Go语言技术文章
-
- LangChain 怎样把工具调用结果映射到消息历史
- LangChain 的工具调用不是把返回值自动塞进任意列表，而是要用 AIMessage 中的调用记录和匹配的 ToolMessage 组成连续消息历史；工具还需要改状态时，再通过 Command 同时写回 messages 和自定义状态。
- 科技周边 · 人工智能 | 1星期前 | python · 工具调用 · LangChain Command AIMessage ToolMessage tool_call_id 消息历史 250浏览 收藏
-
- Safetensors 怎么只读取指定权重并查看文件元数据
- Safetensors 文件可以先通过 safe_open 查看权重键和文件级元数据，再按目标键读取单个张量。本文说明 get_tensor、get_slice、metadata 的分工，并处理缺键、空元数据和分片模型边界。
- 科技周边 · 人工智能 | 1星期前 | 256浏览 收藏
-
- ONNX Runtime 怎样为不同硬件选择执行提供者
- ONNX Runtime 的执行提供者应结合硬件、依赖、算子覆盖与模型形状选择。本文说明 CUDA、TensorRT、OpenVINO、DirectML 和 CoreML 的候选范围，提供注册顺序与性能比较示例，区分可用、注册和实际分配。
- 科技周边 · 人工智能 | 1星期前 | 371浏览 收藏
-
- PyTorch torch.compile 怎样定位图断裂原因
- torch.compile 变慢或日志出现多个 FX 图时，先用 eager 基线排除代码错误，再用 fullgraph=True、TORCH_LOGS=graph_breaks 和 torch._dynamo.explain 定位断点。本文按值班手册给出改写、隔离和回退路径。
- 科技周边 · 人工智能 | 1星期前 | 性能排查 · PyTorch 性能排查 torch.compile TorchDynamo 图断裂 fullgraph 475浏览 收藏
-
- PyTorch DataLoader 怎样控制多进程预取内存
- PyTorch DataLoader 的多进程内存主要受单批大小、num_workers 和 prefetch_factor 共同影响。本文用预取批次数估算主机侧占用，并比较低内存、平衡吞吐和高吞吐配置，同时说明 pin_memory、persistent_workers 与 IterableDataset 的边界。
- 科技周边 · 人工智能 | 1星期前 | 内存优化 · PyTorch DataLoader IterableDataset num_workers prefetch_factor pin_memory persistent_workers 319浏览 收藏
-
- OpenAI Realtime API 怎样处理断线后的会话恢复
- OpenAI Realtime API 断线后不会替应用自动恢复业务上下文，稳定做法是把连接与会话状态分开保存，重连后重新配置 session，再按确认点重放摘要和未确认输入，最后只对完整的新输入触发 response.create。
- 科技周边 · 人工智能 | 1星期前 | 人工智能 · websocket WebRTC 断线重连 会话恢复 OpenAI Realtime API conversation.item.create 356浏览 收藏
-
- Transformers DataCollatorForLanguageModeling 的 mlm 与 labels 构造方法
- 用 DataCollatorForLanguageModeling 组织语言模型训练批次，掌握 mlm、mlm_probability、padding 与 labels=-100 的对应关系。
- 科技周边 · 人工智能 | 1星期前 | 336浏览 收藏
-
- OpenAI API 怎样配置提示词缓存降低重复输入成本
- OpenAI API 提示词缓存需要稳定前缀与适用模型配置。通过显式缓存边界、读取和写入用量记录及完整请求组算例，判断重复输入是否真正降费，并区分旧模型参数。
- 科技周边 · 人工智能 | 1星期前 | 317浏览 收藏
-
- PyTorch torch.utils.checkpoint 怎样用重计算换显存
- PyTorch activation checkpointing 用减少前向激活保存、反向阶段重计算来换取训练显存。本文围绕 torch.utils.checkpoint、use_reentrant=False、随机状态和 early_stop，说明适用边界与生产检查要点。
- 科技周边 · 人工智能 | 1星期前 | 370浏览 收藏
-
- OpenAI Batch API 怎样设置 output_expires_after 管理输出文件
- OpenAI Batch API 的 output_expires_after 怎样设置？本文说明 created_at 锚点、seconds 的合法范围，以及如何区分批次完成窗口、输出文件和错误文件的读取时机。
- 科技周边 · 人工智能 | 1星期前 | 异步任务 · 人工智能 · openai · 批处理文件 OpenAI Batch API output_file_id error_file_id output_expires_after 460浏览 收藏
-
- Redis Cluster 重定向为什么出现 MOVED 和 ASK
- Redis Cluster 的 MOVED 提示槽位路由需要更新，ASK 则用于迁移中的单次请求。本文说明两者区别、ASKING 的连接范围，并用只读命令排查客户端模式、槽位拓扑和重定向目标不可达问题。
- 数据库 · Redis | 1星期前 | 490浏览 收藏
-
- Redis Sentinel 故障转移怎样判断主节点已切换
- Redis Sentinel 故障转移后，不要只凭一个地址判断成功。本文用当前主节点地址、实例角色和配置纪元三类信息，说明怎样确认切换已经完成。
- 数据库 · Redis | 1星期前 | 496浏览 收藏
-
- Redis 内存淘汰策略怎样观察被淘汰的键
- 用 keyspace notification 实时观察 Redis 被 maxmemory 淘汰的键名，再用 INFO stats 的 evicted_keys 做累计核对，覆盖单机、断线和 Cluster 边界。
- 数据库 · Redis | 1星期前 | Redis · 缓存 · 运维 · redis maxmemory 内存淘汰 evicted_keys 378浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。
- 485次学习
-
- Golang深入理解GPM模型
- Golang深入理解GPM调度器模型及全场景分析，希望您看完这套视频有所收获；包括调度器的由来和分析、GMP模型简介、以及11个场景总结。
- 474次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集，涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用，助力提升NLP模型性能。
- 967次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台，提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能，助您快速选择最适合项目的高性能大语言模型。
- 971次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制，用户可对比不同大模型回答并生成实时排行榜，助力开发者优化模型及用户选择最佳AI工具。
- 1080次使用
-
- HELM
- 深入了解斯坦福推出的HELM（Holistic Evaluation of Language Models）大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景，涵盖准确性、公平性、鲁棒性等多维度指标，助力开发者全面优化语言模型性能。
- 1058次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台，提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景，助力开发者全面评估多模态模型性能。
- 894次使用
