- 综合排序
- 最热优先
- 最新优先
- 来自专栏韩曙亮的移动开发专栏
【AI 大模型】使用 AI 大模型 编程 ① ( AI 编程简介 | 使用 GitHub Copilot 插件进行 AI 编程 | 使用对话方式进行 AI 编程 )
一、AI 编程简介 1、GPT 大模型 可 替代的工作特点 - " 输入文本 -> 输出文本 " GPT 大模型 可 替代的工作 都有如下特点 : " 输入类型是文本 , 输出类型也是文本 " ; 翻译工作 , 因此 大模型 的 编程能力很强 , 远超过其它领域 ; AI 大模型 可以应用于各种领域 , 但是 其 " 编程能力 " 几乎是最强的 , 几乎可以到达替代程序员的程度 , 编程能力 是 大模型 各项能力中最强的 , 在其它领域只能起到辅助作用 , 还离不开人的主导作用 ; 3、GPT 大模型 进行编程工作 的优缺点 GPT 大模型 进行编程工作 的优势 : 技术面广 : GPT 大模型 懂 所有的语言 领域分的很细 , 用途很偏的代码 ; 4、AI 编程技巧 AI 编程技巧 : 大模型搜索效率高 : 有问题 , 先问 大模型 , 大模型搞不定再去查资料 ; 大模型的搜索效率要远高于搜索引擎 ; 提示词可以是一个文档 AI 埋坑里 ; 完全不懂代码 , 不能碰 AI 编程 , 无法靠 AI 编程实现任何软件开发任务 ; 二、使用 GitHub Copilot 插件进行 AI 编程 1、GitHub Copilot 简介
86421编辑于 2024-08-09 - 来自专栏APP自动化测试
AI探索（三）Tensorflow编程模型
Tensorflow编程模型 。。。。
39830发布于 2019-10-15 - 来自专栏微信公众号【Java技术江湖】
Java网络编程和NIO详解3：IO模型与Java网络编程模型
，进一步来说，你还需要掌握Linux中的网络编程原理，包括IO模型、网络编程框架netty的进阶原理，才能更完整地了解整个Java网络编程的知识体系，形成自己的知识框架。 针对linux操作系统而言，将最高的1G字节（从虚拟地址0xC0000000到0xFFFFFFFF），供内核使用，称为内核空间，而将较低的3G字节（从虚拟地址0x00000000到0xBFFFFFFF） Java网络编程模型 上文讲述了UNIX环境的五种IO模型。 基于这五种模型，在Java中，随着NIO和NIO2.0(AIO)的引入，一般具有以下几种网络编程模型： BIO NIO AIO BIO BIO是一个典型的网络编程模型，是通常我们实现一个服务端程序的过程 其编程模型相比NIO有了不少的简化。 对比 .
91010发布于 2019-11-21 - 来自专栏微言码道
面向程序员的编程大模型AI
而与之相对应的, 则是一些专门用途的AI模型, 比如我今天要说的编程方面的. 这些专用型AI在特定方面的能力比通用性AI更加强大. 专用型AI 不管什么AI, 一个重要的核心就是其训练的数据. 当然, 做为程序员群体, 我当然关注的是编程类的AI模型, 这也是今天我要说的. 编程类大模型AI 总体而言, 编程类大模型AI的特点是: 基于大量开源代码来训练 如前所示, AI模型的一个核心就是使用大量的数据对它进行训练. 而编程类大模型的训练数据大多来源开源代码. 开源代码的可公开访问性, 是编程类大模型的主要数据来源 支持主流语言 一个编程类大模型AI支持哪些语言, 当然是由其训练数据中包含哪些语言或框架决定. 如果真想部署一个本地的编程大模型, 可能starCoder2是更具可行性的选择. starcoder2的bigcode训练的开源大模型, 它包括: starcoder2 - 3B starcoder2
1.2K10编辑于 2024-03-13 - 来自专栏腾讯技术工程官方号的专栏
面向AI编程：探索可视化分析模型
效果展示 AI 可视化分析模型是结合了 LLM 的能力，依据用户的需求生成互动式、直观且适用于交互设计师、视觉设计师和产品设计师的常用模型，如用户旅程地图、用户画像等。 理想的AI 理想中的 AI 当然是编写提示词通过 LLM 直接输出设计稿数据，再通过图形数据解析器在图形编辑器中创建出设计稿。 现实中的AI 上图是用户画像模型的设计稿到最终产物的对比。可以看出，整个过程中设计稿的基础轮廓并不会改变，只有便签的创建和特定区块内文字的变化。 3","4","5"],"用户留存":["1","2","3","4","5"],"获得收益":["1","2","3","4","5"],"推荐传播":["1","2","3","4","5"]}}' 分析模型示例 总结 在本文中，我们详细总结了实现 AI 可视化分析模型的过程中所需进行的功能拆解和实现思路。在此基础上，还分享了在利用 LLM 生成结构化数据时所遇到的问题及其相应解决方案。
69631编辑于 2023-07-26 - 来自专栏韩曙亮的移动开发专栏
【AI 大模型】Meta Llama 3 大模型 ( Llama 3 大模型简介 | Ollama 软件下载安装 | Llama3 模型下载 | Llama 3 大模型 在线 离线 使用 )
首先 , 安装 Ollama 软件 , 到 https://ollama.com/ 下载安装 ; 然后 , 运行 ollama run llama3 命令 , 即可开始使用 Llama3 大模型 ; 一 、Meta Llama 3 大模型安装 1、Llama 3 大模型简介 Llama 3 大模型 是 Meta 公司 发布的 大模型 , Meta 公司 就是 Facebook ; Llama 3 大模型 Llama3 大模型 ; 下载的模型放在了 C:\Users\用户名.ollama 目录中 , 在我的电脑上的路径是 C:\Users\octop.ollama ; 这个模型很大 , 有 4.7 G 安装完成后的效果 for help) 二、Meta Llama 3 大模型使用 1、Llama 3 大模型在线使用 在命令行中 , 可以直接进行对话 , 下面是对话内容 : D:\Llama>ollama run llama3 for help) 2、Llama 3 大模型离线使用 Llama 3 大模型 联网时 , 可以访问云端服务 , 可以生成更加丰富的文本 ; Llama 3 大模型 在 断网后也可以使用 , 下面是断开网络后
1.7K12编辑于 2024-08-09 第八章 AI模型质量-3
8.4 AI模型的灰盒精准测试 本节我们将首先介绍下AI模型的可解释性，我们以计算机视觉领域为例，介绍一种可解释性的方案，即Grad-CAM热力图，最后我们将介绍如何利用AI模型的可解释性进行模型的灰盒精准测试 8.4.2 AI模型的可解释性 AI模型的可解释性是指我们能够理解和解释模型的决策过程和输出结果。这对于许多应用场景来说非常重要，尤其是在涉及关键决策和高风险领域，如医疗、金融和法律等。 AI模型对我们来说就像个黑盒子，缺少可解释性，我们不知道对一张图模型关注什么信息，也不知道图10 中的（1）为什么成功、图10中的（2）和（3）为什么失败。 图10 活体检测样本检测结果 所以对测试来说，AI模型的可解释性是一个非常重要的诉求，然而，AI模型的可解释性也面临着一些挑战： 模型复杂性：许多先进的AI模型，如深度学习模型，具有高度复杂的结构，这使得理解其决策过程变得非常困难 通过AI模型的热力图，我们能够了解到AI模型关注点在图像的哪些区域，比如：活体检测算法主要聚焦在人脸上，那么其他区域的扰动应该不会影响AI模型的结果输出。
47510编辑于 2025-04-15- 来自专栏相约机器人
MIT、Microsoft 和 Allen AI 开源一套 AI 编程谜题（P3：Python 编程谜题）
AI 中的编程竞赛问题可用于评估程序员处理人工任务的能力并测试当前算法的边界。因此来自麻省理工学院、微软研究院和艾伦人工智能研究所的一个研究团队开源了 Python 编程谜题 (P3)。 P3是一款全新的编程挑战套件 ，可以捕捉谜题的本质，用于教授和评估人工智能编程的熟练程度。 以下是该团队的贡献列表： 引入了编程谜题，一种适用于算法问题解决的新问题（适用于机器和人类）。 受维基百科和编程竞赛启发的开源 P3 数据集包括难度级别、领域和算法工具方面的各种难题。 实验结果表明，人类程序员始终胜过 GPT-3 和枚举方法等 AI 求解器。例如，引导 GPT-3 解决了 60% 的难题，而新手和有经验的人类参与者分别为 76% 和 87%。 研究人员还发现了 AI 求解器性能与人类程序员难度之间的相关性。
86940发布于 2021-07-16 - 来自专栏C++开发学习交流
【AI模型】AI模型部署概述
AI模型部署方法 在AI深度学习模型的训练中，一般会用Python语言实现，原因是其灵活、可读性强。但在AI模型实际部署中，主要会用到C++，原因在于其语言自身的高效性。 在部署方面，OpenVIVO的开发也是相对比较简单的，提供了C、C++和python3种语言编程接口。 TensorRT 以 NVIDIA 的并行编程模型 CUDA 为基础构建而成，可帮助您利用 CUDA-X 中的库、开发工具和技术，针对人工智能、自主机器、高性能计算和图形优化所有深度学习框架中的推理。 3. AI模型部署平台 AI 模型部署是将训练好的 AI 模型应用到实际场景中的过程。 以下是一些常见的 AI 模型部署平台： 云端部署 云端部署是最流行的 AI 模型部署方式之一，通常使用云计算平台来托管模型和处理请求。
1.8K10编辑于 2024-07-24 - 来自专栏程序小小事
如何选择最佳编程AI模型？JetBrains AI Assistant 全模型分析比较！可要把眼睛擦亮了哦~
前言 JetBrains AI Assistant 现已支持多模型！ 这意味着 AI Assistant 现在适应性更强。 它结合了不同 AI 模型的优势，从大型模型的深度推理到紧凑型模型的速度，甚至本地模型的隐私。 那么，哪种型号最适合您呢？您只需要一个，还是应该混合搭配用于不同的工作？ 答案并不总是显而易见的！ 如果您在此处看到更高的数字，则表示该模型在基于选票的比较中始终优于其他模型。 Aider 的多语言基准测试。通过检查解决方案是否正确运行来评估使用多种编程语言编写和修复代码的能力 LLMs。 高分表示 在LLM以多种编程语言进行编码时非常准确和可靠，这意味着它是各种开发任务的有力选择。 和 o3-mini 本地模型 如果您需要 AI Assistant 离线工作，或者希望避免与 LLM API 提供商共享您的代码，您也可以使用此选项！
90410编辑于 2025-03-27 - 来自专栏猫头虎博客专区
探索Stable Code：引领编程新纪元的AI语言模型
探索Stable Code：引领编程新纪元的AI语言模型 引言 在快速发展的人工智能领域，编程语言模型正成为推动技术创新的重要力量。 技术优势 高性能：Stable Code在3B参数规模下，与7亿和15亿参数的大型模型相比，性能毫不逊色，甚至在多语言编程基准测试中取得了最佳成绩。 实现原理 Stable Code基于Stable LM 3B模型，采用了因果解码器仅transformer的设计，类似于LLaMA架构。 参考资料 Stability AI开源3B代码生成模型：https://huggingface.co/stabilityai/stable-code-instruct-3b HuggingFace 试用 结语 Stable Code技术的发展，不仅是AI领域的一次飞跃，更是对传统编程方式的一次革新。
37910编辑于 2024-04-07 - 来自专栏【腾讯云开发者】
AI结对编程核心思维模型
01、VibeCoding的诞生与困境 2025年2月，OpenAI联合创始人、前特斯拉AI负责人Andrej Karpathy在一场公开演讲中首次提出一个全新概念：VibeCoding（氛围编程）。 他核心的观点是：自然语言正在成为真正的“第一编程范式”。 软件开发模式从一开始的瀑布模型到快速交付版本的敏捷模型再到AI时代的VibeCoding，“这种开发范式的转变反映了一个深刻的变化：从"从零构建"到"从无限可能中做减法"。 的体验，每天与AI“对话”已逐渐成为我的编程日常，无论是能“猜你所想”的TabTab,还是功能强大的Agent模式，都让我屡次感到惊艳。 05、一些心得 别指望AI完全替你干活，很多时候他也不靠谱，未来人们一大部分工作就是证明他“靠谱” 相比Agent模式，多用Tab更能体会到编程的乐趣。
38821编辑于 2025-10-21 - 来自专栏全栈程序员必看
MapReduce编程模型
1.MapReduce简介 MapReduce是一个分布式运算程序的编程框架，核心功能是将用户编写的业务逻辑代码和自带默认组件整合成一个完整的分布式运算程序，并发运行在Hadoop集群上。 MRAppMaster 负责整个程序的过程调度及状态协调 MapTask 负责map阶段的整个数据处理流程 ReduceTask 负责reduce阶段的整个数据处理流程 2.MapReduce核心编程思想 3）第二个阶段的reduce task并发实例互不相干，但是他们的数据依赖于上一个阶段的所有maptask并发实例的输出。 4）MapReduce编程模型只能包含一个map阶段和一个reduce阶段，如果用户的业务逻辑非常复杂，那就只能多个mapreduce程序，串行运行。 3.MapReduce编程规范 用户需要编写的代码分成三个部分：Mapper，Reducer，Driver(提交运行mr程序的客户端) 1）Mapper阶段 （1）用户自定义的Mapper
51820编辑于 2022-09-13 - 来自专栏编程
MapReduce编程模型
通过WordCount程序理解MapReduce编程模型 WordCount，名为单词统计，功能是统计文本文件中每个单词出现的次数。 今天就带大家一步一步的写一下WordCount程序，帮助大家理解MapReduce编程模型。 { //1.Map //2.Reduce //3.Driver } 3、首先，先写一个Map，定义一个名为TestMapper的内部类，该类继承Mapper //1.Map publicstaticclassTestMapperextendsMapper 例如文本： 文本按行分为2片，每片作为键值对作为map的输入,每片数据均调用1次map方法： 因此，KEYIN和VALUEIN应该定义为IntWritable和Text类型（这些都是Map Reduce编程模型内部的类型 不如按照这个思路自己写一写代码，理解下MapReduce编程模型的思路。
71580发布于 2018-02-12 - 来自专栏Java项目实战
New Stability AI 最新的3个文生图模型
好久没打开自己的邮箱了，本来要验证一下Meta AI的AI视频能力，突然看到Stability AI的一封邮件，众所周知啊，上一次Stability AI火，还是因为要凉凉，因为偿还巨额债务和前 与联想合作，在其新的联想创作者专区中展示 Stability AI 的文本到图像模型。 往期精彩内容 AI打造小红书网红 Flux放大修脸工作流 40万播放黑神话亢金龙通关结算画面 win一键整合包 优势 最先进的架构 用于生成图像的最先进开放架构，具有 35 亿参数基础模型阶段和 66 此图像是使用 SD3 Large 生成的，提示词为：油画、一位坐在田野里看风筝在天空中飞舞的女士、传统媒体、油画颜料、数字化、高度详细、概念艺术、错综复杂、专业构图 产品渲染 Stability AI 此图像是使用 SD3 Large 生成的，提示词为：白色和青绿色运动鞋的专业 3D 渲染图、居中漂浮、悬停、浮动、高品质、逼真 模型版本对比 如何使用？
35810编辑于 2024-10-08 - 来自专栏AI_aidlux
基于aidlux的ai模型边缘设备模型部署实战（3.图像分类）
经过前两次的学习已经掌握了环境配置和基本图像处理功能应用，接下来我们便进入该课程的主要部分，深度学习模型部署实战课程，实现自己的分类模型部署实战。 图片 熟悉完相关函数调用后我们训练自己的分类数据集，为了便于演示，身边简单的3类水果分类数据集采集（西红柿，苹果，桃子），并将训练好的模型转换成onnx格式的模型。 不懂模型训练和转换的可以参考@同济子豪兄的视频连接进行学习模型训练和转换。 将转换好的onnx文件上传到Aldiux种并进行测试。 3、模型部署并调用摄像头实时检测导入上传的onnx，修改文件路径，将调用摄像头分类检测代码，即可在手机端运行摄像头进行实时检测，手机上显示检测的结果和检测处理时间。 t=9.04、总结经过几次的学习已经掌握了相关的深度学习模型部署的相关步骤，当然我们可以进行更深一步的学习，包括图像检测，图像分割等等视觉任务的部署。
57420编辑于 2023-08-07 - 来自专栏完美Excel
Excel编程周末速成班第3课：Excel对象模型
一共有30课，本文为第3课，目前已在社群上发布4课。有兴趣的朋友可以到社群上学习。 主要内容： 使用属性和方法 使用集合 对象层次模型 Workbook对象 Worksheet对象 Excel对象模型是Excel编程的两个支柱之一（另一个是VBA语言）。 图3-1说明了到目前为止所描述的对象模型的结构。 ? 图3-1：Application、Workbook和Sheet对象之间的关系 不管怎么说，Excel对象模型比此图可能表示的复杂得多。 表3-1中对此进行了汇总。有关如何使用这些功能的更多详细信息，请参阅联机帮助。 表3-1：Workbook对象的其他成员 ? 例如，此代码复制Sheet1并将其放置在Sheet3之后。
8.3K30发布于 2020-11-06 - 来自专栏python3
切面编程(3)
过滤器相对比较简单了 public class WebFiler implements Filter{ //在bean销毁的时候执行 @Override public void destroy() { System.out.println("destroy"); } @Override public void doFilter(ServletRequest request, ServletResponse response, FilterChain filter) thr
29720发布于 2020-01-07 - 来自专栏changxin7
3.网络编程 网络编程
图1 **细说的话，操作系统应该分成两部分功能： 一：隐藏了丑陋的硬件调用接口（键盘、鼠标、音箱等等怎么实现的，就不需要你管了），为应用程序员提供调用硬件资源的更好，更简单，更清晰的模型（系统调用接口 还有一些其他的地址家族，不过，他们要么是只用于某个平台，要么就是已经被废弃，或者是很少被使用，或者是根本没有实现，所有地址家族中，AF_INET是使用最广泛的一个，python支持很多种地址家族，但是由于我们只关心网络编程 与客户端建立连接， 拨号 # 1 制定file_info file_info = { 'file_path': r'D:\lnh.python\pyproject\PythonReview\网络编程 every_data) phone.send(every_data) phone.close() client端 FTP上传下载文件的代码（升级版）(注：咱们学完网络编程就留 网络编程的作业 好了同学们，到了这儿，我们的网络编程socket就讲完了，大致就是这些内容，给大家留个作业：（你的努力的成果你自己是看的到的~！）
2.9K21发布于 2019-08-20 - 来自专栏ATYUN订阅号
亚马逊的AutoGluon只需3行代码即可生成AI模型
它需要特征工程，或者使用数据领域的知识来创建AI算法工作的特征，再加上大量的数据集预处理，以确保在训练过的模型中不会出现偏差。 通常，像超参数调优这样的任务是手动执行的，这要求科学家预测超参数，以表示在构建人工智能模型时所做的选择，将如何影响模型训练。 AutoGluon可以通过在默认范围内自动调优已知给定任务，执行良好的选项，从而生成最少三行代码的模型。 开发人员只需指定何时准备好训练好的模型，作为响应，AutoGluon就会利用可用的计算资源在分配的运行时中，找到最强的模型。 ? AutoGluon可以立即识别用于表格预测、图像和文本分类以及对象检测的模型，并且它提供了一个API，有经验的开发人员可以利用它来进一步提高模型的预测性能。
74410发布于 2020-02-12
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