集群机器人Matlab仿真

支持 fastgpt 知识库聊天对话 支持 LLM 大语言模型的一整套解决方案：[fastgpt] + [one-api] + [Xinference] 支持对接 bilibili 直播间弹幕回复和进入直播间欢迎语 支持微软 edge-tts 语音合成 支持 Bert-VITS2 语音合成 支持 GPT-SoVITS 语音合成 支持表情控制 Vtuber Studio 支持绘画 stable-diffusion-webui 输出 OBS 直播间 支持绘画图片鉴黄 public-NSFW-y-distinguish 支持搜索和搜图服务 duckduckgo（需要魔法上网） 支持搜图服务 baidu 搜图（不需要魔法上网） 支持 AI 回复聊天框【html 插件】 支持 AI 唱歌 Auto-Convert-Music 支持歌单【html 插件】 支持跳舞功能 支持表情视频播放 支持摸摸头动作 支持砸礼物动作 支持唱歌自动启动伴舞功能 聊天和唱歌自动循环摇摆动作 支持多场景切换、背景音乐切换、白天黑夜自动切换场景 支持开放性唱歌和绘画，让 AI 自动判断内容 支持流式聊天

实时流处理器/高速流处理器/快速流处理器 从本地文件系统或http播放的点播视频 流继电器支持分布式流:推拉模型 记录多个流流 H264/AAC support 使用FFMPEG在线转码 (发布/播放/记录/更新等) 多工人现场流媒体 模块支持多工位通过自动流推送给工作者。此选项与rtmp_自动推进指令切换。 rtmp_auto_push on; rtmp { server { listen 1935; application mytv { live on; } } }

快速部署 clone 项目到本地 git@github.com:lenve/vhr.git 数据库脚本使用 Flyway 管理，不需要手动导入数据库脚本，只需要提前在本地 MySQL 中创建一个空的数据库 vhr，并修改项目中关于数据的配置（resources 目录下的 application.properties 文件中）即可 提前准备好 Redis，在 项目的 application.properties 文件中，将 Redis 配置改为自己的 提前准备好 RabbitMQ，在项目的 application.properties 文件中将 RabbitMQ 的配置改为自己的（注意，RabbitMQ 需要分别修改 mailserver 和 vhrserver 的配置文件） 在 IntelliJ IDEA 中打开 vhr 项目，启动 mailserver 模块 运行 vhrserver 中的 vhr-web 模块 OK，至此，服务端就启动成功了，此时我们直接在地址栏输入 http://localhost:8081/index.html 即可访问我们的项目

最全的LeetCode算法题典

1.安装最新版本的 Comyfui 2.将 https://huggingface.co/stabilityai/stable-cascade/tree/main 下面的 stage_b 和 stage_c 模型放到 ComfyUI/models/unet 下面 3.将 https://huggingface.co/stabilityai/stable-cascade/tree/main 下面的 stage_a 模型 4.将 clip 模型 https://huggingface.co/stabilityai/stable-cascade/tree/main/text_encoder 放到 ComfyUI/models/clip 说明： stage_b 和 stage_c 可以根据显存选择不同的组合，组合如下（以下组合越往下显存消耗越小）: stage_b.safetensors + stage_c.safetensors stage_b_bf16.safetensors + stage_c_bf16.safetensors stage_b_lite.safetensors

基于卷积神经网络的故障诊断（1DCNN、2DCNN） 文件夹说明： data：数据集存放路径 save_picture/1DCNN:存放1DCNN的图片 save_picture/2DCNN:存放2DCNN的图片 model/1DCNN.h5: 保存的1DCNN模型文件 model/2DCNN.h5: 保存的2DCNN模型文件 code/1DCNN.py: 1DCNN代码运行文件 code/2DCNN.py: 2DCNN代码运行文件 code/preprocessing.py: 数据预处理文件 基于卷积与循环神经网络的故障诊断(1DCNN-LSTM、1DCNN-GRU、2DCNN-LSTM、2DCNN-GRU) 文件夹说明： data：数据集存放路径 save_picture/1DCNN_GRU:存放1DCNN_GRU的图片 save_picture/1DCNN_LSTM:存放1DCNN_LSTM的图片 save_picture/2DCNN_GRU:存放2DCNN_GRU的图片 save_picture/2DCNN_LSTM:存放2DCNN_LSTM的图片

简单的理解: 用于描述图像特征的关键点 常见的特征点提取算法: SIFT: 尺度不变特征变换. opencv只有cpu实现 SURF: surf的加速算法. opencv有cpu和cuda实现 ORB: 使用FAST特征检测和BRIEF特征描述子. opencv有cpu和cuda实现 他们的好处是什么: 尺度和旋转不变性,说白了就是兼容不同分辨率、旋转、尺度的变换 速度排序: ORB(cuda)>SURF(cuda)>ORB>SURF>SIFT 效果排序(效果不止是特征点的数量,更重要的是特征点的质量): SIFT>ORB>SURF

数据库的特性 数据库的使命是什么？最基础的就是当你把数据交给数据库时，它应当把数据存储起来；而后当你向数据库要数据时，它应当把数据返回给你。 对于数据库的期许往往会包含以下几方面，首先是易用与灵活，尽可能可以用贴近业务语言的方式存取数据，而不需要理解太多抽象的语义或者函数；然后是高性能，无论存取皆可以迅速完成；然后是高可用与可扩展，我们能够根据实际的业务需要快速扩展数据库，提供长期的可用性与数据的安全一致，而不会因为数据的爆炸性增长导致数据库的崩溃。 以 Oracle, MySQL, SQLServer, PostgreSQL 为代表的关系型数据库，以行存储的方式结构化地存储数据。搜索引擎擅长文本查询；与 SQL 数据库中的文本匹配（例如 LIKE）相比，搜索引擎提供了更高的查询功能和更好的开箱即用性能。文档存储提供比传统数据库更好的数据模式适应性；通过将数据存储为单个文档对象（通常表示为 JSON），它们不需要预定义模式。列式存储专门用于单列查询和值聚合，在列式存储中，诸如 SUM 和 AVG 之类的 SQL 操作要快得多，因为同一列的数据在硬盘驱动器上更紧密地存储在一起。