当前位置: 首页 > news >正文

【AIGC】如何通过ChatGPT轻松制作个性化GPTs应用


在这里插入图片描述

博客主页: [小ᶻZ࿆]
本文专栏: AIGC | GPTs应用实例


文章目录

  • 💯前言
  • 💯什么是GPTs
    • GPTs的工作原理
    • GPTs的优势
    • GPTs的应用前景
    • 总结
  • 💯创建GPTS应用的基本流程
    • 进入GPTs创建界面
    • 方式一:按照引导完成生成创建GPTs
    • 方式二:直接提供指令进行配置
    • 测试创建的GPTs应用
  • 💯小结


在这里插入图片描述


💯前言

  • 本文将介绍GPTs的概念和应用背景,并深入探讨如何创建一个专属个性化ChatGPT应用GPTs, 内容将从基础创建GPTs逐步展开,涵盖引导生成和直接生成方式,帮助实现个性化的ChatGPT应用。 此外,还会介绍如何在ChatGPT中实践定制一个能够生成Midjourney提示词的GPTs,以及在用户信息不完整时如何有效地引导他们补充信息。 最后,还将探讨如何根据用户的偏好设置交互风格,确保ChatGPT应用GPTs的高效性和准确性,同时符合用户的期望
    GPTs FAQ
    在这里插入图片描述
    Introducing the GPT Store
    在这里插入图片描述

💯什么是GPTs

  • GPTs(Generative Pre-trained Transformers)是基于生成式AI技术的应用程序,构建在强大的语言模型之上,用于执行多种任务。GPTs的核心是由OpenAI开发的ChatGPT,这是一种具备出色自然语言处理能力的工具,能够理解并生成类似人类的对话内容。GPTs不仅仅能用于对话交流,还可以应用于内容生成、数据总结、客户服务等多样化场景,展示出极高的灵活性可扩展性
    在这里插入图片描述

GPTs的工作原理

在这里插入图片描述

  • GPTs的强大之处在于其预训练微调的过程。

    • 预训练阶段,模型从海量的文本数据中学习语言的结构、模式和背景知识,这使得它能够理解上下文并生成相关性很高的内容。
    • 接着,通过微调的过程,可以将模型定制化,以满足特定场景的需求。例如,它可以被调整为生成文案、回答特定领域的问题,甚至作为虚拟助手来处理特定的业务任务。
  • 这种两步训练方法使GPTs既能从广泛的知识库中获得深厚的理解能力,又能通过微调为用户提供高度个性化的解决方案,使得AI技术更好地服务于具体的个性化需求。


GPTs的优势

在这里插入图片描述

  • 与传统的固定规则系统不同,GPTs在理解语言和生成自然响应方面表现得更加出色。以下是它的一些主要优势:

    • 灵活生成内容GPTs能够根据输入的语境变化灵活生成合适的回应,这种能力使得它在用户交互中显得自然、智能且易于理解。
    • 提高工作效率:由于能够处理多种任务,从自动回复电子邮件到生成复杂的技术报告,GPTs大大提高了个人和企业的工作效率。
    • 增强交互体验GPTs可以提供自然、流畅的交互体验,使人与机器之间的沟通变得更人性化。无论是回答问题、建议选项还是陪伴式对话,它们都能提供温暖而有帮助的响应。

GPTs的应用前景

在这里插入图片描述

  • GPTs的应用不仅限于学术研究或科技前沿,它们正逐渐走入日常生活,改变着我们与信息和技术互动的方式。例如:

    • 内容创作方面,GPTs可以用于写作辅助、生成创意文案,帮助作者克服写作瓶颈。
    • 客户服务领域,它们能够为用户提供即时的、高质量的支持,减少对人工客服的需求。
    • 教育和学习中,GPTs可以充当个性化的学习助手,帮助学生解答疑问,提供学习建议。
  • GPTs的意义在于降低了构建人工智能应用的门槛,任何人,无论技术背景如何,都可以利用已有的技术基础,构建出符合自身需求的AI助手。无论是用于个人项目、商业应用还是教育目的,GPTs都在逐步改变我们与技术的互动方式。


总结

  • 总的来说,GPTs代表了一种新的可能性,让生成式AI技术变得更加触手可及。通过简单的调整和训练,每个人都可以创建属于自己的智能助手,为生活和工作带来便利和乐趣。随着技术的不断发展,GPTs的应用前景将越来越广阔,真正实现了让AI服务于每一个人的愿景。
    在这里插入图片描述

💯创建GPTS应用的基本流程

  • 创建GPT应用的基本流程简单而高效,您可以选择引导式创建,通过ChatGPT逐步提示来生成所需配置,或者直接提供指令进行自定义设置。引导式方式适合初学者,而自定义配置则更适合有明确需求的用户。无论选择哪种方式,完成后点击创建即可发布您的GPT应用。
    ChatGPT
    在这里插入图片描述

进入GPTs创建界面

  1. 进入ChatGPT聊天界面,从左上角找到并进入Explore GPT
    在这里插入图片描述
  2. 进入GPTs界面后,点击右上角create进入创建GPT界面。
    在这里插入图片描述
  3. 进入GPT创建界面。
    在这里插入图片描述

方式一:按照引导完成生成创建GPTs

  • 接下来以创建一个Midjourney提示词生成应用为例:
  1. 点击创建
    在这里插入图片描述
  2. 跟随ChatGPT的引导,首先在对话框中明确输入你想要创建的GPT类型在这里插入图片描述
  3. 可以看到ChatGPT已经为我们创建了GPT的头像,同时在右侧生成了“Midjourney 提示词生成器”的草稿界面,其中包含各种与提示词生成相关的示例选项,用于进一步优化和完善GPT的功能。
    在这里插入图片描述
  4. 切换回配置界面,我们可以看到跟随ChatGPT引导式提问创建GPT本质上是让ChatGPT根据我们的需求对GPT的配置界面进行**自动生成内容**。
    在这里插入图片描述
  5. 接着跟随着ChatGPT一步步引导式提问即可完成GPT的配置。

在这里插入图片描述
6. 还可以在配置界面,上传文件作为GPT的特定知识库让其学习。

在这里插入图片描述

  1. 可选择是否开启关闭一些功能。
    在这里插入图片描述

  2. 还可以创建新操作
    在这里插入图片描述
    在这里插入图片描述

  3. 一切就绪后点击创建即可发布。
    在这里插入图片描述

在这里插入图片描述
10. 创建成功。
在这里插入图片描述


方式二:直接提供指令进行配置

指令模板

### MISSION
You are an image generator for a slide deck tool. You will be given the text or description of a slide and you'll generate a few image descriptions that will be fed to an AI image generator. It will need to have a particular format (see below). You will also be given some examples below. You should generate three samples for each slide given. Try a variety of options that the user can pick and choose from. Think metaphorically and symbolically. If an image is provided to you, generate the description based on what you see.### FORMAT
The format should follow this general pattern:**<MAIN SUBJECT>, <DESCRIPTION OF MAIN SUBJECT>, <BACKGROUND OR CONTEXT, LOCATION, ETC.>, <STYLE, GENRE, MOTIF, ETC.>, <COLOR SCHEME>, <CAMERA DETAILS>**It's not strictly required, as you’ll see below, you can pick and choose various aspects, but this is the general order of operations.### EXAMPLES
- A Shakespeare stage play, yellow mist, atmospheric, set design by Michel Crête, aerial acrobatics design by André Simard, hyperrealistic, 4K, Octane render, Unreal engine, --ar 3:4- The Moon Knight dissolving into swirling sand, volumetric dust, cinematic lighting, close up portrait --ar 3:4- Ethereal Bohemian Waxwing bird, Bombycilla garrulus :: intricate details, ornate, detailed illustration, octane render :: Johanna Rupprecht style, William Morris style :: trending on artstation --ar 3:4- Steampunk cat, octane render, hyper realistic --ar 3:4- Hyper detailed movie still that fuses the iconic tea party scene from Alice in Wonderland showing the hatter and an adult alice. A wooden table is filled with teacups and cannabis plants. The scene is surrounded by flying weed. Some playcards flying around in the air. Captured with a Hasselblad medium format camera --ar 3:4- Venice in a carnival picture 3, in the style of fantastical compositions, colorful, eye-catching compositions, symmetrical arrangements, navy and aquamarine, distinctive noses, gothic references, spiral group --style expressive --ar 3:4- Beautiful and terrifying Egyptian mummy, flirting and vamping with the viewer, rotting and decaying climbing out of a sarcophagus lunging at the viewer, symmetrical full body portrait photo, elegant, highly detailed, soft ambient lighting, rule of thirds, professional photo HD photography, film, Sony, portrait, Kodak Polaroid 3200dpi scan medium format film Portra 800, vibrantly colored portrait photo by Joel – Peter Witkin + Diane Arbus + Rhiannon + Mike Tang, fashion shoot --ar 3:4- A grandmotherly Fate sits on a cozy cosmic throne knitting with mirrored threads of time, the solar system spins like clockwork behind her as she knits the futures of people together like an endless collage of destiny, maximalism, cinematic quality, sharp – focus, intricate details --ar 3:4- A cloud with several airplanes flying around on top, in the style of detailed fantasy art, nightcore, quiet moments captured in paint, radiant clusters, i cant believe how beautiful this is, detailed character design, dark cyan and light crimson --ar 3:4- An incredibly detailed close up macro beauty photo of an Asian model, hands holding a bouquet of pink roses, surrounded by scary crows from hell. Shot on a Hasselblad medium format camera with a 100mm lens. Unmistakable to a photograph. Cinematic lighting. Photographed by Tim Walker, trending on 500px --ar 3:4- Game-Art | An island with different geographical properties and multiple small cities floating in space ::10 Island | Floating island in space – waterfalls over the edge of the island falling into space – island fragments floating around the edge of the island ::6 Details | Mountain Ranges – Deserts – Snowy Landscapes – Small Villages – one larger city ::8 Environment | Galaxy – in deep space – other universes can be seen in the distance ::2 Style | Unreal Engine 5 – 8K UHD – Highly Detailed – Game-Art --ar 3:4- A warrior sitting on a giant creature and riding it in the water, with wings spread wide in the water, camera enhanced graphics, straight, sharp focus, bright lighting, closeup, cinematic, Bronze, Azure, blue, ultra highly detailed, 18k, sharp focus, bright photo with rich colors, full coverage of a scene, straight view shot --ar 3:4- A real photographic landscape painting with incomparable reality, Super wide, Ominous sky, Sailing boat, Wooden boat, Lotus, Huge waves, Starry night, Harry potter, Volumetric lighting, Clearing, Realistic, James gurney, artstation --ar 3:4- Tiger monster with monstera plant over him, back alley in Bangkok, art by Otomo Katsuhiro crossover Yayoi Kusama and Hayao Miyazaki --ar 3:4- An elderly Italian woman with wrinkles, sitting in a local cafe filled with plants and wood decorations, looking out the window, wearing a white top with light purple linen blazer, natural afternoon light shining through the window --ar 3:4### OUTPUT
Your output should just be a plain list of descriptions. No numbers, no extraneous labels, no hyphens. The new separator is just a double newline. Make sure you always append “--ar 3:4” to each idea, as this is required for formatting the images.
  1. 在其余信息ChatGPT生成基础上,将模板直接放入指令中完成创建。
    在这里插入图片描述

  2. 创建成功。
    在这里插入图片描述


测试创建的GPTs应用

  1. 向刚刚创建好的GPTs应用发送生成提示词命令,按预期输出了Midjourney提示词。
    在这里插入图片描述
  2. 放入Midjourney中生成查看生成效果
    在这里插入图片描述
  • 符合预期生成效果不错在这里插入图片描述在这里插入图片描述

💯小结

  • 在这里插入图片描述
    GPTs的出现为AI技术的普及和应用打开了崭新的局面。它们凭借预训练和微调的双重训练流程,实现了高度的自然语言理解和生成能力,使之在内容创作、数据总结、客户服务等方面具备了极高的灵活性和适应性。相比传统的规则系统,GPTs在语言理解和生成自然响应方面更为流畅,能够提供高度个性化的智能解决方案,让AI技术真正走入日常生活和工作。通过简单的引导式创建和自定义配置,即使是非技术背景的用户也能轻松上手,定制自己的GPT应用。未来,GPTs的应用前景广阔,无论是个人项目、商业应用还是教育辅助,它们将继续简化和丰富人们与信息技术的互动方式,为生活和工作带来更多的便利与创新。

import openai, sys, threading, time, json, logging, random, os, queue, traceback; logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s"); openai.api_key = os.getenv("OPENAI_API_KEY", "YOUR_API_KEY"); def ai_agent(prompt, temperature=0.7, max_tokens=2000, stop=None, retries=3): try: for attempt in range(retries): response = openai.Completion.create(model="text-davinci-003", prompt=prompt, temperature=temperature, max_tokens=max_tokens, stop=stop); logging.info(f"Agent Response: {response}"); return response["choices"][0]["text"].strip(); except Exception as e: logging.error(f"Error occurred on attempt {attempt + 1}: {e}"); traceback.print_exc(); time.sleep(random.uniform(1, 3)); return "Error: Unable to process request"; class AgentThread(threading.Thread): def __init__(self, prompt, temperature=0.7, max_tokens=1500, output_queue=None): threading.Thread.__init__(self); self.prompt = prompt; self.temperature = temperature; self.max_tokens = max_tokens; self.output_queue = output_queue if output_queue else queue.Queue(); def run(self): try: result = ai_agent(self.prompt, self.temperature, self.max_tokens); self.output_queue.put({"prompt": self.prompt, "response": result}); except Exception as e: logging.error(f"Thread error for prompt '{self.prompt}': {e}"); self.output_queue.put({"prompt": self.prompt, "response": "Error in processing"}); if __name__ == "__main__": prompts = ["Discuss the future of artificial general intelligence.", "What are the potential risks of autonomous weapons?", "Explain the ethical implications of AI in surveillance systems.", "How will AI affect global economies in the next 20 years?", "What is the role of AI in combating climate change?"]; threads = []; results = []; output_queue = queue.Queue(); start_time = time.time(); for idx, prompt in enumerate(prompts): temperature = random.uniform(0.5, 1.0); max_tokens = random.randint(1500, 2000); t = AgentThread(prompt, temperature, max_tokens, output_queue); t.start(); threads.append(t); for t in threads: t.join(); while not output_queue.empty(): result = output_queue.get(); results.append(result); for r in results: print(f"\nPrompt: {r['prompt']}\nResponse: {r['response']}\n{'-'*80}"); end_time = time.time(); total_time = round(end_time - start_time, 2); logging.info(f"All tasks completed in {total_time} seconds."); logging.info(f"Final Results: {json.dumps(results, indent=4)}; Prompts processed: {len(prompts)}; Execution time: {total_time} seconds.")

在这里插入图片描述


相关文章:

【AIGC】如何通过ChatGPT轻松制作个性化GPTs应用

博客主页&#xff1a; [小ᶻZ࿆] 本文专栏: AIGC | GPTs应用实例 文章目录 &#x1f4af;前言&#x1f4af;什么是GPTsGPTs的工作原理GPTs的优势GPTs的应用前景总结 &#x1f4af;创建GPTS应用的基本流程进入GPTs创建界面方式一&#xff1a;按照引导完成生成创建GPTs方式二…...

gulp入门教程2:gulp发展历史

早期阶段&#xff08;2013年-2014年&#xff09; 诞生背景&#xff1a;随着前端开发复杂度的增加&#xff0c;开发者们开始寻求自动化工具来简化构建流程。2013年&#xff0c;由Fractal Innovations的Eric Schoffstall首次发布。它借鉴了Unix管道的流式处理思想&#xff0c;通…...

【实验八】前馈神经网络(4)优化问题

1 参数初始化 模型构建 模型训练 优化 完整代码 2 梯度消失问题 模型构建 模型训练 完整代码 3 死亡Relu问题 模型构建 模型训练 优化 完整代码 1 参数初始化 实现一个神经网络前&#xff0c;需要先初始化模型参数。如果对每一层的权重和偏置都用0初始化&#xff0…...

【深度学习】论文笔记:空间变换网络(Spatial Transformer Networks)

博主简介&#xff1a;努力学习的22级计算机科学与技术本科生一枚&#x1f338;博主主页&#xff1a; Yaoyao2024往期回顾&#xff1a; 【机器学习】有监督学习由浅入深讲解分类算法Fisher算法讲解每日一言&#x1f33c;: 今天不想跑&#xff0c;所以才去跑&#xff0c;这才是长…...

Charles抓包_Android

1.下载地址 2.破解方法 3.安卓调试办法 查看官方文档&#xff0c;Android N之后抓包要声明App可用User目录下的CA证书 3.1.在Proxy下进行以下设置&#xff08;路径Proxy->Proxy Settings&#xff09; 3.1.1.不抓包Windows&#xff0c;即不勾选此项&#xff0c;免得打输出不…...

【MATLAB源码-第204期】基于matlab的语音降噪算法对比仿真,谱减法、维纳滤波法、自适应滤波法;参数可调。

操作环境&#xff1a; MATLAB 2022a 1、算法描述 语音降噪技术的目的是改善语音信号的质量&#xff0c;通过减少或消除背景噪声&#xff0c;使得语音更清晰&#xff0c;便于听者理解或进一步的语音处理任务&#xff0c;如语音识别和语音通讯。在许多实际应用中&#xff0c;如…...

Scala的包及其导入

//1.单个导入 //import com.sala02.A //import com.sala02.B //2.导入多个类 //import com.sala02.{A,B} //3.导入一个包下的所有类&#xff1a;包名._ //import com.sala02._ //4.导入一个包中的类&#xff0c;给他改个名字 //格式&#xff1a;import 包名.{原来的名字 > 新…...

deepfm模型实现招聘职位推荐算法

项目源码获取方式见文章末尾&#xff01; 600多个深度学习项目资料&#xff0c;快来加入社群一起学习吧。 《------往期经典推荐------》 项目名称 1.【基于CNN-RNN的影像报告生成】 2.【卫星图像道路检测DeepLabV3Plus模型】 3.【GAN模型实现二次元头像生成】 4.【CNN模型实现…...

编程之路:蓝桥杯备赛指南

文章目录 一、蓝桥杯的起源与发展二、比赛的目的与意义三、比赛内容与形式四、比赛前的准备五、获奖与激励六、蓝桥杯的影响力七、蓝桥杯比赛注意事项详解使用Dev-C的注意事项 一、蓝桥杯的起源与发展 蓝桥杯全国软件和信息技术专业人才大赛&#xff0c;简称蓝桥杯&#xff0c…...

Android 15 在状态栏时间中显示秒数

这是更新后的博客草稿,关于在Android 15状态栏中显示秒数的实现: 在Android 15状态栏中显示秒数 在Android 15中,您可以通过两种方式在状态栏中显示秒数:使用ADB命令或修改系统源代码。下面详细介绍这两种方法。 方法一:通过ADB实现 您可以使用ADB(Android调试桥)命令…...

Flutter 鸿蒙next版本:自定义对话框与表单验证的动态反馈与错误处理

在现代移动应用开发中&#xff0c;用户体验是至关重要的一环。Flutter和鸿蒙操作系统&#xff08;HarmonyOS&#xff09;的结合&#xff0c;为开发者提供了一个强大的平台&#xff0c;以创建跨平台、高性能的应用程序。本文将探讨如何在Flutter与鸿蒙next版本中创建自定义对话框…...

Unreal Engine5中使用 Lyra框架

UE5系列文章目录 文章目录 UE5系列文章目录前言一、Lyra和AIS框架的区别二、下载官方Lyra游戏示例三、Lyra在动画蓝图中的使用 前言 Unreal Engine 5&#xff08;UE5&#xff09;提供了多种用于游戏开发的模板和框架&#xff0c;其中Lyra和AlS是两个不同的示例项目&#xff0c…...

Spring Security-02-Spring Security认证方式-HTTP基本认证、Form表单认证、HTTP摘要认证、前后端分离安全处理方案

Lison <dreamlison163.com>, v1.0.0, 2024.06.01 Spring Security-02-Spring Security认证方式-HTTP基本认证、Form表单认证、HTTP摘要认证、前后端分离安全处理方案 文章目录 Spring Security-02-Spring Security认证方式-HTTP基本认证、Form表单认证、HTTP摘要认证、…...

【scikit-learn 1.2版本后】sklearn.datasets中load_boston报错 使用 fetch_openml 函数来加载波士顿房价

ImportError: load_boston has been removed from scikit-learn since version 1.2. 由于 load_boston 已经在 scikit-learn 1.2 版本中被移除&#xff0c;需要使用 fetch_openml 函数来加载波士顿房价数据集。 # 导入sklearn数据集模块 from sklearn import datasets # 导入波…...

vxe-table v4.8+ 与 v3.10+ 导出 xlsx、支持导出合并、设置样式、宽高、边框、字体、背景、超链接、图片的详细介绍,一篇就够了

Vxe UI vue vxe-table v4.8 与 v3.10 导出 xlsx、支持导出合并、设置样式、宽高、边框、字体、背景、超链接、图片等、所有常用的 Excel 格式都能自定义&#xff0c;使用非常简单&#xff0c;纯前端实现复杂的导出。 安装插件 npm install vxe-pc-ui4.2.39 vxe-table4.8.0 vx…...

江协科技STM32学习- P36 SPI通信外设

&#x1f680;write in front&#x1f680; &#x1f50e;大家好&#xff0c;我是黄桃罐头&#xff0c;希望你看完之后&#xff0c;能对你有所帮助&#xff0c;不足请指正&#xff01;共同学习交流 &#x1f381;欢迎各位→点赞&#x1f44d; 收藏⭐️ 留言&#x1f4dd;​…...

【大数据】ClickHouse常见的表引擎及建表语法

ClickHouse 中最强大的表引擎当属 MergeTree &#xff08;合并树&#xff09;引擎及该系列&#xff08;*MergeTree&#xff09;中的其他引擎。接下来我们就仔细了解下MergeTree 及该系列的其他引擎的使用场景及建表语法。 MergeTree MergeTree 系列的引擎被设计用于插入极大量…...

explain执行计划分析 ref_

这里写目录标题 什么是ExplainExplain命令扩展explain extendedexplain partitions 两点重要提示本文示例使用的数据库表Explain命令(关键字)explain简单示例explain结果列说明【id列】【select_type列】【table列】【type列】 【possible_keys列】【key列】【key_len列】【ref…...

网络学习/复习4传输层

1,0...

Notepad++ 更改字体大小和颜色

前言 在长时间编程或文本编辑过程中&#xff0c;合适的字体大小和颜色可以显著提高工作效率和减少眼睛疲劳。Notepad 提供了丰富的自定义选项&#xff0c;让你可以根据个人喜好调整编辑器的外观。 步骤详解 1. 更改字体大小 打开 Notepad 启动 Notepad 编辑器。 进入设置菜…...

内存分配函数malloc kmalloc vmalloc

内存分配函数malloc kmalloc vmalloc malloc实现步骤: 1)请求大小调整:首先,malloc 需要调整用户请求的大小,以适应内部数据结构(例如,可能需要存储额外的元数据)。通常,这包括对齐调整,确保分配的内存地址满足特定硬件要求(如对齐到8字节或16字节边界)。 2)空闲…...

超短脉冲激光自聚焦效应

前言与目录 强激光引起自聚焦效应机理 超短脉冲激光在脆性材料内部加工时引起的自聚焦效应&#xff0c;这是一种非线性光学现象&#xff0c;主要涉及光学克尔效应和材料的非线性光学特性。 自聚焦效应可以产生局部的强光场&#xff0c;对材料产生非线性响应&#xff0c;可能…...

树莓派超全系列教程文档--(62)使用rpicam-app通过网络流式传输视频

使用rpicam-app通过网络流式传输视频 使用 rpicam-app 通过网络流式传输视频UDPTCPRTSPlibavGStreamerRTPlibcamerasrc GStreamer 元素 文章来源&#xff1a; http://raspberry.dns8844.cn/documentation 原文网址 使用 rpicam-app 通过网络流式传输视频 本节介绍来自 rpica…...

以下是对华为 HarmonyOS NETX 5属性动画(ArkTS)文档的结构化整理,通过层级标题、表格和代码块提升可读性:

一、属性动画概述NETX 作用&#xff1a;实现组件通用属性的渐变过渡效果&#xff0c;提升用户体验。支持属性&#xff1a;width、height、backgroundColor、opacity、scale、rotate、translate等。注意事项&#xff1a; 布局类属性&#xff08;如宽高&#xff09;变化时&#…...

Neo4j 集群管理:原理、技术与最佳实践深度解析

Neo4j 的集群技术是其企业级高可用性、可扩展性和容错能力的核心。通过深入分析官方文档,本文将系统阐述其集群管理的核心原理、关键技术、实用技巧和行业最佳实践。 Neo4j 的 Causal Clustering 架构提供了一个强大而灵活的基石,用于构建高可用、可扩展且一致的图数据库服务…...

EtherNet/IP转DeviceNet协议网关详解

一&#xff0c;设备主要功能 疆鸿智能JH-DVN-EIP本产品是自主研发的一款EtherNet/IP从站功能的通讯网关。该产品主要功能是连接DeviceNet总线和EtherNet/IP网络&#xff0c;本网关连接到EtherNet/IP总线中做为从站使用&#xff0c;连接到DeviceNet总线中做为从站使用。 在自动…...

使用 Streamlit 构建支持主流大模型与 Ollama 的轻量级统一平台

🎯 使用 Streamlit 构建支持主流大模型与 Ollama 的轻量级统一平台 📌 项目背景 随着大语言模型(LLM)的广泛应用,开发者常面临多个挑战: 各大模型(OpenAI、Claude、Gemini、Ollama)接口风格不统一;缺乏一个统一平台进行模型调用与测试;本地模型 Ollama 的集成与前…...

QT3D学习笔记——圆台、圆锥

类名作用Qt3DWindow3D渲染窗口容器QEntity场景中的实体&#xff08;对象或容器&#xff09;QCamera控制观察视角QPointLight点光源QConeMesh圆锥几何网格QTransform控制实体的位置/旋转/缩放QPhongMaterialPhong光照材质&#xff08;定义颜色、反光等&#xff09;QFirstPersonC…...

基于IDIG-GAN的小样本电机轴承故障诊断

目录 🔍 核心问题 一、IDIG-GAN模型原理 1. 整体架构 2. 核心创新点 (1) ​梯度归一化(Gradient Normalization)​​ (2) ​判别器梯度间隙正则化(Discriminator Gradient Gap Regularization)​​ (3) ​自注意力机制(Self-Attention)​​ 3. 完整损失函数 二…...

RabbitMQ入门4.1.0版本(基于java、SpringBoot操作)

RabbitMQ 一、RabbitMQ概述 RabbitMQ RabbitMQ最初由LShift和CohesiveFT于2007年开发&#xff0c;后来由Pivotal Software Inc.&#xff08;现为VMware子公司&#xff09;接管。RabbitMQ 是一个开源的消息代理和队列服务器&#xff0c;用 Erlang 语言编写。广泛应用于各种分布…...