普通人学AI指南AI 大模型基础 ..... 4 1.1 AIGC ..... 4 1.2 AGI ..... 5 1.3 大模型 ..... 5 1.4 基础概念 ..... 6 1.4.1 上下文窗口 ..... 6 1.4.2 单位 B 和 T ..... 6 2 AI 工具梳理 ..... 6 2.1 问答 ..... 6 2.1.1 ChatGPT ..... 6 2 1.4 基础概念 #### 1.4.1 上下文窗口 上下文窗口指的是模型一次可以处理的最大文本长度。这个长度通常用 “tokens”(标记)来表示,每个标记可以是一个单词、子词或单个字符,具体取决于编码方式。 上下文窗口大小决定了模型在回答问题或生成文本时可以利用的上下文范围。窗口越大,模型就能处理越长的上下文,对理解长文本内容非常重要。 较大的窗口允许模型处理更长的文本片段,从而提高在长文 。 下载之后打开,直接点击 Next 以及 Install 安装 ollama,安装步骤非常简单。 #### 3.1.2 步骤 2: 安装 Llama 下载 Llama3,打开新的终端/命令行窗口,执行以下命令: ollama run llama3 程序会自动下载 Llama3 的模型文件,默认是 8B,也就 80 亿参数版本,个人电脑完全可以运行。等待安装完成,如图 12 所示。  系统层面  ## 限界上下文层面  ## THANK YOU0 码力 | 29 页 | 3.02 MB | 2 年前3
Brief Notes on Introduction to Gimp Interface0 码力 | 8 页 | 2.37 MB | 2 年前3
机器学习课程-温州大学-时间序列总结jpg) 熟悉 滑动窗口的使用 掌握时期,重采样 ## 目录  01 时间序列的基本操作 02 固定频率的时间序列 03 时间周期及计算 04 重采样 05 数据统计—滑动窗口 06 时序模型—ARIMA 944ba21dfea64cbd0f6e9e96/p4_1.jpg) 01 时间序列的基本操作 02 固定频率的时间序列 03 时间周期及计算 04 重采样 05 数据统计—滑动窗口 06 时序模型—ARIMA ## 思考: 什么是时间序列? ## 时间序列的概念 时间序列是指多个时间点上形成的数值序列,它既可以是定期出现的,也可以是不定期出现的。  01 时间序列的基本操作 02 固定频率的时间序列 03 时间周期及计算 04 重采样 05 数据统计—滑动窗口 06 时序模型—ARIMA ## 创建固定频率的时间序列 ## Pandas中提供了一个date_range()函数,主要用于生成一个具有固定频率的DatetimeIndex对象。 date_range(start0 码力 | 67 页 | 1.30 MB | 2 年前3
领域驱动设计&中台/DDD实践中的那些坑[Image](/uploads/documents/6/a/b/4/6ab4247745e32a8af9b45925f095fdae/p3_1.jpg) ## 内容大纲 • 战略的坑 - 分析的坑 - 限界上下文的坑 • 聚合的坑 • 仓储的坑 ## 战略的坑 ## 无差别地全面采用DDD战术建模 核心域 通用域 支撑域 • DDD战术建模适用于重要或复杂的业务,初期投入成本较高; - 只 jpg) 模型需要迭代演化 ## 限界上下文的坑 ## 可能导致上下文耦合的共享模型  支付 耦合了不同行为的客户 分解客户在不同BC的行为 应用四色原型分解客户行为 上下文中模型概念一致还不够,还要保持内涵(行为和职责)一致 职责)一致 ## 藕断丝连的限界上下文边界 存储上的藕断丝连 遗留系统上下文(可被替换) A上下文 通过防腐层隔离 B上下文 上下文A 上下文B 上下文A 上下文B 上下文A 上下文B ↓ BC划分物理边界的意义在于Inter-Operate,而不是Integrate;Inter-Operate是指定义系统边界和接口,并为整个团队提供完整的堆栈,实现完全的自制。如此就能降低系统间的依赖性,减少通信成本;0 码力 | 28 页 | 2.09 MB | 2 年前3
3 使用Python加速文件传输和文件复制 Giampaolo Rodolasyscalls and file descriptors can be mixed together - 系统调用:与内核交互的途径 • 内核:与硬件交互的途径 系统调用将会触发上下文切换 • 上下文切换将会消耗时间 系统调用和文件描述符可以连用 ## Basic socket operations 基础的 socket 操作 












