- 2025-01-06web3与AI结合-Sahara AI 项目介绍
背景介绍SaharaAI于2023年创立，是一个"区块链+AI"领域的项目。其项目愿景是，利用区块链和隐私技术将现有的AI商业模式去中心化，打造公平、透明、低门槛的“协作AI经济”体系，旨在重构新的利益分配机制以及交易、协作市场，在资产化和上链AI资源的同时，确保AI构建的每
- 2025-01-06comfyui-SD线稿一键转真人，极简式工作流分享-菜鸟级教程有手就行_image scale to side
大家好我是AIGC阿道夫在数字艺术和图像处理的新时代，技术的进步不断拓宽着创意的边界。ComfyUI提供了一套高效、易用的工作流，通过简单的节点操作即可实现从线稿到真人图像的转换。这一技术不仅简化了创作流程，还极大地提升了图像生成的质量和效率。本文将详细介绍这一工作
- 2025-01-05【高并发系统】通用设计方法
在高并发系统的设计中，面对大流量的挑战，我们通常需要运用一些巧妙的方案来有效地分流和处理这些流量，从而保证系统的稳定性和用户体验。可以通过一个比喻来帮助理解：就像古代治水一样，我们在高并发系统中采用的策略，也旨在将洪水引流、分担压力、提高系统的承载能力。例如，在古代的治水
- 2025-01-055.9 Passing state parameter 传递 state 参数
Bydefault,theparserdoesn'ttakeanyargumentotherthantheinput.WhenbuildingtheAST,itmightbeusefultopassparameterstotheparser,whichmightbeneededtotheconstructionofthetree.MST---默认情况下，解析器不接受input以外的任何参数。在
- 2025-01-04two load balancer methods
microservicewithoutloadbalancer 不带负载均衡例子。https://github.com/GavriloviciEduard/fastapi-microservices/tree/master multipleupstreamforloadbalancer将上游服务看成独立的servertraefikmultipleupstreamhttps://github.com/tanishqmanuja/dem
- 2025-01-02FFmpeg: FFmepg中的sws_scale() 函数分析
FFmpeg中的 sws_scale() 函数主要是用来做视频像素格式和分辨率的转换，其优势在于：可以在同一个函数里实现：1.图像色彩空间转换，2:分辨率缩放，3:前后图像滤波处理。不足之处在于：效率相对较低，不如libyuv或shader，其关联的函数主要有：1.sws_getContext()：structSwsContext*sws_getCo
- 2025-01-01Animation
Animation相关文档:动画动画对象方法ObjectAnimation.export()导出动画队列。export方法每次调用后会清掉之前的动画操作。AnimationAnimation.step(Objectobject)表示一组动画完成。可以在一组动画中调用任意多个动画方法，一组动画中的所有动画会同时开始，一组动画完
- 2024-12-29scale-gesture-handler
scale-gesture-handler相关文档:手势系统渲染框架支持情况：Skyline（使用最新Nighly工具调试）功能描述多指缩放时触发手势通用属性属性类型默认值必填说明tagstring否声明手势协商时的组件标识worklet:ongestureeventhandler否手势识别成功的回
- 2024-12-29使用css3动画时（translate,scale）容易发生字体变模糊再恢复的情况如何解决？
CSS3动画中的translate和scale等变换可能会导致字体在某些浏览器或特定情况下出现模糊再恢复的问题。这通常是由于浏览器的渲染引擎在处理动画过程中的优化策略导致的。以下是一些建议的解决方法：使用backface-visibility:设置元素的backface-visibility属性为hidden
- 2024-12-27CSS 2D3D变换
1.2d位移2d位移可以改变元素的位置。具体使用方法如下1.先给元素添加转换属性transform2.编写transform的具体值translate()translateX()translateY()可以写长度值，百分比，百分比是相当于自身的长宽。1.位移与相对定位相似，都不脱离文档流。不会影响其他元素。2.位移对行内
- 2024-12-25写一个方法使用滚轮对图片进行放大缩小
在前端开发中，使用滚轮对图片进行放大缩小通常涉及到监听鼠标的滚轮事件（wheel或mousewheel，取决于浏览器和库的支持），并根据事件的滚动方向来调整图片的尺寸。以下是一个简单的示例，展示如何使用原生JavaScript实现这一功能：<!DOCTYPEhtml><htmllang="en"><head><metachars
- 2024-12-25【Java基础面试题043】BigDecimal为什么能保证精度不丢失？
回答重点BigDecimal使用十进制来表示数值，而不是二进制浮点数表示法，这使得它能够精确地表示所有十进制数值，不需要任何转换或舍入。而且BigDecimal是无限精度，可以表示任意精度的小数（受限于内存），因此不会动不动被舍入截断，也可以手动设置精度和舍入模式来控制计算的精度BigDecima
- 2024-12-24YOLOv11模型改进-模块-引入多尺度大核注意力Multi-scale Large Kernel Attention
MLKA的提出源于图像超分辨率任务的挑战性，该任务需重建低质量图像缺失的高频信息，但因LR与HR图像对应关系复杂，寻找像素相关性困难。此前模型扩展容量的方法增加了训练负担和数据收集成本，而采用的注意力机制无法同时获取局部与长距离信息且感受野固定。受视
- 2024-12-23scipy.stats.norm.rvs函数
在scipy.stats模块中，norm.rvs函数用于从正态分布（高斯分布）中生成随机样本。它是SciPy提供的一个非常常用的概率分布采样工具，适合模拟正态分布的随机变量。1.函数定义scipy.stats.norm.rvs(loc=0,scale=1,size=1,random_state=None)参数说明loc：均值
- 2024-12-22Scale AI公司的平台：Outlier平台；Remotows平台
ScaleAI公司Scale指的是ScaleAI公司，是一家总部位于加利福尼亚州旧金山的人工智能公司.以下是关于它的一些信息：做小规模大模型LLMs发展历程2016年成立，最初致力于为自动驾驶汽车等应用创建标记数据集，通过构建数据管道和标注技术，在人工智能模型训练领域崭露头角.2019
- 2024-12-19Stable Diffusion【基础篇】：提示词引导系数（CFG Scale）
CFG（Classifier-FreeGuidance）用于控制StableDiffusion在采样期间应遵循提示词的严格程度。几乎所有稳定扩散AI图像生成器都提供了此参数设置。今天我们重点来看看在StableDiffusion中CFG参数相关内容。一.CFG是什么我们先以一个实例来看看CFG在不同参数值时的效果
- 2024-12-18浪漫的表白代码
<!DOCTYPEhtml><html><head><metacharset="utf-8"/><title></title><style>html,body{width:100%;height:100%;padding:0;margin:0;background:#00
- 2024-12-15TrunNas教程网址导航
TrunNas教程网址导航文字教程[TrueNas安装保姆教程1](TruenasScale23.10安装设置保姆教程1_NAS存储_什么值得买)[TrueNas安装保姆教程2](TruenasScale23.10设置保姆教程2（NFS和iSCSI共享）_网络存储_什么值得买)[TrueNas基础教程数据保护](TruenasScale23.10设置保姆
- 2024-12-14转载：【AI系统】训练后量化与部署
本文将会重点介绍训练后量化技术的两种方式：动态和静态方法，将模型权重和激活从浮点数转换为整数，以减少模型大小和加速推理。并以KL散度作为例子讲解校准方法和量化粒度控制来平衡模型精度和性能。训练后量化的方式训练后量化的方式主要分为动态和静态两种。动态离线量化动态
- 2024-12-13转载：【AI系统】TVM 实践案例
在本文我们探讨一下，如何利用AI编译器在新的硬件上部署一个神经网络，从算法设计到实际运行，有哪些需要考虑的地方？本文将以TVM为例，首先介绍一下TVM的工作流：导入模型。TVM可以从TensorFlow、PyTorch、ONNX等框架导入模型。转换为Relay。Relay是TVM的中间表示形式，已导
- 2024-12-13转载：【AI系统】TVM 实践案例
在本文我们探讨一下，如何利用AI编译器在新的硬件上部署一个神经网络，从算法设计到实际运行，有哪些需要考虑的地方？本文将以TVM为例，首先介绍一下TVM的工作流：导入模型。TVM可以从TensorFlow、PyTorch、ONNX等框架导入模型。转换为Relay。Relay是TVM的中间表示形式，已导
- 2024-12-13转载：【AI系统】训练后量化与部署
本文将会重点介绍训练后量化技术的两种方式：动态和静态方法，将模型权重和激活从浮点数转换为整数，以减少模型大小和加速推理。并以KL散度作为例子讲解校准方法和量化粒度控制来平衡模型精度和性能。训练后量化的方式训练后量化的方式主要分为动态和静态两种。动态离线量化动态
- 2024-12-13转载：【AI系统】EfficientFormer 系列
本文主要介绍一种轻量化的Transformer结构，在获得高性能的同时，能够保持一定的推理速度。以延迟为目标进行优化设计。通过延迟分析重新探讨ViT及其变体的设计原则。EfficientFormerV1模型EfficientFormerV1:基于ViT的模型中使用的网络架构和具体的算子，找到端侧低效的原因
- 2024-12-13达梦DOTNET驱动DM.Provider8.3.1.30495存在空字符串插入变DBNull的问题
达梦数据库的DOTNET驱动DM.Provider，这个版本8.3.1.30495有bug，会把空字符串改成DBNull处理，反编译代码发现Dm.DmSetValue.SetString方法中判断字符串长度==0就设置成DBNull。解决办法就是降低版本到8.3.1.28188。//Dm.DmSetValueusingSystem;usingSystem.Globalization;usi
- 2024-12-12转载：【AI系统】TVM 实践案例
在本文我们探讨一下，如何利用AI编译器在新的硬件上部署一个神经网络，从算法设计到实际运行，有哪些需要考虑的地方？本文将以TVM为例，首先介绍一下TVM的工作流：导入模型。TVM可以从TensorFlow、PyTorch、ONNX等框架导入模型。转换为Relay。Relay是TVM的中间表示形式，已导