在这个信息爆炸的时代，数据已成为企业最宝贵的资产之一。等保2.0，即《信息安全技术网络安全等级保护基本要求》第二版，是我国信息安全领域的最新指导方针。它不仅更新了信息安全的标准，还拓宽了保护的范围，对于所有涉及信息处理的企业而言，等保2.0都是一份不容忽视的安全蓝图。以下

前言接口性能优化是后端开发人员经常碰到的一道面试题，因为它是一个跟开发语言无关的公共问题。这个问题既可以很简单，也可以相当复杂。有时候，只需要添加一个索引就能解决。有时候，代码需要进行重构。有时候，必须增加缓存。有时候，需要引入一些中间件，例如消息队列（MQ）。有时候，需

大家好，我是小编阿文。欢迎您关注我们，经常分享有关Android出海，iOS出海，App市场政策实时更新，互金市场投放策略，最新互金新闻资讯等文章，期待与您共航世界之海。iOS企业出海所面临的主要挑战之一，就是要精读App审核指南，根据出海的目标国家或地区，深刻理解并遵守App审核指南要求，这对于

类的生命周期描述了一个从加载、使用到卸载的过程；而其中的连接部分又分为一下三个阶段：验证准备解析6.1加载阶段Loading阶段第一步是类加载器会根据类全限定名通过不同的渠道以二进制流的方式获取字节码信息，程序员可以使用Java代码扩展不同的渠道。比如通过

信息《MySQL必知必会》福塔人民邮电出版社摘录基本概念数据库保存有组织的数据的容器（通常是一个文件或一组文件）。表某种特定类型数据的结构化清单。模式关于数据库和表的布局及特性的信息。有时，模式用作数据库的同义词。主键一列或一组列，其值可以唯一区分表中

LLM大模型学习必知必会系列(十二)：VLLM性能飞跃部署实践：从推理加速到高效部署的全方位优化[更多内容：XInference/FastChat等框架]训练后的模型会用于推理或者部署。推理即使用模型用输入获得输出的过程，部署是将模型发布到恒定运行的环境中推理的过程。一般来说，LLM的推理可以直接使

LLM大模型学习必知必会系列(十三)：基于SWIFT的VLLM推理加速与部署实战1.环境准备GPU设备:A10,3090,V100,A100均可.#设置pip全局镜像(加速下载)pipconfigsetglobal.index-urlhttps://mirrors.aliyun.com/pypi/simple/#安装ms-swiftpipinstall'ms-swift[llm]'-U

01H5相关测试H5优势：1.H5可以跨平台，开发成本相对较低；2.H5可随时上线就更新版本，适合快速迭代；3.H5可以轻量的触达用户，提供更快捷的服务；4.在微信入口或者浏览器上，用户只需点开链接就可以获取我们所提供的服务 H5劣势：1.H5->的转化强依赖于浏览器；2.H5目前基本无法将数据存储

LLM大模型学习必知必会系列(八)：10分钟微调专属于自己的大模型1.环境安装#设置pip全局镜像(加速下载)pipconfigsetglobal.index-urlhttps://mirrors.aliyun.com/pypi/simple/#安装ms-swiftpipinstall'ms-swift[llm]'-U#环境对齐(通常不需要运行.如果你运行错

LLM大模型学习必知必会系列(九)：Agent微调最佳实践，用消费级显卡训练属于自己的Agent！SWIFT支持了开源模型，尤其是中小型模型（7B、14B等）对Agent场景的训练，并将loss-scale技术应用到agent训练中，使中小模型APICall能力更稳定，并支持使用单张商业级显卡进行Agent推理和部署，可以直接在生

文章导读：AI辅助学习前端，包含入门、进阶、高级部分前端系列内容，当前是JavaScript的部分，瑶琴会持续更新，适合零基础的朋友，已有前端工作经验的可以不看，也可以当作基础知识回顾。这篇文章瑶琴带大家学习 javascript中关于变量作用域的相关知识点。在JavaScript中，变量的作用

LLM大模型学习必知必会系列(六)：量化技术解析、QLoRA技术、量化库介绍使用（AutoGPTQ、AutoAWQ）模型的推理过程是一个复杂函数的计算过程，这个计算一般以矩阵乘法为主，也就是涉及到了并行计算。一般来说，单核CPU可以进行的计算种类更多，速度更快，但一般都是单条计算；而显卡能进行的都是基

LLM大模型学习必知必会系列(七)：掌握分布式训练与LoRA/LISA微调：打造高性能大模型的秘诀进阶实战指南1.微调（SupervisedFinetuning）指令微调阶段使用了已标注数据。这个阶段训练的数据集数量不会像预训练阶段那么大，最多可以达到几千万条，最少可以达到几百条到几千条。指令微调可以

LLM大模型学习必知必会系列(三)：LLM和多模态模型高效推理实践1.多模态大模型推理LLM的推理流程：多模态的LLM的原理：代码演示：使用ModelScopeNoteBook完成语言大模型，视觉大模型，音频大模型的推理环境配置与安装以下主要演示的模型推理代码可在魔搭社区免费实例PAI-DSW

LLM大模型学习必知必会系列(六)：量化技术解析、QLoRA技术、量化库介绍使用（AutoGPTQ、AutoAWQ）模型的推理过程是一个复杂函数的计算过程，这个计算一般以矩阵乘法为主，也就是涉及到了并行计算。一般来说，单核CPU可以进行的计算种类更多，速度更快，但一般都是单条计算；而显卡能进行的

LLM大模型学习必知必会系列(十一)：大模型自动评估理论和实战以及大模型评估框架详解0.前言大语言模型（LLM）评测是LLM开发和应用中的关键环节。目前评测方法可以分为人工评测和自动评测，其中，自动评测技术相比人工评测来讲，具有效率高、一致性好、可复现、鲁棒性好等特点，逐渐成

前面的两篇文章分别讲了，docker的基础概念，设计思路以及docker的基本操作。感兴趣的同学可以查阅：https://www.cnblogs.com/jilodream/p/18177695https://www.cnblogs.com/jilodream/p/18184687本文我们将介绍如何使用自己的镜像。一、制作自己镜像docker本身已经提供了镜像制作的

通过前文(https://www.cnblogs.com/jilodream/p/18177695)的了解，我们已经大致明白了什么是docker，为什么要用docker，以及docker的基本设计思路是什么。今天来看下，docker的基本操作有哪些？1、linux下安装docker首先我们来安装docker，如下是使用centos7的安装办法，其他系统可以自行搜

LLM大模型学习必知必会系列(二)：提示词工程-PromptEngineering以及实战闯关prompt（提示词）是我们和LLM互动最常用的方式，我们提供给LLM的Prompt作为模型的输入，并希望LLM反馈我们期待的结果。虽然LLM的功能非常强大，但LLM对提示词（prompt）也非常敏感。这使得提示词工程成

LLM大模型学习必知必会系列(一)：大模型基础知识篇魔搭ModelScope开源的LLM模型魔搭ModelScope欢迎各个开源的LLM模型在社区上做开源分享。目前社区上已经承载了来自各个机构贡献的不同系列的LLM模型。并且社区的开发者也在这些模型的基础上，贡献了许多创新应用，并在M

什么是Docker？Docker是一个开源的容器管理引擎。开发者可以通过Docker直接管理应用程序所需要的容器。它的logo如下： 为什么需要Docker使用Docker主要有两个原因，1、屏蔽不同环境的硬件差异，减轻开发人员在不同环境上，为了适配环境差异所需要做的工作。如各项系统配置、环境变量、

国密算法是指由中国国家密码管理局发布的密码算法标准，旨在保障国家信息安全。目前，国家密码管理局已发布了一系列国产商用密码标准算法，包括SM1（SCB2）、SM2、SM3、SM4、SM7、SM9以及祖冲之密码算法（ZUC)等。通过在金融、电子政务及安防等领域广泛应用国密算法，在对敏感数据进行机密性

文章目录前言nullptr和NULLconst和constexprauto和decltypelambda表达式function和bind右值引用移动语义move智能指针前言C++11开始添加了很多好用的新特性，个人认为想要真正掌握这些特性还是需要多读代码，多应用这些特性，本文只记录了一些个人用过的，并结合自己的使用

#Mysql##Mysql事务###原则1.只有使用了INNODB引擎的数据库或表才支持事务2.原子性：具备回滚机制，只有全部完成和全部不完成两种状态。3.一致性：事务开启前和结束后数据库完整性没有被破坏。4.隔离性：数据库允许多个并发事务同时对其数据进行读写和修改的能力。防止事务同时执行

一、css中实现元素隐藏的几种方法1.opsition:0;        通过透明实现元素隐藏，视觉上隐藏但仍然存在2.display:none;        标签消失，不占页面位置，不显示3.display:block;        独占一行，可设置宽高，块显示二、如何进行元素转换1.    行元