langchain chatchat中我们不得不关注的配置

路人与大师2024-02-21 18:28

五个配置 认识到langchain chatchat中用到的深度学习技术 包括向量搜索引擎、生成式语言模型、重排序模型与生成式语言模型在线接口。 chatchat-space/Langchain-Chatchat: Langchain-Chatchat（原Langchain-ChatGLM）基于 Langchain 与 ChatGLM 等语言模型的本地知识库问答 | Langchain-Chatchat (formerly langchain-ChatGLM), local knowledge based LLM (like ChatGLM) QA app with langchain (github.com)

第一个配置 向量引擎配置

python 复制代码 
"embed_model": {
    "ernie-tiny": "nghuyong/ernie-3.0-nano-zh",
    "ernie-base": "nghuyong/ernie-3.0-base-zh",
    "text2vec-base": "shibing624/text2vec-base-chinese",
    "text2vec": "GanymedeNil/text2vec-large-chinese",
    "text2vec-paraphrase": "shibing624/text2vec-base-chinese-paraphrase",
    "text2vec-sentence": "shibing624/text2vec-base-chinese-sentence",
    "text2vec-multilingual": "shibing624/text2vec-base-multilingual",
    "text2vec-bge-large-chinese": "shibing624/text2vec-bge-large-chinese",
    "m3e-small": "moka-ai/m3e-small",
    "m3e-base": "moka-ai/m3e-base",
    "m3e-large": "moka-ai/m3e-large",

    "bge-small-zh": "BAAI/bge-small-zh",
    "bge-base-zh": "BAAI/bge-base-zh",
    "bge-large-zh": "BAAI/bge-large-zh",
    "bge-large-zh-noinstruct": "BAAI/bge-large-zh-noinstruct",
    "bge-base-zh-v1.5": "BAAI/bge-base-zh-v1.5",
    "bge-large-zh-v1.5": "BAAI/bge-large-zh-v1.5",

    "bge-m3": "BAAI/bge-m3",

    "piccolo-base-zh": "sensenova/piccolo-base-zh",
    "piccolo-large-zh": "sensenova/piccolo-large-zh",
    "nlp_gte_sentence-embedding_chinese-large": "damo/nlp_gte_sentence-embedding_chinese-large",
    "text-embedding-ada-002": "your OPENAI_API_KEY",
}

这个配置文件中列出了多种嵌入模型，主要用于文本的向量表示，以便于后续的数据分析和处理。下面是这些模型的详细介绍：

  1. ERNIE 模型
    • ernie-tiny: 这是一个小型化的 ERNIE 模型，适用于需要较小模型尺寸的场景。
    • ernie-base: 标准尺寸的 ERNIE 模型，提供了较好的性能和效率平衡。
  2. Text2Vec 模型
    • text2vec-base: 基础的 Text2Vec 模型，用于生成文本的基本向量表示。
    • text2vec: 较大的 Text2Vec 模型，可以生成更丰富的文本向量表示。
    • text2vec-paraphrase: 用于生成文本同义词的向量表示。
    • text2vec-sentence: 用于生成句子级别的文本向量表示。
    • text2vec-multilingual: 多语言版本的 Text2Vec 模型，适用于多种语言的文本向量生成。
    • text2vec-bge-large-chinese: 基于 BGE 框架的较大中文文本向量模型。
  3. M3E 模型
    • m3e-small: 小型化的 M3E 模型，适用于资源有限的环境。
    • m3e-base: 标准尺寸的 M3E 模型。
    • m3e-large: 较大的 M3E 模型，适用于需要更高性能的场景。
  4. BGE 模型
    • bge-small-zh: 较小尺寸的 BGE 中文模型。
    • bge-base-zh: 标准尺寸的 BGE 中文模型。
    • bge-large-zh: 较大尺寸的 BGE 中文模型。
    • bge-large-zh-noinstruct: 去指令版本的 BGE 中文模型，适用于不需要指令的场景。
    • bge-base-zh-v1.5: BGE 中文模型的早期版本。
    • bge-large-zh-v1.5: BGE 中文模型的早期较大版本。
    • bge-m3: 结合了 BGE 和 M3E 特点的模型。
  5. Piccolo 模型
    • piccolo-base-zh: 基础的 Piccolo 中文模型。
    • piccolo-large-zh: 较大尺寸的 Piccolo 中文模型。
  6. NLP GTE 模型
    • nlp_gte_sentence-embedding_chinese-large: 用于中文句子嵌入的大模型。
  7. 其他模型
    • text-embedding-ada-002: 这是一个 OpenAI 的模型，需要使用 API 密钥来访问。

这些模型通常用于文本分析、推荐系统、搜索引擎、自然语言生成和对话系统等领域。它们能够将文本转换为数字向量，从而使得计算机能够更好地理解和处理文本数据。

第二个配置生成式语言模型配置

python 复制代码 
"llm_model": {
    "chatglm2-6b": "THUDM/chatglm2-6b",
    "chatglm2-6b-32k": "THUDM/chatglm2-6b-32k",
    "chatglm3-6b": "THUDM/chatglm3-6b",
    "chatglm3-6b-32k": "THUDM/chatglm3-6b-32k",

    "Orion-14B-Chat": "OrionStarAI/Orion-14B-Chat",
    "Orion-14B-Chat-Plugin": "OrionStarAI/Orion-14B-Chat-Plugin",
    "Orion-14B-LongChat": "OrionStarAI/Orion-14B-LongChat",

    "Llama-2-7b-chat-hf": "meta-llama/Llama-2-7b-chat-hf",
    "Llama-2-13b-chat-hf": "meta-llama/Llama-2-13b-chat-hf",
    "Llama-2-70b-chat-hf": "meta-llama/Llama-2-70b-chat-hf",

    "Qwen-1_8B-Chat": "Qwen/Qwen-1_8B-Chat",
    "Qwen-7B-Chat": "Qwen/Qwen-7B-Chat",
    "Qwen-14B-Chat": "Qwen/Qwen-14B-Chat",
    "Qwen-72B-Chat": "Qwen/Qwen-72B-Chat",

    # Qwen1.5 模型 VLLM可能出现问题
    "Qwen1.5-0.5B-Chat": "Qwen/Qwen1.5-0.5B-Chat",
    "Qwen1.5-1.8B-Chat": "Qwen/Qwen1.5-1.8B-Chat",
    "Qwen1.5-4B-Chat": "Qwen/Qwen1.5-4B-Chat",
    "Qwen1.5-7B-Chat": "Qwen/Qwen1.5-7B-Chat",
    "Qwen1.5-14B-Chat": "Qwen/Qwen1.5-14B-Chat",
    "Qwen1.5-72B-Chat": "Qwen/Qwen1.5-72B-Chat",

    "baichuan-7b-chat": "baichuan-inc/Baichuan-7B-Chat",
    "baichuan-13b-chat": "baichuan-inc/Baichuan-13B-Chat",
    "baichuan2-7b-chat": "baichuan-inc/Baichuan2-7B-Chat",
    "baichuan2-13b-chat": "baichuan-inc/Baichuan2-13B-Chat",

    "internlm-7b": "internlm/internlm-7b",
    "internlm-chat-7b": "internlm/internlm-chat-7b",
    "internlm2-chat-7b": "internlm/internlm2-chat-7b",
    "internlm2-chat-20b": "internlm/internlm2-chat-20b",

    "BlueLM-7B-Chat": "vivo-ai/BlueLM-7B-Chat",
    "BlueLM-7B-Chat-32k": "vivo-ai/BlueLM-7B-Chat-32k",

    "Yi-34B-Chat": "https://huggingface.co/01-ai/Yi-34B-Chat",

    "agentlm-7b": "THUDM/agentlm-7b",
    "agentlm-13b": "THUDM/agentlm-13b",
    "agentlm-70b": "THUDM/agentlm-70b",

    "falcon-7b": "tiiuae/falcon-7b",
    "falcon-40b": "tiiuae/falcon-40b",
    "falcon-rw-7b": "tiiuae/falcon-rw-7b",

    "aquila-7b": "BAAI/Aquila-7B",
    "aquilachat-7b": "BAAI/AquilaChat-7B",
    "open_llama_13b": "openlm-research/open_llama_13b",
    "vicuna-13b-v1.5": "lmsys/vicuna-13b-v1.5",
    "koala": "young-geng/koala",
    "mpt-7b": "mosaicml/mpt-7b",
    "mpt-7b-storywriter": "mosaicml/mpt-7b-storywriter",
    "mpt-30b": "mosaicml/mpt-30b",
    "opt-66b": "facebook/opt-66b",
    "opt-iml-max-30b": "facebook/opt-iml-max-30b",
    "gpt2": "gpt2",
    "gpt2-xl": "gpt2-xl",
    "gpt-j-6b": "EleutherAI/gpt-j-6b",
    "gpt4all-j": "nomic-ai/gpt4all-j",
    "gpt-neox-20b": "EleutherAI/gpt-neox-20b",
    "pythia-12b": "EleutherAI/pythia-12b",
    "oasst-sft-4-pythia-12b-epoch-3.5": "OpenAssistant/oasst-sft-4-pythia-12b-epoch-3.5",
    "dolly-v2-12b": "databricks/dolly-v2-12b",
    "stablelm-tuned-alpha-7b": "stabilityai/stablelm-tuned-alpha-7b",
}

这个配置文件中列出了多种大型语言模型（LLM），主要用于对话系统、文本生成和理解等任务。下面是这些模型的详细介绍：

  1. ChatGLM 模型
    • ChatGLM2-6b: 较小尺寸的 ChatGLM 模型。
    • ChatGLM2-6b-32k: 较大尺寸的 ChatGLM 模型，支持32k token 生成长度。
    • ChatGLM3-6b: 较小尺寸的 ChatGLM3 模型。
    • ChatGLM3-6b-32k: 较大尺寸的 ChatGLM3 模型，支持32k token 生成长度。
  2. Orion 模型
    • Orion-14B-Chat: 较小尺寸的 Orion 模型。
    • Orion-14B-Chat-Plugin: 较大尺寸的 Orion 模型，支持插件扩展。
    • Orion-14B-LongChat: 用于长对话的 Orion 模型。
  3. Llama 模型
    • Llama-2-7b-chat-hf: 较小尺寸的 Llama 模型。
    • Llama-2-13b-chat-hf: 较大尺寸的 Llama 模型。
    • Llama-2-70b-chat-hf: 非常大的 Llama 模型。
  4. Qwen 模型
    • Qwen-1_8B-Chat: 较小尺寸的 Qwen 模型。
    • Qwen-7B-Chat: 较大尺寸的 Qwen 模型。
    • Qwen-14B-Chat: 更大尺寸的 Qwen 模型。
    • Qwen-72B-Chat: 非常大的 Qwen 模型。
  5. Qwen1.5 模型
    • Qwen1.5-0.5B-Chat: 较小尺寸0.5B的 Qwen1.5 模型。
    • Qwen1.5-1.8B-Chat: 较大尺寸1.8B的 Qwen1.5 模型。
    • Qwen1.5-4B-Chat: 更大尺寸4B的 Qwen1.5 模型。
    • Qwen1.5-7B-Chat: 更大尺寸7B的 Qwen1.5 模型。
    • Qwen1.5-14B-Chat: 非常大14B的 Qwen1.5 模型。
    • Qwen1.5-72B-Chat: 非常非常大72B的 Qwen1.5 模型。
  6. Baichuan 模型
    • baichuan-7b-chat: 较小尺寸的 Baichuan 模型。
    • baichuan-13b-chat: 较大尺寸的 Baichuan 模型。
    • baichuan2-7b-chat: 新一代的 Baichuan 模型。
    • baichuan2-13b-chat: 新一代的较大尺寸 Baichuan 模型。
  7. InternLM 模型
    • internlm-7b: 较小尺寸的 InternLM 模型。
    • internlm-chat-7b: 用于对话的 InternLM 模型。
    • internlm2-chat-7b: 新一代的 InternLM 模型。
    • internlm2-chat-20b: 新一代的较大尺寸 InternLM 模型。
  8. BlueLM 模型
    • BlueLM-7B-Chat: 较小尺寸的 BlueLM 模型。
    • BlueLM-7B-Chat-32k: 较大尺寸的 BlueLM 模型，内存占用更高。
  9. Yi 模型
    • Yi-34B-Chat: 这是一个大型 Yi 模型，具体信息需要访问链接查看。
  10. AgentLM 模型
    • agentlm-7b: 较小尺寸的 AgentLM 模型。
    • agentlm-13b: 较大尺寸的 AgentLM 模型。

第三个模块是重排序配置

python 复制代码 
"reranker": {
    "bge-reranker-large": "BAAI/bge-reranker-large",
    "bge-reranker-base": "BAAI/bge-reranker-base",
}

这个配置文件中列出了两种基于 BAAI（北京人工智能研究院）的 reranker 模型，用于提高自然语言处理任务的性能，尤其是在机器翻译、文本摘要和问答系统中。以下是这两种 reranker 模型的详细介绍：

  1. bge-reranker-large:
    • 这是一个大型的 reranker 模型，它具有更深的网络结构和更多的参数，因此通常能够提供更高的性能。
    • 这种模型适合需要大量计算资源的任务，能够处理更复杂的文本数据。
  2. bge-reranker-base:
    • 这是一个基础版的 reranker 模型，相比于大型模型，它具有较少的参数和较浅的网络结构。
    • 基础版模型在资源有限的情况下仍然能够提供不错的性能，适合中小型的应用场景。

这些 reranker 模型可以用来对文本序列进行重排序，以便更好地匹配用户的查询意图或者提高文本的质量。在实际应用中，reranker 模型通常会结合其他 NLP 模型一起使用，以实现更高效和准确的自然语言处理。

除了这些基础模型部分，langchain chatchat项目中引入了vllm用来加速模型推理效率。这样可以在同样的设备上获取到更快的生成速度。 在项目中支持vllm进行推理的模型包括以下几类。

python 复制代码 
VLLM_MODEL_DICT = {
    "chatglm2-6b": "THUDM/chatglm2-6b",
    "chatglm2-6b-32k": "THUDM/chatglm2-6b-32k",
    "chatglm3-6b": "THUDM/chatglm3-6b",
    "chatglm3-6b-32k": "THUDM/chatglm3-6b-32k",

    "Llama-2-7b-chat-hf": "meta-llama/Llama-2-7b-chat-hf",
    "Llama-2-13b-chat-hf": "meta-llama/Llama-2-13b-chat-hf",
    "Llama-2-70b-chat-hf": "meta-llama/Llama-2-70b-chat-hf",

    "Qwen-1_8B-Chat": "Qwen/Qwen-1_8B-Chat",
    "Qwen-7B-Chat": "Qwen/Qwen-7B-Chat",
    "Qwen-14B-Chat": "Qwen/Qwen-14B-Chat",
    "Qwen-72B-Chat": "Qwen/Qwen-72B-Chat",

    "baichuan-7b-chat": "baichuan-inc/Baichuan-7B-Chat",
    "baichuan-13b-chat": "baichuan-inc/Baichuan-13B-Chat",
    "baichuan2-7b-chat": "baichuan-inc/Baichuan-7B-Chat",
    "baichuan2-13b-chat": "baichuan-inc/Baichuan-13B-Chat",

    "BlueLM-7B-Chat": "vivo-ai/BlueLM-7B-Chat",
    "BlueLM-7B-Chat-32k": "vivo-ai/BlueLM-7B-Chat-32k",

    "internlm-7b": "internlm/internlm-7b",
    "internlm-chat-7b": "internlm/internlm-chat-7b",
    "internlm2-chat-7b": "internlm/Models/internlm2-chat-7b",
    "internlm2-chat-20b": "internlm/Models/internlm2-chat-20b",

    "aquila-7b": "BAAI/Aquila-7B",
    "aquilachat-7b": "BAAI/AquilaChat-7B",

    "falcon-7b": "tiiuae/falcon-7b",
    "falcon-40b": "tiiuae/falcon-40b",
    "falcon-rw-7b": "tiiuae/falcon-rw-7b",
    "gpt2": "gpt2",
    "gpt2-xl": "gpt2-xl",
    "gpt-j-6b": "EleutherAI/gpt-j-6b",
    "gpt4all-j": "nomic-ai/gpt4all-j",
    "gpt-neox-20b": "EleutherAI/gpt-neox-20b",
    "pythia-12b": "EleutherAI/pythia-12b",
    "oasst-sft-4-pythia-12b-epoch-3.5": "OpenAssistant/oasst-sft-4-pythia-12b-epoch-3.5",
    "dolly-v2-12b": "databricks/dolly-v2-12b",
    "stablelm-tuned-alpha-7b": "stabilityai/stablelm-tuned-alpha-7b",
    "open_llama_13b": "openlm-research/open_llama_13b",
    "vicuna-13b-v1.3": "lmsys/vicuna-13b-v1.3",
    "koala": "young-geng/koala",
    "mpt-7b": "mosaicml/mpt-7b",
    "mpt-7b-storywriter": "mosaicml/mpt-7b-storywriter",
    "mpt-30b": "mosaicml/mpt-30b",
    "opt-66b": "facebook/opt-66b",
    "opt-iml-max-30b": "facebook/opt-iml-max-30b",

}

在项目中支持agent的模型包括以下几类

python 复制代码 
SUPPORT_AGENT_MODEL = [
    "openai-api",  # GPT4 模型
    "qwen-api",  # Qwen Max模型
    "zhipu-api",  # 智谱AI GLM4模型
    "Qwen",  # 所有Qwen系列本地模型
    "chatglm3-6b",
    "internlm2-chat-20b",
    "Orion-14B-Chat-Plugin",
]

这些模型都是支持智能体（agent）功能的大型语言模型。下面是对这些模型的简要介绍： openai-api：这可能指的是 OpenAI 提供的 GPT-4 模型，这是一种非常先进的自然语言处理模型，能够生成高质量的自然语言文本。 qwen-api：这可能是指 Qwen Max 模型，这是一种大型的语言模型，也用于生成自然语言文本。 zhipu-api：这指的是智谱 AI 公司提供的 GLM-4 模型，这是一种基于清华大学 KEG 实验室提出的 GLM 模型结构的先进语言模型。 Qwen：这可能指的是所有 Qwen 系列的本地下载模型，这些模型也可以用于自然语言生成。 ChatGLM3-6b：这是智谱 AI 公司开发的另一个模型，可能是指具有 600 亿参数的 ChatGLM3 模型，专门用于聊天机器人应用。 internlm2-chat-20b：这可能是指一种内部使用的 200 亿参数的语言模型，用于聊天机器人。 Orion-14B-Chat-Plugin：这可能是指一种基于 1400 亿参数的语言模型 Orion-14B 的聊天插件，用于增强聊天机器人的功能。 这些模型都是大型的预训练模型，具有强大的自然语言理解和生成能力，可以用于构建智能体、聊天机器人、文本生成等各种自然语言处理应用。在使用这些模型时，通常需要通过相应的 API 或接口进行调用。

这里我们看到了很多的在线的模型。在langchain chatchat项目中可以通过以下配置来使用千亿参数量级生成式语言模型能力

arduino 复制代码 
ONLINE_LLM_MODEL = {
    "openai-api": {
        "model_name": "gpt-4",
        "api_base_url": "https://api.openai.com/v1",
        "api_key": "",
        "openai_proxy": "",
    },

    # 智谱AI API,具体注册及api key获取请前往 http://open.bigmodel.cn
    "zhipu-api": {
        "api_key": "",
        "version": "glm-4",
        "provider": "ChatGLMWorker",
    },

    # 具体注册及api key获取请前往 https://api.minimax.chat/
    "minimax-api": {
        "group_id": "",
        "api_key": "",
        "is_pro": False,
        "provider": "MiniMaxWorker",
    },

    # 具体注册及api key获取请前往 https://xinghuo.xfyun.cn/
    "xinghuo-api": {
        "APPID": "",
        "APISecret": "",
        "api_key": "",
        "version": "v3.5", # 你使用的讯飞星火大模型版本，可选包括 "v3.5","v3.0", "v2.0", "v1.5"
        "provider": "XingHuoWorker",
    },

    # 百度千帆 API，申请方式请参考 https://cloud.baidu.com/doc/WENXINWORKSHOP/s/4lilb2lpf
    "qianfan-api": {
        "version": "ERNIE-Bot",  # 注意大小写。当前支持 "ERNIE-Bot" 或 "ERNIE-Bot-turbo"， 更多的见官方文档。
        "version_url": "",  # 也可以不填写version，直接填写在千帆申请模型发布的API地址
        "api_key": "",
        "secret_key": "",
        "provider": "QianFanWorker",
    },

    # 火山方舟 API，文档参考 https://www.volcengine.com/docs/82379
    "fangzhou-api": {
        "version": "chatglm-6b-model",
        "version_url": "",
        "api_key": "",
        "secret_key": "",
        "provider": "FangZhouWorker",
    },

    # 阿里云通义千问 API，文档参考 https://help.aliyun.com/zh/dashscope/developer-reference/api-details
    "qwen-api": {
        "version": "qwen-max",
        "api_key": "",
        "provider": "QwenWorker",
        "embed_model": "text-embedding-v1"  # embedding 模型名称
    },

    # 百川 API，申请方式请参考 https://www.baichuan-ai.com/home#api-enter
    "baichuan-api": {
        "version": "Baichuan2-53B",
        "api_key": "",
        "secret_key": "",
        "provider": "BaiChuanWorker",
    },

    # Azure API
    "azure-api": {
        "deployment_name": "",  # 部署容器的名字
        "resource_name": "",  # https://{resource_name}.openai.azure.com/openai/ 填写resource_name的部分，其他部分不要填写
        "api_version": "",  # API的版本，不是模型版本
        "api_key": "",
        "provider": "AzureWorker",
    },

    # 昆仑万维天工 API https://model-platform.tiangong.cn/
    "tiangong-api": {
        "version": "SkyChat-MegaVerse",
        "api_key": "",
        "secret_key": "",
        "provider": "TianGongWorker",
    },
    # Gemini API https://makersuite.google.com/app/apikey
    "gemini-api": {
        "api_key": "",
        "provider": "GeminiWorker",
    }

}

在 langchain chatchat 项目中，通过配置文件 ONLINE_LLM_MODEL 可以使用不同的大型语言模型（LLM）服务。这些配置允许项目接入各种千亿参数量级生成式语言模型的能力。下面是对这些配置的详细解释：

  • openai-api ：配置了 OpenAI 的 GPT-4 模型。你需要填写 api_base_url（API的基础 URL），api_key（API 密钥），以及可选的 openai_proxy（OpenAI 代理）。
  • zhipu-api ：配置了智谱 AI 的 GLM-4 模型。你需要填写 api_key（API 密钥）和选择 provider（工作器）。
  • minimax-api ：配置了 Minimax 模型的使用。你需要填写 group_id（组 ID），api_key（API 密钥），以及 is_pro（是否为专业版本）和 provider（工作器）。
  • xinghuo-api ：配置了讯飞星火大模型的使用。你需要填写 APPID（应用 ID），APISecret（API 密钥），api_key（API 密钥），以及 version（模型版本）和 provider（工作器）。
  • qianfan-api ：配置了百度千帆模型的使用。你需要填写 version（模型版本），api_key（API 密钥），secret_key（密钥密钥），以及 provider（工作器）。
  • fangzhou-api ：配置了火山方舟模型的使用。你需要填写 version（模型版本），version_url（模型版本 URL），api_key（API 密钥），secret_key（密钥密钥），以及 provider（工作器）。
  • qwen-api ：配置了 Qwen 系列模型的使用。你需要填写 version（模型版本）和 api_key（API 密钥），以及选择 provider（工作器）和 embed_model（嵌入模型）。
  • baichuan-api ：配置了百川模型的使用。你需要填写 version（模型版本），api_key（API 密钥），secret_key（密钥密钥），以及 provider（工作器）。
  • azure-api ：配置了 Azure 模型的使用。你需要填写 deployment_name（部署容器的名字），resource_name（资源名称），api_version（API 版本），api_key（API 密钥），以及 provider（工作器）。
  • tiangong-api ：配置了昆仑万维天工模型的使用。你需要填写 version（模型版本），api_key（API 密钥），secret_key（密钥密钥），以及 provider（工作器）。
  • gemini-api ：配置了 Gemini 模型的使用。你需要填写 api_key（API 密钥）和选择 provider（工作器）。

每种模型服务都需要相应的 API 密钥和可能的其他配置信息，这些信息通常需要用户在模型服务提供商的官方网站上注册获取。通过这些配置，langchain chatchat 项目可以调用这些模型服务来实现自然语言生成和其他相关功能。

相关推荐
极客小张2 小时前
基于STM32的智能家居语音控制系统：集成LD3320、ESP8266设计流程
c语言·stm32·物联网·算法·毕业设计·课程设计·语言识别
曳渔3 小时前
Java-数据结构-反射、枚举 |ू･ω･` )
java·开发语言·数据结构·算法
꧁༺❀氯ྀൢ躅ྀൢ❀༻꧂3 小时前
算法与程序课程设计——观光铁路
c语言·c++·算法·课程设计·dijkstra 算法·spfa算法
忘梓.3 小时前
C嘎嘎入门篇：类和对象番外（时间类）
c++·算法
JUNAI_Strive_ving4 小时前
力扣6~10题
算法·leetcode·职场和发展
洛临_4 小时前
【C语言】基础篇续
c语言·算法
戊子仲秋4 小时前
【LeetCode】每日一题 2024_10_7 最低加油次数（堆、贪心）
算法·leetcode·职场和发展
osir.5 小时前
Tarjan
算法·图论·tarjan
绎岚科技6 小时前
深度学习中的结构化概率模型 - 从图模型中采样篇
人工智能·深度学习·算法·机器学习
福大大架构师每日一题6 小时前
文心一言 VS 讯飞星火 VS chatgpt （364）-- 算法导论24.3 6题
算法·文心一言
热门推荐
01【经验分享】Ubuntu22.04安装微信(linux官方版)02安卓系列机型永久去除data分区加密 详细步骤解析032024年高教社杯数学建模国赛C题超详细解题思路分析04【极空间NAS】使用WebDAV服务 + DDNSTO内网穿透 实现思源笔记的内外网同步05组基轨迹建模 GBTM的介绍与实现（Stata 或 R）06【2024数模国赛赛题思路公开】国赛B题思路丨附可运行代码丨无偿自提07Coze扣子平台完整体验和实践（附国内和国际版对比）08CTF网络安全大赛简单的web抓包题目：HEADache09【2024高教社杯全国大学生数学建模竞赛】B题 生产过程中的决策问题——解题思路 代码 论文10AFSim仿真系统-架构概览