- 综合排序
- 最热优先
- 最新优先
- 来自专栏生信学习bao
Day2 Linux自学日记
Day2-衰包包1.XShell下载方法我这边使用的是官方网站下载，进入直接选择下载软件，申请个人或学校（这样是完全免费的不用担心付费），下载好之后直接进入软件，填好邮件地址和姓名就可以开始使用啦。 2.开始学习linux基本操作（1）pwd显示当前的路径，相当于我在哪里/home/bio06（2）mkdir建立空目录mkdir biosoft #学习文件（3）ls显示目录ls图片（4）rmrm 文件名
32900编辑于 2023-10-21 - 来自专栏python3
自学tensorflow——2.使用te
as np import os import tensorflow as tf 关闭tensorflow输出的一大堆硬件信息 os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' 2.写一个函数generate_data()，用来生成我们所需要的数据，这里使用的线性函数是y = 0.1*x + 0.3，具体解释见注释 def generate_data():#随机生成测试数据
64610发布于 2020-01-16 DeepSeek R2 要来了？
虽然官方还没正式官宣，但这两天科技圈已经被DeepSeek R2的传闻刷屏了！从X（原推特）到科技论坛，各路消息满天飞——有说这周就要发布的，有爆料技术参数的，甚至还有讨论华为芯片的。 用户@kimmonismus神秘兮兮地说"DeepSeek R2越来越近了"，@imjustnewatai更是直接押注"本周必发"。 Wccftech等外媒虽然跟风报道，但连个发布日期都说不准，DeepSeek官微更是安静如鸡。 行业地震正在进行时 别看R2还没露脸，它家前作R1早就把市场搅得天翻地覆了。 MIT协议真香 直接叫板GPT-4 V3 2025.3升级 6710亿 文本图片视频全拿下 硬件效率吊打同行 R2（网传） 可能本周 1.2万亿核弹 价格低到友商想报警 华为芯+推理视觉双修 写在最后 ：不管真假，DeepSeek已经赢了 就算R2的爆料最后被"打脸"，DeepSeek这套组合拳也够漂亮。
38511编辑于 2025-06-09- 来自专栏生信学习笔记01
Python自学Day2-数据类型
整数 int 3n1 = 90n2 = -76n3 = 0print(n1,type(n1))print(n2,type(n2))print(n3,type(n3))# 90 <class 'int'> 布尔类型 bool True&Falsef1 = True #1 f2 = False #0print(f1, type(f1))print(f2, type(f2))print(f1+1,f2+ 1)# True <class 'bool'># False <class 'bool'># 2 1数据类型转换a = 1b = 3.3c = Trueprint(type(a),type(b),type
18910编辑于 2023-07-28 - 来自专栏C++核心准则原文翻译
自学HarmonyOS应用开发（73）- 准备相机（2）
它的功能是初始化相机，有一点需要注意的是：构建params时使用的参数必须和前一篇文章中说明的布局文件中为id:surface_container指定的属性相同。
41520发布于 2021-10-14 - 来自专栏GiantPandaCV
如何看待 DeepSeek 发布的 MoE 大模型 DeepSeek-V2？
/DeepSeek-V2/blob/main/config.json-ai/DeepSeek-V2/blob/main/config.json 以 A800 8x80G 单节点为例， 总显存大小共 640GB DeepSeekV2 和 DeepSeek-67B 的 KVCache 估计 计算成本上，理论计算量为 FLOPs=2ND，则两者的比值是： 实际的推理成本比值是 带宽读取时间 + 计算时间，无论是 Memory 按照 DeepSeek V2 的设计，Attention 部分的 weight 大小是大于 6 个 Expert 的 weight 的，即激活参数中，Attention 占比超过 50%。 （不做限制的话，最多可以到 6 个 GPU 上） DeepSeek MoE 部分， Ns=2，Kr=6 总共的 Expert 数量是 162 个。 与 LLaMa3 不同的是， DeepSeekV2 有多处很有分量的原创工作，甚至有可能引领全球 LLM 的发展潮流，非常值得赞赏！也为 DeepSeek 是一个中国 team 感到自豪。
89220编辑于 2025-02-03 - <!来自专栏各类技术文章~
Vue2-自学前端基础总结（一）
-- <h2 v-model:x="name">你好啊</h2> --> 复制代码 （4）数据代理 Object.defineProperty() Object.defineProperty()方法是整个 vue2的核心，包括数据劫持、数据代理、计算属性都会用到这个方法，后面用到时具体再讲。 /js/vue.js"></script> </head> <body>
<h2>姓名：{{name}}</h2> <h2>地址：{{address}}</h2></body> <script type="text/javascript"> Vue.config.productionTip @click="showMsg(2)"> div2
11：DeepSeek-OCR-2 深度解析
作者： HOS(安全风信子) 日期： 2026-02-05 主要来源平台： ModelScope 摘要： DeepSeek-OCR-2 作为 DeepSeek 团队开源的第二代 OCR 模型，基于 团队推出的 DeepSeek-OCR-2 正是为了解决这些痛点而生。 根据 ModelScope 平台的最新动态，DeepSeek-OCR-2 采用了全新的技术架构，实现了语义推理级的文档理解能力，为各类文档处理场景提供了更强大的解决方案。 2. 架构 DeepEncoder V2 是 DeepSeek-OCR-2 的核心特征提取架构，相比第一代有了显著改进： # DeepEncoder V2 核心实现 class DeepEncoderV2( -2 文档理解服务") as demo: gr.Markdown("# DeepSeek-OCR-2 文档理解服务") gr.Markdown("基于DeepSeek-OCR-2的文档理解服务
自学鸿蒙应用开发（44）- 秒表应用开发（2）
for(int i = 1; i <= count; i++){ drawScaleText(canvas, paint, center, radius, Math.PI * 2 canvas.drawText(paint, text, center.getPointX() + (float)(radius * sin) - width / 2, width = paint.measureText(now); //计算字符串显示宽度 canvas.drawText(paint, now, x - width / 2 getHeight(); float size = Math.min(width, height); float x_padding = (width - size) / 2; float y_padding = (height - size) / 2; return new RectFloat(x_padding, y_padding, width
如何评价 Deepseek 新发布的 DeepSeek-Prover-V2-671B 模型?
2025 年 4 月，DeepSeek 放大招，推出了 DeepSeek-Prover-V2-671B，参数高达 6710 亿，专为在 Lean 4 语言里证明数学定理而生。 DeepSeek-Prover-V2-671B 的横空出世可是个大跃进，实力已经能跟一些人类专家过过招了。 模型架构：大而灵活 混合专家的路子 DeepSeek-Prover-V2-671B 是从 DeepSeek-V3-Base 改出来的，用了个叫混合专家（MoE）的架构，总参数有 6710 亿，但实际干活时只调大概 训练过程：数据加聪明算法 先打基础 DeepSeek-Prover-V2-671B 从 DeepSeek-V3-Base 开始，这是个在 14.8 万亿 token 上预训练的模型，数学、代码、Lean 最后说两句 DeepSeek-Prover-V2-671B 是 AI 证明数学定理的一个大步。它的 MoE 架构、智能训练和开源让人眼前一亮，在 MiniF2F、PutnamBench 上成绩亮眼。
《Python完全自学教程》免费在线连载第2章
第2章 第一行代码 ★昨夜西风凋碧树，独上高楼，望尽天涯路。 ——晏殊” 经过上一章的自学，已经为编写代码做好了准备。 图2-1-3 返回 Hello World ★自学建议 用自然语言书写，如果行文中有错误，读者有可能根据上下文“猜到”作者的意图，比如本书中如果你看到“计酸机”，肯定知道本应是“计算机”，因为我用汉语拼音输入法 图2-1-4 退出“交互模式” 2.1.2 在程序文件中打印 现在要利用第1章1.8节自学的技能，打开所选定的 IDE，并创建一个文件，将其命名为 hello.py 的 Python 程序文件——文件名用数字 图2-1-10 程序文件所在目录 在图2-1-10所示状态，输入如下命令： python hello.py 即可运行 hello.py 文件，其效果如图2-1-11所示，显示了运行效果——打印出“Hello 图2-1-11 运行 Python 程序文件 ★自学建议 Debugging 或 Debug，翻译为“调试”，其目的是找出程序中的错误，进而对错误进行定位，在研究了产生错误的原因之后，提出解决方法。
自学HarmonyOS应用开发（67）- 自定义布局（2）
width="match_parent" ohos:background_element="#EFEFEF"/> <Text ohos:id="$+id:text<em>2</em>" ohos:width="match_parent" ohos:height="0" ohos:weight = "300" ohos:text="Text<em>2</em>" :background_element="#DFFFFF"/> <xwg.filebrowser.LayoutSeparator ohos:id="$+id:seperator<em>2</em>"
Python自学教程2-大牛们怎么写注释
很多自学 Python 的人，看了很多教程，但最终还是不会用，不敢用，其中的原因就是没有根据实用性学习，总以为知识学得越多越好。
自学编程。。。
最近有不少朋友后台咨询该如何自学编程，正好最近有时间，就整理了一下自学编程的路线，全文3000多字，看完有帮助的话记得帮厂长收藏转发一下，下面进入正题： 如果是零基础入行计算机的话，建议先对这一行增加点背景知识了解 然后接下来的一步比较重要，就是正式学习计算机专业知识，到这里很多人就会有困惑，自学，从哪里入手？上培训班，似乎很直接，但是很费钱；自己找书看，又不知道看哪些书。 2.关于编程语言 到底哪种编程语言是世界上最好的语言是程序员永远无法达成一致的世界难题。 2）《算法图解》 这是一本像小说一样有趣的算法入门书，示例丰富，图文并茂，以让人容易理解的方式阐释了算法，旨在帮助程序员在日常项目中更好地发挥算法的能量。 2.）
【DeepSeek】DeepSeek概述 | 本地部署deepseek
1 -> 概述 DeepSeek是由中国的深度求索公司开发的一系列人工智能模型，以其高效的性能和低成本的训练而受到关注。 知识蒸馏：DeepSeek-R1通过知识蒸馏，将长链推理(CoT)模型的推理能力蒸馏到标准LLM中，显著提升了推理性能。 2 -> 本地部署deepseek 2.1 -> 安装ollama ollama官网 点击Download下载 选择对应的操作系统，本次以Windows操作系统为例 点击Download for Windows 2.2 -> 部署deepseek-r1模型 回到ollama官网点击左上角的Models进入如下界面。 这样本地部署deepseek就算完成啦
DeepSeek 入门指导手册——从入门到精通【2】
基础对话篇：轻松交流，从交朋友开始有效提问的五个黄金法则法则 1：明确需求错误示例：「帮我写点东西」正确姿势：「我需要一封求职邮件，应聘新媒体运营岗位，突出 3 年公众号运营经验」法则 2：提供背景错误示例 输入：“请解释 DeepSeek，然后/简化”，对比简化前后的差异。效率飞跃篇：文件处理与复杂任务五分钟学会文档分析操作流程：点击“回形针”图标上传文件（支持 PDF、Word、TXT 等格式）。 建议改为‘基于改进 YOLOv5 的未知物体自适应抓取系统研究’，创新点更明确”文献速览：上传 10 篇 PDF 文献后输入：“请用表格对比各文献的研究方法，按‘创新点/局限/可借鉴处’三列整理”阶段 2： 往往依赖于海量样本的持续输入（Wang et al., 2022）”期刊匹配引擎匹配指令：基于我的研究：领域：人工智能辅助教育创新点：动态知识点图谱构建数据量：10 万+用户样本推荐：3 个冲刺期刊（IF 3-5）2
DeepSeek R2：值得等待的“惊喜”之作？
自从DeepSeek R1-0528横空出世、斩获一众基准测试冠军后，R2何时来袭成为了互联网的热议的话题。 二、R1-0528：一次大版本迭代相比此前的小版本修补，DeepSeek R1-0528包含了多项重量级改进，使其在多项任务中重回第一梯队：这个小版本的更新具有以下新的优点： 长思考能力增强：支持30– 三、R2：不只是更大，更要更妙那么，R2何时推出？答案或许并不重要——关键是，它能否给我们带来真正的惊喜。 工具调用与多模态落地 与DeepSeek Vision无缝融合，支持图像、视频等多模态输入输出。真正可用的Agent能力，而非“会调用API”的花架子。 R2如果在发布时间上慢上一些，却能在实用性与创新性上带来质变，那等待就是值得的。DeepSeek团队已经用R1-0528向我们展示了“深耕而非堆叠”的力量。
deepseek VS chatgpt （402）-- 算法导论25.3 2题
deepseek： 在Johnson算法中，向原图集合V中添加新结点s的目的是为了通过Bellman-Ford算法计算每个节点的势能（h值），从而重新调整边权，消除负权重，使得后续可以使用Dijkstra weight: 4}} edges[1] = []Edge{{to: 2, weight: 3}} edges[2] = []Edge{{to: 0, weight: 2}, {to: 8) g.AddEdge(1, 2, -4) g.AddEdge(1, 3, 2) g.AddEdge(2, 1, 7) g.AddEdge(2, 3, 4) 9) g.AddEdge(1, 2, 2) g.AddEdge(1, 3, 3) g.AddEdge(2, 3, 2) distances := Johnson(g) 4) g.AddEdge(1, 2, 3) g.AddEdge(1, 3, 2) g.AddEdge(1, 4, 2) g.AddEdge(3, 2, 5) g.AddEdge
DeepSeek 入门指导手册——从入门到精通【2】
基础对话篇：轻松交流，从交朋友开始 有效提问的五个黄金法则 法则 1：明确需求 错误示例：「帮我写点东西」 正确姿势：「我需要一封求职邮件，应聘新媒体运营岗位，突出 3 年公众号运营经验」 法则 2： 输入：“请解释 DeepSeek，然后/简化”，对比简化前后的差异。 基于改进 YOLOv5 的未知物体自适应抓取系统研究’，创新点更明确” 文献速览： 上传 10 篇 PDF 文献后输入：“请用表格对比各文献的研究方法，按‘创新点/局限/可借鉴处’三列整理” 阶段 2： Wang et al., 2022）” 期刊匹配引擎 匹配指令：基于我的研究： 领域：人工智能辅助教育 创新点：动态知识点图谱构建 数据量：10 万+用户样本 推荐： 3 个冲刺期刊（IF 3-5） 2
如何看待 DeepSeek 发布的 MoE 大模型 DeepSeek-V2？（从推理角度分析）
作者丨233 来源丨https://www.zhihu.com/question/655172528/answer/3491439374 编辑丨GiantPandaCV 计算量 DeepSeek-V2在 DeepSeek-V2是60层，而Llama 3 70B是80层，而MLA是GQA(8 group)的9/32，因此context_size是27/128。 DeepSeek-V2是每层576维，60层，6bit量化。 Attention SPDA部分，DeepSeek-V2 M=128（等于总head数），Llama 3 70B M=8（等于每group的head数），L3显然可以只加载一次，DS2则有点难度。 注：以上计算假设d = n_h d_h，但实际上DeepSeek-V2设定d = 5120, n_h = 128, d_h = 128。
