利用 ollama 搭建知识卡片制作系统
本文基于 ollama 推理框架,搭建了一个知识问答工具,可以利用大模型学习 obsidian 上的知识,并结合其中的闪卡插件,完成传统复习软件 Anki 的两个关键过程,即 "制卡与复习",使用者只需要复习知识,不必进行复杂的制作卡片工作,基于大模型产出的问题,问题角度更发散,避免个人 “死背书”,还是倾向理解问题,但是同样也存在以下问题和文档内容不符合的问题,本文将一并说明
本文基于 ollama 推理框架,搭建了一个知识问答工具,可以利用大模型学习 obsidian 上的知识,并结合其中的闪卡插件,完成传统复习软件 Anki 的两个关键过程,即 "制卡与复习",使用者只需要复习知识,不必进行复杂的制作卡片工作,基于大模型产出的问题,问题角度更发散,避免个人 “死背书”,还是倾向理解问题,但是同样也存在以下问题和文档内容不符合的问题,本文将一并说明
本文利用 llamaindex 的 KnowledgeGraphIndex
非结构化文档的知识图谱,并使用该知识图谱回答问题
本文用于记录学习 AgenticRAG 的过程
本文总结 GraphRAG 的定义、和传统 RAG 的区别,以及如何实现 GraphRAG
AdvancedRAG 侧重于增强检索到的文档的相关性和范围,这些技术(包括密集检索、混合搜索、重新排名和查询扩展)解决了 NaiveRAG 基于关键字的检索的限制
在实际场景中,深度学习模型运行的机器不总是有 GPU,这时候基于 tensorrt 的部署方案就无法满足要求,本文基于 openvino 压缩量化模型,然后将其部署到 CPU 上,实验证明:推理效果相当、推理耗时接近
在一些场景中,需要分析图片在不同时刻的变化情况,比如居家的早上、晚上变化,卫星图片不同年份的变化,通过分析变化,掌握空间内事物的变化趋势,那么应该如何分析不同时刻下图片的变化呢?
本文使用 nlp 快速检索出 pdf 文件中的关键信息,比如现有一堆合同文件,当你想搜索合同的甲乙方、金额时,不需要一个个文件打开看,只需通过该方法
Torch TensorRT 是 PyTorch 与 NVIDIA TensorRT 的新集成,它用一行代码加速推理
网站通过备案完成后,相当与已经被正式发布到互联网,后续维护与安全需要设置