Search Results

Python里支持多继承 python3里没有继承任何类的类都继承了Object类 Python2 里有经典类和新式类 经典类：没有继承Object ------------------ 新式类：继承了Object class Parent1: pass class Parent2: pass class Sub1(Parent1): ## 单继承 pass class Sub2(Parent1,Parent2): ## 多继承 pass print(Sub1.__bas...

1. 多态的一种方式 ## 多态：同一种事务的多种状态 ## 多态性指的是可以在不考虑对象具体类型的情况下而直接使用对象 class Animal: def say(self): print('动物基本的发声') class Person(Animal): def say(self): super().say() print('啊啊啊啊啊啊啊啊') class Dog(Animal): def say(self): super().say() print('汪汪汪') class ...

import setting class Mysql: def __init__(self,ip,port): self.ip = ip self.port = port def func(self): print('%s %s' %(self.ip,self.port)) @classmethod ## 提供一种初始化对象的方法 def from_conf(cls): return cls(setting.IP,setting.PORT) ## 返回的就是一个实例化的对象，不需...

class Mysql: def __init__(self,ip,port): self.ip = ip self.port = port @staticmethod def create_id(): import uuid return uuid.uuid4() obj = Mysql('127.0.0.1','3306') ## 像普通函数一样调用就可以，不会自动传参，需要人工传参 print(Mysql.create_id()) ## 57c42038-b169-4f25-90...

1. 什么是内置方法 ## 定义在类内部，以__开头和__结尾的方法称之为内置方法 ## 会在满足某种情况下回自动触发执行 ## 为什么用： 为了定制化我们的类或者对象 2. 如何使用内置方法 # __str__ # __del__ class People: def __init__(self,name,age): self.name = name self.age = age def say(self): print('<%...

## 元类----------------> 用来实例化产生类的那个类 ## 关系 ： 元类---------------实例化 --------------->类----------------------> 对象 class People: def __init__(self, name, age): self.name = name self.age = age def say(self): print('<%s:%s>' % (self.name, self.age)) ## 查看内置...

from openai import OpenAI client = OpenAI( api_key = "宸古API令牌Key", base_url = "https://api.pla.wiki/v1", ) completion = client.chat.completions.create( model = "moonshot-v1-8k", messages = [ {"role": "system", "content":...

前言 MacBook for Python 安装教程 Python 作为当今最流行的编程语言之一，以其简洁易懂、功能强大而著称。无论是数据分析、人工智能还是网络开发，Python 都能大显身手。对于 MacBook 用户来说，学习和使用 Python 更是如虎添翼，因为 macOS 系统本身就与 Python 有着良好的兼容性。 本教程旨在为 MacBook 用户提供一份清晰易懂的 Python 安装指南，涵盖从环境配置到常用工具安装的方方面面。无论你是编程新手还是经验丰富的开发者，都能通过本教程快速上手 ...

import openai from openai import OpenAI API_BASE = "https://api.pla.wiki/v1" API_KEY = "宸古API令牌" client = OpenAI( api_key=API_KEY, base_url=API_BASE ) completion = client.chat.completions.create( model="模型调用名", messages=[ {"role": "system", "conte...

import openaifrom openai import OpenAIAPI_BASE = "https://api.pla.wiki/v1"API_KEY = "宸古API令牌"client = OpenAI(    api_key=API_KEY,    base_url=API_BASE)completion = client.chat.completions.create(     model="模型调用名",    messages=[        {"role": "system", "con...

序号 厂商 模型名 类型 简介 价格 （百万token） 1 豆包 Doubao-pro-256k 豆包系统集成多种语言模型，适合内容生成和高性能计算任务。 2 豆包 Doubao-pro-128k 3 Deepseek DeepSeek-V3 4 Deepseek DeepSeek-R1 多模态理解能力：集成视觉-语言联合表征框架，支持图文混合输入解析，在医疗影像...

一、 为什么需要垂直领域大模型? 垂直领域大模型（即针对特定行业或场景定制的大型AI模型）的出现是为了解决通用大模型在专业场景中的局限性，其必要性主要体现在以下几个方面： 1. 专业性与准确性需求 领域知识深度：垂直领域（如医疗、法律、金融等）通常涉及大量专业术语、行业规范和复杂逻辑，通用大模型可能因缺乏针对性训练而给出模糊甚至错误的回答。例如： 医疗场景：诊断建议需基于最新医学研究和临床指南，通用模型可能遗漏细节或混淆病症。 法律场景：合同审核需精准匹配法律法规，通用模型可能忽略特定条款的司法解释。 ...

青丘辞考研数学大模型商业计划书 一、项目概要 （一）项目名称 青丘辞考研数学大模型 （二）核心定位 国内首个聚焦考研数学领域的垂直领域大模型，通过底层架构重构与算法创新，打造“AI+教育”深度融合的智能解决方案，为考研考生提供精准化、个性化的学习辅导，同时为考研培训机构提供数字化教学工具，助力提升教学效率与质量。 （三）产品亮点 自主知识产权：拥有独立研发的数学推理引擎，正在申请发明专利，非API调用、非开源模型微调，确保技术独特性与竞争力。 高精度解析：中南大学数学博士团队提供数据支持，训练完成后考研数学题...

青丘辞考研数学大模型商业计划书 一、项目概要 （一）项目名称 青丘辞考研数学大模型 （二）核心定位 国内首个聚焦考研数学领域的垂直领域大模型，通过底层架构重构与算法创新，打造“AI+教育”深度融合的智能解决方案，为考研考生提供精准化、个性化的学习辅导，同时为考研培训机构提供数字化教学工具，助力提升教学效率与质量。 （三）产品亮点 自主知识产权：拥有独立研发的数学推理引擎，正在申请发明专利，非API调用、非开源模型微调，确保技术独特性与竞争力。 高精度解析：中南大学数学博士团队提供数据支持，训练完成后考研数学题...

以下是考研机构使用青丘辞考研数学大模型的用户行为路径分析，基于To B端商业模式与产品功能，从认知-试用-购买-实施-使用-反馈-传播全流程拆解： 一、认知阶段：需求触发与信息获取 接触点 行业活动触达 参加教育展会（如中国教育装备展）、考研行业峰会，通过青丘辞展位体验“AI批改提效90%” demo，观看新东方等标杆客户的合作案例视频。 收到青丘辞直销团队的定制化方案手册（含机构专属痛点解决方案，如“解决师资不足的3大工具”）。 线上渠道引流 浏览教育信息化平台（如阿里云教育市场），查看青丘辞Saa...

与考研数学机构数据换算力的战略合作可行性及风险分析 ####### 一、可行性分析：需求互补与价值交换 （一）核心逻辑：数据与算力的双向赋能 机构痛点与青丘辞需求的强匹配 机构痛点：缺乏高效的AI教学工具（如智能题库、自动批改），面临师资成本高、学员个性化辅导不足等问题，渴望通过技术提升教学效率与口碑。 青丘辞需求：需要海量真题解析、学员答题数据（如错题分布、解题时间）训练模型，而机构拥有大量未被充分利用的内部数据（如历年模考卷、学员作业解析）。 数据价值：机构数据可填补青丘辞在“真实备考场景数据”的缺口...

青丘辞考研数学大模型的开发路径可划分为5个核心阶段，结合行业实践与技术特性，总周期预计需24-36个月。以下从技术实现、数据整合、产品落地三个维度展开分析： 一、技术架构开发阶段（6-9个月） 1. 基础框架搭建 核心任务：基于Transformer架构构建数学专用模型（参考LLaMA、GPT-4的解码器结构），并集成符号计算模块（如SymPy库）。 关键技术： 数学符号解析：通过AST（抽象语法树）将LaTeX公式转化为可计算的符号表达式，解决“$\int_{0}^{1} x^2 dx$”等数学问题的解...

技术全景图