- 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(3)-MCP(stdio)
使用spring-ai创建1个MCP Server很容易，下面演示MCP(stdio模式)的写法： 一、添加依赖项 1 <dependency> 2 <groupId>org.springframework.ai </groupId> 3 <artifactId>spring-ai-starter-mcp-server</artifactId> 4 <version>1.0.0</version> org.springframework.ai.tool.annotation.ToolParam; 3 import org.springframework.stereotype.Service; ; 3 import org.springframework.ai.tool.method.MethodToolCallbackProvider; 4 import org.springframework.boot.SpringApplication io.modelcontextprotocol.client.transport.StdioClientTransport -- Process terminated with code 1 正好4行： 第1行，表示初始化启动成功 第2行，列出了当前应用暴露的所有工具（即：MCP Server方法） 第3行
1.3K20编辑于 2025-08-22 - 来自专栏悦思悦读
AI 入行那些事儿（3）机器是如何学习的？
2021 开年巨献 —— 系列文章《AI 入行那些事儿》，为您讲述： 人工智能的基础原理、发展历程、当前应用 成为 AI 技术人员所需的入门技能和学习途径 以及求职、面试的全过程 人类是如何学习的？ 在了解机器是怎么学习之前，我们先来回顾一下人类自己的学习过程。 设想一下，当我们听到“苹果”这个词时，我们会想到什么呢？是不是会想到那种又红又圆、酸甜可口的水果？ ? 下来我们还会想到什么呢？ 不过，机器学习中最常用的数值和平时我们所说的数字不太一样。平时我们说的数字都是标量（Scalar），而机器学习中使用的数值是一般向量（矢量，Vector）。 如前所述，如今人工智能主流的支持技术是机器学习和深度学习，它们共同的核心原理也就是如此的。 机器学习和深度学习具有三个共同要素：数据（Data）、算法（Algorithm）和模型（Model）。 这就是机器学习模型的用途，也是机器学习应用所要达到的目的。 机器学习的整个流程分为训练、测试、预测三个要素，下次我们会用一个例子来说明这个流程是怎么运作的。
46010发布于 2021-02-03 - 来自专栏我爱计算机视觉
AI + 3D！英伟达开源3D深度学习框架Kaolin
点击我爱计算机视觉标星，更快获取CVML新技术 ---- 3D计算机视觉在医学影像、自动驾驶、机器人深度感知、视频游戏、虚拟和增强现实中有重要应用。 近日，英伟达新开源了kaolin深度学习框架，旨在加速3D计算机视觉的研究。其基于PyTorch实现，包括主流3D视觉数据表示的读取和3D计算机视觉的可微分模块。 将大大降低3D计算机视觉研究的进入门槛。 ? Kaolin 实现了可微分的 rendering, lighting, shading, and view warping，同时也支持常见的损失函数和度量标准，也可于计算后无缝渲染3D结果。 Kaolin支持的3D计算机视觉任务： ?
89310发布于 2019-12-30 - 来自专栏python3
python3学习(3)
= [] for num in list_1: result.append(num + 1) print(result) print([num + 1 for num in list_1]) 3、 "abcabdab1" print(count_letters(s,"ab")) 数学运算符： math.ceil()向上取整 math.ceil(5//2) 2 math.ceil(5/2) 3 coding=utf-8 def divmod_2(a,b): c = a//b d = a%b return c,d print(divmod_2(5,2)) 幂 2**3 左边补0，总长度是length bin(5)[2:] '101' bin(5)[2:].zfill(8) '00000101' int()函数携带base参数 int(bin(3) ,base=2)#把二进制转换成10进制 3 int("10",base=16)#把16进制转成10进制 16 int("10",16) 16 int("10",8) 8 int("10",base
50220发布于 2020-01-03 - 来自专栏全栈程序员必看
MATLAB学习（3）
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/118720.html原文链接：https://javaforall.cn
31920编辑于 2022-07-12 - 来自专栏python3
学习笔记(3)
ls -dl /etc 显示/etc目录的信息 # ls -d /etc/* 显示/etc下面的文件和文件夹，并且文件夹不递归显示 # ls -d /etc/*/ 只显示/etc下面的文件夹 3. 为系统管理员命令，5为系统配置文件 9.将windows上传到linux环境中出现乱码的文本(windows中默认的是ANSI格式)，通过 #iconv -f gb2312 win.txt -o win3. bash_logout中写 rm -rf /tmp/* 45.killall vim 杀进程 46.tree -L 1 -d /boot 47.rmdir -p /data/dir1/dir2/dir3 mkdir -pv /testdir/dir1/{x/{a,b},y/{a,b}} 49.mkdir -pv /test/dir2/{x/{a,b},y} 50.mkdir -pv /test/{dir{3,4 (cmd 2>&1)>1.log 此命令会由于有括号的存在会先执行括号里面重定向，然后将正确的和错误的重定向输出都输出至1.log文件 以上3个命令可以总结出 命令是先执行正确的输出，然后再执行错误的输出
1.1K10发布于 2020-01-08 - 来自专栏悟空被FFmpeg玩
LPI学习-----3
Filesystem volume name: <none> Last mounted on: <not available> Filesystem UUID: 1a1354d1-3a6d Journal inode: 8 Default directory hash: half_md4 Directory Hash Seed: 1514e018-3be3
65430发布于 2019-03-05 - v-show指令 <h3 v-show="isShow">我是一个三级标题</h3> <! </h3> <! -- v-bind:省略为： --> …… data:{ msg:"今天学习VUE", d:false,来自专栏雪胖纸的玩蛇日常
vue学习（3）
指令系统 v-* var app=new Vue({ el:"#app01", data:{ msg:"今天学习 指令系统 v-* var app=new Vue({ el:"#app01", data:{ msg:"今天学习 -- 刷新网页随机产生不同的内容 -->
3.1K20发布于 2018-08-16
AI 再造搜索３招：谷歌如何用机器学习和深度学习直接给你答案
［导读］搜索是最先一批被人工智能深刻改变的行业，这不仅仅是因为搜索公司（谷歌、百度、微软）跑在了AI 革命的前面。 本文从搜索结果、视频搜索和精准营销/SEO这三方面，为你展现被机器学习和深度学习改变的搜索行业。只有拥有 AI 能力的企业才能在不远的未来获得巨大收益。 视频搜索终成现实 谷歌大脑在3月8日的谷歌 Cloud Next 17 云技术大会上推出 Video Intelligence API。这个 API 能够识别视频中的对象，并能够实时地搜索它们。 谷歌也在推进其使用 TensorFlow 框架的云机器学习引擎，以允许创造自定义的学习模型。 改变数字营销，SEO 将变得极端技术化 机器学习和深度学习也在改变数字营销的面貌。 再一次地，谷歌使用机器学习和深度学习独占鳌头。谷歌曾经公开宣布，使用机器学习的 RankBrain 是其搜索引擎网站排名算法的第三大要素。
AI 再造搜索３招：谷歌如何用机器学习和深度学习直接给你答案
【新智元导读】搜索是最先一批被人工智能深刻改变的行业，这不仅仅是因为搜索公司（谷歌、百度、微软）跑在了AI 革命的前面。 本文从搜索结果、视频搜索和精准营销/SEO这三方面，为你展现被机器学习和深度学习改变的搜索行业。只有拥有 AI 能力的企业才能在不远的未来获得巨大收益。 视频搜索终成现实 谷歌大脑在3月8日的谷歌 Cloud Next 17 云技术大会上推出 Video Intelligence API。这个 API 能够识别视频中的对象，并能够实时地搜索它们。 谷歌也在推进其使用 TensorFlow 框架的云机器学习引擎，以允许创造自定义的学习模型。 改变数字营销，SEO 将变得极端技术化 机器学习和深度学习也在改变数字营销的面貌。 再一次地，谷歌使用机器学习和深度学习。谷歌曾经公开宣布，使用机器学习的 RankBrain 是其搜索引擎网站排名算法的第三大要素。
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。 2.修边 将图形重叠部分减去，形成多个独立的新图形； 3.合并 图像颜色相同合并，不同相减。 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。 3.同时选择内容和范围，Ctrl+7 4.Ctrl+Alt+7释放蒙版。 隔离模式；双击剪贴蒙版的对象，进行隔离内容的编辑，双击画板空白处可以退出隔离模式。
AI - 集成学习
sklearn.preprocessing import LabelEncoder from sklearn.model_selection import train_test_split # (2,3) y_train_pred) tree_test = accuracy_score(y_test,y_test_pred) print('Decision tree train/test accuracies %.3f /%.3f' % (tree_train,tree_test)) # Decision tree train/test accuracies 0.845/0.854 # AdaBoost性能评估 ada y_train_pred) ada_test = accuracy_score(y_test,y_test_pred) print('Adaboost train/test accuracies %.3f /%.3f' % (ada_train,ada_test)) # Adaboost train/test accuracies 1/0.875
无效学习 VS 有效学习 （3）
以下文章来源于种个模型树 ，作者付出 目前为止，我说了无效学习的2种表现， 重复性搬运 和 没有明确目标。 但这些不是最本质的。 无效学习和有效学习， 最本质的区别在于，能不能把知识用起来， 去解决现实层面的问题。 有没有听说过这样一句话，“懂了很多道理，却仍然过不好这一生”。 为什么会这样呢？为什么把知识用起来这么难？ 2.缺乏微观体感，需要先“自下而上”式学习。 方法论：观察+思考 关于，这节内容，我是有欠缺的。 主要原因是微观体感不够（生活+人际+专业知识方面）， 所以相关实例，我后续再回来补充。
制定「机器学习」学习计划【3】
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。 小白入门，学习机器学习，一定要上培训班吗？当然不是！ 笔者反而建议：充分利用免费资源，尽量自学。 AI行业的知识、技术，包括各种工程实践，best practice，都是纯粹的书面知识。 3）制定计划也是一个了解自己的过程。 知道自己现在缺什么，缺到何种程度。同时对照培训课程大纲和介绍，也可以辨识自己目前知识背景和培训课程深度是否匹配。 1）首先，AI领域有少量非常经典的现在培训课程，是完全免费的，而且非常容易找到。 3）然后，在尽量广泛地收集了大量培训信息后，对照课程大纲和自己的学习计划进行选择。 教师声誉、培训机构声誉、网友评价等可以作为参考和背书，但核心是课程大纲与个人计划的匹配度！
CSS3学习3----举例
DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1- 光感产生属性：(根据需要改变属性值) eg. box-shadow:0 5px 5px #06c; 或 box-shadow:0 5px 5px rgba(0,0,0,0.15); 9.浮动（float）的学习 */ /*说明：★div1,div2,div3不在一个容器里，也会发生分层。 当不清除浮动时，div3的一部分被覆盖！！ DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1- DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-
OSPF 学习笔记3
ospf特殊区域 减少LSA洪泛，达到优化路由表的目的 sub区域特点 1、过滤了LSA4/5 2、通过ABR的LSA3学习到一条到达域外的缺省路由（O*IA） 3、区域内所有的路由器都得设置为 路由器 4、stub区域内不能有ASBR 5、stub区域不能是area0 6、虚链路不能穿越stub区域 totally stub区域特点 除stub区域的特点外，还有以下特点 1、过滤LSA3/ 4/5 2、通过ABR的LSA3学习到一条缺省路由（O*IA） 3、在ABR上配置no-summary，域内其他路由器只需配置stub 4、cisco私有特性 default-cost作用 修改 1 totally stub LSA3/4/5 ABR通过LSA3下发 1 nssa LSA4 /5 需手工下发（LSA7） 1 totally nssa LSA3/4/5 ABR通过LSA3 下发
JAVA多态学习3
这一节我们来学习抽象类 抽象类–深入讨论 抽象类是java中一个比較重要的类。 1、用abstract关键字来修饰一个类时。这个类就是抽象类。 3、abstract抽象类中的abstract抽象方法是不同意在抽象类中实现的。一旦实现就不是抽象方法和抽象类了。abstract抽象方法仅仅能在子类中实现。 4、抽象类中能够拥有实现方法。 3、一旦类包括了abstract抽象方法，则这个类必须声明为abstract抽象类。 4、抽象方法不能有主体。
snakemake 学习笔记3
之前写的博客, 记录记录一下学习的轨迹. 目标 这次, 我要实现这个路程图. ? Job counts: count jobs 3 adda 3 [Tue Apr 2 21:09:19 2019] rule adda: input: 3 .txt output: 3_add_a.txt jobid: 2 wildcards: file=3 cat 3.txt |xargs echo add a >3_add_a.txt txt 搞定. 3. 相关阅读 snakemake 学习笔记1 snakemake 学习笔记2 后记1 今天测试了一下rule all的功能, 它是定义输出文件的, 如果没有定义, 需要在命令行中书写.
WCF学习笔记 3
请求/响应通信是指客户端向服务端发送消息后，服务端会向客户端发送响应。这也意味着在接收到服务的响应以前，客户端不会继续执行操作。
bashshell编程学习(3)
3. 17:10 a -rw-r--r--. 1 root root 40 Jan 21 14:41 test.txt 解读下这些输出，最开始的10个字符，拆分一下，其格式为： 类型(1位) 所属用户权限(3位 ) 所属用户组权限(3位) 其它组权限(3位) 所以: d rwx rwx r-x 表示这是一个目录（第1位是d, Directory的首字母），然后所属用户有读（r,Read的首字母）、写(w,Write 3组二进制，因此 chmod a+rwx 可以简化为 chmod 777 注：777是10进制表示，转换成权限2进制，即 111 111 111 [deploy@deploy myservice]$ （注：第3，4行的注释不能删除，否则后面加入开机启动时会报错。）
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