- 综合排序
- 最热优先
- 最新优先
- 来自专栏h5
Tauri2.0接入Deepseek实战客户端Ai聊天系统
2025重磅客户端AI系统Tauri2.x+Vue3.5+openai接入DeepSeek-v3搭建客户端流式ai对话应用。支持多窗口管理、代码高亮、上下文多轮会话、本地存储对话等功能。
46910编辑于 2025-06-18 - 来自专栏新智元
【AI全球大战医生】Hinton：5-10年内深度学习取代放射科医生
IEEE Spectrum在2018新年伊始推出专刊“AI vs Doctors”，统计了从2016年5月至今，AI在医疗领域的进展，并对比各大细分领域AI与人类医生能力差距，人工智能正在医生的主场获取成功 ，哪些医疗诊疗行业已被AI超越？ 英国诺丁汉大学的研究人员创建了一个AI系统，可以扫描病人的常规医疗数据，并预测哪些人在10年内会发生心脏病或中风。与标准预测方法相比，AI系统正确预测了355名患者的命运。 ? 不仅如此，系统提供的治疗建议的准确率，也达到了97.56％。 AI赋能显微镜的实验版本已经显示，它可以很好地检测疟疾寄生虫，以达到世界卫生组织最高显微镜标准，称为能力等级1.该等级意味着它可以与训练有素的显微镜专家，尽管研究人员指出，一些显微镜专家仍然可以胜过自动化系统
1.2K60发布于 2018-03-20 - 来自专栏Windows开发
系统学习Windows客户端开发
学习地图 书籍推荐 C++ Primer Windows核心编程 TCP/IP详解 卷1：协议 设计模式GoF版 编码规范 C++编码规范 C++语言 C++宏 C++11 用正则表达式查找提取
3.5K30发布于 2019-11-07 - 来自专栏AI系统
【AI系统】AI系统架构的组成
AI 系统组成如图所示，大致可以将 AI 系统分为以下几个具体的方向：AI 训练与推理框架AI 框架不仅仅是指如 PyTorch 等训练框架，还包括推理框架。 就像传统的软件工程中调试器，可视化，类型系统等工具链的支撑，让整个开发过程中，跨平台，跨平台，问题诊断，缺陷验证等得以高效实现，目前 AI 系统领域也不断有类似工具产生，以支持整个 AI 工程化实践。 AI 编译与计算架构负责 AI 模型在真正运行前的编译和系统运行时的动态调度与优化。 但是我们将在后续章节中，将会围绕核心系统软硬件，如 AI 训练和推理框架，AI 编译器，AI 芯片，部分涉及更广泛的 AI 系统生态中的重要内容如算法等展开介绍。 AI 系统生态除了以上重要的 AI 系统构成之外，随着人工智能应用越来越广泛，我们还可以看到更广泛的 AI 系统生态的构成。
1.9K11编辑于 2024-11-26 - 来自专栏Html5知典
本地文件系统——客户端存储
概述 本地文件系统（Local FileSystem） API是通过FileSystem对象window.requestFileSystem()方法来实现的。 Web应用程序可以通过调用window.requestFileSystem()来请求对一个沙盒文件系统的访问权限。调用requestFileSystem()会创建一个新的沙盒存储空间。 代码示例 请求文件系统 通过调用window.requestFileSystem()请求对沙盒文件系统的访问权限： //浏览器的兼容性 window.requestFileSystem = window.requestFilsSystem * successCallback \\ 文件系统请求成功时调用的回调函数。其参数为FileSystem对象。 * opt_errorCallback \\ 用于处理错误或获取文件系统的请求遭到拒绝时可选的回调。其参数为FileError对象。 创建文件夹 在根目录中创建一个文件夹。
1.8K10发布于 2019-11-26 转载：【AI系统】AI系统架构的组成
AI 系统组成 如图所示，大致可以将 AI 系统分为以下几个具体的方向： AI 训练与推理框架 AI 框架不仅仅是指如 PyTorch 等训练框架，还包括推理框架。 就像传统的软件工程中调试器，可视化，类型系统等工具链的支撑，让整个开发过程中，跨平台，跨平台，问题诊断，缺陷验证等得以高效实现，目前 AI 系统领域也不断有类似工具产生，以支持整个 AI 工程化实践。 AI 编译与计算架构负责 AI 模型在真正运行前的编译和系统运行时的动态调度与优化。 但是我们将在后续章节中，将会围绕核心系统软硬件，如 AI 训练和推理框架，AI 编译器，AI 芯片，部分涉及更广泛的 AI 系统生态中的重要内容如算法等展开介绍。 AI 系统生态 除了以上重要的 AI 系统构成之外，随着人工智能应用越来越广泛，我们还可以看到更广泛的 AI 系统生态的构成。
2.7K10编辑于 2024-12-11- 来自专栏AI系统
【AI系统】AI系统概述与设计目标
AI 系统全栈架构 通过对 AI 的发展、以及模型算法、硬件与数据的趋势介绍，我们已经了解了 AI 系统的重要性。 本文将介 AI 系统的设计目标、组成和生态，让读者形成 AI 系统的知识体系，为后续展开每篇文章的内容做好铺垫。 接下来将从不同的维度和技术层面展开 AI 系统的全景图。 AI 系统概述 AI 系统基本概念 从类比的角度理解 AI 系统：AI 时代连接硬件和上层应用的中间层软硬件基础设施。 AI 系统。 所介绍的 AI 全栈相关内容中则是指 AI 系统（AI System），是围绕深度学习而衍生和设计的系统，因此也叫做深度学习系统（Deep Learning System）。
86910编辑于 2024-12-02 - 来自专栏JAVA同学会
Spring Mobile——探测客户端设备和系统
Spring Mobile——探测客户端设备和系统 今天闲来无事，浏览Spring的官方网站，发现了Spring Mobile项目，之前也看到过，还以为是针对手机端的项目，并没有细看。 今天仔细看了一下，原来是可以探测请求端的设备和系统。比如是手机、平板、还是正常的PC网站。它是Spring MVC的扩展，主要的目的是简化手机web应用的开发。
86030发布于 2018-09-04 - 来自专栏无原型不设计
电商管理系统客户端原型分享
在《政务管理系统原型分享》中，我们对ERP系统的概念进行了简单的介绍：ERP系统是针对物资资源管理、人力资源管理、财务资源管理、信息资源管理集成一体化的管理软件。 在金融、教育、电商、政务等行业，ERP系统的应用都非常广泛。 电商管理系统客户端原型设计 近年来，随着电商行业的飞速发展，电商ERP系统的需求量也大大提升。 一款功能全面的电商ERP系统，不仅可以帮助各大电商平台高效管理店铺，同时还可以节省不少人力、物力、财力。 在设计电商ERP系统之前，我们首先需要尽可能全面地总结出产品所有的业务场景和用户的使用场景。 我们使用Mockplus经典版原型设计工具搭建了一款电商ERP系统的客户端原型。 接下来一起来看看，在这款电商管理系统客户端原型中，有哪些值得借鉴的设计技巧吧。 Mockplus原型分享——电商管理系统客户端 这套电商管理系统客户端原型属于中高保真原型，包含登录注册、系统首页、商品管理、订单管理、财务管理、数据分析、系统设置七个部分，共计22个页面。
2.5K30发布于 2020-04-27 - 来自专栏建站知识
在 RHEL 8 上配置客户端系统
restart rsyslog 要在启动时运行 Rsyslog，请运行以下命令： $ sudo systemctl enable rsyslog 测试日志记录操作 已经成功安装并配置 Rsyslog 服务器和客户端后 在客户端系统上，运行以下命令： # logger "Hello guys! This is our first log" 现在进入 Rsyslog 服务器并运行以下命令来实时查看日志消息： # tail -f /var/log/messages 客户端系统上命令运行的输出显示在了 Rsyslog 服务器的日志中，这意味着 Rsyslog 服务器正在接收来自客户端系统的日志： centralize-logs-rsyslogs-centos8 就是这些了！ 我们成功设置了 Rsyslog 服务器来接收来自客户端系统的日志信息。
82010发布于 2021-09-15 - 来自专栏小鑫同学编程历险记
客户端开发（Electron）系统级API使用
系统对话框： 1. 调用系统API实现文件保存或读取前的选择功能： 如上图所示的功能，我们在使用电脑时就经常会遇到，在Electron中我们可以通过调用dialog.showOpenDialogSync函数同步打开下面的对话框 特殊对话框（关于面板）： 如上图就是我们设置过后的特殊对话框关于面板，通常显示当前客户端应用的信息。 系统右键菜单： 通过覆盖oncontextmenu来实现弹出定义的菜单想： const menus = [ { label: '文件', submenu: [{ label: '新建文件 function (e) { e.preventDefault() menuCtx.popup() } win.on('blur', () => { menuCtx.hide() }) 总结： 利用系统提供的对话框
4K50编辑于 2022-12-26 - 来自专栏开源部署
多种操作系统NTP客户端配置
在调节NTP时间的时候，请保证123端口畅通，或者未被占用(使用netstat -n命令查看)。 假设时间服务器的地址如下： Time Server Address： Primary：192.168.1.254 Standby：192.168.1.253
2.7K10编辑于 2022-06-28 - 来自专栏JAVA同学会
Spring Mobile——探测客户端设备和系统
今天仔细看了一下，原来是可以探测请求端的设备和系统。比如是手机、平板、还是正常的PC网站。它是Spring MVC的扩展，主要的目的是简化手机web应用的开发。
80940发布于 2018-08-28 - 来自专栏猛牛哥的博客
WINDOWS系统安装WireGuard客户端的方法
目前WireGuard的WINDOWS客户端由tunsafe.com 提供，但是这个网站目前已经被墙了，所以下载和安装不太方便。 我把官方的安装包放到自己服务器了，点此下载TunSafe。
9.1K50编辑于 2023-10-21 - 来自专栏新智元
首个AI游戏引擎或颠覆任天堂暴雪？0代码即可创建，黄仁勋预测5-10年游戏完全由AI生成
新智元报道 编辑：编辑部 【新智元导读】还有什么领域没有被AI渗透？继音乐之后，首个AI游戏引擎已经完全凭几个字，就能创建游戏资产和动画了。 老黄预测，未来5-10年我们将看到完全由AI生成的游戏。 「未来5-10年，我们可以看到完全由AI生成的游戏」。 这是近日GTC 2024大会之后，黄仁勋接受媒体时采访时发表的最新看法。 近日，一家专注研发无代码游戏引擎的初创公司BuildBox AI，发布了新一代AI游戏引擎——Buildbox 4 Alpha。 - AI场景生成：描述您想要的场景，从诡异的墓地到霓虹灯城市，几分钟内构建整个游戏环境。 - 快速AI编辑和手势绘制工具：只需快速点击或滑动，就可以使用基于AI和手势的绘制工具动态进行更改。 就连老黄也表示，这只需要5-10年的时间。Bethesda仍在推进下一代《上古卷轴》游戏的开发，预计2028年推出。微软和新XBox也是如此。 所有这些游戏，都将在10年后被扫地出门。
64910编辑于 2024-03-26 - 来自专栏AI系统
【AI系统】推理系统架构
推理系统架构是 AI 领域中的一个关键组成部分，它负责将训练好的模型应用于实际问题，从而实现智能决策和自动化。 作为一个强大的推理框架，Triton 能够满足多样化的 AI 应用需求，帮助企业和开发者构建高效、可靠的推理服务。 需要特定的客户端库支持。Ⅲ. 共享内存 IPC 通信机制共享内存是一种进程间通信（IPC）方式，允许多个进程共享同一块内存区域。 正如之前所提到的，Triton 支持多种协议，如 gRPC 和 HTTP/REST，以适应不同客户端的需求。 此外，对于连续的推理任务，Triton 支持会话（Session）管理，进一步减少了客户端与服务端之间的握手和认证开销。
2.4K10编辑于 2024-12-02 - 来自专栏AI系统
【AI系统】AI 框架作用
本文将从深度学习的原理开始，进而深入地讨论在实现深度学习的计算过程中使用到的 AI 框架，看看 AI 框架具体的作用和目的。 这种模拟生物神经元的数学计算，能够很好地对大规模独立同分布的数据进行非线性映射和处理，使得其能够应对到 AI 的不同任务。函数逼近现在，如果把神经网络看做一个复杂函数，那么这个函数可以逼近任何函数。 AI 框架的作用AI 框架与微分关系根据深度学习的原理，AI 框架最核心和基础的功能是自动求导（后续统一称为自动微分，AutoGrad）。 AI 框架与程序结合下面左图的公式是神经网络表示的复合函数表示，蓝色框框表示的是 AI 框架，AI 框架给开发者提供构建神经网络模型的数学操作，AI 框架把复杂的数学表达，转换成计算机可识别的计算图。 这一过程，只要你定义好网络 AI 框架都会主动地帮我们完成。
64410编辑于 2024-12-06 - 来自专栏AI系统
【AI系统】推理系统介绍
推理系统是一个专门用于部署神经网络模型，执行推理预测任务的 AI 系统。它类似于传统的 Web 服务或移动端应用系统，但专注于 AI 模型的部署与运行。 AI 生命周期在日常生活中，深度学习的相关方法已经广泛的部署到各类的应用当中。 此外，推理系统提供了多样化的服务接口（如 HTTP、gRPC 等），以便客户端轻松调用。用户可以通过这些接口不断向推理服务系统发起请求，并接收相应的响应。 根据上图示的 AI 框架、推理系统与硬件之间的关系，可以看到，除了应对应用场景的多样化需求，推理系统还需克服由不同训练框架和推理硬件所带来的部署环境多样性挑战，这些挑战不仅增加了部署优化和维护的难度，而且易于出错 开发人员需要将各种必要的软件组件拼凑在一起，以确保兼容数据读取、客户端请求、模型推理等多个阶段的处理。
2.4K10编辑于 2024-12-02 - 来自专栏AI系统
【AI系统】AI 系统与程序代码关系
模型算法的开发者一般会通过使用 AI 框架提供 Python 等高级语言的 API，来编写对应的 AI 算法，而 AI 算法的底层系统问题被当前层抽象隐藏。 到底在代码背后 AI 系统的每一层发生和执行了什么？有哪些有意思的系统设计问题？ 本文我们将从一个具体的 PyTorch 实现一个 LeNet5 神经网络模型作为实例开始，启发读者和后面 AI 系统的每一层和各篇文章构建起桥梁与联系。 底层通过层层抽象，提升了开发效率，但是对系统研发却隐藏了众多细节，需要 AI 系统开发的工程师进一步探究。 如果没有 AI 框架、AI 编译器和算子库的支持，算法工程师进行简单的神经网络模型设计与开发都会举步维艰，所以应该看到 AI 算法本身飞速发展的同时，也要看到底层系统对提升整个算法研发的生产力起到了不可或缺的作用
85510编辑于 2024-12-02 - 来自专栏AI系统
【AI系统】推理系统引言
推理的最终目标，便是将训练好的模型部署到实际的生产环境中，使 AI 真正运行起来，服务于日常生活。推理系统，是一个专门用于部署神经网络模型，执行推理预测任务的 AI 系统。 它类似于传统的 Web 服务或移动端应用系统，但专注于 AI 模型的部署与运行。推理系统会加载模型到内存，并进行版本管理，确保新版本能够顺利上线，旧版本能够安全回滚。 通过提供服务接口（如 HTTP、gRPC 等），推理系统使得客户端能够方便地调用模型进行推理预测。同时，推理系统还可以作为一个微服务，在数据中心中与其他微服务协同工作，共同完成复杂的请求处理任务。 推理引擎，则是推理系统中的重要组成部分，它主要负责 AI 模型的加载与执行。 人工客服应用推理引擎或推理系统在人工客服和 AI 对话方面有广泛的应用。以下是一些相关的内容：智能客服：推理引擎可以用于实现智能客服系统，能够理解用户的问题并提供准确的答案。
1.8K10编辑于 2024-12-02
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