0.环境租用了1台GPU服务器，系统ubuntu20，TeslaV100-16GB（GPU服务器已经关机结束租赁了）SSH地址：*端口：17520SSH账户：root密码：Jaere7pa内网：3389，外网：17518VNC地址：*端口：17519VNC用户名：root密码：Jaere7pa硬件需求，ChatGLM-6B和ChatGLM2-6B相当。量化等级 最低GPU显存FP16（无量化） 13GBINT8 10GBINT4 6GB1.基本环境1.1测试gpunvidia-smi(base)root@ubuntuserver:~#nvidia-smiTueSep1202:0
一.数据库🍏什么是数据库？🍎数据库的分类二.SQL三.数据库操作🍇创建数据库🍓使用数据库🍉删除数据库🍑查看所有数据库四.MySQL常用数据类型✈️数值类型🚀字符串类型🚁日期类型五.表操作：基础增删改查（CRUD）🐥创建表、查看表结构、删除表🐼新增数据🦄查询数据（初阶）🌕全列查询🌖指定列查询🌗查询字段为表达式🌘为查询字段起别名🌑查询结果去重：DISTINCT（行去重）🌒排序：ORDERBY🌓条件查询：WHERE（含相关逻辑操作符）🌔分页查询：LIMIT🐋更新数据🐞删除数据六.表操作：查询数据（进阶）🍅聚合查询🥬聚合函数🌽GROUPBY子句🥕HAVING🍆联合查询🍚内连接🍥外连接（左外连接、右外连
知识的量子态在回答什么是“理解”之前，我们先来讨论一下知识和其载体的定义。知识本身是一个抽象的概念，它可以被编码到各种物质载体中。无论是纸质书籍，还是人类大脑中的神经连接，抑或是服务器中的0和1，都可以看作是知识的载体。知识与其载体之间存在着一种特殊的关系——知识可以完整地存在于一个载体中，也可以分布在多个载体中。假设冯诺伊曼的计算机模型知识在全世界共有100亿份拷贝，无论是书本还是人脑。如果我们逐个销毁这些载体，当最后一份载体被销毁时，这项知识是否还存在?答案应该是不存在了。那么在什么时刻，这项知识开始“消失”的?事实上，在整个过程中，这项知识的状态可以视为不变，直到最后一个载体消失的一瞬间
Zookeeper概述Zookeeper是一个开源的分布式的，为分布式框架提供协调服务的Apache项目工作机制Zookeeper从设计模式角度来理解：是一个基于观察者模式设计的分布式服务管理框架，它负责存储和管理大家都关心的数据，然后接受观察者的注册，一旦这些数据的状态发生变化，Zookeeper就将负责通知已经在Zookeeper上注册的那些观察者做出相应的反应Zookeeper=文件系统+通知机制其主要功能为：数据存储+通知更新以服务器上下线为例：1.服务端启动，到zookeeper集群中注册信息2.客户端从zookeeper集群中获取到当前服务器的列表并注册监听3.服务器节点下线4.z
介绍花费二个多月查阅资料与前后端开发，终于完成了我的开源项目HugAi聊天知识库。项目是基于Springboot+vue2集成了OpenAiSDK开发的一套智能AI知识库，已接入ChatGpt3.5接口以及openai的绘图接口，前后端代码都开源。支持上下文功能会话记录持久化sse流式响应后台可配置的场景对话……背景第一次接触人工智能是微软小冰的读心术，那时就已经领略到了AI的强大了。我对AI抱着学习的心态，它能够在生活中为我带来很多便利，能够在我表达的语句中快速的找到问题的答案，但是结果还是需要自己分辨的。目前AI不是万能，但可以把它当做很高效的工具。因此我想搭建一个自己的AI聊天室，在这个
一、特殊常量iota1、iota是特殊常量，可以理解为是一个可被编译器修改的常量。2、iota中有一个计数器，会自动加1，自增类型默认是int类型。3、如果中断了iota则必须显示恢复。参考示例二。4、iota简化了const类型的定义。5、每次出现const的时候，iota归零。示例一：const( err1=iota err2=iota err3=iota err99=iota)const( err1=iota err2 err3 err99)运行结果：01230123两个const打印出来的结果都是相同的，当err2及其之后的err常量未定义时，会沿用err1的常量值iota，iota会
1.什么是随机森林? 随机森林是一种集成学习方法,通过构建多棵决策树,并让它们进行投票来提高预测准确性。2.随机森林如何避免过拟合? 随机森林通过从训练数据集中随机抽取样本构建决策树来避免过拟合。3.构建随机森林需要多少棵决策树? 通常100-500棵决策树就可以得到较好的效果,具体数量需要通过交叉验证选择。4.构建随机森林时候如何随机抽取样本? 可以通过随机抽取样本的方式,也可以通过随机抽取特征的方式。通常随机抽取特征的方式效果更好。5.构建随机森林时每个决策树的最大深度怎么设置? 每个决策树的最大深度不需要太深,3-10层就可以了。过深会导致过拟合。6.随机森林如何进行预测? 随机森林通过
目录一、Docker的核心1，Docker引擎2，Docker基础命令3，单个容器运行多个服务进程4，多个容器运行多个服务进程5，备份在容器中运行的数据库6，在宿主机和容器之间共享数据7，在容器之间共享数据8，对容器进行数据复制二、Docker网络1，查看容器的IP地址2，将容器端口暴露到主机上3，单主机容器间通信4，多主机容器间通信5，选择容器网络模式6，配置守护进程防火墙7，IP转发设置三、Kubernetes1，简称k8s2，三大核心对象3，增强功能4，全新的概念5，Kubernetes架构6，创建一个多节点的Kubernetes集群7，在Kubernetes集群上启动容器8，通过标签查
前言对于某些知识点,自认为知识量无法单拉出来一章来讲解,或者所学体系不够全面导致讲解片面,故开辟此文章来记录琐碎知识点Java细碎知识小结(1)链接内容单例模式final关键字抽象类抽象模板设计模式枚举类注解Java细碎知识小结(2)链接内容LinkedHashSetHashtablePropertiesTreeSetandTreeMap集合总结Java细碎知识小结(3)内容
当前，大部分企业不再建设从源数据采集到分析应用的烟囱式系统，更倾向于数据集中采集、存储，并应用分层建设。这种方式一方面有利于应用系统的快速部署，另一方面也保证了数据的集中管理与运营，体现数据的资产、资源属性。笔者根据个人数据中台的工作实践和学习以及思考总结，撰写成本文数据中台知识体系。一.数据中台是什么01定义 数据中台是一套可持续“让企业的数据用起来”的机制，是一种战略选择和组织形式，是依据企业特有的业务模式和组织架构，通过有形的产品和实施方法论支撑，构建的一套持续不断把数据变成资产并服务于业务的机制 数据中台是处于业务前台和技术后台的中间层，是对业务提供的数据能力的抽象和共享的
