V2AS
问路
意见反馈
↓ 按住下拉
Mac
pt
-online-schema-change 图文并茂、不锁表在线修改 MySQL 表结构、添加表索引、添加表字段、修改表字段、删除表字段
导读 percona-toolkit 源自 Maatkit 和 Aspersa 工具,这两个工具是管理 MySQL 的最有名的工具,但 Maatkit 已经不维护了,全部归并到 percona-toolkit。Percona T ......
alter
MySQL
指定
user
默认
mysql 大表如何ddl 👑
大家好,我是蓝胖子,mysql对大表(千万级数据)的ddl语句,在生产上执行时一定要千万小心,一不小心就有可能造成业务阻塞,数据库io和cpu飙高的情况。今天我们就来看看 ......
ddl
online
语句
大表
MySQL
计算机网络那些事之 MTU 篇
pt
.2
哈喽大家好,我是咸鱼 在《计算机网络那些事之 MTU 篇 》中,咸鱼跟大家介绍了 MTU 是指数据链路层能够传输的最大数据帧的大小 如果发送的数据大于 MTU,则就会进行分 ......
MTU
UDP
分片
数据包
bytes
基于G
PT
搭建私有知识库聊天机器人(一)实现原理
支持微信聊天 支持网页聊天 支持微信语音对话 支持私有知识文件训练,并针对文件提问 步骤1:准备本地文件a.txt,支持pdf、txt、markdown、p
pt
等 步骤2:上传a.txt,并选 ......
向量
文本
搭建
模型
聊天
使用 Transformers 为多语种语音识别任务微调 Whisper 模型
本文提供了一个使用 Hugging Face Transformers 在任意多语种语音识别 (ASR) 数据集上微调 Whisper 的分步指南。同时,我们还深入解释了 Whisper 模型、Common Voi ......
Whisper
模型
训练
音频
数据
基于bert-base-chinese训练bert模型(最后附上整体代码)
目录: 一、bert-base-chinese模型下载 二、数据集的介绍 三、完成类的代码 四、写训练方法 五、总源码及源码参考出处 一、bert-base-chinese模型下载 对于 ......
train
val
self
input
batch
基于html2canva jspdf 实现前端页面加水印 并导出页面PDF
基于html2canva jspdf 实现前端页面加水印 并导出页面PDF; 下载完整代码请访问uni-app插件市场地址:https://ext.dcloud.net.cn/plugin?id=12761 效果图如下: ......
px
watermark
div
defaultSettings
页面
带你上手基于Pytorch和Transformers的中文NLP训练框架
本文分享自华为云社区《全套解决方案:基于pytorch、transformers的中文NLP训练框架,支持大模型训练和文本生成,快速上手,海量训练数据》,作者: 汀丶 。 1.简介 目标: ......
模型
image
训练
数据
gpt2
【pytorch】从零开始,利用yolov5、crnn+ctc进行车牌识别
笔者的运行环境:python3.8+pytorch2.0.1+pycharm+kaggle用到的网络框架:yolov5、crnn+ctc项目地址:GitHub - WangPengxing/plate_identification: 利用yolov5、crnn ......
path
data
车牌
train
val
聊聊HuggingFace Transformer
参见:聊聊HuggingFace 一个完整的transformer模型主要包含三部分:Config、Tokenizer、Model。 Config 用于配置模型的名称、最终输出的样式、隐藏层宽度和深度、激活函 ......
模型
聊聊
tokenizer
pipeline
输入
V2AS = Way To Ask
V2AS 一个技术分享与创造的静土
手机扫一扫
移动阅读更方便
近15日热搜文章
在 Android studio 中 配置Gradle 进行 “动态编译期间,指定 远程服务器地址 ,生成多个安装包”
Antlr---词法解析器的使用【转】
C# 检测某版本VC++是否安装
4
Qt加载qss文件
5
卷积及理解图像卷积操作的意义
6
linux下生成动态库和链接动态库
7
在CentOS 6 32/64 上安装 PPTP 方式 VPN 服务
8
解决编译twrp3.0.3遇到的问题
9
Qt Charts 动态实时绘制各种曲线图
10
DEFENSE-GAN: PROTECTING CLASSIFIERS AGAINST ADVERSARIAL ATTACKS USING GENERATIVE MODELS