- 综合排序
- 最热优先
- 最新优先
- 来自专栏自动化、性能测试
Dockerfile（7） - ENV 指令详解
# 但只能设置一个环境变量 ENV MY_VAR my-value 使用环境变量 通过 ENV 指令可以声明环境变量，可以在以下指令中使用环境变量 ADD COPY ENV EXPOSE FROM
3.8K20发布于 2021-11-02 - 来自专栏CSDN
AI 对话高效输入指令攻略（一）：了解AI对话指令
在 AI 对话场景中，这个 “小助手” 负责接收你输入的指令，然后借助 AI 大模型强大的运算和知识储备能力，给出合适的回应。 一.认识 AI 对话中的指令基础 1.运行原理 当我们在手机或电脑的 AI 交互界面输入指令时，一场奇妙的信息之旅便悄然开启。 在 AI 对话的情境里，这个环境主要就是指 AI 庞大的知识库以及用户输入的指令等信息。 3.智能体的核心任务 智能体首要的任务便是接收用户输入的指令，并将其作为重要的感知信息。 当用户输入指令后，AI 会借助这一庞大而有序的知识图谱，对指令进行深入拓展理解。 掌握 AI 对话中的指令基础，理解高效输入指令的底层逻辑，是我们与 AI 实现顺畅、高效沟通的关键。
1.3K10编辑于 2025-04-17 - 来自专栏程序员叨叨叨
【7】版本管理神器——Git指令
今天在Level 6的修炼道路上，我们来学习一下常用的git指令。 Git常用命令速查表 [图片上传失败... imageMogr2/auto-orient/strip%7CimageView2/2/w/1240) 这张表包含了大部分我们上传项目代码时用到的命令，但是毫无头绪地查看这张表，对于我们未接触过Git的小伙伴们来说肯定是无从下手的 我们会用到分支的合并，打开命令行，进行如下操作： // 将当前分值切换到主分支 git checkout master // 将次分支的文件合并到主分支 git merge origin/debug 笔者使用上述指令合并了分支 以上即常用git指令的简单操作，感谢大家的阅读！
60820发布于 2018-08-28 - 来自专栏Linux驱动
汇编指令-MOV与ldr区别(7)
MOV 1.可以寄存器与寄存器之间传递数据 2.可以常数传递到寄存器中(常数不能超过32位) LDR 1.可以地址与寄存器之间的数据传递 2.也可以常数传递到寄存器中 实例: 1.r1与r2之间传递就只能用MOV: MOV r1,r2 2.常数传递到寄存器可以使用MOV和ldr: MOV r0,#0 ldr r0,=0 3.寄存器与地址0X00000000之间传递数据只能用ldr: ldr r0,=0X30000000 ldr r0,0X00000000
94051发布于 2018-01-03 - 来自专栏AIGC
【AI绘画】Midjourney前置指令imagine与单图指令详解
没有加上前置指令： 为了让Midjourney理解并执行生成图像的命令，必须使用特定的格式，这种格式就是所谓的“前置指令”。 加上前置指令后： 前置指令是什么样的呢？ 这里的变化程度可通过/setting中进行调整，在之前的【AI绘画】Midjourney前置指令/settings设置详解介绍过了。 单张图片指令 这里的单图指的是在一组四图情况下由U指令生成的单张图片。 在使用U指令生成单张图片后，我们发现这张图片下方的按钮与原先一组四张图片时的按钮有所不同。 小结 AI绘画的发展，不仅使艺术创作变得更加大众化，让更多的人能够接触并使用这些前沿的技术进行创作；更重要的是，它激发了人们对创意表达的无限可能性。 padding=1, output_padding=1), nn.InstanceNorm2d(64), nn.ReLU(inplace=True), nn.Conv2d(64, 3, kernel_size=7,
1.1K10编辑于 2024-10-17 - 来自专栏前端小羊
如何让AI按指令执行
想要让AI精准地完成你的指令，关键在于掌握有效的沟通方法。 提升执行质量的实用技巧除了基本框架，下面这些技巧能让你更好地控制AI的输出：1.使用分隔符区分指令与资料当你的指令中包含需要AI处理的原文或数据时，使用"""、---或```等分隔符将它们清晰地包裹起来 ，可以有效避免AI混淆指令和待处理内容。 4.鼓励AI逐步思考（Chain of Thought）对于逻辑推理、数学计算或复杂分析任务，可以在指令中要求AI “在回答之前，请逐步展示你的推理过程” 。 这不仅能让你检查AI的思考路径是否正确，也往往能引导出更准确的结果。5.多用肯定指令，少用否定指令告诉AI“要做什么”，远比告诉它“不要做什么”更有效。否定式指令有时会产生反效果，增加AI的理解负担。
77210编辑于 2025-11-24 - 来自专栏AI系统
【AI系统】指令和存储优化
除了应用极广的循环优化，在 AI 编译器底层还存在指令和存储这两种不同优化。指令优化指令优化依赖于硬件提供的特殊加速计算指令。这些指令，如向量化和张量化，能够显著提高计算密度和执行效率。 .128b" " $0, $1, [$2], 0x7;" " mma.sync.aligned.m8n8k32.row.col.load.128b" " $0, $3, [$4], 0x7;");// "mma.sync" 是矩阵乘累加操作的指令// "aligned" 表示输入矩阵是内存对齐的// "m8n8k32" 表示操作涉及的矩阵维度，这里 是累加结果存储的寄存器// "$1" 和 "$3" 是矩阵 A 和 B 的指针// "$2" 和 "$4" 是矩阵 C 的指针，用于累加操作// "[$2]" 和 "[$4]" 是内存地址// "0x7" 在 AI 系统中，这种视角下的内存管理显然无法支撑起 AI 应用。AI 系统通常需要处理大量的数据和复杂的算法，这就需要高效的内存分配和回收策略来支持它们的运行。
65610编辑于 2024-11-29 Atom-7B-Chat 的 Lora 指令微调
Atom-7B-Chat 的 Lora 指令微调 概述 本节我们简要介绍如何基于 transformers、peft 等框架，对 Atom-7B-Chat 模型进行 Lora 微调。 本节所讲述的代码脚本在同级目录 02-Atom-7B-Chat Lora 下，可以通过运行目录下 train.sh 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 Atom-7B 模型至少需要 指令集构建 LLM 的微调一般指指令微调过程。所谓指令微调，是说我们使用的微调数据形如： { "instrution":"回答以下用户问题，仅输出答案。" 即我们的核心训练目标是让模型具有理解并遵循用户指令的能力。因此，在指令集构建时，我们应针对我们的目标任务，针对性构建任务指令集。 } 我们所构造的全部指令数据集在根目录下。
25110编辑于 2025-07-17从零到精通文本指令：打造个人AI助理的完整指令库(Prompt 指令实操)
从零到精通文本指令：打造个人AI助理的完整指令库(Prompt 指令实操)创作指令创作prompt的4️⃣要素：题材、主题、格式规范、内容要求创作指令生成一段教师评语根据创作prompt时的四要素来试试生成一篇文言文检讨书吧 润色指令聊天场景待润色回复：别难过了朋友润色指令：将以上内容润色，使其看起来更热情幽默客服场景待润色回复：我们不建议您这样做。 任务：希望润色后客服语气更客气一些润色指令：动手试试你来写一个扩写指令儿童故事待扩写梗概：在一片生机盎然的森林中，动物们过着和谐的生活。 通过多个案例分析，展示了AI如何显著提高医疗效率和患者满意度。”总结： 试着在末尾加个TLDR看看？有字数要求的总结：要求：将上述内容总结为不超过50字。总结：试试看吧什么是 TLDR？ 参考文献：飞桨AI Studio星河社区-人工智能学习与实训社区
1.1K10编辑于 2025-03-13- 来自专栏AI系统
【AI系统】CPU 指令集架构
CPU 在硬件电路上支持的这些指令的集合就是指令集。指令集是一个标准，定义了指令的种类、格式，需要的配套的寄存器等。 在计算机体系结构中，CPU 的运算指令、控制指令和数据移动指令是构成指令集的基本元素。 ，存在长期隐患； LoongArch 路线：23 年下半年完成流片的龙芯 3A6000 部分性能指标有望追上 Intel 第 12 代 Intel 酷睿 i7，意味着有 1 代或 3 年左右的性能差距， 未来，随着量子计算、AI 芯片等新型计算模式的出现，CPU 指令集将继续朝着更加智能、高效的方向演进。更多的指令集架构如图所示。 近年来，Apple 推出基于 ARM 架构的 M 系列芯片（如 M1、M2），在 MacBook 和 iMac 中取得显著成功，在轻薄、长续航、性能提升和 AI 加速器集成等方面持续发展，推动了 ARM
90610编辑于 2024-11-27 - 来自专栏CSDN
AI对话高效输入指令攻略（三）：使用大忌——“AI味”
免责声明： 1.本文所提供的所有 AI 使用示例及提示词，仅用于学术写作技巧交流与 AI 功能探索测试，无任何唆使或鼓励利用 AI 抄袭作业、学术造假的意图。 2.文章中提及的内容旨在帮助读者提升与 AI 交互的能力，合理运用 AI 辅助学习和研究，最终成果的原创性与合规性需使用者自行负责。 前言 没有听不懂话的AI，只有不会调教AI的人。（自己瞎说的）当你把AI当人看之后，你就会发现，他是多么好用的高效工具。 书接上文，接下来，我们展示AI的使用大忌——“AI味”。 这种过度正式、缺乏生活气息的语言风格，与AI生成内容时那种机械遵循既定模式、难以融入真实情感与灵动变化的特点如出一辙，就如同AI在模拟人类语言表达时呈现出的“AI味”。 5.其他 1.参考前面写的AI 对话高效输入指令攻略（二）：关于豆包的指令，进行角色赋值，如学术论文导师、创意文案专家、行业分析师等，让它以相应的角色视角理解需求 ，从而更贴合人的说话习惯。
1K20编辑于 2025-04-22 - 来自专栏JNing的专栏
手机指令集：armv7 & armv8
经验总结： 手机指令集主要跟芯片相关，如果是c端，就默认是arm芯片了，也只有arm芯片才有armv7和armv8之分。 寄存器个数不一样，指令集也不一样。需要针对这些不同重新设计计算的方式。 armv7： 一般偏低端机才有armv7，而armv7 是可以优化的。 模型一般在armv7上跑得较慢，而MNN现在对armv7不能加速。但是据说抖音的都跑在armv7上，且还能加速。 armv8： 目前开源的库基本都是在armv8上做的优化。 armv8 比armv7大概10%~20%的收益，一般能用v8，就不用v7。 MNN量化之后armv8大概比armv7快一倍。 tnn的armv8做的还可以，v7这块笔者不太了解，关注得比较少。
2K10编辑于 2021-12-06 转载：【AI系统】CPU 指令集架构
CPU 在硬件电路上支持的这些指令的集合就是指令集。指令集是一个标准，定义了指令的种类、格式，需要的配套的寄存器等。 在计算机体系结构中，CPU 的运算指令、控制指令和数据移动指令是构成指令集的基本元素。 ，存在长期隐患； LoongArch 路线：23 年下半年完成流片的龙芯 3A6000 部分性能指标有望追上 Intel 第 12 代 Intel 酷睿 i7，意味着有 1 代或 3 年左右的性能差距， 未来，随着量子计算、AI 芯片等新型计算模式的出现，CPU 指令集将继续朝着更加智能、高效的方向演进。更多的指令集架构如图所示。 近年来，Apple 推出基于 ARM 架构的 M 系列芯片（如 M1、M2），在 MacBook 和 iMac 中取得显著成功，在轻薄、长续航、性能提升和 AI 加速器集成等方面持续发展，推动了 ARM
80210编辑于 2024-12-11- 来自专栏AIGC
【AI绘画】Midjourney前置指令settings设置详解
Midjourney前置指令/settings设置详解 Midjourney的/settings指令是其基础设置的一个重要组成部分，允许用户通过指令模式来调整和优化图像生成的多个方面。 以下是关于Midjourney /settings指令设置界面的进入方法： 首先我们需要在服务器的聊天区输入/setting调出Midjourney的前置指令/settings设置 /settings 输入指令回车后Midjourney Bot会给我们回复一个前置指令/settings的设置菜单，在这个菜单中的内容就是本文所要详细介绍的部分。 推出的各个AI绘画大模型。 padding=1, output_padding=1), nn.InstanceNorm2d(64), nn.ReLU(inplace=True), nn.Conv2d(64, 3, kernel_size=7,
1.7K10编辑于 2024-10-17 - 来自专栏AIGC
【AI绘画】Midjourney前置指令describe、shorten详解
前言 之前我们已经在【AI绘画】Midjourney前置指令/settings设置详解、【AI绘画】Midjourney前置/imagine与单图指令详解、【AI绘画】Midjourney前置指令/blend 这些指令在生成图像和优化输出时同样具有重要作用，通过学习这两个前置指令，我们也可以很好的提升Midjourney提示词的书写水平。 Midjourney官方使用手册 Midjourney前置指令/describe 上传一张图片，Midjourney根据图片生成提示词 在使用AI绘画的过程中，许多人都会遇到这样的情况：你偶然发现一张非常吸引人的图片 __init__(); self.downsampling = nn.Sequential(nn.Conv2d(3, 64, kernel_size=7, stride=1, padding=3), nn.InstanceNorm2d padding=1, output_padding=1), nn.InstanceNorm2d(64), nn.ReLU(inplace=True), nn.Conv2d(64, 3, kernel_size=7,
64510编辑于 2024-10-17 AI写论文指令大揭秘：掌握这些指令轻松搞定高质量论文
1.2 基本指令构成1.2.1 指令格式解析在AI写论文的过程中，指令格式解析是一个关键步骤。指令格式解析的目的是将用户输入的自然语言指令转化为机器可以理解和执行的格式。 例如将自然语言指令转换成JSON格式。4. 指令执行：在完成指令格式解析后，就可以根据解析出的指令类型和参数，调用相应的AI模型进行论文写作。 7. 修订和润色：完成初稿后，仔细审查摘要的内容和语言表达。确保摘要准确无误，语言简练明了。通过以上步骤，可以撰写出高质量的论文摘要，准确地传达论文的核心内容和研究成果。 7. 否定关系：否定关系用于表达事物的不存在或否定。例如“不是……”、“没有……”。例如“我不是学生。”8. 肯定关系：肯定关系用于表达事物的存在或肯定。例如“是……”、“有……”。 指令的灵活运用是AI写论文的关键。只有深入理解AI指令，并且能够根据实际情况进行调整和优化，才能充分发挥AI的能力，生成高质量的内容。3.1.2 生成内容的后期编辑是确保AI生成内容质量的重要环节。
88410编辑于 2025-09-09- 来自专栏全栈开发那些事
JSP指令:(page指令、include指令 taglib指令)
3.JSP指令：page指令、include指令、taglib指令(现在不讲) 3.1 page指令 page指令的用途：设置与jsp页面相关的一些信息,比如说设置jsp页面的编码，jsp页面的默认语等 ： <%@ page language="java" contentType="text/html; charset=UTF-8" pageEncoding="UTF-8"%> page指令常用的属性 3.2 include指令： 在jsp页面通常会需要显示其他页面的信息，所以可以通过include指令把其他页面包含过来。 使用jsp的include指令实现的包含，又称为静态包含，静态包含的特点： (1)把多个页面的内容合并输出，比如把date.jsp和include.jsp的内容合并输出。
2.3K50编辑于 2023-02-27 - 来自专栏IC知识库平台
RISC-V指令集讲解（7）指令地址对齐和加减法溢出处理
1.指令地址对齐 对于load/store指令，数据在内存中的地址应该对齐。 2.加减法溢出处理 之前提到过的ADD，ADDI和SUB等指令在计算时可能会出现溢出的情况，一般来说，硬件设计会忽略算数溢出，所以RISC-V依赖于软件的检查。 下面举例说明加法如何处理(减法与之类似)： 无符号数相加溢出（假设 x6，x7 是无符号数） ADD x5，x6，x7 BLTU x5，x6，overflow (跳转到 结果不正确的处理分支） 解释说明 x7 >= x6) || (x7 >= 0) && (x6 + x7 < x6) ADD x5，x6，x7 SLTI x28，x7，0 SLT x29，x5，x6 BNE x28，x29，overflow ，也会转到不正确的处理分支 或者可以理解为：若 (x7 < 0) && (x6 + x7 >= x6) || (x7 >= 0) && (x6 + x7 < x6)则为不正确的处理分支 备注
2.3K50发布于 2021-08-02 - 来自专栏云探索
解锁高效 AI 交互：怎样撰写让 AI “秒懂” 的指令
然而，要想让AI准确理解我们的需求并提供满意的答复，撰写一条合格的指令至关重要。本文将深入探讨如何在AI对话中撰写一条合格的指令，帮助你更好地与AI沟通，获取所需的信息和服务。 一、指令的基本构成要素在撰写AI对话指令时，我们需要关注几个基本构成要素，以确保指令的清晰性和准确性。1. 清晰性清晰性是指指令表达要明确，不含歧义。 二、撰写合格指令的实用技巧1. 使用关键词关键词是AI识别用户意图的重要线索。在撰写指令时，我们要尽量使用具有明确含义的关键词，以便AI能够迅速捕捉到用户的需求。 设置合适的指令范围在撰写指令时，我们要合理设置指令的范围，避免过于宽泛或过于狭窄。过宽的指令容易导致AI返回大量无关信息，而过窄的指令可能使AI无法给出满意的响应。 优化后AI响应：“以下是华为Mate 40 Pro手机的详细信息：（略）”通过上述案例分析，我们可以看到，初始指令由于缺乏具体性和明确性导致AI无法给出准确响应，而优化后的指令则引导AI给出了详尽的答复
98311编辑于 2025-03-16 - 来自专栏Prompt Engineering
这个AI指令帮你搞定
这个指令解决什么问题直接问AI"帮我写个品牌故事"，通常得到的是：我们是一个充满激情的团队，致力于改变世界...（后面就是一堆正确的废话）问题在哪？ 传播建议（2-3个具体建议）实际使用效果我用这个指令测试了一个技术产品的品牌故事，输入信息：品牌名称：CodeHelper行业领域：开发者工具核心产品/服务：AI代码助手插件目标用户：程序员、开发团队品牌价值观 避免常见误区很多品牌故事容易犯这些错误：只讲自己，不讲用户堆砌形容词，没有具体场景追求宏大叙事，缺乏真实感这个指令通过"目标用户"、"情感基调"等约束，强制AI站在用户角度思考。3. DeepSeek在理解复杂指令和逻辑推理方面表现不错，适合这种结构化创作任务。信息准备要充分不要指望AI凭空创造好故事。 这个AI指令的价值在于，它把专业品牌策划的方法论标准化了，让技术人也能用结构化的方式思考和表达。但记住，工具只是辅助。真正打动人心的，永远是你的产品真实创造的价值，以及你对用户的真诚。
20410编辑于 2025-10-26
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