大模型开发整体流程-基于个人知识库的问答助手解析 千帆社区
步骤二：数据准备与向量知识库构建 本项目实现原理如下图所示（图片来源），过程包括： 加载本地文档 读取文本 文本分割 文本向量化 Query 向量化 向量匹配，最相似的 top k个 匹配出的文本作为上下文和问题一起添加到 prompt中 提交给 LLM做生成回答 1. 收集和整理用户提供的文档。
多可用区部署 - ElasticsearchBES | 百度智能云文档
集群多可用区容灾原理 数据节点 注意 ： 为了保证多可用区容灾的功能生效，用户请注意以下原则： 1.创建集群所选择的数据节点、冷数据节点及协调节点个数必须为可用区个数的整数倍，例如双可用区，数据节点个数应为2、4、6... 2.索引分片至少设置1个副本，保证集群始终有两份以上的数据。
快照链 - 云磁盘CDS_块存储_高性能存储
用户可以在控制台快照-快照链页面/账单页面中进行查看； 其他快照信息 关于快照的额度和快照创建的原理，可以查看 快照概述 。若希望了解快照存储的价格，请查看 快照计费方式 。
Win-SDK-C#（历史版本） - 人脸识别_人脸检测_人脸对比_人脸搜索_活体检测
镜头模组图像适配指标] 我们也诚挚欢迎各镜头模组厂商参与到SDK的合作中来，我们会积极与您进行产品、技术、商务等多方面对接。测评效果较佳的模组，将会作为SDK官方适配模组，并在所有技术资料中优先推荐用户使用。您可以将合作申请发送到下方咨询邮箱，我们接到您的申请后会尽快与您取得联系，感谢您的信任。
实用指南：人工智能的快速发展及其影响 千帆社区
一、人工智能的基本原理与核心技术 人工智能，简称AI，是通过模拟人类的意识、思维过程，使得机器能够像人类一样进行自主学习、推理、决策等智能行为的技术。那么，AI是如何实现这些功能的呢？这背后离不开它的三大核心技术：深度学习、机器学习和自然语言处理。 首先，我们来谈谈深度学习。深度学习是一种模拟人脑神经网络的算法，它可以从大量数据中自动提取出有用的特征，并进行高效准确的分类和识别。
常见问题总览 - 负载均衡BLB | 百度智能云文档
负载均衡 Cookies 会话保持方式的原理是什么？ HTTPS 监听使用什么端口？ tcp监听修改为https/http监听后流量统计为什么会下跌？ 什么是后端服务器权重？ 请求响应为500、502、503、504状态码的解释及可能原因是什么？ 如何检查请求不均衡？ 如何检查负载均衡业务访问延时大？ BLB实例是否支持 Client IP 透传？
使用KMS对etcd数据加密 - 容器引擎CCE | 百度智能云文档
hexdump -C # 输出结果包含：cceKMSPlugin，且没有明文数据, 则加密成功 如需对所有 secret 加密落盘，可执行: kubectl get secrets --all-namespaces -o json| kubectl replace -f - 参考文档 密钥管理服务KMS 实现 kms-provider 参考文档 kubernetes encrypt-data 原理
数据排序 - 百度数据可视化Sugar BI | 百度智能云文档
对于只能绑定一个度量或者维度字段的图表（核心指标、数据翻牌器、仪表盘、进度条、水球图、文本、iframe、视频等图表组件），在一些场景下可能需要额外的排序字段才能实现最终的效果，下面将结合 5 个典型的场景来描述「额外排序字段」的作用： 场景 1：展示最新数据 例如：展示数据中最新一天的销售额 我们使用核心指标组件，将「订单日期」字段拖入到「额外排序字段」中，并将「订单日期」的排序设置为 降序 ，即可达到效果： 如果您想了解背后的原理
大模型黑话指南（三） 千帆社区
P- Tuning 是GPT模型微调中的一种技术， 是在Fine-tuning方法基础上进行改进而形成的一种参数高效的微调方法。P-tuning只有少量参数参与训练，训练计算复杂度相对较小，适合少数据量场景。它的原理是将人工提示词模板转换成可学习的连续向量，通过下游任务的学习来优化连续向量，从而自动学出好的自动提示模板。
CCE IP Masquerade Agent 用户指南 - 容器引擎CCE | 百度智能云文档
原理介绍 cce-ip-masq-agent 以 daemonset 形式部署，在每个节点上启动一个代理程序。代理程序通过配置 iptables 规则，在将容器流量发送到集群节点的 IP 和集群 IP 范围之外的目标时， 可以选择以容器自己的 IP 地址或伪装成节点的 IP 地址作为出向流量的源地址。
