- 博客(5)
- 收藏
- 关注
RSS订阅原创 一文讲明白人工智能原理
检索增强生成（Retrieval Augmented Generation），简称 RAG，简单来讲，RAG就是通过检索获取相关的知识并将其融入Prompt，让大模型能够参考相应的知识从而给出合理回答。因此，可以将RAG的核心理解为"检索+生成"，前者主要是利用向量数据库的高效存储和检索能力，召回目标知识；后者则是利用大模型和Prompt工程，将召回的知识合理利用，生成目标答案。检索增强生成，要解决两个问题，如何检索和如何生成。
2025-05-08 20:58:17
2247
原创 如何高效地实现文件上传、入库和下载
分片上传就是将源文件切分为若干的分片小文件进行上传，等到所有分片上传完毕后，再将所有分片合并，得到最后的原始文件。
2025-05-05 11:59:56
831
原创 图像处理YUV的详解
文章目录1. 前言2. Y'CbCr详解3. Y'CbCr的编解码3.1 YUV采样3.2 RGB转YUV3.3 YUV转RGB3.4 YUV常见格式3.5 YUV的存储格式3.5.1 planar(平面)3.5.2 packed(打包)4. YUV实战5. 参考文档1. 前言 端午节在慕课网看了李超老师的课程关于YUV的讲解，这里把所学的内容，加上自己的理解进行了整理加工，在这里做个分享。 图像有两种表达方式：RGB和YUV，RGB比较简单，这里不做赘述，今天重点讲YUV，那么既然有了RGB，为
2021-06-13 23:30:51
5235
4
原创 pytorch中的tensorboard使用
pytorch中的tensorboard使用tensorboard介绍tensorboard的安装tensorboard介绍 在训练神经网络时，我们希望能更直观地了解情况，包括损失曲线、输入图片、输出图片、卷积核的参数分布等信息。这些信息能帮助我们更好地监督网络的训练过程，并为参数优化提供方向和依据。最简单的方法就是打印输出，但其职能打印数值信息，不够直观，无法同时查看分布、图片、声音等。不过，我们可以借助于可视化工具Tensorboard来实现以上需求。 PyTorch从1.2.0版本开始，正式
2021-03-13 22:37:48
2385
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人