- 综合排序
- 最热优先
- 最新优先
- 来自专栏菩提树下的杨过
spring-ai 学习系列(2)-调用远程deepseek
上一节学习了spring-ai调用本地ollama，这次继续学习调用远程deepseek 一、pom依赖调整 加入openai的依赖 1 <dependency> 2 <groupId>group.springframework.ai </groupId> 3 <artifactId>spring-ai-openai-spring-boot-starter</artifactId> 4 </dependency> 二、yaml 配置调整 其中api-key换成真实的deepseek api key（注：没有的，参考本文最后的截图，去deepseek官网申请1个，非常便宜，早饭吃根油条的钱，就能体验很久） spring: ai OpenAiChatModel model) { return ChatClient.builder(model) .defaultSystem("你是可爱且热情、人见人爱，花见花开的AI 如果要实现类似功能，可参考 全自助使用Cursor生成的DeepSeek Demo java 项目 文中代码：https://github.com/yjmyzz/spring-ai-sample/tree
64910编辑于 2025-08-22 - 来自专栏AutoML(自动机器学习)
DeepLearning.ai学习笔记（三）结构化机器学习项目--week2机器学习策略(2)
我抄的吴大大的PPT 2.分析误差 又上面的结果可以知道，误差样本中只有8%是狗狗的图片，而43%是大型猫科动物，61%是因为图片模糊。 2.非随机误差 PS:不知道有没有非随机误差这个词。。我只是为了行文方便取的一个名字。 对于随机误差正常人可能都会问“what？ 分析和误差分析来确定接下来的优化方向 四、在不同的划分上进行训练并测试 这一节的内容和之前的DeepLearning.ai学习笔记（三）结构化机器学习项目--week1 机器学习策略很类似，就不加赘述了 最后，吴大大说在实际中迁移学习使用频率要远高于多任务学习，但是有个例外就是视觉检测项目中用多任务学习比较多。 总结起来就是： 1.找人脸位置 2.将人脸图像切割放大，并喂给模型 感受一下吴大大的抽象画风~233 ?
70260发布于 2018-01-23 - 来自专栏DotNet NB && CloudNative
AI应用实战课学习总结（2）hello sk-learn
最近入坑黄佳老师的《AI应用实战课》，记录下我的学习之旅，也算是总结回顾。 今天是我们的第2站，了解下scikit-learn框架（简称sk-learn）及相关的常用可视化库，一起和机器学习说声“Hello World”! 机器学习是什么？ ）： from sklearn.decomposition import PCA # 导入PCA算法（主成分分析） pca = PCA(n_components=2) # 加载模型，指定保留两个主要特征 X_r = pca.fit(X).transform(X) # 执行降维 这里的X_r就是降维后的2个主要特征集。 target_names): plt.scatter( X_r[y == i, 0], X_r[y == i, 1], color=color, alpha=0.8, lw=2,
28000编辑于 2025-02-18 - 来自专栏人工智能头条
Fast.ai 最实战深度学习在线课程 Lesson2
本文转载自：人工智能头条的好伙伴 AI100 我们每周推出的 Fast.ai 深度学习在线课程很受同学们的欢迎。今天，我们将推出 Lesson2。 本课程主要内容包括： Kaggle 实战分析 Dogs vs Cats CNN 初步入门 Excel 中处理 DNN 从零开始写线性模型 Keras 实现线性模型 泛逼近器 Lesson2： 我们会继续将 Fast.ai 深度学习实战课程的全部字幕翻译成中文，每周在公众号上推送一节。英语水平较好的同学，也可以直接访问 course.fast.ai 学习课程。 在 Fast.ai 的 wiki 中有课堂笔记与内容的详细介绍，这些内容会对大家的学习有很大的帮助，同时可以参与 forum 中的关于课程的讨论并向 Jeremy 老师与 Fast.ai 联合创始人 Rachel 另外，课程提供方AI100组织了深度学习实战课程交流群，方便大家一起讨论学习
48350发布于 2018-06-06 - 来自专栏AI科技大本营的专栏
Fast.ai 最实战深度学习在线课程 Lesson2
AI100 每周二推出的 Fast.ai 深度学习在线课程很受同学们的欢迎。今天，我们将推出 Lesson2。本节课将带领你深入了解 CNN，并且指导你如何在 kaggle 上面取得更好的成绩。 本课程主要内容包括： Kaggle 实战分析 Dogs vs Cats CNN 初步入门 Excel 中处理 DNN 从零开始写线性模型 Keras 实现线性模型 泛逼近器 Lesson2：Convolutional AI100 会继续将 Fast.ai 深度学习实战课程的全部字幕翻译成中文，于每周二在公众号上推送。英语水平较好的同学，也可以直接访问 course.fast.ai 学习课程。 在 Fast.ai 的 wiki 中有课堂笔记与内容的详细介绍，这些内容会对大家的学习有很大的帮助，同时可以参与 forum 中的关于课程的讨论并向 Jeremy 老师与 Fast.ai 联合创始人 Rachel
60840发布于 2018-04-26 - 来自专栏雪胖纸的玩蛇日常
vue学习（2）
2.打开cmd，cd到lesson2文件夹下，执行命令：npm init 进行npm初始化。 3.随便输入个包名package name：02，随便输入个版本名version：1.0.2，摘要description：学习npm，，，，等等。 就可以在lesson02目录下看到一个package.json，json文件里的内容为： { "name": "02", "version": "1.0.2", "description": "学习 目录被放在这个目录下 同时，package.json的内容也变为将jquery加进去了： { "name": "02", "version": "1.0.2", "description": "学习 3.vue第一个案例 1.下载vue.js开发者版本，下载页面的链接：https://cn.vuejs.org/v2/guide/installation.html 2.新建lesson3目录，在目录下新建
47820发布于 2018-08-16 - 来自专栏Linux学习~
Makefile学习2
Makefile学习2 Makefile条件判断 使用条件判断，可以让make在编译程序时，根据不同的情况，执行不同的分支：可以执行不同的命令，使用不同的编译参数，生成不同的目标。 PHONY: all define func @echo "pram1 = $(0)" @echo "pram2 = $(1)" endef all: $(call func,
99510编辑于 2023-10-17 - 来自专栏若是烟花
JavaScript 学习（2）
(); // 打开新窗口 window.close(); // 关闭当前窗口 window.moveTo(); // 移动当前窗口 window.resizeTo(); // 调整当前窗口 （2） GMT; path=/"; // 读取 cookie var x = document.cookie; // 以字符串的方式返回所有cookies，类型格式：cookie1=value; cookie2= （2）JQuery 这里只所JQuery吧，至于JQuery，打算重新写篇文章 ... ... ---- 六、 至此，JavaScript算是基本完成了。
79920发布于 2020-07-28 - 来自专栏网络收集
JAVA学习（2）
在 java 文件中，如果要调用其他 java 文件中定义的类 / 接口，就需要进行导入：
29220编辑于 2022-08-03 - 来自专栏后端技术学习
rocketmq学习2
properties = new Properties(); properties.load(in); MixAll.properties2Object (properties, namesrvConfig); MixAll.properties2Object(properties, nettyServerConfig); MixAll.printObjectProperties(console, nettyServerConfig); System.exit(0); } MixAll.properties2Object (ServerUtil.commandLine2Properties(commandLine), namesrvConfig); if (null == namesrvConfig.getRocketmqHome match the location of the RocketMQ installation%n", MixAll.ROCKETMQ_HOME_ENV); System.exit(-2)
48930发布于 2020-07-23 - 来自专栏火星娃统计
shiny学习-2
shiny学习-2 概述 填补上次的更新 正文 添加控件 类似的控件如下 ? = 2, "Choice 3" = 3), selected radioButtons("radio", h3("Radio buttons"), choices = list("Choice 1" = 1, "Choice 2" selectInput("select", h3("Select box"), choices = list("Choice 1" = 1, "Choice 2" h3("Sliders"), min = 0, max = 100, value = 50), sliderInput("slider2"
2.7K20发布于 2020-09-15 - 来自专栏菩提树下的杨过
RxJava2学习笔记(2)
传统写法，通常是中规中矩的封装2个方法，依次调用。用rxjava后，可以写得更流畅，先做点准备工作： ? 也可以将它们划分到不同的线程里：（虽然就这个场景而言，这样做的意义不大，因为支付前，肯定要等订单先提交，这个没办法并发处理，这里只是意思一下，可以这样做而已） @Test public void test2( response.getOrderNo(), response.getOrderAmount()))) .observeOn(Schedulers.newThread()) //(消费者2) orderDesc=iphone X, orderAmount=8888) 订单创建完成:CreateOrderResponse(orderNo=8c194b1d07c044a8af3771159e1bb2bf
1.3K80发布于 2018-03-28 - 来自专栏AI机器学习与深度学习算法
学习分类 2-2 内积
我们为分类问题中的直线取一个新名字：决策边界（decision boundary），把决策边界定义为： w\cdot x = 0 图片 w\cdot x = w_1x_1 + w_2x_2 既然是分类问题的决策边界 图片 \begin{split} w\cdot x &= w_1x_1 + w_2x_2 \\ &=1\cdot x_1 + 1\cdot x_2\\ &= x_1+x_2 \end{split} 图片 \begin{split} w\cdot x &= w_1x_1 + w_2x_2 \\ &=1\cdot 1 + 1\cdot 1\\ &= 2 >0 \end{split} 图片 \begin{ split} w\cdot x &= w_1x_1 + w_2x_2 \\ &=1\cdot 1 + 1\cdot -2\\ &= -1 < 0 \end{split} 图片 向量的内积除了用向量中的元素进行定义 《白话机器学习的数学》
54610编辑于 2022-11-08 - 来自专栏AI科技大本营的专栏
学习笔记 | Fast.ai深度学习实战课程Lesson2——带你深入了解CNN
Fast.ai 深度学习是我们此前推出的系列课程，共9节课，并且已经进行了汉化。课程主讲人是资深深度学习研究者Jeremy Howard 教授，他本人连续两年在 Kaggle 竞赛中获得第一名。 本课程推出后深受深度学习爱好者和研究者的喜爱。 本文是学员胡智豪针对Lesson 2 课程的学习笔记，主要带我们深入了解CNN。 建议在查看学习笔记前，先查看学习下Lesson 2的相关内容： 在线课程地址： https://mp.weixin.qq.com/cgi-bin/appmsg? 请使用jupyter notebook编辑代码，完整代码链接： http://geek.ai100.com.cn/wp-content/uploads/2017/04/fasta_ai_lesson2_ 每日荐文 点击图片查看更多精彩内容 ▼ Fast.ai 最实战深度学习在线课程 Lesson 3 深度学习（Deep Learning）是否已经让传统的机器学习无用了？
1.4K80发布于 2018-04-27 - 来自专栏HUC思梦的java专栏
ai学习记录
新建：分辨率：矢量软件和分辨率无关； 新建时候不要勾选对齐到像素网格 存储：.ai：illustrator的默认格式。 .eps:支持矢量图形，ai可以打开；也可以被ps打开，打开之后图层是合并的。 PDF：可以跨平台（PC，苹果）跨软件打开。PDF输出（保存时）：可以选择输出范围。 JPG导出：文件——导出 勾选上使用画板 打开：不要用Crtl+O 打开位图；否则会变为嵌入文件； 置入：将图片拖拽到画布上松开；置入后图片上还有一个X； 置入图片之后，必须记得将AI和其他链接文件一同移动 符号喷枪工具（shift+s）:用于绘制AI自带的图形，配合符号面板（ctrl+shift+f11）和符号库使用。 （六）AI修改文档大小 属性栏——点击文档设置——编辑画板——修改相应宽高属性 编辑画板第二种方法：点击画板工具(shift+o) 如何新建画板 1.编辑画板——点击新建画板 2.在画板编辑模式下，点击旧画板
4K20发布于 2020-09-03 - 来自专栏xiaosen
AI - 集成学习
集成学习概念 集成学习是机器学习中的一种思想，它通过多个模型的组合形成一个精度更高的模型，参与组合的模型成为弱学习器（基学习器）。 集成学习把多个学习器结合起来，要获得好的集成，个体学习器应有一定的准确性 ，学习器不能太坏，并且学习器之间具有差异 。 rfc_y_pred,y_test)) 超参数选择 rf = RandomForestClassifier() param={"n_estimators":[80,100,200], "max_depth": [2,4,6,8,10,12 GridSearchCV网格搜索 from sklearn.model_selection import GridSearchCV gc = GridSearchCV(rf, param_grid=param, cv=2) from sklearn.preprocessing import LabelEncoder from sklearn.model_selection import train_test_split # (2,3
51910编辑于 2024-03-24 - 来自专栏悦思悦读
制定「机器学习」学习计划【2】
身处这样一个热点行业，学习是必须的。 大数据、AI（人工智能）相继席卷世界后，作为程序员，真得学点机器学习了。 同时，经过上节step2-4，还搞明白了，学了这些东西，能用来干什么，最终会把它用到什么场景中去。 构建知识体系 有了这些，就可以确定一个知识体系（至少是其中一个结构分明的分支）。 个人意见：学习一个计划中的最小单位，如果是不脱产，仅在业余时间学习，掌握它的时间不应该超过一周；如果是全脱产学习，最好不要超过2天。 我们需要学习（复习）下列这些知识： 1）高数、线代和概率论的知识； 2）选择一批在实践中应用较多的典型模型，学习其原理、数学推导过程和训练模型的算法； 3）模型的训练、验证、测试过程和评判模型的指标 分词工具（jieba分词）和词库 d. word2vec F. 实践 如上只是第一个版本，可以先依据它制定一个为期两到三个月的学习计划。在执行过程中，根据新的认识和具体需要可随时调整提纲和计划。
1.2K80发布于 2018-03-15 - 来自专栏程序员阿常
无效学习 VS 有效学习 （2）
以下文章来源于种个模型树 ，作者付出 上篇文章，我提到了无效学习的第一个特点：操作多，用脑少 这次我来说第二点：没有明确目标 第二点，没有明确目标 关于这个问题，我在之前的复盘反思「需求导向」有提到过 当时，就体会到这种无效学习带来的困扰。 事件描述： 我在看《追寻记忆的痕迹》一书， 目标：我看书，是想练习我的“结构思考”能力。 看看这上面的知识，能否优化我的“学习树”系统。 不能不加选择地学习所有知识点。这也说的通。 所以，你可以把看书当作“找东西”。 找到你需要的东西是关键。 end 文 / 反反复复付出 2022.03.02，日更的 29/3650 天
29640编辑于 2022-09-01 - 来自专栏全栈开发那些事
Servlet学习笔记2
目录 --------- Servlet学习笔记1------------ ----------Servlet学习笔记2------------ ----------Servlet学习笔记3--- (2)service(ServletRequest req,ServletResponse res)服务方法：每次访问servlet时，服务方法都会被执行，执行多次。 1.查看HttpServlet源码： 2. 请求，在服务器端就用doPost()来接收 在开发中注意的细节： (1)在使用对象时，使用带有协议的请求和响应对象HttpServletRequest和HttpServletResponse （2）
38030编辑于 2023-02-27 - 来自专栏python3
Python学习日记－2
＊使用pickle处理数据存储，类似于java中的serialization，是将对象转化为二进制码存入文件中，主要函数pickle.dump(obj,file),pickle.load(file)
52420发布于 2020-01-06
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