大量数据如何做分页处理？
简介大批量数据的展示一直被视为一个必须要解决的问题。 一个经典的思想就是分批展示和处理它们。查询时外键的处理如果在django model 中模型使用了外键，通过on_delete 来定义关联操作。CASCADE：级联操作。如果外键那条数据删除了，这条数据也将被删除 PROTECT：受保护，只要..
新闻中心
- 正睿新闻中心
-
-
ZG1JQSB-3224A6-N4――大数据处理新标杆
大数据分析与处理的硬件挑战与解决方案随着大数据技术的飞速发展，在复杂多变的数据科学与人工智能应用场景中，高效处理海量数据集成为核心竞争力的关键。企业面临着前所未有的数据增长速度和对实时分析的迫切需求。核心硬件需求：需要具备超高的并行计算能力、快速的数据访问速度、以及稳定的高带宽网络通信，确保大数据任..
-
使用Python实现深度学习模型：BERT模型教程
BERT（Bidirectional Encoder Representations from Transformers）是Google提出的一种用于自然语言处理（NLP）的预训练模型。BERT通过双向训练Transformer，能够捕捉到文本中词语的上下文信息，是NLP领域的一个里程碑。在本文中..
-
ZI2IJS9-816A5――打造企业级虚拟化与数据库服务的优选方案
企业虚拟化基础设施升级的需求与解决方案随着云计算和大数据技术的飞速发展，在现代企业IT环境中，构建高效、灵活且节能的虚拟化平台成为了提升业务响应速度和降低运维成本的关键策略。核心需求与痛点：高效多任务处理：企业应用日益复杂，需要服务器能同时处理大量并发请求，如数据库查询、文件服务及多虚拟机运行。数据..
-
ZA2G1S8-12816A8――深度学习与AI训练的加速器
深度学习与人工智能训练的硬件挑战与解决方案随着人工智能技术的飞速发展，在构建复杂神经网络模型及大规模数据处理的科研与商业应用环境中，高效、可靠的计算资源成为制约创新速度的关键因素。核心计算能力需求：深度学习模型训练过程中，需要执行大量的矩阵运算和并行处理任务，这对CPU的多核性能和GPU的浮点运算能..
-
一文详解几种常见本地大模型个人知识库工具部署、微调及对比选型
写在开头的话这几年，各种新技术、新产品层出不穷，其中，大模型（Large Language Models）作为AI领域的颠覆性创新，凭借其在语言生成、理解及多任务适应上的卓越表现，迅速点燃了科技界的热情。从阿尔法狗的胜利到GPT系列的横空出世，大模型不仅展现了人工智能前所未有的创造力与洞察力，也预示..
-
-
ZA2E6S8-12816A8――数据中心与AI研究的高性能计算力旗舰
高性能计算与AI运算的硬件挑战随着人工智能和大数据技术的飞速发展，在现代数据中心及科研机构中，处理复杂算法、大规模数据分析及机器学习模型训练的需求日益增长，这对服务器的计算能力、数据处理速度及系统稳定性提出了更高要求。核心痛点：极端计算能力需求：复杂模型和大规模数据集需要极高的并行处理能力。内存与存..
-
【技术解析 | 实践】部署Kubernetes模式的Havenask集群
部署Kubernetes模式Havenask集群它主要分为四个步骤：首先准备 k8s 的环境，然后创建对应集群，然后创建表，最后在这个表中进行 SQL 语句的读写。大家可以先参考 Havenask 官网或Github中的文档进行了解。（hape工具参考： https://havenask.net/..
-
正睿AI智能客服――您的24/7业务伙伴盛大登场！
在数字化浪潮汹涌澎湃的今天，我们自豪地宣布，一项颠覆传统客服模式的创新成果――基于大语言模型的AI智能客服系统，正式加入我们的产品矩阵！这不仅标志着我们在人工智能领域的重大突破，更是对高效、个性化客户服务新时代的一次诚挚献礼。以下是我们AI智能客服的五大核心优势，它们正重塑着我们与每一位尊贵客户之间..
-
ZI2C6S7-2416A8――驱动企业云与大数据应用新飞跃
企业级虚拟化与云计算的挑战随着数字化转型的加速，在构建高效、弹性、可扩展的云计算环境中，企业面临着前所未有的计算与数据处理需求。核心痛点：高度并发的虚拟机运行、大规模数据处理、以及对高可用性和资源高效管理的需求日益增长，要求服务器具备卓越的计算性能、海量内存支持、快速的数据存取速度以及可靠的网络与电..
-
如何在Docker容器启动时自动运行脚本
如何在Docker容器启动时自动运行脚本在使用Docker构建应用程序时，有时我们希望在启动Docker容器时自动执行一些脚本，以初始化应用程序或执行一些必要的操作。本文将介绍如何在Docker容器启动时自动运行脚本的方法。创建启动脚本首先，我们需要编写一个启动脚本，该脚本包含我们想要在容器启动..
-
ZA2W1SA-19224A8-2――AI训练效能巅峰的GPU计算巨擘
深度学习与AI训练的硬件挑战与解决方案随着人工智能技术的飞速发展，在构建复杂神经网络模型及大规模数据处理的科研与商业应用场景中，（背景介绍）对计算能力、数据吞吐量以及能源效率提出了前所未有的高要求。核心计算能力需求：深度学习模型的训练涉及亿万级别的参数优化，需要极强的CPU与GPU算力支持，以加速训..
-
联邦学习中的异构模型集成与协同训练技术详解
引言随着数据隐私和安全问题的日益突出，传统的集中式机器学习方法面临着巨大的挑战。联邦学习（Federated Learning）作为一种新兴的分布式机器学习方法，通过将模型训练过程分布在多个参与者设备上，有效解决了数据隐私和安全问题。然而，在实际应用中，不同参与者可能拥有不同的数据分布和计算能力..
-
QLC存储，降本增效的秘诀
在如今数据爆炸的时代，企业每天都在产生海量数据，这使得存储需求不断增加。然而，传统的存储解决方案往往面临高成本、低效率和管理复杂等问题。本文旨在科普QLC存储技术，并探讨它在降本增效方面的独特优势。QLC存储技术概述首先，我们来了解一下什么是QLC存储。QLC（Quad-Level Cell）闪存是..
-
ZI2C7S7-3616A12：引领企业级大数据处理与高性能计算
高性能计算与大数据处理的硬件挑战与解决方案随着数字化转型的加速，在企业级数据中心及科研计算领域，（背景介绍）对于处理海量数据、执行复杂算法与维持高并发服务的需求日益增长。核心痛点：高效数据处理与高并发承载能力成为限制系统性能的关键因素。具体表现在对CPU密集型任务的快速响应需求、大规模数据集的快速存..
-
揭秘至强6：性能核与能效核的奥秘，288核如何炼成？
在近年的服务器处理器竞赛中，Intel的Ice Lake与Sapphire Rapids系列似乎步入了守势，特别是面对高核数需求时略显力不从心。这直接映射在其数据中心业务的业绩上，虽仍稳坐市场份额头把交椅，但AMD及Arm的双重夹击不容小觑。当初Intel揭晓至强处理器的未来蓝图，众人寄望于采用In..
-
重塑未来视界 ― ZI2P8S8-248A7高性能计算与视觉创新
高性能计算与专业视觉工作负载的挑战随着大数据分析的深入、人工智能技术的飞速进步，以及高清乃至超高清视觉内容制作的需求日益增长，在科研仿真模拟、影视特效后期制作、先进的人工智能研发等前沿科技与创意产业领域，对计算平台的性能提出了前所未有的高要求。核心计算性能需求：面对复杂模型的高速迭代、大规模数据集的..
-
Docker设置国内镜像源
docker默认的源为国外官方源，下载速度较慢，可改为国内源方案一修改或新增 docker默认的配置文件 vim /etc/docker/daemon.json{ "registry-mirrors":["http://hub-mirror.c.163.com&q..
-
ZI2F2S7-128A4――引领企业级计算新纪元
高性能计算与大数据处理的挑战随着数字化转型的加速，在现代企业级数据中心与高性能计算(HPC)环境中，面临着前所未有的数据处理压力与计算密集度的挑战。核心痛点：并发处理能力不足：传统服务器难以应对大规模并行计算任务，导致处理速度瓶颈。数据吞吐限制：I/O性能成为制约系统响应速度的关键因素，尤其是在大数..
8/490页 每页20条 共9798条