搜索[轻量化模型]结果-低调大师优秀个人博客

精选列表

搜索[轻量化模型]，共10000篇文章

HBase数据模型(2)

HBase数据模型(1) HBase数据模型(2) 1.0 HBase的版本version，是一个用长整型表示的。

2016-04-27

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq1010885678/article/details/45788083 整个Spark框架都是基于RDD算子来进行计算的。 What is RDD？ Resilient Distributed Dataset(RDD)，分布式弹性数据集，是Spark上的一个核心抽象表示用于并行计算的，不可修改的，对数据集合进行分片的数据结构简单地，可以将RDD看成是Spark平台上的通用货币在Spark上，针对各种各样的计算场景存在着各种各种的RDD，这些RDD拥有一些共同的操作，例如map，filter，persist等，就好像RDDs都是一个总RDD的子类一样，拥有所有RDD的共同特性同时RDDs也拥有能表达自己特性的操作，例如PairRDDR有groupByKey，join等操作，而DoubleRDD有Doubles操作所有的RDD都有以下特性：可以表示数据分片的列表集合。将原始数据经过某些分片处理生成RDDs，这些RDD将用于并行计算通用的算子来计算每个数据分片包括transformation和action两大算子类别。 RDD之间拥有依赖关系 transformation只对数据进行处理而不计算，处理过程会被画成一个DAG有向无循环图，只有当action操作要获取结果时，才根据DAG图来进行并行计算。 DAG图会根据RDD之间的依赖关系被分解成一个个stage之后提交形成DAG图的过程中也会根据RDD之间的依赖关系形成Lineage 这是Spark上一个重要的容错机制当某个节点计算错误时，只需要根据Lineage重新计算相关的操作而不必回滚整个程序以下两张图是来源自网络的 Spark中部分RDD类的截图 transformation和action操作的Function截图除了transformation和action两大类算子之外，RDD还有一个比较特殊的算子如persist和checkpoint，它们既不属于transformation也不属于action 但是都会触发Job的运行 persist将RDD结果持久化，修改了RDD中meta info的存储级别 checkpoint在持久化RDD的同时还切断了RDD之间的依赖血缘关系。除了修改了存储级别，还修改了meta info中RDD的lineage依赖关系两者返回的均是修改后的RDD而不是产生的RDD（transformation是产生新的RDD，action是对RDD取结果） RDD之间的依赖关系可以分为Narrow，Wide：窄依赖和宽依赖两种窄依赖：子RDD中的每个数据块只依赖于父RDD中对应的有限个固定的数据块，可以理解成父子RDD是一对一或者多对一的关系，例如：map变换，前后的数据都是一行对一行的。一个子RDD可以根据其父RDD直接计算得出，因而子RDD出现计算错误的时候，只需要重新计算对应的父RDD即可宽依赖：子RDD中的一个数据块可以依赖于父RDD中的所有数据块。即一对多的情况，例如：groupByKey变换，子RDD中的数据块会依赖于多个父RDD中的数据块，因为一个key可能存在于父RDD的任何一个数据块中。宽依赖中的子RDD要等到所有的父RDD计算完成之后才能进行计算，当数据丢失时需要对所有祖先RDD进行重新计算依赖关系图：其中，宽依赖是会触发shuffle行为的而shuffle操作可以减小集群之间网络传输的压力，对数据进行一定的提前处理工作，对于提高整个集群的处理性能是十分重要的在Spark中shuffle操作会是将DAG图划分成一个个stage的起点如图所示： map和union是属于transformation操作的。这里会涉及到一个pipeline的概念，对数据切片之后并行协同计算，从图中我们可以看到，map和union的时候Task之间的处理是并行的，而协同体现在当某个Task计算缓慢的时候，集群会启动一个新的节点来计算该Task，哪个节点先处理完毕就采用哪个节点的结果 groupBy和join操作是产生RDD之间的宽依赖的，这是一个shuffle过程，也是触发划分stages的起点，如上图中的三个stage 从物理的角度看RDD其实是一个元数据结构，存储着Block和Node之间的映射关系关于Spark的transformation，action和划分stage等过程都是怎么处理的，整个作业的处理流程是什么，请看： Spark（四） – Spark内核作业调度机制

2015-05-16

当大模型学会读K线：DolphinDB × Kronos 金融时序基础模型实践

这个系列上一篇的结尾有一句话：模型是标准件，管道是每家企业的手工活。当时说的是传统机器学习——模型要自己训，管道要自己搭。到了基础模型时代，前半句又掉了一截：金融时序模型连训都可以不训了。

2026-09-13

OpenCode 模型配置教程：接入第三方 API 与本地模型

最近我在整理 AI 编程工具的模型接入方式，发现 OpenCode 有个地方很容易把人绕进去：它虽然支持大量模型提供商，但“填进 API Key”和“把模型配置出来”其实是两件事。

2026-09-09

大模型协作实操篇：责任链怎么搭、模型成本怎么盯

本篇是《一个人就是一支队伍：我把「大模型协作」跑成了一套系统》的实操配套。每个案例都按「前置条件 → 分步操作 → 关键参数或命令 → 预期结果 → 验证方式」给出，可直接照做。

2026-09-08

前端玩转大模型，DeepSeek-R1 蒸馏 Llama 模型的 Bedrock 部署

开源基础模型（FMs）已成为生成式 AI 创新的核心支柱，其重要性不仅体现在技术突破层面，更在于为组织构建和定制 AI 应用提供了坚实基础。

2026-08-09

大模型备案公示深度解读：垂直模型爆发、合规成为行业标配

不同于前两年扎堆通用大模型，本次公示释放出三大明确行业信号：垂直行业专用模型全面爆发、长三角 / 京津冀 / 粤港澳三足鼎立格局固化、自研模型备案与 API 应用登记两套合规体系全面落地。

2026-07-13

图灵奖得主 LeCun 退出 Meta：大模型是 “死路”，未来在于 “世界模型”

作为 Meta 的首席 AI 科学家，LeCun 长期以来一直在推动基础 AI 研究，但他近期发表的看法让人惊讶，他认为当前流行的大语言模型(LLM)是一条 “死胡同”，未来应当着眼于 “世界模型”。

2025-11-17

小米 Kaldi 团队开源零样本语音合成模型模型 ZipVoice

近日，小米集团新一代 Kaldi 团队发布了基于 Flow Matching 架构的ZipVoice系列语音合成（TTS）模型——ZipVoice（零样本单说话人语音合成模型）与ZipVoice-Dialog

2025-09-11

火山引擎开源大模型应用，上线“大模型应用实验室”平台

火山引擎宣布将大模型应用开源，正式上线“大模型应用实验室”平台，并开源手机助手、Deep Research、DeepSeek联网版、实时视频理解、互动双语视频生成器、语音实时通话-青青等众多AI应用。

2025-03-04

AigcPanel v0.5.0 模型启停优化，新增 CosyVoice2 模型支持

功能特性支持视频数字人合成，支持视频画面和声音换口型匹配支持语音合成、语音克隆，多种声音参数可设置支持多模型导入、一键启动、模型设置、模型日志查看支持国际化，支持简体中文、英语支持多种模型一键启动包

2025-02-24

腾讯公布大语言模型训练专利：可提高模型的准确性

天眼查App显示，腾讯科技（深圳）有限公司申请的“大语言模型的训练方法、装置、计算机设备及存储介质”专利正式公布。

2025-02-08

Mistral AI 发布开源代码大模型 Codestral Mamba、数学大模型 Mathstral

法国人工智能初创公司Mistral以其强大的开源人工智能模型而闻名。

2024-07-17

使用Python实现深度学习模型：序列到序列模型（Seq2Seq）

本文分享自华为云社区《使用Python实现深度学习模型：序列到序列模型（Seq2Seq）》，作者： Echo_Wish。

2024-06-06

国内外大模型“人情味”PK，调教最暖大模型

人工智能领域迎来了期待已久的“智慧涌现”，受到了全社会的关注和热议，但有相当一部分社会群体，除了关注大模型能否提供实用信息，也期待大模型的回答能温暖心灵、提供关怀，通俗来讲，他们期待大模型亦能有“人情味

2024-05-16

WhaleStudio 分钟级构建 AI 模型，强大 Ops 能力简化模型调度与部署

ML模型从过去的经验中学习，并根据已有的经验进行预测。

2023-09-27

百度发布国内首个“产业级”医疗大模型灵医大模型

百度宣布发布国内首个“产业级”医疗大模型 —— 灵医大模型，并面向大健康上下游产业开放灵医大模型测评、试用，推动医疗行业的数字化和智能化进程。

2023-09-20

中国联通发布图文大模型——“鸿湖图文大模型1.0”

6月28日，上海世界移动通信大会期间，中国联通发布图文大模型“鸿湖图文大模型1.0”，并表示这是首个面向运营商增值业务的大模型。

2023-06-28

每日一博 | 手绘模型图带你认识 Kafka 服务端网络模型

摘要：Kafka中的网络模型就是基于主从Reactor多线程进行设计的。本文分享自华为云社区《图解Kafka服务端网络模型》，作者：石臻臻的杂货铺。

2022-05-22

深度学习在语音识别中的声学模型以及语言模型的应用

过去 3 年，深度学习在各个领域取得较大突破，比如计算机视觉领域的物体识别、场景分类，语音分析等，并且其技术推广和应用的速度超过人们预期,比如 Google 的广告系统已经开始使用深度学习盈利，Twitter 也通过深度学习改善App 图片及视频内容服务体验。那具体何为深度学习呢？深度学习是怎么应用在上述的各个领域呢，下面结合自身在语音识别的若干年经验，谈谈深度学习在语音识别中的具体应用。 0. 背景 “深度学习”的概念在上个世纪便被提出，但Hinton、Lecun等人在2006年发表的论文让“深度学习”重新焕发光彩，并使得相关的学术成果在实际应用中表现良好。它的灵感来自对人脑神经的研究，因此也称为深度神经网络“DNN”。这里的“深度”并非指算法有内涵，而是指神经网络层数多，因此也称为多层结构学习

2017-08-02

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。