randumb 项目技术文档
2024-12-26 19:45:45作者:丁柯新Fawn
1. 安装指南
首先,您需要在您的Gemfile文件中添加以下代码来引入randumb库:
gem 'randumb'
接下来,执行以下命令来更新您的bundle:
bundle install
确保您的ActiveRecord版本不低于3.0.0,并且您的数据库支持SQLite、MySQL或Postgres/PostGIS。
2. 项目的使用说明
randumb是一个Ruby库,允许您轻松地从您的数据库中随机抽取记录。最简单的使用方式是将其作为ActiveRecord查询的一部分:
Artist.order_by_rand.first # 如果有Artist记录,则返回一个随机的Artist,否则返回nil
Artist.order_by_rand.limit(3).all # 返回一个包含三个随机Artist的数组
Artist.order_by_rand.limit(1).all # 返回一个包含一个随机Artist的数组
###randumb的工作原理
randumb实际上只是在您的查询中添加了一个额外的ORDER BY RANDOM()(对于MySQL则是RAND())。
3. 项目API使用文档
以下是randumb提供的一些高级使用方法:
加权随机排序
您可以使用order_by_rand_weighted方法来偏好某些记录。
例如,如果您想偏好评分较高的电影,并且您的Movie模型有一个数字类型的score字段,您可以使用以下方式:
Movie.order_by_rand_weighted(:score).first # 随机返回一个电影
Movie.order_by_rand_weighted(:score).limit(10).all # 返回一个最多包含10个电影的数组
种子随机性
如果您希望给随机性设定一个种子以便产生可预测的结果,您可以在randumb的任何方法中提供一个可选的整数种子:
Artist.order_by_rand(seed: 123).limit(2) # 两次调用将返回相同的两个Artist
Artist.order_by_rand(seed: 123).limit(2)
随机ID洗牌
还有一些方法允许您使用randumb的早期算法进行随机记录选择。请注意,使用此方法时无法应用加权,并且limit/orders的行为也会有所不同。
# 返回视图数最高的100个Artist中随机选取的5个
artists = Artist.limit(100).order("view_count DESC").random_by_id_shuffle(5)
4. 项目安装方式
项目的安装方式已在安装指南中详细描述。您需要通过Gemfile添加randumb依赖,然后执行bundle安装命令。请确保您的ActiveRecord和数据库支持与randumb兼容。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
661