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是模型ID，可选值参考本文支持模型列表
messagesList是聊天上下文信息。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否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否流式响应的选项，当字段stream为true时，该字段生效
temperaturefloat否说明：
（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否说明：
（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否通过对已生成的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否指定模型最大输出token数，说明：
（1）取值范围[2, 2048]
seedint否说明：
（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否生成停止标识，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否表示最终用户的唯一标识符
frequency_penaltyfloat否说明：
（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否说明：
（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)否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否说明：
（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否说明：
（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否指定响应内容的格式
retry_countint否重试次数，默认1次
request_timeoutfloat否请求超时时间，默认60秒
backoff_factorfloat否请求重试参数，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是当前支持以下：
· user: 表示用户
· assistant: 表示对话助手
· system：表示人设
namestring否message名
contentstring是对话内容，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]否函数调用，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否说明：
（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否流式响应是否输出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是工具类型，取值function
functionfunction是函数说明

function说明

Tool中function说明如下

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

tool_choice说明

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

function说明

tool_choice中function说明如下

名称类型必填描述
namestring是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是当前支持以下：
· user: 表示用户
· assistant: 表示对话助手
· system：表示人设
namestring否message名
contentstring是对话内容，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]否函数调用，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否说明：
（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.rhkb.cn/news/2585.html

如若内容造成侵权/违法违规/事实不符，请联系长河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

linux之进程信号(初识信号，信号的产生)

linux之进程信号(初识信号，信号的产生)

目录 引入一、初识信号(信号预备知识)1.生活中的信号2.Linux中的信号3.信号进程得出的初步结论 二、信号的产生1.通过终端输入产生信号拓展: 硬件中断2.调用系统函数向进程发信号3.硬件异常产生信号4.软件条件产生信号拓展: 核心转储技术总结一下： 引入 一、初识信…
阅读更多...
​​​​​​​​​​​​​​★3.3 事件处理

​​​​​​​​​​​​​​★3.3 事件处理

★3.3.1 ※MouseArea Item <-- MouseArea 属性 acceptedButtons : Qt::MouseButtons containsMouse : bool 【书】只读属性。表明当前鼠标光标是否在MouseArea上&#xff0c;默认只有鼠标的一个按钮处于按下状态时才可以被检测到。 containsPress : bool curs…
阅读更多...
从前端视角看设计模式之创建型模式篇

从前端视角看设计模式之创建型模式篇

设计模式简介 "设计模式"源于GOF&#xff08;四人帮&#xff09;合著出版的《设计模式&#xff1a;可复用的面向对象软件元素》&#xff0c;该书第一次完整科普了软件开发中设计模式的概念&#xff0c;他们提出的设计模式主要是基于以下的面向对象设计原则&#xff…
阅读更多...
DAMA CDGA 备考笔记（二）

DAMA CDGA 备考笔记（二）

1. 考点分布 2. 第二章 数据处理伦理知识点总结 伦理是建立在是非观念上的行为准则。伦理准则通常侧重于公平、尊重、责任、诚信、质量、可靠性、透明度和信任等方面。数据伦理是一项社会责任问题不是法律问题。 度量指标&#xff1a;培训员工人数、合规/不合规事件、企业高管…
阅读更多...
ros2笔记-6.2 使用urdf创建机器人模型

ros2笔记-6.2 使用urdf创建机器人模型

本节主要跟着小鱼老师的视频操作&#xff0c;不同的仿真平台有不同的建模语言&#xff0c;但是几乎都支持URDF。 本节使用URDF创建一个机器人模型。 6.2.1 帮机器人创建一个身体 URDF使用XML来描述机器人的结构和传感器、执行器等信息。 在chapt6/chap6_ws/src创建功能包:r…
阅读更多...
MLX90640自制热像仪(四) LVGL UI界面设计 移植 SquareLine Studio

MLX90640自制热像仪(四) LVGL UI界面设计 移植 SquareLine Studio

SquareLine Studio 1.5.0是一款LVGL图形化的软件&#xff0c;LVGL官方的软件&#xff0c;针对这个软件我们主要做的除了开发&#xff0c;就是移植到自己的板端&#xff0c;过程中会遇到各种各样的问题。 下面附上源代码&#xff1a; // This file was generated by SquareLine…
阅读更多...
hadoop3.3和hive4.0安装——单节点

hadoop3.3和hive4.0安装——单节点

hadoop3.3x和hive4.0安装部署 为什么我要安装hive4.0&#xff0c;因为阿里云镜像只有hive4.0 软件相互兼容性版本 系统centos7 uname -a如果内核3.0以上可以用 安装jdk1.8以上的版本&#xff08;配置好环境变量&#xff09; hadoop3.3.x与hive4.0.x 创建目录 mkdir -p /us…
阅读更多...
09.VSCODE：安装 Git for Windows

09.VSCODE：安装 Git for Windows

在 Windows 下安装著名的源代码管理工具&#xff1a;git。 git 工具两大作用&#xff1a; 管理我们自己的源代码获取他人&#xff08;开源的&#xff09;源代码 当前我们更需要第2点。 为什么要安装 git 一、 得到更多库 之前课程中我们安装了 msys2&#xff0c;从而可以通…
阅读更多...
《银行保险机构数据安全管理办法》正式实施，分类分级、安全评估共筑安全防线

《银行保险机构数据安全管理办法》正式实施，分类分级、安全评估共筑安全防线

金融数据具有高价值和高敏感性&#xff0c;金融数据安全关乎国家安全和金融消费者权益密切相关。在当前数字化进程加速的背景下&#xff0c;数据合作频繁&#xff0c;安全风险也随之增加&#xff0c;给机构管理带来了新挑战。 为规范银行业保险业数据处理活动&#xff0c;保障数…
阅读更多...
CV(10)--目标检测

CV(10)--目标检测

前言 仅记录学习过程&#xff0c;有问题欢迎讨论 目标检测 object detection&#xff0c;就是在给定的图片中精确找到物体所在位置&#xff0c;并标注出物体的类别;输出的是分类类别label物体的外框&#xff08;x, y, width, height&#xff09;。 目标检测算法&#xff1a…
阅读更多...
Nginx 如何设置 Upgrade-Insecure-Requests 报头 ？

Nginx 如何设置 Upgrade-Insecure-Requests 报头 ？

Upgrade-Insecure-Requests 报头是一种 web 浏览器向服务器发出信号的机制&#xff0c;它倾向于接收安全 (HTTPS) 资源。添加此报头有助于在受支持的浏览器上将不安全的请求升级为安全的请求。 Step 1: 定位 Nginx 配置 主 nginx 配置文件通常位于 /etc/nginx/nginx.conf特定…
阅读更多...
3.Qt Quick-QML地图引擎之v4.3版本(新增动态轨迹线/海图/天地图街道/天地图卫星)

3.Qt Quick-QML地图引擎之v4.3版本(新增动态轨迹线/海图/天地图街道/天地图卫星)

在上个版本Qt Quick-QML地图引擎之v4版本(新增多模型切换/3D模型欧拉角模拟)_qt加载3d地图-CSDN博客更新了3D模拟功能&#xff0c;在4.3版本增加动态轨迹线、三个地图(海图/天地图街道/天地图卫星)。 4.3版本已经支持qt6 cmake版本&#xff0c;而4.3版本以下支持qt5版本&#x…
阅读更多...
Linux-----线程操作（创建）

Linux-----线程操作（创建）

目录 创建线程 示例&#xff1a; 创建线程 #include <pthread.h>/*** 创建一个新线程* * pthread_t *thread: 指向线程标识符的指针,线程创建成功时,用于存储新创建线程的线程标识符* const pthread_attr_t *attr: pthead_attr_t结构体,这个参数可以用来设置线程的属性…
阅读更多...
我要成为算法高手-DFS篇

我要成为算法高手-DFS篇

目录 题目1&#xff1a;计算布尔二叉树的值题目2&#xff1a;求根节点到叶子结点数字之和题目3&#xff1a;二叉树剪枝题目4&#xff1a;验证二叉搜索树题目4&#xff1a;二叉搜索树中第 K 小的元素题目5&#xff1a;二叉树的所有路径 题目1&#xff1a;计算布尔二叉树的值 23…
阅读更多...
学习threejs，使用FlyControls相机控制器

学习threejs，使用FlyControls相机控制器

&#x1f468;‍⚕️ 主页&#xff1a; gis分享者 &#x1f468;‍⚕️ 感谢各位大佬 点赞&#x1f44d; 收藏⭐ 留言&#x1f4dd; 加关注✅! &#x1f468;‍⚕️ 收录于专栏&#xff1a;threejs gis工程师 文章目录 一、&#x1f340;前言1.1 ☘️THREE.FlyControls 相机控制…
阅读更多...
Life Long Learning（李宏毅）机器学习 2023 Spring HW14 (Boss Baseline)

Life Long Learning（李宏毅）机器学习 2023 Spring HW14 (Boss Baseline)

1. 终身学习简介 神经网络的典型应用场景是，我们有一个固定的数据集，在其上训练并获得模型参数，然后将模型应用于特定任务而无需进一步更改模型参数。 然而，在许多实际工程应用中，常见的情况是系统可以不断地获取新数据，例如 Web 应用程序中的新用户数据或自动驾驶中的…
阅读更多...
Multi-Agent如何设计

Multi-Agent如何设计

文章小结 研究背景和目的 在单一大语言模型长期主导人工智能领域的背景下&#xff0c;多智能体系统在对话任务解决中逐渐崭露头角。 虽然先前的研究已经展示了多智能体系统在推理任务和创造性工作中的潜力&#xff0c;但对于其在对话范式方面的局限性以及单个智能体的影响&am…
阅读更多...
(即插即用模块-Attention部分) 四十四、(ICIP 2022) HWA 半小波注意力

(即插即用模块-Attention部分) 四十四、(ICIP 2022) HWA 半小波注意力

文章目录 1、Half Wavelet Attention2、代码实现 paper&#xff1a;HALFWAVELET ATTENTION ON M-NET FOR LOW-LIGHT IMAGE ENHANCEMENT Code&#xff1a;https://github.com/FanChiMao/HWMNet 1、Half Wavelet Attention 传统的图像增强方法主要关注图像在空间域的特征信息&am…
阅读更多...
SpringBoot+Lombok项目实体属性名xXxx格式，前端接收不到

SpringBoot+Lombok项目实体属性名xXxx格式，前端接收不到

问题解析 今天发现后端传给前端的实体类中&#xff0c;有属性为xXxxx格式的&#xff0c;前端也使用相同名称接收&#xff0c;结果却不显示值&#xff01;研究了一会发现接口请求回来后&#xff0c;原xXxxx的属性名&#xff0c;会被转为全小写。具体原因为&#xff1a;使用Lombo…
阅读更多...
Spring Boot教程之五十五：Spring Boot Kafka 消费者示例

Spring Boot教程之五十五：Spring Boot Kafka 消费者示例

Spring Boot Kafka 消费者示例 Spring Boot 是 Java 编程语言中最流行和使用最多的框架之一。它是一个基于微服务的框架&#xff0c;使用 Spring Boot 制作生产就绪的应用程序只需很少的时间。Spring Boot 可以轻松创建独立的、生产级的基于 Spring 的应用程序&#xff0c;您可…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023