLPLab/TransNormerLLM-7B chatbot powered by Self-LLM") # 定义模型路径 mode_name_or_path = '/root/autodl-tmp/OpenNLPLab/TransNormerLLM-7B , trust_remote_code=True, device_map="auto") return tokenizer, model # 加载TransNormer-4B-Chat
23610编辑于 2025-07-17TransNormerLLM-7B Lora 微调
TransNormerLLM-7B Lora 微调 本节我们简要介绍如何基于 transformers、peft 等框架，对 TransNormerLLM-1B「备注：TransNormerLLM-358M /1B/7B的」 模型进行 Lora 微调。 input_ids, "attention_mask": attention_mask, "labels": labels } TransNormerLLM-7B tokenizer = AutoTokenizer.from_pretrained('/root/autodl-tmp/OpenNLPLab/TransNormerLLM-7B/', use_fast= /output/TransNormerLLM-7B-Lora", per_device_train_batch_size=4, gradient_accumulation_steps=4
43810编辑于 2025-07-17Qwen-7B-Chat WebDemo
Qwen-7B-Chat WebDemo 环境准备 在autodl平台中租一个3090等24G显存的显卡机器，如下图所示镜像选择PyTorch–>2.0.0–>3.8(ubuntu20.04)–>11.8 AutoModel, AutoTokenizer from modelscope import GenerationConfig model_dir = snapshot_download('qwen/Qwen-7B-Chat cd Qwen git checkout 981c89b2a95676a4f98e94218c192c095bed5364 最后取消镜像加速，因为该加速可能对正常网络造成一定影响，避免对后续下载其他模型造成困扰 unset https_proxy 修改代码路径，将 /root/autodl-tmp/Qwen/web_demo.py中 13 行的模型更换为本地的/root/autodl-tmp/qwen/Qwen-7B-Chat
37511编辑于 2025-07-17- 来自专栏喔家ArchiSelf
7B？13B？175B？解读大模型的参数
例如，13B-int8模型通常优于同一体系结构的7B-BF16模型。 2. 大模型参数对内存的需求 对于工程师而言，面对的是大模型训练或推理时会使用多少的内存资源。 例如，对于一个7B的模型而言，大体上，使用浮点精度需要28GB内存，使用BF16精度需要14GB内存，使用int8精度需要7GB内存。这个粗略的估计方式可以相应地应用到其他版本的模型。 GPU Size in GB是可用的 GPU 内存总量 举个实际的例子，假设使用的是 NVIDIA RTX 4090 GPU，它有24GB 的 VRAM，计算一下训练‘ Llama3 7B’模型所需的 GPU 数量，大约为 : GPU 的总数≈(7 * 18 * 1.25)/24，大约等于7 对于推理而言， 可以简化为训练阶段的1/8～1/9 , 当然，这些只是一般意义的粗略估计。 确定分布式训练的最佳批次大小（即前文提到的参数b）至关重要；b值过小可能增加通信开销，而过大则可能导致内存不足。 LLMOps的重要性日益凸显。
32K27编辑于 2024-06-03 - 来自专栏全栈程序员必看
xplanner-0.7b7b 部署问题解决
org.apache.commons.collections.map.LinkedMap 但是org.apache.commons.collections.map.LinkedMap实现了java.util.Map接口啊 INSERT INTO permission VALUES(6,5,’%’,’%’,0, 1); INSERT INTO permission VALUES(7,3,’-create.project’,
38720发布于 2021-05-19 - 来自专栏RTSP/RTMP直播相关
国网B接口注册(REGISTER)接口描述和消息示例
大家有没有注意到一个细节，但凡做GB28181平台的公司，基本上都会支持国网B接口，究其原因，二者在信令交互等方面，有着非常多的相似之处，我们也是在实现了GB28181设备接入模块后，开始关注GB35114 ，本文以注册接口为例，讲述下国网B接口注册注销流程，相关规范设计如下：注册接口描述注册属于数据接口，采用SIP标准协议，消息中URI的用户名应为下级平台的地址编码。 注册接口流程图片主要功能流程如下： a） F1：前端系统向平台发送注册请求。b） F2：平台发送 401 响应，提示注册需鉴权。 c） F3：前端系统携带鉴权信息，重新发送注册请求。 g） F7：当前端系统需暂停对外服务时，需发送注销消息；该消息具有和F3消息相同的Call-ID、From、To、Authorization 等头部取值；消息中建议携带 Logout-Reason 头字段 平台域名或IP地址",respnotallow="5924f86c43",algorithm=MD5Logout-Reason: "maintenance"Content-Length: 0以上是国网B接口相关技术背景和注册接口描述
2.3K11编辑于 2022-10-24 - 来自专栏dongfanger
Java官方笔记7接口
接口 接口只能包含：constants, method signatures（abstract）, default methods, static methods, and nested types 方法体只存在于 ：default methods and static methods 接口不能实例化，只能被类实现，或者被其他接口继承（接口可以多继承）。 实现接口 接口： public interface Relatable { // this (object calling isLargerThan()) // and other must ，那么子接口的默认方法有可能出现： 无声明，继承父接口的默认方法 声明，变为abstract method，实现类，必须实现该方法（也就是父类默认，但是子类不默认了） 声明并重写，以子类的默认方法为准 ，必须是实现该接口的类的实例。
27430编辑于 2023-06-10 - 来自专栏Java Web
「MoreThanJava」Day 7：接口详解
接口为 Java 提供了多继承的一些优点，而没有缺点。 接口的概念 在 Java 程序设计语言中，接口不是类，而是对希望符合这个接口的类的一组需求。 接口的定义 在 Java 中使用 interface 关键字来定义接口。接口是顶级的 "类"，虽然关键字是 interface，但编译之后的字节码扩展名还是 .class。 因为接口是绝对抽象的，不允许实现..)，但你可以定义一个类实现 (关键字 impelents) 接口，一旦你这么做了，你就可以构造这个 (实现接口的) 类的对象。 由于私有方法只能在接口本身的方法中使用，所以它们的用法很有限，只能作为接口中其他方法的辅助方法。 默认方法 在 Java 8 中，允许为接口方法提供一个默认的实现。 / 接口的定义 / 接口的实现 / 接口的属性； 接口的静态和私有方法 / 如何解决默认方法的冲突； 接口和工厂模式； 练习 练习 1：实现一个图形绘制工具 创建一个可以绘制不同形状的绘图工具，可以绘制圆形
66830发布于 2020-08-17 Java Collection(7)——Iterable接口
1.Iterator接口 1.1 Iterator接口和其他集合类的关系 Java集合类中，Iterable接口属于顶层接口，除Map接口外，其他都实现了Iterable接口，这意味着它们都可以重写和使用 Iterable接口中的方法 1.2 Iterable接口简介 在JDK1.7以前，Iterable接口内部只定义了iterator()方法。 然而在JDK1.8及以后，又新增了forEach()和spliterator()方法 1.2.1 iterator() 作用：iterator()方法用于返回一个Iterator对象，该对象是一个接口， integer += 1; System.out.println(integer); }); } 1.2.2 forEach()&foreach() (1)Iterable接口中的 remove()方法来删除元素，并且该删除操作是可以映射到集合本身的；但是foreach方法不行 1.2.3 spliterator()方法 作用：用于返回Spliterator对象，该对象是一个接口
13010编辑于 2026-01-13DeepSeek-7B-chat langchain 接入
DeepSeek-7B-chat langchain 接入 这篇主要讲 DeepSeek-7B-chat 如何对接Langchain中 langchain.llms.base 的 LLM 模块，其他关于如何对接向量数据库和 pip install langchain==0.0.292 DeepSeek-7B-chat 接入 LangChain 为便捷构建 LLM 应用，我们需要基于本地部署的 DeepSeek-7B-chat ，自定义一个 LLM 类，将 DeepSeek-7B-chat 接入到 LangChain 框架中。 完成自定义 LLM 类之后，可以以完全一致的方式调用 LangChain 的接口，而无需考虑底层模型调用的不一致。 llm = DeepSeek_LLM('/root/autodl-tmp/deepseek-ai/deepseek-llm-7b-chat') llm('你好') 如下图所示：
38010编辑于 2025-07-17Qwen-7B-Chat Lora 微调
Qwen-7B-Chat Lora 微调 概述 本节我们简要介绍如何基于 transformers、peft 等框架，对 Qwen-7B-Chat 模型进行 Lora 微调。 本节所讲述的代码脚本在同级目录 04-Qwen-7B-Chat Lora 微调 下，运行该脚本来执行微调过程，但注意，本文代码未使用分布式框架，微调 Qwen-7B-Chat 模型至少需要 24G 及以上的显存 tokenizer = AutoTokenizer.from_pretrained('/root/autodl-tmp/qwen/Qwen-7B-Chat', use_fast=False, trust_remote_code 如果你的显卡比较新的话，可以用torch.bfolat形式加载 model = AutoModelForCausalLM.from_pretrained('/root/autodl-tmp/qwen/Qwen-7B-Chat /qwen/Qwen-7B-Chat/', use_fast=False, trust_remote_code=True) tokenizer.pad_token_id = tokenizer.eod_id
86010编辑于 2025-07-17TransNormerLLM-7B FastApi 部署调用
TransNormerLLM-7B FastApi 部署调用 1. TransNormer包括具有385M、1B和7B参数的基本版本。所有版本都完全开放给学术研究。 其整体结构如下： 图 1：新提出模型的整体架构 好啦，在了解TransNormer的基础上，我们开始调用吧，这里我们开始部署TransNormerLLM-7B的模型吧。 2. 模型的介绍地址（魔塔社区）： https://www.modelscope.cn/models/OpenNLPLab/TransNormerLLM-7B/summary 在 /root/autodl-tmp '__main__': # 加载预训练的分词器和模型 model_name_or_path = '/root/autodl-tmp/OpenNLPLab/TransNormerLLM-7B
28110编辑于 2025-07-17XVERSE-7B-chat FastAPI 部署
XVERSE-7B-Chat为XVERSE-7B模型对齐后的版本。 XVERSE-7B 是由深圳元象科技自主研发的支持多语言的大语言模型（Large Language Model），参数规模为 70 亿，主要特点如下： 模型结构：XVERSE-7B 使用主流 Decoder-only 如果你使用的是 autodl 部署模型的话，我们有制作好的镜像供大家使用：XVERSE-7B-Chat # 升级pip python -m pip install --upgrade pip # 更换 snapshot_download, AutoModel, AutoTokenizer import os model_dir = snapshot_download('xverse/XVERSE-7B-Chat answer # 返回响应 # 主函数入口 if __name__ == '__main__': # 加载预训练的分词器和模型 model_path = "xverse/XVERSE-7B-Chat
21000编辑于 2025-07-21- 来自专栏小狐狸说事
7b2主题评论气泡
其他主题有接口也可以使用 这个功能来自于https://github.com/515184405/barrage，版权归他所有。 1px solid transparent; border-radius: 4px; } .btn-primary { color: #fff; background-color: #337ab7; settings.direction.split(/\s+/)[1]; //横向 M.bgColors = ['#f79a3e', '#e66760', '#5382af', ' #aea79f', '#37b8af ', '#008b5d', ' #f0b849', '#499df3', ' #5f6c72', ' #8c88cd' ]; //随机背景色数组 Obj.arrEle = []; //预计存储dom集合数组
47320编辑于 2022-12-01 XVERSE-7B-chat langchain 接入
XVERSE-7B-Chat为XVERSE-7B模型对齐后的版本。 XVERSE-7B 是由深圳元象科技自主研发的支持多语言的大语言模型（Large Language Model），参数规模为 70 亿，主要特点如下： 模型结构：XVERSE-7B 使用主流 Decoder-only 如果你使用的是 autodl 部署模型的话，我们有制作好的镜像供大家使用：XVERSE-7B-Chat # 升级pip python -m pip install --upgrade pip # 更换 完成自定义 LLM 类之后，可以以完全一致的方式调用 LangChain 的接口，而无需考虑底层模型调用的不一致。 -> str: return "XVERSE_LLM" 在上述类定义中，我们分别重写了构造函数和 _call 函数：对于构造函数，我们在对象实例化的一开始加载本地部署的 XVERSE-7B
24000编辑于 2025-07-21
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