SDK调用文心一言如何接入,文心一言API接入教程

一、前期准备

  1. 注册百度智能云账号

    • 前往百度智能云官网注册一个账号。这是接入文心一言API的基础。
  2. 了解API接口

    • 在百度智能云开放平台中,找到文心一言API的详情页,了解提供的API接口类型(如云端API、移动端API、离线版API等)及其功能特点。
    • 根据应用场景和需求,选择适合的API接口。

二、创建应用并获取API密钥

  1. 登录百度智能云千帆控制台

    • 使用百度智能云账号登录千帆控制台。
  2. 创建应用

    • 在控制台中,点击“创建应用”按钮。
    • 根据提示填写应用名称、描述等信息。
    • 创建成功后,将获取到AppID、API Key、Secret Key等关键信息。
  3. 获取API密钥

    • 在应用详情页中查看并复制API Key和Secret Key。这两个密钥将用于后续调用API接口时的身份验证。

最后就是能过SDK调用

调用本接口,发起一次对话请求。

支持模型列表

模型名称模型版本model 参数值
ERNIE 4.0ERNIE-4.0-8K-Latesternie-4.0-8k-latest
ERNIE 4.0ERNIE-4.0-8K-Previewernie-4.0-8k-preview
ERNIE 4.0ERNIE-4.0-8Kernie-4.0-8k
ERNIE 4.0 TurboERNIE-4.0-Turbo-8K-Latesternie-4.0-turbo-8k-latest
ERNIE 4.0 TurboERNIE-4.0-Turbo-8K-Previewernie-4.0-turbo-8k-preview
ERNIE 4.0 TurboERNIE-4.0-Turbo-8Kernie-4.0-turbo-8k
ERNIE 4.0 TurboERNIE-4.0-Turbo-128Kernie-4.0-turbo-128k
ERNIE 3.5ERNIE-3.5-8K-Previewernie-3.5-8k-preview
ERNIE 3.5ERNIE-3.5-8Kernie-3.5-8k
ERNIE 3.5ERNIE-3.5-128Kernie-3.5-128k
ERNIE SpeedERNIE-Speed-8Kernie-speed-8k
ERNIE SpeedERNIE-Speed-128Kernie-speed-128k
ERNIE SpeedERNIE-Speed-Pro-128Kernie-speed-pro-128k
ERNIE LiteERNIE-Lite-8Kernie-lite-8k
ERNIE LiteERNIE-Lite-Pro-128Kernie-lite-pro-128k
ERNIE TinyERNIE-Tiny-8Kernie-tiny-8k
ERNIE CharacterERNIE-Character-8Kernie-char-8k
ERNIE CharacterERNIE-Character-Fiction-8Kernie-char-fiction-8k
ERNIE-Novel-8KERNIE-Novel-8Kernie-novel-8k



使用说明

本文API支持通过Python SDK、Go SDK和Node.js SDK调用,调用流程请参考SDK安装及使用流程。

  • Python SDK,请确保使用最新版本,版本需≥0.4.11。
  • Go SDK,请确保使用最新版本,版本需≥0.0.13。
  • Node.js SDK,请确保使用最新版本,版本需≥0.2.2。

SDK调用

调用示例(非流式)

使用model字段,指定平台支持预置服务的模型,调用示例如下。

  • Python
  • Go
  • Java
  • Node.js
from qianfan import Qianfanclient = Qianfan(# 方式一:使用安全认证AK/SK鉴权# 替换下列示例中参数,安全认证Access Key替换your_iam_ak,Secret Key替换your_iam_sk,如何获取请查看https://cloud.baidu.com/doc/Reference/s/9jwvz2egbaccess_key="your_iam_ak",secret_key="your_iam_sk",#app_id="", # 选填,不填写则使用默认appid# 方式二:使用应用BearerToken鉴权# 替换下列示例中参数,将your_BearerToken替换为真实值,如何获取请查看https://cloud.baidu.com/doc/IAM/s/Mm2x80phi#api_key="your_BearerToken" #app_id="", # 选填,不填写则使用默认appid
)completion = client.chat.completions.create(model="ernie-3.5-8k", # 指定特定模型messages=[ # 也可以不设置system字段{'role': 'system', 'content': '平台助手'},{'role': 'user', 'content': '你好'}]
)print(completion.choices[0])

返回示例(非流式)

  • Python
  • Go
  • Java
  • Node.js
finish_reason='normal' index=0 message=ChatCompletionMessage(content='您好!请问您是想了解关于“平台助手”的信息吗?如果是的话,能否具体说明一下您想了解的是哪个平台或者哪种类型的助手呢?这样我可以为您提供更详细和准确的信息。', role='assistant', name=None, content_type=None, function_call=None) need_clear_history=None ban_round=None function_call=None search_info=None flag=0 tools_info=None

调用示例(流式)

  • Python
  • Go
  • Java
  • Node.js
from qianfan import Qianfanclient = Qianfan(# 方式一:使用安全认证AK/SK鉴权# 替换下列示例中参数,安全认证Access Key替换your_iam_ak,Secret Key替换your_iam_sk,如何获取请查看https://cloud.baidu.com/doc/Reference/s/9jwvz2egbaccess_key="your_iam_ak",secret_key="your_iam_sk",#app_id="", # 选填,不填写则使用默认appid# 方式二:使用应用BearerToken鉴权# 替换下列示例中参数,将your_BearerToken替换为真实值,如何获取请查看https://cloud.baidu.com/doc/IAM/s/Mm2x80phi#api_key="your_BearerToken" #app_id="", # 选填,不填写则使用默认appid
)completion = client.chat.completions.create(model="ernie-3.5-8k", # 指定特定模型messages=[ {'role': 'system', 'content': '平台助手'},{'role': 'user', 'content': '你好'}],stream=True
)for r in completion:print(r)

返回示例(流式)

  • Python
  • Go
  • Java
  • Node.js
id='as-gue7zc41p4' choices=[CompletionChunkChoice(delta=ChoiceDelta(content='您好!'), finish_reason=None, index=0)] created=1733465174 model='ernie-3.5-8k' object='chat.completion.chunk' usage=None statistic=CompletionStatistic(first_token_latency=0.49492, request_latency=0.0, total_latency=0.0, start_timestamp=1733465172918.0, avg_output_tokens_per_second=0.0)
id='as-gue7zc41p4' choices=[CompletionChunkChoice(delta=ChoiceDelta(content='很高兴与您'), finish_reason=None, index=0)] created=1733465174 model='ernie-3.5-8k' object='chat.completion.chunk' usage=None statistic=CompletionStatistic(first_token_latency=0.49492, request_latency=0.0, total_latency=0.0, start_timestamp=1733465172918.0, avg_output_tokens_per_second=0.0)
id='as-gue7zc41p4' choices=[CompletionChunkChoice(delta=ChoiceDelta(content='交流。'), finish_reason=None, index=0)] created=1733465174 model='ernie-3.5-8k' object='chat.completion.chunk' usage=None statistic=CompletionStatistic(first_token_latency=0.49492, request_latency=0.0, total_latency=0.0, start_timestamp=1733465172918.0, avg_output_tokens_per_second=0.0)
id='as-gue7zc41p4' choices=[CompletionChunkChoice(delta=ChoiceDelta(content='您提到的'), finish_reason=None, index=0)] created=1733465174 model='ernie-3.5-8k' object='chat.completion.chunk' usage=None statistic=CompletionStatistic(first_token_latency=0.49492, request_latency=0.0, total_latency=0.0, start_timestamp=1733465172918.0, avg_output_tokens_per_second=0.0)
id='as-gue7zc41p4' choices=[CompletionChunkChoice(delta=ChoiceDelta(content='“平台'), finish_reason=None, index=0)] created=1733465174 model='ernie-3.5-8k' object='chat.completion.chunk' usage=None statistic=CompletionStatistic(first_token_latency=0.49492, request_latency=0.0, total_latency=0.0, start_timestamp=1733465172918.0, avg_output_tokens_per_second=0.0)
...

function call调用示例

  • 第一次请求
  • Python
from qianfan import Qianfan
import os#通过环境变量初始化认证信息
# 使用安全认证AK/SK鉴权,替换下列示例中参数,安全认证Access Key替换your_iam_ak,Secret Key替换your_iam_sk
os.environ["QIANFAN_ACCESS_KEY"] = "your_iam_ak"
os.environ["QIANFAN_SECRET_KEY"] = "your_iam_sk"client = Qianfan()completion = client.chat.completions.create(model="ernie-3.5-8k",messages=[{"role": "user", "content": "你好,我想知道明天北京的天气怎么样"}],tools=[{"type": "function","function": {"name": "get_current_weather","description": "天气查询工具","parameters": {"properties": {"location": {"description": "地理位置,精确到区县级别","type": "string"},"time": {"description": "时间,格式为YYYY-MM-DD","type": "string"}},"required": ["location", "time"],"type": "object"}}}],
)print(completion.json(ensure_ascii=False))
  • 第二次请求
  • Python
from qianfan import Qianfan
import os#通过环境变量初始化认证信息
# 使用安全认证AK/SK鉴权,替换下列示例中参数,安全认证Access Key替换your_iam_ak,Secret Key替换your_iam_sk
os.environ["QIANFAN_ACCESS_KEY"] = "your_iam_ak"
os.environ["QIANFAN_SECRET_KEY"] = "your_iam_sk"client = Qianfan()# 模拟函数调用并给出结果completion = client.chat.completions.create(model="ernie-3.5-8k",messages=[{"role": "user", "content": "你好,我想知道明天北京的天气怎么样"},{'content': '', 'role': 'assistant', 'name': None, 'tool_calls': [{'id': '19eaa3faef0ca000', 'type': 'function', 'function': {'name': 'get_current_weather', 'arguments': '{"location": "北京", "time": "2024-12-14"}'}}], 'tool_call_id': None},{"role": "tool", "tool_call_id": "19exxxxx00", "name": "get_current_weather", "content": "{\"temperature\": \"20\", \"unit\": \"摄氏度\", \"description\": \"北京\"}"},],tools=[{"type": "function","function": {"name": "get_current_weather","description": "天气查询工具","parameters": {"properties": {"location": {"description": "地理位置,精确到区县级别","type": "string"},"time": {"description": "时间,格式为YYYY-MM-DD","type": "string"}},"required": ["location", "time"],"type": "object"}}}],
)print(completion.json(ensure_ascii=False))

function call响应示例

  • 第一次响应
  • Python
{"id": "as-0bd3fqniat","choices": [{"finish_reason": "tool_calls","index": 0,"message": {"content": "","role": "assistant","name": null,"tool_calls": [{"id": "19eaa550a7344000","type": "function","function": {"name": "get_current_weather","arguments": "{\"location\": \"北京\", \"time\": \"2024-12-14\"}"}}],"tool_call_id": null},"ban_round": null,"flag": 0}],"created": 1734078514,"model": "ernie-3.5-8k","object": "chat.completion","usage": {"completion_tokens": 26,"prompt_tokens": 7,"total_tokens": 33},"statistic": {"first_token_latency": 0,"request_latency": 2.197312,"total_latency": 2.557672722,"start_timestamp": 1734078512335.0,"avg_output_tokens_per_second": 10.165491376734478}
}
  • 第二次响应
  • Python
{"id": "as-1yunj9bnbx","choices": [{"finish_reason": "normal","index": 0,"message": {"content": "明天北京的天气温度是20摄氏度。请问您还有其他需要了解的吗?","role": "assistant","name": null,"tool_calls": null,"tool_call_id": null},"ban_round": null,"flag": 0}],"created": 1734078216,"model": "ernie-3.5-8k","object": "chat.completion","usage": {"completion_tokens": 15,"prompt_tokens": 26,"total_tokens": 41},"statistic": {"first_token_latency": 0,"request_latency": 2.704354,"total_latency": 2.936778522,"start_timestamp": 1734078212974.0,"avg_output_tokens_per_second": 5.107637463169924}
}

请求参数

Python SDK请求参数说明如下,Go SDK参数请参考Go SDK-对话Chat V2参数相关说明。

名称类型必填描述
modelstring模型ID,可选值参考本文支持模型列表
messagesList聊天上下文信息。说明:
(1)messages成员不能为空,1个成员表示单轮对话,多个成员表示多轮对话,例如:
· 1个成员示例,"messages": [ {"role": "user","content": "你好"}]
· 3个成员示例,"messages": [ {"role": "user","content": "你好"},{"role":"assistant","content":"需要什么帮助"},{"role":"user","content":"自我介绍下"}]
(2) 最后一个message为当前请求的信息,前面的message为历史对话信息
(3)messages的role说明:
· 第一条message的role必须是user或system
· 最后一条message的role必须是user
· 当第一条message的role为user,role值需要依次为user/function -> assistant -> user/function ...,即奇数位message的role值必须为user或function,偶数位message的role值为assistant,例如:
示例中message中的role值分别为user、assistant、user、assistant、user;奇数位(红框)message中的role值为user,即第1、3、5个message中的role值为user;偶数位(蓝框)值为assistant,即第2、4个message中的role值为assistant

image.png


· 当第一条message的role为system,role值需要依次为system -> user/function -> assistant -> user/function ...
(4)message中的content总长度不能超过对应model的输入字符限制和输入tokens限制,请查看各模型上下文长度说明
streambool是否以流式接口的形式返回数据,说明:
(1)beam search模型只能为false
(2)默认false
stream_optionsobject流式响应的选项,当字段stream为true时,该字段生效
temperaturefloat说明:
(1)较高的数值会使输出更加随机,而较低的数值会使其更加集中和确定
(2)默认0.95,范围 (0, 1.0],不能为0
top_pfloat说明:
(1)影响输出文本的多样性,取值越大,生成文本的多样性越强
(2)默认0.7,取值范围 [0, 1.0]
penalty_scorefloat通过对已生成的token增加惩罚,减少重复生成的现象。说明:
(1)值越大表示惩罚越大
(2)默认1.0,取值范围:[1.0, 2.0]
max_completion_tokensint指定模型最大输出token数,说明:
(1)取值范围[2, 2048]
seedint说明:
(1)取值范围: (0,2147483647‌),会由模型随机生成,默认值为空
(2)如果指定,系统将尽最大努力进行确定性采样,以便使用相同seed和参数的重复请求返回相同的结果
stopList生成停止标识,当模型生成结果以stop中某个元素结尾时,停止文本生成。说明:
(1)每个元素长度不超过20字符
(2)最多4个元素
userstring表示最终用户的唯一标识符
frequency_penaltyfloat说明:
(1)正值根据迄今为止文本中的现有频率对新token进行惩罚,从而降低模型逐字重复同一行的可能性
(2)取值范围:[-2.0, 2.0]
(3)支持以下模型:
· ernie-speed-8k
· ernie-speed-128k
· ernie-speed-pro-128k
· ernie-lite-8k
· ernie-lite-pro-128k
· ernie-tiny-8k
· ernie-char-8k
· ernie-char-fiction-8k
presence_penaltyfloat说明:
(1)正值根据token记目前是否出现在文本中来对其进行惩罚,从而增加模型谈论新主题的可能性
(2)取值范围:[-2.0, 2.0]
(3)支持以下模型:
· ernie-speed-8k
· ernie-speed-128k
· ernie-speed-pro-128k
· ernie-lite-8k
· ernie-lite-pro-128k
· ernie-tiny-8k
· ernie-char-8k
· ernie-char-fiction-8k
toolsList(Tool)一个可触发函数的描述列表,支持模型请参考本文支持模型列表-是否支持function call功能
tool_choicestring / tool_choice说明:
(1)支持模型请参考本文支持模型列表-是否支持function call功能
(2)string类型,可选值如下:
· none:不希望模型调用任何function,只生成面向用户的文本消息
· auto:模型会根据输入内容自动决定是否调用函数以及调用哪些function
· required:希望模型总是调用一个或多个function
(3)当为tool_choice类型,指在函数调用场景下,提示大模型选择指定的函数,指定的函数名必须在tools中存在
parallel_tool_callsbool说明:
(1)支持模型请参考本文支持模型列表-是否支持function call功能
(2)可选值:
· true:表示开启函数并行调用,默认开启
· false:表示关闭函数并行调用
response_formatresponse_format指定响应内容的格式
retry_countint重试次数,默认1次
request_timeoutfloat请求超时时间,默认60秒
backoff_factorfloat请求重试参数,用于指定重试的策略,默认为0

message说明

名称类型必填描述
rolestring当前支持以下:
· user: 表示用户
· assistant: 表示对话助手
· system:表示人设
namestringmessage名
contentstring对话内容,说明:
(1)不能为空
(2)最后一个message对应的content不能为blank字符,如空格、"\n"、“\r”、“\f”等
tool_callsList[ToolCall]函数调用,function call场景下第一轮对话的返回,第二轮对话作为历史信息在message中传入
tool_call_idstring说明:
(1)当role=tool时,该字段必填
(2)模型生成的function call id,对应tool_calls中的tool_calls[].id
(3)调用方应该传递真实的、由模型生成id,否则效果有损

stream_options说明

名称类型必填
include_usagebool流式响应是否输出usage,说明:
· ture:是,设置为true时,在最后一个chunk会输出一个字段,这个chunk上的usage字段显示整个请求的token统计信息
· false:否,流式响应默认不输出usage

Tool 说明

名称类型必填描述
typestring工具类型,取值function
functionfunction函数说明

function说明

Tool中function说明如下

名称类型必填描述
namestring函数名
descriptionstring函数描述
parametersobject函数请求参数,JSON Schema 格式,参考JSON Schema描述

tool_choice说明

名称类型必填描述
typestring指定工具类型,固定值function
functionfunction指定要使用的函数

function说明

tool_choice中function说明如下

名称类型必填描述
namestring指定要使用的函数名

response_format说明

名称类型描述
typestring指定响应内容的格式,可选值:
· json_object:以json格式返回,可能出现不满足效果情况
· text:以文本格式返回,默认为text
· json_schema:以json_scheam规定的格式返回
json_schemaobjectjson_schema格式,请参考JSON Schema描述;当type为json_schema时,该参数必填

响应参数

名称类型描述
idstring本次请求的唯一标识,可用于排查问题
objectstring回包类型 chat.completion:多轮对话返回
createdint时间戳
modelstring模型ID
choicesobjectstream=false时,返回内容
choicessse_choicesstream=true时,返回内容
usageusagetoken统计信息,说明:
(1)同步请求默认返回
(2)流式请求默认不返回,当开启stream_options.include_usage=True时,会在最后一个chunk返回实际内容,其他chunk返回null

choices说明

当stream=false时,返回内容如下:

名称类型描述
indexintchoice列表中的序号
messagemessage响应信息,当stream=false时返回
finish_reasonstring输出内容标识,说明:
· normal:输出内容完全由大模型生成,未触发截断、替换
· stop:输出结果命中入参stop中指定的字段后被截断
· length:达到了最大的token数
· content_filter:输出内容被截断、兜底、替换为**等
· tool_calls:函数调用
flagint安全细分类型,说明:
当stream=false,flag值含义如下:
· 0或不返回:安全
· 1:低危不安全场景,可以继续对话
· 2:禁聊:不允许继续对话,但是可以展示内容
· 3:禁止上屏:不允许继续对话且不能上屏展示
· 4:撤屏
ban_roundint当flag 不为 0 时,该字段会告知第几轮对话有敏感信息;如果是当前问题,ban_round = -1

sse_choices说明

当stream=true时,返回内容如下:

名称类型描述
indexintchoice列表中的序号
deltadelta响应信息,当stream=true时返回
finish_reasonstring输出内容标识,说明:
· normal:输出内容完全由大模型生成,未触发截断、替换
· stop:输出结果命中入参stop中指定的字段后被截断· length:达到了最大的token数
· content_filter:输出内容被截断、兜底、替换为**等
· tool_calls:函数调用
flagint安全细分类型,说明:当stream=true时,返回flag表示触发安全
ban_roundint当flag 不为 0 时,该字段会告知第几轮对话有敏感信息;如果是当前问题,ban_round = -1

delta说明

名称类型描述
contentstring流式响应内容
tool_callsList[ToolCall]由模型生成的函数调用,包含函数名称,和调用参数

ToolCall说明

名称类型描述
idstringfunction call的唯一标识,由模型生成
typestring固定值function
functionfunctionfunction call的具体内容

function说明

名称类型描述
namestring函数名称
argumentsstring函数参数

usage说明

名称类型描述
prompt_tokensint问题tokens数(包含历史QA)
prompt_tokens_detailsint问题token详情
completion_tokensint回答tokens数
total_tokensint总tokens数

prompt_tokens_details说明

名称类型描述
search_tokensint触发检索增强以后膨胀的token;用户可以通过usage.prompt_tokens_details.search_tokens>0判断是否出发了检索增强,并且计算出发检索增强的次数

message说明

名称类型必填描述
rolestring当前支持以下:
· user: 表示用户
· assistant: 表示对话助手
· system:表示人设
namestringmessage名
contentstring对话内容,说明:
(1)不能为空
(2)最后一个message对应的content不能为blank字符,如空格、"\n"、“\r”、“\f”等
tool_callsList[ToolCall]函数调用,function call场景下第一轮对话的返回,第二轮对话作为历史信息在message中传入
tool_call_idstring说明:
(1)当role=tool时,该字段必填
(2)模型生成的function call id,对应tool_calls中的tool_calls[].id
(3)调用方应该传递真实的、由模型生成id,否则效果有损

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/67314.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【机器学习】数据拟合-最小二乘法(Least Squares Method)

最小二乘法(Least Squares Method) 最小二乘法是一种广泛使用的数据拟合方法,用于在统计学和数学中找到最佳拟合曲线或模型,使得观测数据点与模型预测值之间的误差平方和最小化。以下是详细介绍: 基本概念 假设有一组…

Flutter 多终端测试 自定义启动画面​​​​​​​ 更换小图标和应用名称

多终端测试 flutter devices flutter run -d emulator-5554 flutter run -d emulator-5556 自定义启动画面 之前: 进入assert 3x 生成 1x 2x dart run flutter_native_splash:create dart run flutter_native_splash:remove 现在(flutter_nativ…

springMVC实现文件上传

目录 一、创建项目 二、引入依赖 三、web.xml 四、编写上传文件的jsp页面 五、spring-mvc.xml 六、controller 七、运行 一、创建项目 二、引入依赖 <?xml version"1.0" encoding"UTF-8"?> <project xmlns"http://maven.apache.o…

Java内存与缓存

Java内存管理和缓存机制是构建高性能应用程序的关键要素。它们之间既有联系又有区别&#xff0c;理解这两者对于优化Java应用至关重要。 Java 内存模型 Java内存模型&#xff08;JMM&#xff09;定义了线程如何以及何时可以看到其他线程修改过的共享变量的值&#xff0c;并且规…

图片和短信验证码(头条项目-06)

1 图形验证码接口设计 将后端⽣成的图⽚验证码存储在redis数据库2号库。 结构&#xff1a; {img_uuid:0594} 1.1 创建验证码⼦应⽤ $ cd apps $ python ../../manage.py startapp verifications # 注册新应⽤ INSTALLED_APPS [django.contrib.admin,django.contrib.auth,…

云服务信息安全管理体系认证,守护云端安全

在数据驱动的时代&#xff0c;云计算已成为企业业务的超级引擎&#xff0c;推动着企业飞速发展。然而&#xff0c;随着云计算的广泛应用&#xff0c;信息安全问题也日益凸显&#xff0c;如同暗流涌动下的礁石&#xff0c;时刻威胁着企业的航行安全。这时&#xff0c;云服务信息…

LabVIEW与WPS文件格式的兼容性

LabVIEW 本身并不原生支持将文件直接保存为 WPS 格式&#xff08;如 WPS 文档或表格&#xff09;。然而&#xff0c;可以通过几种间接的方式实现这一目标&#xff0c;确保您能将 LabVIEW 中的数据或报告转换为 WPS 可兼容的格式。以下是几种常见的解决方案&#xff1a; ​ 导出…

创建 WordPress 插件(第一部分):添加管理页面

WordPress 是互联网上最受欢迎的内容管理系统之一。它是用 PHP 创建的&#xff0c;可以处理从博客到商业网站的一切需求。事实上&#xff0c;我们的博客和网站都使用 WordPress。在本文中&#xff0c;我将向你展示如何创建一个 WordPress 插件&#xff0c;该插件会在管理员控制…

解锁企业数据管理统一身份认证难题,EasyMR助力企业敏捷提效

在数字经济迅猛发展的当下&#xff0c;企业数据量正以令人惊叹的速度持续增长。据IDC研究显示&#xff0c;至2025年&#xff0c;全球数据总量预计将超175 ZB。数据的爆发式增长对企业而言&#xff0c;既是机遇&#xff0c;更是巨大挑战。 如今&#xff0c;大数据已然成为企业决…

OPT: Open Pre-trained Transformer语言模型

摘要 大规模语言模型通常需要数十万计算日的训练时间&#xff0c;展现了在零样本和小样本学习中的显著能力。鉴于其计算成本之高&#xff0c;这些模型在没有大量资本投入的情况下难以复现。对于那些通过API提供的少数模型&#xff0c;研究者无法获取完整的模型权重&#xff0c…

Qt应用之MDI(多文档设计)

qt creator 版本6.8.0 MinGW 64bit 由此模块可以扩展成设计一个qt文本编辑器。 界面如下 部分功能展示如下 新建文件 打开文件 mdi模式、级联模式和平铺模式 界面和程序构建过程。 1.如图所需.cpp和.h文件 2.mainwindow.ui和tformdoc.ui界面布局如下 不懂什么是Action如何…

Linux第二课:LinuxC高级 学习记录day04

6、shell中的语句 6.3、结构性语句 6.3.1、if if…then…fi 1、结构 1&#xff09;基本结构 if 表达式 then 命令表 fi if [ 表达式 ] // 【】两侧有空格 then 命令表 fi 2&#xff09;分层结构 if 表达式 then 命令表1 else 命令表2 fi 3&#xff09;嵌套结构 if …

Linux C 使用ZBar库解析二维码和条形码

1. 编译zbar库 下载 zbar 库源码&#xff0c;这里需要注意下&#xff0c;如果识别的二维码中有中文的话&#xff0c;会出现乱码&#xff0c;一般二维码里中文为UTF-8编码&#xff0c;zbar会默认给你把UTF-8转换为ISO8859-1。有两种解决办法&#xff0c;一是自己再转换一下编码…

【北京迅为】iTOP-4412全能版使用手册-第七十九章 Qt网络编程

iTOP-4412全能版采用四核Cortex-A9&#xff0c;主频为1.4GHz-1.6GHz&#xff0c;配备S5M8767 电源管理&#xff0c;集成USB HUB,选用高品质板对板连接器稳定可靠&#xff0c;大厂生产&#xff0c;做工精良。接口一应俱全&#xff0c;开发更简单,搭载全网通4G、支持WIFI、蓝牙、…

用python实战excel和word自动化

提示&#xff1a;文章写完后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 python实现excel和word自动化--批量处理 前言--需求快要期末了需要&#xff0c;提交一个年级的学生成绩数据&#xff0c;也就是几百份。当前我们收集了一份excel表格&#xf…

【R安装】R语言的详细安装及环境配置(2024年11月)

目录 R及Rstudio下载R下载Rstudio下载 R及Rstudio安装R安装Rtools 安装Rstudio安装 运行 RStudio通过RStudio配置使用特定的R版本 参考 R及Rstudio下载 R下载 R官网-The R Project for Statistical Computing 点击【download R】&#xff0c;进入下载界面&#xff1a; 选择…

Docker官网安装

1.官网 官方文档 https://www.docker.com/ Docker Hub官网 镜像 https://hub.docker.com/ 2.Docker 的三要素 1、镜像 2、容器 3、仓库 小总结 3.Docker 平台架构图 &#xff08;架构版本&#xff09; 4.安装Docker CentOS | Docker Docs 1.确定你是CentOS7及以上版本 …

寒假第一次牛客周赛 Round 76回顾

AC数&#xff1a;2&#xff08;A、C&#xff09; B 思路&#xff1a; 等价于求&#xff1a; 数量最多的字符 #include<stdio.h> int main() {int n,num;int a[26]{0};//用于存储字母 a 到 z 的出现次数。scanf("%d",&n);char s[n];scanf("%s",s)…

GARCH指导的神经网络在金融市场波动性预测中的应用

“GARCH-Informed Neural Networks for Volatility Prediction in Financial Markets” 论文地址&#xff1a;https://arxiv.org/pdf/2410.00288v1 摘要 波动性作为衡量风险的关键指标&#xff0c;广泛应用于金融投资的定价中。GARCH模型及其变体是用于股票波动性预测的传统工…

STM32-笔记43-低功耗

一、什么是低功耗&#xff1f; 低功耗‌是指通过优化设计和采用特定的技术手段&#xff0c;降低电子设备在运行过程中消耗的能量&#xff0c;从而延长电池寿命、提高性能和减少发热。低功耗设计主要从芯片设计和系统设计两个方面进行&#xff0c;旨在减少所有器件的功率损耗&am…