文章
73
标签
56
分类
11
首页
时间轴
标签
分类
留言板
清单
音乐
照片
电影
友链
关于
Dedsec的博客
c语言细节
首页
时间轴
标签
分类
留言板
清单
音乐
照片
电影
友链
关于
c语言细节
发表于
2025-02-08
|
更新于
2025-02-08
|
浏览量:
文章作者:
Dedsec
文章链接:
https://www.th-dedsec.top/2025/02/08/c%E8%AF%AD%E8%A8%80%E7%BB%86%E8%8A%82/
版权声明:
本博客所有文章除特别声明外,均采用
CC BY-NC-SA 4.0
许可协议。转载请注明来源
Dedsec的博客
!
上一篇
langchain历史记录管理
langchain历史记录管理输入的消息类型: 关于Message的基本介绍可用看这:langchain基本Messages 这里说说基本的用法(重在区别BaseMessage,HumanMessage,AIMessage) 如以下代码: # 先写 InMemoryMessageHistory,对获取的消息进行处理并获取历史记录列表! class InMemoryMessageHistory(BaseChatMessageHistory, BaseModel): messages: List[BaseMessage] = Field(default_factory=list) # 添加并处理对话记录 def add_message(self, message: BaseMessage) -> None: self.messages.append(message) def clear(self) -> None: ...
下一篇
朴素贝叶斯分类算法
朴素贝叶斯分类理解步奏一:准备数据集 收集数据:收集与分类任务相关的数据集,比如网安数据,日常生活对话数据 数据标注:以我的aichat bot为例,为网安的数据标注为”1”,日常生活数据标注为”0” 划分数据(可选):将数据集划分为训练集和测试集。训练集用于训练模型,测试集用于评估模型的性能。通常,可按照 70% - 30% 或 80% - 20% 的比例进行划分。 步奏二:获取离散矩阵 即使用如:self.vectorizer = CountVectorizer():创建一个 CountVectorizer 对象,用于将文本数据转换为数值特征矩阵。 关于这个数字序列矩阵:X = self.vectorizer.fit_transform(texts):fit_transform 是 CountVectorizer...
Dedsec
车万木柜子的日常。成分:车万,网安人,音乐爱好者
文章
73
标签
56
分类
11
github仓库
公告
苦逼学习web中。温馨提示,放大页面背景更自然(
最新文章
联合注入
2025-04-17
技术路径a开发指南
2025-04-16
base64以及十六进制加密绕过
2025-04-16
多函数命令执行绕过
2025-04-15
超全局变量自动传参
2025-04-15