阿奔的用户贡献
跳到导航
跳到搜索
2024年7月19日 (星期五)
- 14:402024年7月19日 (五) 14:40 差异 历史 +673 Pandas dataframe →read
- 14:032024年7月19日 (五) 14:03 差异 历史 +189 Pandas dataframe →read
- 10:422024年7月19日 (五) 10:42 差异 历史 +261 Pandas dataframe →list
2024年7月18日 (星期四)
- 23:232024年7月18日 (四) 23:23 差异 历史 +1,155 新 加州旅馆 创建页面,内容为“中文名: 加州旅馆 英文名: Hotel California 所属专辑: Hotel California,1977 歌曲时长: 6 分 42 秒 作词:Don Henley, Glenn Frey, Don Felder 作曲:Don Henley, Glenn Frey, Don Felder 演唱:Don Henley<blockquote>《加州旅馆》(Hotel California)是美国摇滚乐队老鹰乐队(Eagles)演唱的歌曲,词曲由唐·亨利(Don Henley, 1947/7/22~)、格列·弗雷(Glenn Frey, 1948/11/6~2016/1/18)和唐·菲尔德(Don Feld…” 标签:可视化编辑:已切换
- 16:312024年7月18日 (四) 16:31 差异 历史 +40 Cloudflare setup →内网穿透
- 15:002024年7月18日 (四) 15:00 差异 历史 +1,694 Ollama →True or False
- 14:162024年7月18日 (四) 14:16 差异 历史 +2,293 Ollama →参考
- 13:552024年7月18日 (四) 13:55 差异 历史 +7 Ollama →Service
- 09:442024年7月18日 (四) 09:44 差异 历史 +49 Ollama →Inst
- 09:392024年7月18日 (四) 09:39 差异 历史 +992 Ollama →Inst
- 09:212024年7月18日 (四) 09:21 差异 历史 +61 Ollama →Inst 标签:可视化编辑:已切换
2024年7月17日 (星期三)
- 21:452024年7月17日 (三) 21:45 差异 历史 +9 海盗分金 →解答 当前
- 21:372024年7月17日 (三) 21:37 差异 历史 +12 海盗分金 →解答
- 17:202024年7月17日 (三) 17:20 差异 历史 −8 海盗分金 无编辑摘要
- 17:192024年7月17日 (三) 17:19 差异 历史 +1,200 新 海盗分金 创建页面,内容为“===题目=== 5 个海盗分 100 枚金币,按抽签的顺序依次提出分配方案,超过半数同意即可,否则将被扔入大海喂鲨鱼。在海盗们足够聪明的前提下,第一个海盗提出什么方案能让自己的利益最大化? ===解答=== #引理 1: 海盗在下一局有风险时下不低于自己收益的情况下就会同意 #引理 2: 海盗在下一局没有风险时只有在高于自己收益的情况下才会同意 #引理…” 标签:可视化编辑
- 15:402024年7月17日 (三) 15:40 差异 历史 +1 Ollama →Chat
- 15:402024年7月17日 (三) 15:40 差异 历史 +91 Ollama →参考
- 15:372024年7月17日 (三) 15:37 差异 历史 +49 Ollama →Inst
- 15:352024年7月17日 (三) 15:35 差异 历史 +120 Ollama →Inst
- 15:242024年7月17日 (三) 15:24 差异 历史 +71 Ollama 无编辑摘要
- 15:182024年7月17日 (三) 15:18 差异 历史 +76 Ollama →Inst
- 14:482024年7月17日 (三) 14:48 差异 历史 +2,643 Ollama →Inst
- 14:412024年7月17日 (三) 14:41 差异 历史 +100 Ollama 无编辑摘要
- 14:342024年7月17日 (三) 14:34 差异 历史 +4,980 Ollama 无编辑摘要 标签:可视化编辑:已切换
- 10:532024年7月17日 (三) 10:53 差异 历史 +155 Helm →CMD 当前
- 09:272024年7月17日 (三) 09:27 差异 历史 +652 Sentence transformers →Embedding Mode 标签:可视化编辑
2024年7月16日 (星期二)
- 10:242024年7月16日 (二) 10:24 差异 历史 +98 Sentence transformers →Embedding Mode 标签:可视化编辑
2024年7月15日 (星期一)
- 16:572024年7月15日 (一) 16:57 差异 历史 +3,524 Sentence transformers →Embedding Mode
- 16:432024年7月15日 (一) 16:43 差异 历史 +351 Sentence transformers →Embedding Mode 标签:可视化编辑
- 15:572024年7月15日 (一) 15:57 差异 历史 +25 Sentence transformers →同种语义句向量对比
- 15:072024年7月15日 (一) 15:07 差异 历史 +150 Pandas →DataFrame 当前
- 14:332024年7月15日 (一) 14:33 差异 历史 +1,016 Milvus 安装 →Milvus 1
- 14:232024年7月15日 (一) 14:23 差异 历史 +245 Docker 安装 →docker CMD
- 13:192024年7月15日 (一) 13:19 差异 历史 −2 Sentence transformers →向量搜索(增加向量)
- 13:182024年7月15日 (一) 13:18 差异 历史 +53 Sentence transformers →向量搜索(增加向量)
- 11:142024年7月15日 (一) 11:14 差异 历史 +1,224 Sentence transformers →向量搜索
- 10:572024年7月15日 (一) 10:57 差异 历史 +81 Python基础 →list
2024年7月11日 (星期四)
- 14:122024年7月11日 (四) 14:12 差异 历史 +43 Pritunl →Step 4: Setup Pritunl 当前
- 13:222024年7月11日 (四) 13:22 差异 历史 +90 LLM 无编辑摘要 当前 标签:可视化编辑
- 11:222024年7月11日 (四) 11:22 差异 历史 +89 LLM 无编辑摘要 标签:可视化编辑
- 11:182024年7月11日 (四) 11:18 差异 历史 +4,525 LLM 无编辑摘要 标签:可视化编辑
- 11:122024年7月11日 (四) 11:12 差异 历史 +2,056 新 LLM 创建页面,内容为“大型语言模型(Large Language Models,LLM)是一种利用机器学习技术来理解和生成人类语言的人工智能模型。 LLM 旨在经过大量数据训练,像人类一样理解和生成文本以及其他形式的内容。这种模型有能力从环境中推断,生成连贯且与环境相关的响应,总结文本,回答问题(一般对话和常见问题解答),甚至协助完成创造性写作或代码生成任务。 LLM 使用基…”
- 10:332024年7月11日 (四) 10:33 差异 历史 +35 Ollama 无编辑摘要
2024年7月10日 (星期三)
- 13:222024年7月10日 (三) 13:22 差异 历史 +699 Ollama →Service
2024年7月9日 (星期二)
- 17:182024年7月9日 (二) 17:18 差异 历史 +174 Ollama →Inst
- 17:112024年7月9日 (二) 17:11 差异 历史 +99 Python redis →密码 当前
- 14:282024年7月9日 (二) 14:28 差异 历史 +5,527 新 Milvus 向量索引 创建页面,内容为“Milvus 支持多种类型的向量索引(内存索引),索引使用近似最近邻搜索 (ANNS) 算法。每个向量字段仅支持一种索引类型,在切换索引类型时会自动删除旧索引。 === ANNS 向量索引类型 === *Tree-based index 基于树的索引 *Graph-based index 基于图的索引 *Hash-based index 基于哈希的索引 *Quantization-based index 基于量化的索引 基于 CPU 的 ANN 搜索:FLAT、IVF_FLAT、IVF_PQ、IVF_SQ…” 当前 标签:可视化编辑:已切换
- 13:592024年7月9日 (二) 13:59 差异 历史 +2,544 Ollama 无编辑摘要
2024年7月8日 (星期一)
- 22:502024年7月8日 (一) 22:50 差异 历史 +73 Ollama 无编辑摘要
- 16:552024年7月8日 (一) 16:55 差异 历史 +1,140 新 Ollama 创建页面,内容为“Llama 是 meta 开源的一款大模型,开源不到一个月的时间就有 19.7K 的 star。 2024 年 4 月 19 日,Meta 在官网上官宣了 Llama-3,作为继 Llama-1、Llama-2 和 Code-Llama 之后的第三代模型,Llama-3在多个基准测试中实现了全面领先,性能优于业界同类最先进的模型。 * Llama-1 2023 年 2 月发布。有 7B、13B、30B 和 65B 四个参数量版本。Llama-1 各个参数量版本都在超过 1T token…”