Python
JDK特性概览(5-21)
JDK各版本特性概览(5-21) Refs: https://zhuanlan.zhihu.com/p/254966376 https://blog.csdn.net/xxj_jing/article/details/134791422 Java 5 泛型 Generics 泛型本质是参数化类型，解决不确定具体对象类型的问题。 枚举 Enumeration 关键字enum可以将一组具名的值
一键自动化博客发布工具,用过的人都说好(简书篇)
好不容易写好了一篇博客，现在想要把它发布到各个平台上供大家一起欣赏？ 然后一个网站一个网站打开要发布的博客站点，手动点创建文章，然后拷贝粘贴写的markdown文件。 甚至有些网站还不支持markdown格式，你还需要对格式进行转换。 每次重复这样的机械化工作，完全就是浪费生命。 现在不需要了，给大家推荐一个一键自动化博客发布工具，完全的一键操作，让你轻松告别手动发布博客的烦恼。 这个工具是什么
zabbi添加自定义监控项——检查文件是否存在
1、检查脚本 D:/check.py 2、修改zabbix配置文件 修改配置文件zabbix_agentd.d/usrparameter.conf 3、zabbix中新增自定义监控项 键值配置 file_check['文件名'] 信息类型 数字（无正负） 结果说明：1-文件存在，0-文件不存在
python grpc简单使用
python grpc简单使用 1、rpc和grpc关系 RPC（ Remote Procedure Call Protocol），直译来看就是远程过程调用协议。 它提供了一套机制，使得应用程序之间可以进行通信，使用时客户端调用server端的接口就像调用本地的函数一样方便。并且server端和client端不限语言，任何语言遵循protobuf协议都可以进行通信。 如下图所示就是一个典型的RPC
2024 开源数据工程生态系统全景图
2024 开源数据工程生态系统全景图（转） 简介 虽然生成式人工智能和ChatGPT带来的沸沸扬扬的炒作令科技界为之一振，但在数据工程领域，2023年仍然是一个令人振奋和充满活力的一年，数据工程生态系统变得更加多样化和复杂化，系统中的所有层面都在不断创新和演进。 随着各种开源工具、框架和解决方案的持续涌现，数据工程师的选择也越来越多！在这样快速变化的环境中，紧跟最新技术和趋势的重要性不
Apache DolphinScheduler支持Flink吗？
随着大数据技术的快速发展，很多企业开始将Flink引入到生产环境中，以满足日益复杂的数据处理需求。而作为一款企业级的数据调度平台，Apache DolphinScheduler也跟上了时代步伐，推出了对Flink任务类型的支持。 Flink是一个开源的分布式流处理框架，具有高吞吐量、低延迟和准确性等特点，广泛应用于实时数据分析、机器学习等场景。通过DolphinScheduler的Flink任务类
GPT3-探索指南（二）
GPT3 探索指南（二） 原文：zh.annas-archive.org/md5/e19ec4b9c1d08c12abd2983dace7ff20 译者：飞龙 协议：CC BY-NC-SA 4.0 第三部分：使用 OpenAI API 本节提供了使用 OpenAI API 与 Node.js/JavaScript 和 Python 的实际示例。然后，它通过指导您构建一个完全功能的 GPT-3
ChatGPT-与-OpenAI-的现代生成式-AI（二）
ChatGPT 与 OpenAI 的现代生成式 AI（二） 原文：Modern Generative AI with ChatGPT and OpenAI Models 译者：飞龙 协议：CC BY-NC-SA 4.0 八、用 ChatGPT 重新定义研究 在本章中，我们专注于希望利用 ChatGPT 的研究人员。本章将介绍 ChatGPT 可以解决的一些主要用例，以便您从具体示例中了解 Ch
ChatGPT-网络安全秘籍（一）
ChatGPT 网络安全秘籍（一） 原文：zh.annas-archive.org/md5/6b2705e0d6d24d8c113752f67b42d7d8 译者：飞龙 协议：CC BY-NC-SA 4.0 前言 在不断发展的网络安全领域中，由 OpenAI 推出的 ChatGPT 所代表的生成式人工智能和大型语言模型（LLMs）的出现，标志着一个重大的飞跃。本书致力于探索 ChatGPT 在
ChatGPT-网络安全秘籍（四）
ChatGPT 网络安全秘籍（四） 原文：zh.annas-archive.org/md5/6b2705e0d6d24d8c113752f67b42d7d8 译者：飞龙 协议：CC BY-NC-SA 4.0 第八章：事故响应 事故响应是任何网络安全策略的关键组成部分，涉及确定、分析和缓解安全漏洞或攻击。 及时和有效地响应事故对于最小化损害和防止未来攻击至关重要。 在本章中，我们将深入探讨如何利
ChatGPT-网络安全秘籍（三）
ChatGPT 网络安全秘籍（三） 原文：zh.annas-archive.org/md5/6b2705e0d6d24d8c113752f67b42d7d8 译者：飞龙 协议：CC BY-NC-SA 4.0 第五章：安全意识和培训 在这一章中，我们将深入探讨网络安全培训和教育的迷人领域，强调了 OpenAI 的大型语言模型（LLMs）在增强和丰富这一关键过程中可以发挥的重要作用。我们将踏上一段
ChatGPT-网络安全秘籍（二）
ChatGPT 网络安全秘籍（二） 原文：zh.annas-archive.org/md5/6b2705e0d6d24d8c113752f67b42d7d8 译者：飞龙 协议：CC BY-NC-SA 4.0 第三章：代码分析和安全开发 这一章深入探讨软件开发的复杂过程，关注当今数字世界中的一个关键问题：确保软件系统的安全。随着技术的不断复杂和威胁的不断演变，采用融合了安全考虑的安全软件开发生命
Python-深度学习（一）
Python 深度学习（一） 原文：zh.annas-archive.org/md5/98cfb0b9095f1cf64732abfaa40d7b3a 译者：飞龙 协议：CC BY-NC-SA 4.0 序言 随着全球对人工智能的兴趣不断增长，深度学习引起了广泛的关注。每天，深度学习算法被广泛应用于不同行业。本书将为您提供关于主题的所有实际信息，包括最佳实践，使用真实用例。您将学会识别和提取信息
GPT3-终极指南（一）
GPT3 终极指南（一） 原文：zh.annas-archive.org/md5/6de8906c86a2711a5a84c839bec7e073 译者：飞龙 协议：CC BY-NC-SA 4.0 前言 GPT-3，或者说是 Generative Pre-trained Transformer 3，是由 OpenAI 开发的基于 Transformer 的大型语言模型。它包含了惊人的 1750
GPT3-探索指南（三）
GPT3 探索指南（三） 原文：zh.annas-archive.org/md5/e19ec4b9c1d08c12abd2983dace7ff20 译者：飞龙 协议：CC BY-NC-SA 4.0 第九章：构建一个由 GPT-3 提供动力的问答 app 到目前为止，我们已经查看了（并编写了）很多代码。但我们实际上还没有创建一个完全可用的 app。那就是我们将要做的事情。在本章中，我们将构建一个
GPT3-探索指南（一）
GPT3 探索指南（一） 原文：zh.annas-archive.org/md5/e19ec4b9c1d08c12abd2983dace7ff20 译者：飞龙 协议：CC BY-NC-SA 4.0 序言 如果这本书是由人工智能写的呢？你会阅读吗？我希望会，因为其中的部分确实是由人工智能写的。是的，GPT-3 被用来创建这本书的部分内容。我知道这有点元，一本关于 GPT-3 的书被 GPT-3
Transformers-自然语言处理（七）
Transformers 自然语言处理（七） 原文：zh.annas-archive.org/md5/a1e65552fc41f3b5a667f63d9bed854c 译者：飞龙 协议：CC BY-NC-SA 4.0 附录 V：问题的答案 第一章，什么是转换器？ 我们仍处于第三次工业革命。 (True/False) False. 历史上的时代确实有重叠。然而，第三次工业革命着眼于使世界数字
Transformers-自然语言处理（六）
Transformers 自然语言处理（六） 原文：zh.annas-archive.org/md5/a1e65552fc41f3b5a667f63d9bed854c 译者：飞龙 协议：CC BY-NC-SA 4.0 第十六章：Transformers驱动副驾驶员的出现 当工业 4.0（I4.0）达到成熟时，一切都将关于机器对机器的连接、通信和决策。人工智能将主要嵌入成熟的按需付费云 AI 解
Transformers-自然语言处理（二）
Transformers 自然语言处理（二） 原文：zh.annas-archive.org/md5/a1e65552fc41f3b5a667f63d9bed854c 译者：飞龙 协议：CC BY-NC-SA 4.0 第四章：从头开始预训练 RoBERTa 模型 在本章中，我们将从头开始构建一个 RoBERTa 模型。该模型将使用我们在 BERT 模型中所需的Transformers构造工具的
Python-与-TensorFlow2-生成式-AI（一）
Python 与 TensorFlow2 生成式 AI（一） 原文：zh.annas-archive.org/md5/d06d282ea0d9c23c57f0ce31225acf76 译者：飞龙 协议：CC BY-NC-SA 4.0 序言 “想象力比知识更重要。” – 阿尔伯特·爱因斯坦，《爱因斯坦关于宇宙宗教和其他见解与格言》（2009） 在本书中，我们将探索生成式人工智能，这是一种使用
Python-与-TensorFlow2-生成式-AI（五）
Python 与 TensorFlow2 生成式 AI（五） 原文：zh.annas-archive.org/md5/d06d282ea0d9c23c57f0ce31225acf76 译者：飞龙 协议：CC BY-NC-SA 4.0 第十二章：用生成式人工智能玩视频游戏：GAIL 在之前的章节中，我们已经看到如何使用生成式人工智能来生成简单的（受限玻尔兹曼机器）和复杂的（变分自动编码器，生成式
Python-与-TensorFlow2-生成式-AI（四）
Python 与 TensorFlow2 生成式 AI（四） 原文：zh.annas-archive.org/md5/d06d282ea0d9c23c57f0ce31225acf76 译者：飞龙 协议：CC BY-NC-SA 4.0 第九章：文本生成方法的崛起 在前几章中，我们讨论了不同的方法和技术来开发和训练生成模型。特别是在第六章“使用 GAN 生成图像”中，我们讨论了生成模型的分类以及介
Python-与-TensorFlow2-生成式-AI（三）
Python 与 TensorFlow2 生成式 AI（三） 原文：zh.annas-archive.org/md5/d06d282ea0d9c23c57f0ce31225acf76 译者：飞龙 协议：CC BY-NC-SA 4.0 第七章：使用 GAN 进行风格转移 神经网络在涉及分析和语言技能的各种任务中正在取得进步。创造力是人类一直占有优势的领域，艺术不仅是主观的，没有明确定义的边界，而
Python-与-TensorFlow2-生成式-AI（二）
Python 与 TensorFlow2 生成式 AI（二） 原文：zh.annas-archive.org/md5/d06d282ea0d9c23c57f0ce31225acf76 译者：飞龙 协议：CC BY-NC-SA 4.0 第四章：教授网络生成数字 在前一章中，我们涵盖了神经网络模型的构建基块。在这一章中，我们的第一个项目将重新创建深度学习历史上最具突破性的模型之一- 深度信念网络（
Python-深度学习（三）
Python 深度学习（三） 原文：zh.annas-archive.org/md5/98cfb0b9095f1cf64732abfaa40d7b3a 译者：飞龙 协议：CC BY-NC-SA 4.0 第八章：深度学习与电脑游戏 上一章关注的是解决棋盘游戏问题。在本章中，我们将研究更复杂的问题，即训练人工智能玩电脑游戏。与棋盘游戏不同，游戏规则事先是不知道的。人工智能不能预测它采取行动会发生什
Python-深度学习（二）
Python 深度学习（二） 原文：zh.annas-archive.org/md5/98cfb0b9095f1cf64732abfaa40d7b3a 译者：飞龙 协议：CC BY-NC-SA 4.0 第五章：图像识别 视觉可以说是人类最重要的感官之一。我们依赖视觉来识别食物，逃离危险，认出朋友和家人，以及在熟悉的环境中找到方向。我们甚至依赖视觉来阅读这本书，并识别其中打印的每一个字母和符号。
ChatGPT-与-OpenAI-的现代生成式-AI（一）
ChatGPT 与 OpenAI 的现代生成式 AI（一） 原文：Modern Generative AI with ChatGPT and OpenAI Models 译者：飞龙 协议：CC BY-NC-SA 4.0 序言 本书以介绍生成式 AI 领域开始，重点是使用机器学习算法创建新的独特数据或内容。它涵盖了生成式 AI 模型的基础知识，并解释了这些模型如何训练以生成新数据。 之后，它着重
【Go 语言入门专栏】Go 语言的起源与发展
前言 Go 语言是当下最为流行的编程语言之一，大约在 2020、2021 年左右开始于国内盛行，许多大厂很早就将部分 Java 项目迁移到了 Go，足可看出其在性能方面的优越性。 相信各位都知道，在爬虫业务中，并发是一个关键的需求，不然仅靠单线程采集数据，只怕公司垮了数据都还没采完。以往编写爬虫脚本，通常会使用 Python 语言，不过，想用 Python 实现较好的并发性能，相对麻烦，并且容易
机器学习实践第三篇——决策树构建
一.什么是决策树 决策树是一种基本的机器学习算法，其核心思想是通过对数据集进行递归的二分来构建一棵树形结构，每个节点代表一个属性测试，每个分支代表一个测试结果，每个叶子节点代表一个类别或者值。 决策树的关键点包括： 可解释性： 决策树的模型结构直观易懂，可以被解释为一系列简单的规则，因此对于决策推理过程的可解释性较强。 特征选择： 决策树的关键在于如何选择每个节点的分裂特征，常用的
【每日一题】感染二叉树需要的总时间
2385. 感染二叉树需要的总时间 给你一棵二叉树的根节点 root ，二叉树中节点的值 互不相同 。另给你一个整数 start 。在第 0 分钟，感染 将会从值为 start 的节点开始爆发。 每分钟，如果节点满足以下全部条件，就会被感染： 节点此前还没有感染。 节点与一个已感染节点相邻。 返回感染整棵树需要的分钟数。 示例 1： 输入：root = [1,5,3,null,4,10,6