人工智能

工作流 x 深度学习:揭秘蓝耘元生代如何用 ComfyUI 玩转 AI 开发

目录一、从 “代码噩梦” 到 “积木游戏”:我与工作流的初次碰撞二、深度学习:复杂而迷人的 “数字迷宫”(一)深度学习的神秘面纱(二)深度学习的发展历程(三)深度学习面临的挑战三、ComfyUI到底是啥?它能吃吗?四、深度学习的 “脚手架”:为什

从头到尾,手把手教你使用扣子(coze)搭建自己的AI智能体

一:什么是智能体智能体就像是一个有“脑子”的帮手。它存在于某个环境中(比如手机、电脑、机器人、甚至网络里),能自己观察周围的情况,思考该做什么,然后主动采取行动去完成目标。举个例子:1. 手机里的语音助手(Siri、小爱同学):你说话它听(感知环境)&#xff

黑马程序员 | Python教程:数据分析常见的误区有哪些?

1、盲目的收集数据 一个正常运营的产品每天会产生大量的数据,如果把这些数据都收集起来进行分析,不仅会使工作量增加,浪费大量时间,很可能还会得不到想要的分析结果。作为一名数据分析人员,更不应该为了分析而分析,而是应该紧紧围绕你的分析目的(了解现状、分析业务变动原因、预测发展趋势等)去进行分析。所以,在开始数据收集工作之前,就应该先把数据分析的目的梳理清楚,防止出现”答非所问”的数据分析结果。 2、对

【博客】数据密集型应用系统设计

什么是「数据密集型应用系统」? 当数据(数据量、数据复杂度、数据变化速度)是一个应用的主要挑战,那么可以把这个应用称为数据密集型的。 与之相对的是计算密集型——处理器速度是主要瓶颈。 其实我们平时遇到的大部分系统都是数据密集型的——应用代码访问内存、硬盘、数据库、消息队列中的数据,经过业务逻辑处理,再返回给用户。 image.png 很多软件都是在解决不同场景下的数据存储和检索问题——

Apache Flink——任务(Tasks)和任务槽(Task Slots)

一、任务槽(Task Slots) Flink 中每一个 worker(也就是 TaskManager)都是一个 JVM进程,它可以启动多个独立的线程,来并行执行多个子任务(subtask)。 TaskManager 的计算资源是有限的,并不是所有任务都可以放在一个TaskManager上并行执行。并行的任务越多,每个线程的资源就会越少。为了控制并发量,我们需要在 TaskManager 上对每个

使用函数作为参数 传递数据,封装阿里 easyexcel 导出,导入大数据量 excel

注意 数据是 从函数里面拿到,很多语言都支持 函数作为参数,java8 之后也支持 函数作为参数 有些不好理解,但是 很多写法 就是比较灵活了 如Scala 代码就十分优雅,鼓励用 /** * 大数量导出 * @param fileName 生成文件地址 * @param head 表头 * @param pageSize 页大小 * @

网络拓扑图可以用AI绘制了吗?常用工具列举探索

绘制网络拓扑图,目前业内有多款工具可供选择,而在AIGC的大趋势下,如果能通过AI自动生成各类网络拓扑图就更香了;以此为目的,针对主要的几款工具进行了AI方面的探索,然而我们想的还是太美好了,AI的福音还没有吹到拓扑图绘制的领域,但从当下的几款工具,我们也可从功能上探知一二

功能解剖学1-7.肩关节运动评估

《功能解剖学》读书笔记之【7.肩关节运动评估】 图1-23~1-24 定量分析有3个自由度的关节是很困难的,尤其是肩部关节的运动和位置,原因是某些术语的定义很含糊。例如,如果外展运动被定义为上肢远离身体正中平面的运动,那么这个定义只适用上肢在90°内的上举,因为超过这个角度,上肢是朝靠近身体中轴方向运动的,所以用“内收”这个词将更确切。然而在实际中,为强调这个过程的连续性,我们仍然使

不试图预测只努力创造

我的朋友,你学习《易经》,因为很多老师推荐,这是一本智慧的书,从中可以懂得世界缘由、未来趋势。 听过很多次课,却缺乏深度掌握。上课环顾左右,同学大多比我认真,能理解老师讲解。一个同学被叫上讲台,对卦象详细分析,得出结论,让人惊讶。开始到结束,我表示了配合姿态,但确实没有真正懂得,后续可能会深入研究。 原因之一,学习之初有一种感受,从实践工作中,得到未来愿景,不应预测,规划计划不是应

调用蓝耘Maas平台大模型API打造个人AI助理实战

目录 前言 需求分析与环境配置 明确需求 环境准备 选择合适的大模型 蓝耘Mass平台介绍 API调用 大模型API介绍 API 调用流程 可交互AI助理开发 总结 前言大数据时代,个人隐私很难得到保障,如果我们需要借助大模型解决一些私人问题,又不想隐私被泄露和所用的大模型公司收集,这里