绝赞招聘中 TVM CAFFE 前端 2019·11·16绝赞招聘中 TVM 在平头哥 • 工具链产品 平头哥芯片平台发布的配套软件中， TVM 是工具链产品的重要组成部分： 负责将预训练好的 caffe 或者 tensorflow 的模型，转换到 LLVM IR，最后生成可以在无剑 SoC 平台上 执行的二进制。绝赞招聘中 为何添加 caffe 前端？ 客户需求 评估 评估阶段：客户用于评估芯片的网络，caffe 模型占很大比重。 竞品已支持 caffe 前端 当前各大芯片厂商的部署工具大多数都支持，支持 caffe 前端有利于提高竞争力。 开源社区 存量的开源 caffe 网络模型众多，TVM 直接支持 caffe 让大家更方便尝试 caffe 资源。绝赞招聘中 当前进度 无 caffe 依赖 from_caffe 直接导入 caffe 模型文件，不需要预先安装 flatten / normalize / crop / proposal / roipooling / permute / priorbox绝赞招聘中 未来 命令行工具 将 caffe 模型转换的功能，通过一组命令行工具提供，命令行工具支持 windows / linux 平台。 支持更多 caffe op / net 随着客户需求和社区发展，提供更多的 caffe 分支变种的 op / net

务改进与优化提供支持。 人 人 可 用 的 开源数据可视化分析工具 DataEase 的使命 他们都在用 DataEase 累计安装下载约 10 万次，50+ 技术支持群，广受各行各业用户的喜爱 DataEase 功能架构 数据源 DataEase 支持近 20 种常见的数据源，更多数据源支持持续增加中… 核心概念 数据集 通过对表的数据进行关联与处理，用户可自由组合形成自有数据集合，供后续进行业务分析与图表制作使用 通常偏向于静态或定期更新，适用于日常分析与制作各项业务数据报告等 PC 端 移动端 核心概念 连接数据 数据准备 可视化分析 数据源 1 数据源 2 数据源 3 数据源 4 组合及处理数据 数据集 1 数据集 2 数据集 3 数据集 4 仪表板创建与管理 数据大屏创建与管理 数据图表制作 数据实时分析 数据大屏展示 收藏导出分享 DataEase 工作流程 DataEase 支持丰富的数据源连 企业版介绍 05 嵌入式版介绍 DataEase 社区版 DataEase 企业版 • 基于 GPL v3.0 开源许可协议免费下载； • 快速获取用户反馈、按月发布新版； • 超越传统 BI 工具的使用体验。 X-Pack 增强包 + 原厂企业级支持服务 社区版 VS 企业版 自定义显示 单点登录系统对接 菜单权限管理 REST API 自定义主题 用户、角色与组织管理

大模型撞上“算力墙”，超级应用的探寻之路 36 | AI 的三岔路口：专业模型和个人模型 40 | 2024 年 AI 编程技术与工具发展综述 45 | RAG 的 2024：随需而变，从狂热到理性 51 | 大模型训练中的开源数据和算法：机遇及挑战 57 | 2024 年 AI 编程工具的进化 62 | AI 开发者中间件工具生态 2024 年总结 66 | AI Agent 逐渐成为 AI 应用的核心架构 68 | 72 | 2024:大模型背景下知识图谱的理性回归 77 | 人工智能与处理器芯片架构 89 | 大模型生成代码的安全与质量 93 | 2024 年 AI 大模型如何影响基础软件行业中 的「开发工具与环境」 98 | 推理中心化：构建未来 AI 基础设施的关键 Part 1：中国开源开发者生态数据 04 | Gitee 数据篇 Part 3：国内 GenAI 生态高亮瞬间 104 | 17 / 111 OSS Compass Insight 本部分图表仅用于数据展示，不涉及先后排名 稳健性-活跃度 作为 AI 开发生态中的关键组 成部分，本部分图表中的开发 框架、大模型及相关工具在活 跃度的表现各有千秋。 如应用开发平台 Dify 受行业 技术更新影响较小，其活跃度 始终保持着较高水平；而大语 言模型 MOSS 则较易受技术 更新影响，活跃度随时间整体 呈下滑趋势。 18

. . . . . . . . . . . . . . . . 2 2.2 顶部工具栏 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 2.3 左方工具栏 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 3.2.1 工具集 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . http://web.archive.org/web/20071030075236/ Excellon 格式描述 文档。 2 界面 2.1 主窗口 Gerber 浏览器 3 / 11 2.2 顶部工具栏 清除所有图层 加载 Gerber 文件 加载 Excellon 钻孔文件 设置页面大小 打印 重绘视图 放大或缩小 自动缩放（缩放适合） 缩放至选择 选择活动图层 显示有关活动图层的信息

基础设施、应用现状，以及相关的工具和平台。 2 / 32 LLM Tech Map  向量数据库  数据库向量支持  大模型框架、微调 (Fine Tuning)  大模型训练平台与工具 基础设施 LLM Agent  备案上线的中国大模型  知名大模型  知名大模型应用 大模型 算力 工具和平台  LLMOps  大模型聚合平台  开发工具 AI 编程  插件、IDE、终端 插件、IDE、终端  代码生成工具 编程语言 3 / 32 LLM 技术背景 Transformer 架构和预训练与微调策略是 LLM 技术的核心，随着大规模语言数据集的可用性和计算能 力的提升，研究者们开始设计更大规模的神经网络，以提高对语言复杂性的理解。 GPT (Generative Pre-trained Transformer) 的提出标志着 LLM 技术的飞速发展，其预训练和微调的 向量数据库/数据库向量支持 为大模型提供高效的存储和检索能力 大模型框架及微调 (Fine Tuning) 大模型框架提供基本能力和普适性，而微调 则是实现特定应用和优化性能的关键环节 大模型训练平台&工具 提供了在不同硬件和环境中训练大语言模型 所需的基础设施和支持 编程语言 以 Python 为代表 5 / 32 LLM 基础设施：向量数据库/数据库向量支持 向量数据库是专门用于存储和检索向量数据的数据库，它可以为

用，它们突破了传统图像生成方式的局限，仅需要用户提供 文字描述，就可以生成高质量的数字艺术作品。它们的图像 生成质量、样式多样性和用户便捷性都是极大的突破。这为 广大的个人用户和创意行业提供了强有力的工具，彻底改变 了数字艺术内容的创作方式。同时，它们也引发了人工智能 在创作领域的伦理和法律讨论。LLM 杀进多媒体领域。往 后 DALL-E 3 模型升级、Adobe 产品整合 LLM 能力、 工程建立了一套“人机交互语法”，来更精准地向 LLM 传 达想要它生成何种输出的指令。这为人们与 LLM 之间建立 高效、准确的“沟通桥梁”提供了可能性。什么“链式思考 1 1 （CoT）”、“自动推理并使用工具（ART）”、“思维 树（ToT）”……甚至运用心理学对 LLM 进行“情绪提 示（EmotionPrompt）”，提示词工程俨然在将 LLM 一 点一点解剖，试图让人类成为可以将其掌控的“咒术师”。 首先明确用户的目标，然后围绕目标进行技术研发和应用设 计，并且它带有“整体解决”、“解决的不只是某个单点问题” 的含义。只有这样，才能确保 LLM 能够真正解决实际问题， 而不是成为“应付式”的工具。 “应付式”问题主要表现在以下几个方面：  LLM 往往是“一刀切”的，无法根据用户的具体需求进 行个性化定制。  LLM 往往是“碎片化”的，无法提供完整的解决方案。  LLM

文档。关于钻孔 文件格式的信息，可以阅读 http://web.archive.org/web/20071030075236/ Excellon格式描述 文档。 2. 界面 2.1. 主窗口 2.2. 顶部工具栏 清除所有图层 加载 Gerber 文件 加载 Excellon 钻孔文件 设置页面大小 打印 重绘视图 放大或缩小 自动缩放（缩放适合） 缩放至选择 选择活动图层 显示有关活动图层的信息 高亮显示属于所选元件的项目（Gerber X2） 高亮显示属于所选网络的项目（Gerber X2） 高亮显示具有所选属性的项目（Gerber X2） 高亮显示活动图层上所选D代码的项目 2.3. 左方工具栏 选择项目 测量两点之间 切换网格可见性 切换极坐标显示 选择英寸或毫米单位 切换全屏光标 以草图（边框）模式显示闪烁的项目 以草图（边框）模式显示线条 以草图（边框）模式显示多边形 设置菜单 工具集 Gerber 浏览器现在已经支持 Pcbnew 中所使用的现代图形工具集了。启用现代 图形工具集可以带给你更多的功能以及更好的性能。你可以随时在设置菜单中 更改使用的工具集。如果你的显卡支持 OpenGL2.0，那么我们建议启用现代 （加速）工具集。如果你的显卡不支持加速工具集，你依旧可以通过使用现代 （回退）工具集来使用新的功能。 我们建议仅在现代图形工具集无法支持你需要的功能或显示不正常时使用传统

能做什么？ 要怎么做？ 效果如何？ 一 能做什么？ 数据挖掘 数据分析 数据采集 数据处理 数据可视化 AIGC 数据应用 通过编写爬虫代码、访问数据库、读取文件、调用API等方式，采 集社交媒体数据、数据库内容、文本数据、接口数据等。 通过数据清洗、数据集成、数据变换、特征工程等方式，实 现数据纠错、数据整合、格式转换、特征提取等。 对数据进行诊断、预测、关联、聚类分析，常用于问题 论。 结论 测试结果受到数据样本、测试环境、AI抽卡、提示词模板等因素影响，仅供参考，无法作为决策制定、质量评估或产品验证的最终依据。 数据挖掘 1、读取即将上映的2025年电影数据集 2、对数据集进行深入分析和数据挖掘 任务 DeepSeek R1 能够准确对数据进行分类，从多个维度进行梳理和分析，借助可视化图表进行数据挖掘，基于分析结 果提供可行建议，但整体数据挖掘深度较浅，缺少对不同类型数据直接关联性的探究。 提示词 测试结果受到数据样本、测试环境、AI抽卡、提示词模板等因素影响，仅供参考，无法作为决策制定、质量评估或产品验证的最终依据。 数据挖掘 Claude 3.5 sonnet 基于数据集，在整体数据概括后提供多个 深入数据挖掘方向，根据需求输入研究倾 向，高效生成多个维度的数据分析，语言 简洁，挖掘深度较浅。 Kimi k1.5 提供数据的潜在用途方向，深入分 析过程中，从多个维度（如时间、

组织的基本知识 团队 审计日志 脚本 GitHub 服务与钩子 GitHub API 基本用途 在一个问题上评论 修改 Pull Request 的状态 Octokit 总结 Git 工具 选择修订版本 单个修订版本 简短的 SHA-1 分支引用 引用日志 祖先引用 提交区间 交互式暂存 暂存与取消暂存文件 暂存补丁 贮藏与清理 贮藏工作 贮藏的创意性使用 在包含子模块的项目上工作 子模块的技巧 子模块的问题 打包 替换 凭证存储 底层实现 自定义凭证缓存 总结 自定义 Git 配置 Git 客户端基本配置 Git 中的着色 外部的合并与比较工具 格式化与多余的空白字符 服务器端配置 Git 属性 二进制文件 关键字展开 导出版本库 合并策略 Git 钩子 安装一个钩子 客户端钩子 服务器端钩子 使用强制策略的一个例子 但是围绕 Git 的社区还是有一些重大的增加与改变。 本书的第二版就是为了更 新书籍并讲解那些改动以使其对新用户更有帮助。 当我写第一版时，Git 对于超级黑客来说还是一个相对难用，只能勉强接受的 工具。 它开始在特定的社区中快速发展，但是还没有达到像今天一样无处不 在的地步。 自那时起，几乎每一个开源社区都采用了它。 Git 在 Windows 上取得了难以置信的进步，包括所有平台的图形用户界面对它的支持、IDE

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 Git 工具. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 然有效，但是围绕 Git 的社区还是有一些重大的增加与改变。 本书的第二版就是为了更新书籍并讲解那些改动以 使其对新用户更有帮助。 当我写第一版时，Git 对于超级黑客来说还是一个相对难用，只能勉强接受的工具。 它开始在特定的社区中快速 发展，但是还没有达到像今天一样无处不在的地步。 自那时起，几乎每一个开源社区都采用了它。 Git 在 Windows 上取得了难以置信的进步，包括所有平台的图形用户界面对它的支持、IDE @networm @Geno1024 @branchzero @IceNature 6.6 总结 @devbean @branchzero @buginux @IceNature 7. Git 工具 7.1 选择修订版本 @leo108 王波 7.2 交互式暂存 @networm @IceNature @jeffsui @M1seRy 7.3 储藏与清理 @networm @IceNature