-
一、值，类型和运算符
一、值，类型和运算符 值 数字 算术 特殊数字 字符串 一元运算符 布尔值 比较 逻辑运算符 空值 自动类型转换 逻辑运算符的短路特性 本章小结 一、值，类型和运算符 原文：Values, Types, and Operators 译者：飞龙 协议：CC BY-NC-SA 4.0 自豪地采用谷歌翻译 部分参考... -
将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它（可选）
将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它（可选） 使用 ONNX 运行时在图像上运行模型 将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它（可选） 原文：https://pytorch.org/tutorials/advanced/super_resolution_with_onnxrun... -
BERT 上的动态量化（Beta）
BERT 上的动态量化（Beta） 简介 1.设置 1.1 安装 PyTorch 和 HuggingFace 转换器 1.2 导入必要的模块 1.3 了解辅助函数 1.4 下载数据集 2.微调 BERT 模型 2.1 设置全局配置 2.2 加载经过微调的 BERT 模型 2.3 定义分词和评估函数 3.应用动态量化 3.1 检查模型大小 ... -
LSTM 单词语言模型上的动态量化（beta）
LSTM 单词语言模型上的动态量化（beta） 简介 1.定义模型 2.加载文本数据 3.加载预先训练的模型 4.测试动态量化 总结 LSTM 单词语言模型上的动态量化（beta） 原文：https://pytorch.org/tutorials/advanced/dynamic_quantization_tutorial.html ... -
1.2.2 计算思维的具体例子
1.2.2 计算思维的具体例子 1.2.2 计算思维的具体例子 基于计算机的能力和局限，计算机科学家提出了很多关于计算的思想和方法，从而建立 了利用计算机解决问题的一整套思维工具。下面我们简要介绍计算机科学家在计算的不同阶 段所采用的常见思想和方法。 问题表示 用计算机解决问题，首先要建立问题的计算机表示。问题表示与问题求解是紧密相关的， 如果问... -
型号和定价
型号和定价 定价 正常 麦克斯 请求 免费请求 正常模式 Max 模式 模型 自动选择 能力 思维 代理 Max 模式 上下文窗口 好客 常见问题 什么是请求？ 什么是令牌？ 型号和定价 Cursor 中的可用模型及其定价 Cursor 提供广泛的型号... -
模型
模型 可用型号 高级型号 代理模型 非高级型号 麦克斯 选择模型 自动选择 思维 上下文窗口 大型上下文和定价 上下文窗口大小 模型托管 模型 Cursor 模型综合指南：Chat 和 CMD+K 的功能、定价、上下文窗口和托管详细信息 可用型号 要将模型添加到 Chat ... -
AI提示词：Prompt效果的3大核心指标体系（准确率+流畅度+可解释性）
一、前言：为什么需要 “Prompt 效果指标”？ 二、核心指标 1：准确率 ——Prompt 效果的 “底线” 1. 定义与核心评估维度 2. 量化评估方法（附工具） 3. 实战案例：信息提取类 Prompt 的准确率评估 4. 准确率优化技巧 三、核心指标 2：流畅度 ——Prompt 效果的 “体验感” 1. 定义与核心评估维度 2. 量... -
AIRemote 系统
AIRemote 系统 TF卡制作 下载文件包 用工具写卡 访问开发板 第一代开发板（Atlas 200 DK） 第二代开发板（Atlas 200I DK A2） 远程推理应用实践 Raspberry Pi Imager 下载 Etcher工具下载 建议反馈 AIRemote 系统 系统已完成了 Atlas200 DK 以及 Atl...
