Go语言技术文章
-
- Hugging Face Tokenizers 怎样组合多个文本正规化器
- 用 tokenizers.normalizers.Sequence 按顺序组合 NFD、Lowercase、StripAccents 等正规化器，说明如何挂到 Tokenizer、观察结果并保留对齐信息。
- 科技周边 · 人工智能 | 1分钟前 | 415浏览 收藏
-
- Sentence Transformers 怎样用 CrossEncoder 对候选文档重排
- 用CrossEncoder重排候选文档，保留corpus_id与业务ID映射，并区分召回缺失、分数含义、语言不匹配和长文本截断问题。
- 科技周边 · 人工智能 | 2分钟前 | ai · CrossEncoder Sentence Transformers 文档重排 224浏览 收藏
-
- Sentence Transformers 怎样用二进制量化保存嵌入向量
- Sentence Transformers 可以在 encode 阶段直接生成 binary 嵌入，也可以把已有 float32 向量交给 quantize_embeddings。本文说明 bit 打包后的 shape、dtype、保存元数据，以及二进制召回与高精度重排的配合方式。
- 科技周边 · 人工智能 | 3分钟前 | 人工智能 · 向量数据库 · 向量检索 Sentence Transformers 嵌入向量 二进制量化 150浏览 收藏
-
- ONNX Runtime 怎样为指定会话选择图优化等级
- ONNX Runtime 的图优化等级绑定在 SessionOptions 上，EXTENDED 会包含 basic，ALL 还包括 layout。本文给出指定 InferenceSession 的 Python 配置、在线与离线优化的边界，以及按 Execution Provider 和目标硬件做基准、回退的实用方法。
- 科技周边 · 人工智能 | 6分钟前 | 性能优化 · 人工智能 · ONNX Runtime InferenceSession SessionOptions 图优化 269浏览 收藏
-
- ONNX Runtime 怎样把优化后的模型另存为文件
- ONNX Runtime 通过 SessionOptions 的图优化级别和 optimized_model_filepath 在创建推理会话时保存优化后的模型。本文说明 Python 写法、ONNX 与 ORT 格式边界，以及文件未生成时的排查方向。
- 科技周边 · 人工智能 | 8分钟前 | 372浏览 收藏
-
- Optuna MedianPruner 怎样结合中间指标提前停止试验
- Optuna 的 MedianPruner 不会自动猜测训练进度，关键是让 objective 在每个可比较的步骤调用 report，再用 should_prune 响应剪枝判断。本文用一个单目标验证损失示例说明启动试验数、预热步骤、检查间隔和最小样本数如何配合。
- 科技周边 · 人工智能 | 11分钟前 | python · 人工智能 · Optuna 超参数优化 MedianPruner 中间指标 298浏览 收藏
-
- Hugging Face Datasets 怎样按特征层级展开嵌套字段
- Hugging Face Datasets可用flatten把struct子字段展开成带层级前缀的独立列。本文通过原创样本区分Dataset与Features展开、列表拆行和索引整理，并说明下游列名契约。
- 科技周边 · 人工智能 | 13分钟前 | 数据处理 · 人工智能 · 嵌套字段 Hugging Face Datasets flatten Features 350浏览 收藏
-
- Hugging Face Datasets 怎样用 flatten_indices 恢复顺序访问性能
- Hugging Face Datasets 在 shuffle、select 等操作后可能带有 indices mapping，导致访问不再连续。本文用 flatten_indices 重写数据，说明缓存、批量写入、并行和 IterableDataset 的选择边界。
- 科技周边 · 人工智能 | 16分钟前 | 性能优化 · Hugging Face Datasets IterableDataset flatten_indices indices mapping Arrow 222浏览 收藏
-
- Redis ZRANGESTORE 怎样把分数区间结果写入新键
- Redis ZRANGESTORE 用 dst、src、min、max 组合源键、目标键和范围；要按分数筛选必须加 BYSCORE。本文用最小命令说明如何把结果物化到新有序集，并拆开排名范围、LIMIT、REV 与生命周期边界。
- 数据库 · Redis | 43分钟前 | Redis · 缓存设计 · redis BYSCORE ZRANGESTORE 有序集 分数区间 226浏览 收藏
-
- Redis FT.SYNDUMP 怎样查看词条所属的同义词组
- Redis FT.SYNDUMP 用索引名导出同义词数据结构，适合排查词条属于哪个同义词组。本文用最小命令说明返回关系，并区分空数据、索引错误和客户端展示差异。
- 数据库 · Redis | 45分钟前 | Redis · 418浏览 收藏
-
- Redis FT.SYNUPDATE 的 SKIPINITIALSCAN 怎样影响旧文档
- Redis FT.SYNUPDATE 默认会扫描已有文档并让新同义词参与旧文档索引；加入 SKIPINITIALSCAN 后跳过这次初始扫描，只影响更新后写入的文档。本文用最小命令示例拆开两种上线策略和迁移边界。
- 数据库 · Redis | 50分钟前 | Redis · redis RediSearch FT.SYNUPDATE SKIPINITIALSCAN 同义词组 243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。
- 775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。
- 771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。
- 856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。
- 821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。
- 652次使用
