个人碎碎念channel
欢迎加入聊天吹水群组https://t.me/adelesfriends
城市租房生存指南 #租房

租房小白修炼手册,掌握租房硬核知识,找到理想住所!

😊 点击访问
中国境内 Docker Hub 镜像仓库关闭

目前,中国大陆境内 Docker Hub 主要镜像仓库已全面关闭,此前依靠修改镜像源来拉取 Docker 镜像的做法已经失效。这将会影响开发者及依赖这些仓库进行持续集成和持续部署的企业。预计此次监管是长期的,有进一步扩大的可能。

[消息等级 Level B · #重要 ]
利息计算器

一款用于利息计算的小工具,支持如下还款方式的利息计算:等额本息、等额本金、先息后本、到期还本付息。

网址:https://ic.yolo.blue/
淘宝是怎么代找 pdf 的?

原up主称:以下方法找不到的书,淘宝也找不到

走完这3个途径,大部分的书能下载到:
超星图书馆→Z-Library→找书网

方法1️⃣
超星图书馆是要收费的,但是有办法免费,办法:借道图书馆

1️⃣广西壮族自治区图书馆
2️⃣浙江图书馆
3️⃣重庆图书馆

在超星图书馆下载好之后,用软件【超星阅读器】打开,现在的文件格式不是pdf,用别的软件打不开,所以要转化下格式:用软件【pdz助手】转换成pdf格式

方法2️⃣
如果第1个方法不行,那就到【Z-Library】上面找,下载之后需要转换成pdf格式的话,可以使用软件【Calibre】

方法3️⃣
如果上面的第2个方法不行,那就到【全国图书馆参考咨询联盟】上面搜索自己要的书,这一步主要是看自己要的书的详细信息(ISBN、分类号),接着去【找书网】搜索,原本是有【秒传码】的,现在这个方法失效了,于是想下载,只能点【秒传码】旁边的三方付费下载了(1块1天)

总结,这个过程需要下载的软件:
①超星阅读器
②pdz助手
③Calibre

需要用到的网站:
①3者选1:广西壮族自治区图书馆、浙江图书馆、重庆图书馆
②Z-Library
③全国图书馆参考咨询联盟
④找书网

[转载]
快速下载App图标

该网站能快速下载App Store中应用的图标,适用于ppt民工、设计师或程序员优化界面。不过目前仅支持英文输入。

网站

———————————————

评论区网友分享,可参考:
yukongga
快捷指令
worldvectorlogo

关注频道 @ZaiHuaPd
频道投稿 @ZaiHuabot
Sam Altman的创业手册

一份由 Sam Altman 写的创业手册,从有想法到执行的全过程。
Post-OCR-Correction:用于文本纠错,特别是 OCR 识别后的文本纠错的英文数据集,包含 31.3k 行数据
datawhale的教学项目:大模型基础

本项目旨在作为一个大规模预训练语言模型的教程,从数据准备、模型构建、训练策略到模型评估与改进,以及模型在安全、隐私、环境和法律道德方面的方面来提供开源知识。

项目将以斯坦福大学大规模语言模型课程和李宏毅生成式AI课程为基础,结合来自开源贡献者的补充和完善,以及对前沿大模型知识的及时更新,为读者提供较为全面而深入的理论知识和实践方法。通过对模型构建、训练、评估与改进等方面的系统性讲解,以及代码的实战,我们希望建立一个具有广泛参考价值的项目。

项目受众
人工智能、自然语言处理和机器学习领域的研究者和从业者:该项目旨在为研究者和从业者提供大规模预训练语言模型的知识和技术,帮助他们更深入地了解当前领域的最新动态和研究进展。
学术界和产业界对大型语言模型感兴趣的人士:项目内容涵盖了大型语言模型的各个方面,从数据准备、模型构建到训练和评估,以及安全、隐私和环境影响等方面。这有助于拓宽受众在这一领域的知识面,并加深对大型语言模型的理解。
想要参与大规模语言模型开源项目的人士:本项目提供代码贡献和理论知识,降低受众在大规模预训练学习的门槛。
其余大型语言模型相关行业人员:项目内容还涉及大型语言模型的法律和道德考虑,如版权法、合理使用、公平性等方面的分享,这有助于相关行业从业者更好地了解大型语言模型的相关问题。

项目亮点
项目的及时性:当前大模型发展迅速,社会和学习者缺少较为全面和系统的大模型教程
项目可持续性:当前大模型发展还在初期阶段,对行业的渗透还未全面展开,因此随着大模型的发展,该项目可持续的为学习者提供帮助
算法与复杂度

"这个系列的博文会逐个介绍计算机科学里面最基础、也是最重要的一部分内容:算法(algorithm)。提到它,这可能是你最擅长的部分,亦或是你学生生涯的噩梦。不管怎么样,对于学计算机的小伙伴来讲,它始终是不可回避的一个话题。不论是学生时代的你还是已经踏上了工作的岗位,算法都会一直陪伴着你。

为什么要做这个系列呢?因为网上对于这一块的内容实在是太多,甚至是太杂,而很少有把算法的知识体系整合起来形成一个系列的教学博客。于是乎想尽自己的微薄之力,让更多的人能够更好地理解算法,不畏惧算法,在未来求职的面试中不再因为它而与自己理想的公司失之交臂。"

配合这篇(算法复杂度不再是难题:解密 Big O)从数学和算法分析历史角度了解算法复杂度的文章,可能更容易理解。
Back to Top