matplotlib中文字体渲染 matplotlib 在画图例的时候不可避免的需要使用中文字体，但是有的时候电脑自带的字体不能渲染中文，这就需要我们自己解决字体问题。 首先用一个代码看一下系统里的字体哪些可以正常渲染中文字体 12345678910111213141516171819202122232425262728293031323334353637import matplotlib.fon

TruFor笔记和代码复现 最近有个新闻很火，说谷歌 AI 技术曾判定美国登月任务的照片存在虚假内容 有大佬找到了出处，使用的是google 的论文arxiv，代码开源在GitHub 笔记 这篇论文介绍了一个名为TruFor的图像伪造检测和定位框架。该框架可以应用于各种图像处理方法，包括基于深度学习的伪造方法。TruFor利用了RGB图像和一个学习的噪音敏感指纹来提取高级和低级痕迹，最终输出像素级

这是由chatGPT生成的文章，内容是关于GitHub Trending 项目 "multipleWindow3dScene"的深入分析，分享链接ChatGPT 其实作者用的技术并不是很新的东西，treejs已经被使用很多年了，跨窗口同步状态也有很多讲解，但是作者把这两个东西结合起来，做出了一个很有意思的东西。 项目地址 GitHub 深入分析：GitHub Trending 项目 "multip

这两天看到了一个论文Large Language Models Understand and Can Be Enhanced by Emotional Stimuli 翻译过来叫做 大型语言模型理解并能够通过情感刺激进行增强，听着是一个prompt的论文。 往后面读，这片文章主要研究了EmotionPrompt对大型语言模型的影响，探讨了LLMs是否能够理解和利用情感刺激，研究通过设计了一系列情感

ggml教程|mnist手写体识别量化推理 MNIST手写体识别是经典的机器学习问题，可以被称作机器学习的hello world了，我希望通过mnist来作为系列教程的第一节，来介绍如何使用ggml量化，推理一个模型。这个教程将会使用pytorch来训练一个简单的全连接神经网络，然后使用ggml量化，最后使用ggml推理这个模型。 代码开源在仓库ggml-tutorial 训练模型 首先我们使用p

xgboost2.0最佳实践 首先更新xgboost到2.0.0 1pip install xgboost -U 在最新版本的训练中，参数可以使用字典传递。同时数据和样本需要先合并成一个xgb.DMatrix 对象 12345678910# 设置参数params = { "device": "cuda",}# 创建DMatrix对

xgboost使用GPU最佳实践 首先更新xgboost到2.0.0 1pip install xgboost -U 这里给出一个使用GPU的例子，使用的是nvidia显卡 12345678910111213141516171819202122232425import xgboostimport numpy as npfrom scipy import stats# 生成示例数据np.rando

c代码 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100#inc

docker搭建elasticsearch并使用python连接 搭建 创建一个docker网络 1docker network create elastic 然后拉elasticsearch 的docker 容器 1docker pull docker.elastic.co/elasticsearch/elasticsearch:8.10.2 运行容器 1docker run --name es