本文分享一篇通过IoT-Fast软件完成IEC104规约设备的数据采集案例。文章主要共分为五个部分：前期准备IEC104规约设备网络通信部署，获取采集点位。IoT-Fast-采集控制系统对底层设备进行数据读取、写入的配置界面，还可以进行数据处理。IoT-Fast-云平台将采集控制系统收集的数据进行分类展示、告警阈值设置、历史数据查询等功能。IoT-Fast-云组态进行2D组态，组态元素绑定云平台上展示的数据，来进行动作的执行或是数据展示。IoT-Fast-微信小程序/App通过微信小程序或者手机app进行远程数据的查看，以及动作的执行。一前期准备1.1通信将IEC104规约设备与电脑设置同一网

2021WWW1intro细粒度城市流量预测两个挑战细粒度数据中观察到的网格间的转移动态使得预测变得更加复杂需要在全局范围内捕获网格单元之间的空间依赖性单独学习外部因素（例如天气、POI、路段信息等）对大量网格单元的影响非常具有挑战性——>论文提出了时空关系网（STRN）来预测细粒度的城市流量骨干网络用于学习每个网格单元的高级表示全局关系模块（GloNet）捕获全局空间依赖性元学习器将外部因素和土地功能（例如POI密度）作为输入以产生元知识并提高模型性能2 几个定义2.1网格单元图3(a)，分成H×W个网格 2.2城市流量三维张量  一般K为2（流入&流出）2.3区域图3(c)，基于道路网络的

我使用table标签开发html代码，它在所有其他浏览器(如safari、Firefox、IE等)中工作正常，但代码不适用于chrome作为结果输出，如下图所示。.contfull{max-height:900px;}body{background:#cbd0d4nonerepeatscroll00;color:#444444;font-size:14px;margin:0;min-width:100%!important;padding:0;}.content{margin:0auto;width:100%;}.container_q{background:#f0efefnonere

我使用table标签开发html代码，它在所有其他浏览器(如safari、Firefox、IE等)中工作正常，但代码不适用于chrome作为结果输出，如下图所示。.contfull{max-height:900px;}body{background:#cbd0d4nonerepeatscroll00;color:#444444;font-size:14px;margin:0;min-width:100%!important;padding:0;}.content{margin:0auto;width:100%;}.container_q{background:#f0efefnonere

文章目录TL;DRIntroduction背景本文方案实现方式预训练预训练数据训练细节训练硬件支持预训练碳足迹微调SFTSFT训练细节RLHF人类偏好数据收集奖励模型迭代式微调（RLHF）拒绝采样（RejectionSampling）PPO多轮一致性的系统消息（SystemMessageforMulti-TurnConsistency）安全性预训练中的安全性讨论学习和观察基于上下文的温度系数缩放（In-ContextTemperatureRescaling）Llama2Chat对时间的感知工具使用涌现能力实验结果预训练与开源基础模型的精度对比与闭源模型对比RLHF奖励模型精度基于模型的评估结果

1.基本信息题目论文作者与单位来源年份P-Tuningv2:PromptTuningCanBeComparabletoFine-tuningUniversallyAcrossScalesandTasksXiaoLiu等TsinghuaUniversity清华大学2021Citations,References论文链接：https://arxiv.org/pdf/2110.07602.pdf[1]LiuX,JiK,FuY,etal.P-Tuningv2:PromptTuningCanBeComparabletoFine-tuningUniversallyAcrossScalesandTasks[

通常在使用VITS进行声音克隆的时候出现声音沙哑或者大佐味，就是日本腔调，这个一方面是由于模型训练的问题，如果觉得模型训练没有问题的话就是参数，或者其他原因。这里介绍一个通用的解决办法。文章目录声音预测参数音频生成声音预测参数按照以下图片进行设置获取模型。上传好音频之后点击这些选项，然后生成音频。音频生成首先使用微软的TTS进行文本转语音的操作，这里有个技巧就是不要整篇文字扔进去，拆分分段生成音频，然后克隆。具体为什么自己体会吧，这个是我尝试了多少次成功的。先整理好你的文件目录如图。这里面的TTS_apiKey要换成你的，split_and_accumulate方法后面的50是拆分字数间隔。

LLaMA2:OpenFoundationandFine-TunedChatModelsPre-trainingFine-tuningRewardmodelRLHF参考Pre-training数据层面：预训练语料比LLaMA1多了40%，一共2Ttokens，更关注了高质量数据的清洗。其中数据不包含Meta产品与服务，并且尽量的移除了privateindividuals。模型架构层面：与LLaMA1基本一致，RMSNorm+ROPE+SWiGLU。主要区别是引入了grouped-queryatttention和contextlength从2048->4096.超参数：训练Loss：在训练图中发

现在基于自然语言和文档进行对话的背后都是使用的基于嵌入的向量搜索。OpenAI在这方面做的很好，它的Cookbook(github.com/openai/openai-cookbook)上有很多案例，最近他们对文档做了一些更新。GPT擅长回答问题，但是只能回答它以前被训练过的问题，如果是没有训练过的数据，比如一些私有数据或者最新的数据该怎么办呢？这种情况下通常有两种办法，一种是微调(fine-tuning)，一种是嵌入(embedding)。微调就是在大模型的数据基础上做二次训练，事先准备好一批prompt-complition(类似于问答Q&A)的数据，生成新的模型，这个模型将会包含微调后的

问题gitpush进行代码提交时报错![rejected]dev-＞dev(non-fast-forward)原因是本地库和远程库没有同步导致无法提交合并，冲突导致无法push解决办法情况一：第一次提交，远程喝本地分支没有关联，在原有命令后加--allow-unrelated-histories//拉取//从远程仓库拉取不相关历史gitpullorigindev--allow-unrelated-histories//提交//推送到远程dev分支gitpushorigindev--allow-unrelated-histories情况二：已经进行git操作，有了关联的//切换远程dev分支gi