Alex的博客

Agent智能体是人工智能领域中的一个重要概念，指的是具有智能的实体，能够感知环境、做出决策并采取行动。关键特性感知能力：Agent能够理解环境，包括语言交互、处理和解释来自不同感官的信息（如视觉、听觉、触觉等）。推理能力：Agent具备推理能力，能够进行复杂的逻辑推理，如在大语言模型（LLM）的帮助下，其表现得到了显著提升。行动能力：Agent能够通过语言输出参与社会交流，如谈判、冲突解决或教学活动，同时也能通过物理层面的交互执行具体的物理操作。

最近在使用Flask框架的flask_sqlalchemy时，突然遇到这个错误：问题出来，刚开始无从下手，以为框架出问题了，经过对官方的研究和网友们的提示，最终整理一下，为以后遇到此类问题做个积累。

近期在工作中需要解析word，里面包括文字、表格、图片等，在网上找了很多关于解析word的，都是单独处理的，由于我需要按顺序解析内容，而且要清晰的指导每个内容的位置在哪儿，所以单独处理显然不行，最开始使用python的docx类库，这种解决起来有点小问题，后来切换到了java来处理这个，没想到POI有这么好用的类库

由于最近要使用到文件转换的功能，我把pdf转word还是挺轻松的（pdf2docx），想着word转pdf也不在话下，轻轻松松搞定，结果却大相径庭，通过一系列的尝试，最终问题解决。本来刚开始在windows下功能都写完了，但一上linux立马不行，说没这没那的，通过调研才发现，有很多工具都是windows好好的，但是Liunx确无法兼容，比如：python的docx2pdf，java的documents4j，在本地都好好的，以上环境立马歇菜。

编程规范-类定义：对python编程规范做一些小小的总结，文章内容为开发过程中的亲身经验，希望给有需要的同学一些帮助。类名: 驼峰式命名（CamelCase）。方法和属性: 小写字母和下划线（snake_case）。实例化和方法调用: 使用类名创建实例，并通过点（）调用方法。文档字符串: 为类和方法提供简洁的说明。遵循这些规范和最佳实践可以使你的 Python 代码更加规范和易于维护。可以，但需要注意实践: 一个文件中可以定义多个类，尤其是当这些类紧密相关时。

Conda是在Windows、macOS和Linux上运行的开源软件包管理系统和环境管理系统。可以快速安装、运行和更新软件包及其依赖项。可以轻松地在本地计算机上的环境中创建，保存，加载和切换。它是为Python程序创建的，但可以打包和分发适用于任何语言的软件。目前conda的发行版本分为anaconda、miniconda两种，安装了ananconda或miniconda的完整版，就默认安装了conda。anaconda会包含一些常用包的版本，miniconda则是精简版，两者安装均可。

最近在做大模型方面的产品，部署模型时启动模型遇到这样一个问题：RuntimeError: The NVIDIA driver on your system is too old (found version 11060). Please update your GPU driver by downloading and installing a new version from the URL: 驱动版本跟我们的模型不兼容

最近需要用到python开发，切换虚拟环境时，在win10系统上安装编辑器后创建了虚拟环境，但是执行activate时报错：.\venv\Scripts\activate

接上一篇，本篇将以OpenVINO™ 工具包、Jupyter Notebook工具以及OpenVINO™ Notebooks工程为基础，依照构建环境、工具学习、案例学习、实战部署的顺序引导初学者完成从0到1学习人工智能的全过程，希望众多对人工智能感兴趣的开发者，先把AI技术用起来，用到自己的行业中，在应用的过程中，不断加深对AI技术的理解。

tensorflow简单的Demo

其实很久没有搞过服务这个东西了，以前用的是TCP、http这种，后来用了Netty今天我们再说个grpc服务：为什么会用到这个呢，我说一下我的场景：做机器学习部署模型，有这么几种模型部署方式，1、tfserver -- 只支持tensorflow的模型代码2、pmml 模型服务，这种封装的比较死，灵活度不高，但是小公司用起来也足够了3、grpc -- 也是今天我们要说的这个grpc一种server - client模式，这个就比较熟悉了，我们常用的netty、socket都是这种

使用Python实现一个简单的接口服务，可以通过get、post方法请求该接口，拿到响应数据。（前提该装的包都装好了）新建py文件，加入如下内容# -*- coding: utf-8 -*-from flask import Flaskfrom flask import requestimport flask, jsonapp = Flask(__name__)@app.route('/', methods=['get', 'post'])def index(): retu

主要介绍了Spyder常见的快捷键，从spyder的配置表中导出，中文名称为直译。常用快捷键快捷键 中文名称Ctrl+R 替换文本Ctrl+1 单行注释，单次注释，双次取消注释Ctrl+4 块注释，单次注释，双次取消注释F5 运行程序Ctrl+P 文件切换Ctrl+L 清除shellCtrl+I 查看某个函数的帮助文档Ctrl+Shift+V 调出变量窗口Ctrl+up 回到文档开头Ctrl+down 回到文档末尾...

1.先了解一下 矩阵的内积(点乘)、外积(叉乘)矩阵的内积参照向量的内积的定义的，先说说向量：两个向量对应分量乘积之和,比如: α=(1,2,3), β=(4,5,6)，则 α, β的内积等于 1*4 +2*5 + 3*6 = 32 ，α与α 的内积 = 1*1+2*2+3*3 = 14那么矩阵呢？矩阵内积（花书中叫做元素对应乘积）是矩阵对应元素乘积之和，即矩阵的对应元素相乘，因此要求两矩阵 A 和 B 的必须是同型矩阵设Ann=[aij](其中1<=i,j<=n)，Bnn...

在Python语言中最常见的括号有三种，分别是：小括号（）、中括号[]、花括号{}；其作用也不相同，分别用来代表不同的Python基本内置数据类型。因博主是java出身，所以会举一些Java的类比。python不像java需要在定义的时候强制定义类型，所以括号就是几种基本数据类型。Python中的小括号（）：tuple代表tuple元组数据类型，元祖是一种不可变序列。创建方法很简单，大多数时候都是小括号括起来的。这个类似java中的数组，定义后内容不可变Python中的中括号[]：list

在 NLP领域，word embedding 已经成为了众所周知的技术。在现实生活中 word embedding 已经拥有非常广泛的应用：语音助手、机器翻译、情感分析… 因为 word embedding 的特殊性，它几乎覆盖了所有 NLP 的应用。接下来说说 传统的 one-hot 编码开始，阐述其优劣，并延伸至 word embedding 技术和其优点人类可以很轻易地理解一个单词、词组或者字母，比如「LOVE」，但机器是理解不了的。想要让机器理解单词，就必须要把它变成一串数字（向量）。下面介绍.

我们在做数据分析的时候，难免会用到图像来表示你要展示的东西，接下来写一下demo来表示一下各种图：以下默认所有的操作都先导入了numpy、pandas、matplotlib、seabornimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as sns数据源地址：github地址：https://github.com/mwaskom/seaborn-data 解压缩文件，

1.import 和 from … import 模块的变量、方法引用差异from pandas import DataFrame from…import // 直接使用函数名使用就可以了import pandas as pd import //模块.函数a.import…asimport：导入一个模块；注：相当于导入的是一个文件夹，是个相对路径import A as B：给予工具库 A 一个简单的别称 B ，可以帮助记忆。例：import torc...