lishiying
lishiying
检测BDUSS有效性网络错误, Post "http://tieba.baidu.com/c/s/login": context deadline exceeded (Client.Timeout exceeded while awaiting headers) 反复测试多次 都报这个错误.
找了几年，类似的东西kcp带打洞的程序，终于找到了。 老大还真是低调， 实测，kcp xtcp打洞 1m速度。kcp打洞5m，应该是我家用带宽的上传上限了。 不推广，真是暗藏的宝藏。 不过看起来，貌似 两年没做维护了。还真是有些可惜。 不过目前还是挺稳定的。
# 基于向量化和大型语言模型的知识库与交互系统 各位见笑。我就是一菜鸡，下文如果说得不对的地方请指正，莫要见怪。 就目前而言，各类开源大语言模型最大的使用方向就是知识库、问答系统等垂直领域。 目前的解决方案有二： ## 1、模型外挂知识库，比如【闻达】。 优点：技术比较简单，实用性比较强。 缺点：受模型token限制，自然语言文本信息承载量也比较低，能处理的信息有限，难以整合大量信息。 ## 2、模型微调 优点：专业，准确，受限制小。 缺点：我看了charglm的lssues，貌似成功的是凤翎毛角。绝大部分都把模型搞爆了。要求太专业。 我有一个不成熟的想法，供大家探讨！ 自然语言直接与模型对话，只适合人机交互。其实并不适合信息存储和大语言模型运算。 效率相对比较高的方案是知识图谱、或直接向量交互。但这种方案对于人类极不友好。 现在的可行的解决方案是使用Milvus作为知识库的检索引擎。 ### 1、预处理阶段： #### 1.1 首先用text2vec或其他技术转换为向量，存入Milvus，作为知识库。 ### 2、询问阶段： #### 2.1 预处理 用户交互时，先用text2vec转换问题为向量，在 Milvus中查询，并将结果的文本内容转换为自然语言。 ####...
Failed to load resource: net::ERR_SSL_PROTOCOL_ERROR config.js:1 Failed to load resource: net::ERR_SSL_PROTOCOL_ERROR :8080/web/assets/index-29dab197.css:1 Failed to load resource: net::ERR_SSL_PROTOCOL_ERROR :8080/web/assets/index-63d32cbb.js:1 Failed to load resource: net::ERR_SSL_PROTOCOL_ERROR registerSW.js:1 Failed to load resource: net::ERR_SSL_PROTOCOL_ERROR core.js:1...
gpt_academic 可以调用OpenAI API 。 所以,我在gpt_academic中进行了配置. config中更改 API_KEY = "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" API_URL_REDIRECT = {"https://api.openai.com/v1/chat/completions": "http://127.0.0.1:8000/v1/chat/completions"} 发送消息时,刚开始部分是不会报错的。可以正常输出一部分信息。 然后就报错 ………… \u60f3\u6cd5\uff0c\u6b22\u8fce\u968f\u65f6\u548c\u6211\u4ea4\u6d41\u3002", "model": "rwkv", "choices": [{"delta": {}, "index": 0, "finish_reason": "stop"}]}data: [DONE] 不清楚是RWKV-Runner还是gpt_academic的问题。
【需求】 建议 增加命令行方式传入 CloudMusic目录所在，便于自动运行 【bug】  可能和上边兄弟说的问题一样！这里恰巧也是启动程序后下载的第二首歌。
# 基于向量化和大型语言模型的知识库与交互系统 各位见笑。我就是一菜鸡，下文如果说得不对的地方请指正，莫要见怪。 就目前而言，各类开源大语言模型最大的使用方向就是知识库、问答系统等垂直领域。 目前的解决方案有二： ## 1、模型外挂知识库，比如【闻达】。 优点：技术比较简单，实用性比较强。 缺点：受模型token限制，自然语言文本信息承载量也比较低，能处理的信息有限，难以整合大量信息。 ## 2、模型微调 优点：专业，准确，受限制小。 缺点：我看了charglm的lssues，貌似成功的是凤翎毛角。绝大部分都把模型搞爆了。要求太专业。 我有一个不成熟的想法，供大家探讨！ 自然语言直接与模型对话，只适合人机交互。其实并不适合信息存储和大语言模型运算。 效率相对比较高的方案是知识图谱、或直接向量交互。但这种方案对于人类极不友好。 现在的可行的解决方案是使用Milvus作为知识库的检索引擎。 ### 1、预处理阶段： #### 1.1 首先用text2vec或其他技术转换为向量，存入Milvus，作为知识库。 ### 2、询问阶段： #### 2.1 预处理 用户交互时，先用text2vec转换问题为向量，在 Milvus中查询，并将结果的文本内容转换为自然语言。 ####...
Applied providers: ['CPUExecutionProvider'], with options: {'CPUExecutionProvider': {}} inswapper-shape: [1, 3, 128, 128] Applied providers: ['CPUExecutionProvider'], with options: {'CPUExecutionProvider': {}} find model: C:\Users\Administrator/.insightface\models\buffalo_l\2d106det.onnx landmark_2d_106 ['None', 3, 192, 192] 0.0 1.0 Applied...
set det-size: (640, 640) *** Error running postprocess_image: D:\AI\sd-webui-aki\extensions\sd-webui-roop\scripts\faceswap.py Traceback (most recent call last): File "D:\AI\sd-webui-aki\modules\scripts.py", line 575, in postprocess_image script.postprocess_image(p, pp, *script_args) File "D:\AI\sd-webui-aki\extensions\sd-webui-roop\scripts\faceswap.py", line 184, in postprocess_image result:...