- 综合排序
- 最热优先
- 最新优先
- 来自专栏技术人生黄勇
教程｜使用免费GPU 资源搭建专属知识库 ChatGLM2-6B + LangChain
GPU 云环境搭建 ChatGLM2-6B 坎坷路。 02 — 部署 ChatGLM2-6B 上面部分已经把环境准备好了，开始项目部署。 模型下载问题解决后，我把模型文件放在了 ChatGLM2-6B/model 目录下，完整目录地址：/mnt/workspace/ChatGLM2-6B/model。 照例按照上面的步骤，下载好模型，传到机器学习平台的服务器上，我放在了这个目录下：/mnt/workspace/text2vec。 修改模型地址 打开 configs/model_config.py 文件，找到参数 embedding_model_dict 修改 "text2vec" 的值为：/mnt/workspace/text2vec "text2vec-base": "shibing624/text2vec-base-chinese", "text2vec": "/mnt/workspace/text2vec", .
58910编辑于 2024-07-19 - 来自专栏素质云笔记
R+NLP︱text2vec包——BOW词袋模型做监督式情感标注案例（二,情感标注）
近年来，BoW模型被广泛应用于计算机视觉中。 基于上述两个文档中出现的单词，构建如下一个词典 (dictionary)： {"John": 1, "likes": 2,"to": 3, "watch": 4, "movies": 5,"also": 6, ———————————————————————————————— 二、text2vec基于BOW的情感标注 本文选用的是text2vec开发者自带的数据集，有ID、sentiment代表情感正负面 1 1 4: need_many 1 1 5: you_need 1 1 6: ———————————————————————————————— 应用一：在text2vec中灵活的进行数据转化、并建模 从第三章节来看，数据转化一般是形成DTM之后，或者通过fit或者通过
1.9K20发布于 2019-05-26 - 来自专栏Java实战博客
6 ElasticSearch 高级-应用篇
bulk 批量操作 ：将文档 增删改查 一系列的操作，通过一次请求全部做完。优点：可以减少网络传输次数。
50710编辑于 2022-01-17 - 来自专栏素质云笔记
重磅︱R+NLP：text2vec包——New 文本分析生态系统 No.1（一,简介）
那么前面一类有三个开源的包，后面这一类我倒是看到得不多，恰好是在我关注了许久的一个包里面有，它就是text2vec啦。该包提供了一个强大API接口，能够很好地处理文本信息。 这个生态系统也是笔者见到过的，R语言里面最好、最全面的包了，包含了很多类型的算法以及成熟的应用。而且包的介绍十分详尽，很棒！！ 系列文章： 重磅︱R+NLP：text2vec包——New 文本分析生态系统 No.1（一,简介） R+NLP︱text2vec包——BOW词袋模型做监督式情感标注案例（二,情感标注） R+NLP︱text2vec ——————————— 三、LDA主题模型 LDA主题模型是基于lda包开发的（Jonathan Chang）,在下次发布的时候该主题模型的引擎就会嵌入到lda包之中，目前text2vec
1.2K10发布于 2019-05-26 - 来自专栏python3
6-3pxe应用入门
install dhcp tftp-server tftp syslinux vsftpd---配置成一个dhcp server 此时还需要一个kickstart文件，视频中是从服务器获取 centos 6改 接下来需要准备yum仓库 mkdir /var/ftp/pub/centos mount --bind /media/cdrom/ /var/ftp/pub/cnetos---这是绑定的方式 vim centos6. -------------------#####以下没用，只是示例 repo --name="Fedora EPEL" --baseurl=http://172.16.0.1/fedora-epel/6/ basic-desktopbr/>@chinese-support @client-mgmt-tools -------------------------------####以上没用 cp centos6. 表示一个控制符，表示按A快速定位 menu default kernel vmlinuz append initrd=initrd.img ks=ftp://192.168.10.16/pub/centos6.
84130发布于 2020-01-15 - 来自专栏全栈程序员必看
ODrive应用 #6 编码器
在编码器校准过程中，必须允许转子旋转而且不能有偏载。 这意味着载荷均匀和较弱的摩擦载荷才行，但是重载或类似弹簧载荷不行。 在 odrivetool中输入<axis>.requested_state = AXIS_STATE_ENCODER_OFFSET_CALIBRATION Enter。 要验证一切正常，请检查以下变量：
2.5K10编辑于 2022-07-23 - 来自专栏iSharkFly
Gradle 6 应用 gradleEnterprise 提示错误
在应用 gradleEnterprise 的时候，提示错误： > Could not find method gradleEnterprise() for arguments [settings_5wv4b365n0pw4ey5aj1mu1468 run_closure1@5b527bd] on settings 'covid-19' of type org.gradle.initialization.DefaultSettings. ---- 这是因为你可能没有应用插件 termsOfServiceUrl = 'https://gradle.com/terms-of-service' termsOfServiceAgree = 'yes' } } 需要先应用
1.6K40发布于 2020-04-02 - 来自专栏运维经验分享
Zabbix的应用(6)----常见错误
Zabbix的应用(6)----常见错误 【摘要】 常见问题：问题1：Service "sppsvc" (Software Protection) is not running (startup type
1.6K20发布于 2019-08-23 - 来自专栏TomatoCool
TP6多应用部署
tp6默认是不会开启多应用的，此时我们需要在项目目录下输入以下代码开启多应用模式。 然后根据需求创建自己的应用，输入以下命令创建名为index和test的app，可以看到app目录下多出两个目录。
39220编辑于 2023-07-30 - 来自专栏运维经验分享
Zabbix的应用(6)----常见错误
Zabbix的应用(6)----常见错误 【摘要】 常见问题：问题1：Service "sppsvc" (Software Protection) is not running (startup type
90410发布于 2019-08-23 - 来自专栏福大大架构师每日一题
weaviate v1.29.7震撼发布！全面升级HuggingFace＆Mistral向量化模块，性能与体验双重跃升！
2025年5月13日，伴随着AI应用的不断深入和知识图谱的火热发展，领先的开源向量数据库Weaviate迎来了重要版本v1.29.7的发布。 此次v1.29.7版本虽未带来全新特性，但对已有模块做了极具深度的调整和优化，特别是围绕主流向量化模块Text2Vec HuggingFace和Text2Vec Mistral： • 支持最新API，兼容性更强 Text2Vec Mistral模块同步升级 类似HuggingFace模块，Mistral文本向量化模块也同步更新以支持最新模型嵌入API。 OpenAI Text2Vec最大Token数限制调整 Weaviate团队降低了OpenAI Text2Vec模块单次请求的最大Token数限制。 调整OpenAI Text2Vec请求最大Token数限制参数（如有自定义） 4.
63010编辑于 2025-05-14 - 来自专栏素质云笔记
R+NLP︱text2vec包——四类文本挖掘相似性指标 RWMD、cosine、Jaccard 、Euclidean （三,相似距离）
在之前的开篇提到了text2vec，笔者将其定义为R语言文本分析"No.1"，她是一个文本分析的生态系统。笔者在学习之后发现开发者简直牛！基于分享精神，将自学笔记记录出来。 开篇内容参考： 重磅︱R+NLP：text2vec包——New 文本分析生态系统 No.1（一,简介） R+NLP︱text2vec包——BOW词袋模型做监督式情感标注案例（二,情感标注） 不展开描述，因为很常见，其中文本分析还有Hamming距离 详情戳我转的博客：机器学习中应用到的各种距离介绍（附上Matlab代码） ———————————————————————————— EMD主要应用在图像处理和语音信号处理领域。 EMD 实际上是线性规划中运输问题的最优解。首先，简要描述下运输问题。我们假设这个例子是从多个工厂运输货物到多个仓库。 2、EMD算法在自然语言处理领域的应用 通过词嵌入（Word Embedding），我们可以得到词语的分布式低维实数向量表示，我们可以计算词语之间的距离，即我们可以得到dij，因此可以将EMD
2K20编辑于 2022-05-09 - 来自专栏程序员树先生
基于 ChatGLM-6B 搭建个人专属知识库
/your_path/text2vec # 模型需要更新时，可打开模型所在文件夹后拉取最新模型文件/代码 git pull 参数调整 模型下载完成后，请在 configs/model_config.py "ernie-tiny": "nghuyong/ernie-3.0-nano-zh", "ernie-base": "nghuyong/ernie-3.0-base-zh", "text2vec ": "/your_path/text2vec" } llm_model_dict = { "chatyuan": "ClueAI/ChatYuan-large-v2", "chatglm -6b-int4-qe": "THUDM/chatglm-6b-int4-qe", "chatglm-6b-int4": "THUDM/chatglm-6b-int4", "chatglm -6b-int8": "THUDM/chatglm-6b-int8", "chatglm-6b": "/your_path/chatglm-6b", } 项目启动 Web 模式启动 pip install
4.3K155编辑于 2023-05-16 - 来自专栏菜鸟成长学习笔记
Thinkphp6多应用路由管理
ThinkPHP是一个免费开源的，快速、简单的面向对象的轻量级PHP开发框架，是为了敏捷WEB应用开发和简化企业应用开发而诞生的。 今天就来给大家分享一下ThinkPHP6中，如何基于多应用定义路由配置。该篇文章需要注意的是，官方文档说的多应用是针对多个域名，而本篇文章是基于同一个域名来实现多应用。 目录说明第一步肯定是需要安装ThinkPHP6官方框架，这里就直接省略这一步。接下来就是安装多应用的组件包。 这里我们创建一个admin的应用。admin.controller 为应用的controller层，文章演示用到了分层controller。这里分为api和admin。 route 为应用的路由文件，在该目录下存在一个app.php的文件，为具体的路由文件，所有的应用路由都是定义在这里。路由定义第二步在route目录下的app.php文件定义路由。
1.2K50编辑于 2023-05-18 - 来自专栏机器学习AI算法工程
最准的中文文本相似度计算工具
text2vec, chinese text to vetor. 篇章粒度，可以通过gensim库的doc2vec得到，应用较少，本项目不实现。 get similarity score between text1 and text2 from text2vec import Similarity a = '如何更换花呗绑定银行卡' b = '
15.6K31发布于 2020-04-08 - 来自专栏菜鸟成长学习笔记
Thinkphp6多应用路由管理
ThinkPHP是一个免费开源的，快速、简单的面向对象的轻量级PHP开发框架，是为了敏捷WEB应用开发和简化企业应用开发而诞生的。 今天就来给大家分享一下ThinkPHP6中，如何基于多应用定义路由配置。该篇文章需要注意的是，官方文档说的多应用是针对多个域名，而本篇文章是基于同一个域名来实现多应用。 目录说明第一步肯定是需要安装ThinkPHP6官方框架，这里就直接省略这一步。接下来就是安装多应用的组件包。 这里我们创建一个admin的应用。admin.controller 为应用的controller层，文章演示用到了分层controller。这里分为api和admin。 route 为应用的路由文件，在该目录下存在一个app.php的文件，为具体的路由文件，所有的应用路由都是定义在这里。路由定义第二步在route目录下的app.php文件定义路由。
1.1K21编辑于 2023-06-19 - 来自专栏C++核心准则原文翻译
自学鸿蒙应用开发（6）- TextField组件
本文介绍在鸿蒙应用中TextField组件的基本用法。 增加TextField组件 如下代码中25行~32行所示，在布局中增加TextField组件。 <?
87020发布于 2020-12-31 - 来自专栏葡萄城控件技术团队
ActiveReports 报表应用教程 (6)---分组报表
分组报表在商业报表系统中应用不胜枚举，客户信息归类统计表、商品分类统计表、销售记录年度、阅读统计等等。本文将介绍如何在葡萄城ActiveReports报表中实现分组报表。 1、创建报表文件 在应用程序中添加一个 ActiveReports 报表文件，使用的项目模板类型为 ActiveReports 页面报表。 再订购量.Value Cells[3,6] TextBox Value=Fields!单价.Value * Fields! 库存量.Value, "Table1") Cells[6,5] TextBox Value=Sum(Fields!单价.Value * Fields!
2.5K50发布于 2018-01-10 - 来自专栏SDNLAB
Unified SRv6 SID技术加快SRv6应用步伐
根据该扩展方案，标准SRv6应用SID长度指示为0，使用32bit短IP地址格式长度指示为1，使用32bit MPLS Label格式长度指示为2，实现与当前各种SR技术通过统一的SID长度进行混合组网应用 或32bit）区分SID，这导致其难以满足不同的网络应用中需求，特别是复杂运营商网络应用。 在IPv4网络升级IPv6的组网应用中，短地址长期存在，比如现有分配的IPv4或IPv6域内除共同前缀外的区分地址。 在独立的SRv6组网应用中，通过通过短格式的MPLS格式的32bit SID代替128bit标准的SRv6 SID实现SRH头压缩，压缩率达到1/4，具备落地应用能力。 /短IPv6地址网络中快速部署SRv6，同时可以具备标准SRv6的所有能力，从而加快SRv6在网络中的应用步伐。
1.5K30发布于 2019-11-13 - 来自专栏素质云笔记
NLP︱词向量经验总结（功能作用、高维可视化、R语言实现、大规模语料、延伸拓展）
包） 参考博客：text2vec（参考博客：重磅︱R+NLP：text2vec包——New 文本分析生态系统 No.1（一,简介）） —————————————————————————————————— —————————————— 二、词向量表示精度 不同的词向量表达方式也有着不同的优劣势， 1、NLP︱高级词向量表达（一）——GloVe（理论、相关测评结果、R&python实现、相关应用） 2、NLP 可以看自然语言处理工具包spaCy介绍 关于Sense2vec可以参考博客：https://explosion.ai/blog/sense2vec-with-spacy sense2vec的demo网站 6、 近日发现了其他两个：一个是text2vec，一个是rword2vec。 其中text2vec是现在主要的研究方向： 重磅︱R+NLP：text2vec包简介（GloVe词向量、LDA主题模型、各类距离计算等） ——————————————————————————————
2.9K10发布于 2019-05-26
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