C2587593227的博客

机器学习，周志华，支持向量机

周志华西瓜书，机器学习，神经网络。

机器学习，周志华，决策树

机器学习，线性判别分析

周志华《机器学习》之对数几率回归。

机器学习，线性回归模型

机器学习基础知识

Datawhale扣子bot开发笔记，封面为AI生成。

节点的增加，工作流的整个构架需要对自己所需要的的工作流的功能进行设计。节点的使用注意子任务的分区，这样方便调试的时候找到报错的节点，调整参数和工作流的结构。注意节点参数的选取，代码中节点参数名称的引用，不同节点参数输入的使用规范，检查各个节点是都正确链接等。如（案例选取DatawhaleTask3教程）生成一个随机数的工作流，需要加入一个大模型（用于提取出随机数长度）和两个代码节点（一个用于输入变量需要生成随机数的长度，一个用于生成对应长度的随机数）。以下是扣子的工作流5个实践范例。扣子 - 文档中心。

扣子（coze）智能体prompt关键词学习

扣子（coze）是字节面向用户提供的一个AI应用端的产品，其核心服务是为用户提供一个快速开发AI应用的平台，用于解决多种多样的AI应用场景；其中Coze是字节在海外推出的应用版本，其相应的国内版的产品名称叫“扣子”，海外版和国内版整体产品形态基本差不多，具体使用模型和插件等能力稍有不同，以下我们主要以国内版扣子研究为主；“扣子是新一代 AI 应用开发平台。无论你是否有编程基础，都可以在扣子上快速搭建基于大模型的各类 Bot，并将 Bot 发布到各个社交平台、通讯软件或部署到网站等其他渠道。

GUI 是 "Graphical User Interface"（图形用户界面）的缩写。简单来说，GUI 就是你在电脑屏幕上看到的那种有图标、按钮和菜单的交互方式。ComfyUI 是一个开源的用户界面工具，通常用于图形界面的构建和设计，尤其是在深度学习和数据处理领域。它提供了一套工具和组件，帮助用户创建定制化的界面，以便更方便地与模型和数据进行交互。ComfyUI核心模块分别由模型加载器、提示词管理器、采样器、解码器组成。

AIGC（Artificial Intelligence Generated Content）领域涉及使用人工智能技术生成各种类型的内容，包括文本、图像、音频和视频。这个领域的快速发展和广泛应用引起了广泛关注，涵盖了多个技术和应用方向。这里主要是文本生成、图像生成、音频生成、视频生成四个方向。这里主要介绍图像生成。图像生成需包含生成对抗网络（GANs）: 使用生成对抗网络生成高质量图像。GANs包括一个生成器和一个判别器，通过对抗训练生成逼真的图像。

OpenPose姿势控制输入是一张姿势图片（或者使用真人图片提取姿势）作为AI绘画的参考图，输入prompt后，之后AI就可以依据此生成一副相同姿势的图片；Canny精准绘制输入是一张线稿图作为AI绘画的参考图，输入prompt后，之后AI就可以根据此生成一幅根据线稿的精准绘制。Hed绘制Hed是一种可以获取渐变线条的线稿图控制方式，相比canny更加的灵活。深度图Midas输入是一张深度图，输入prompt后，之后AI就可以根据此生成一幅根据深度图的绘制。颜色color控制。

tokenizer，鉴于SMILES的特性，这里需要自己定义tokenizer和vocab# 这里直接将smiles str按字符拆分，并替换为词汇表中的序号def __init__(self, pad_token, regex, vocab_file, max_length): #初始化函数self.pad_token = pad_token #从参数中获取填充标记self.regex = regex #从参数中获取正则表达式模式。

定义RNN模型class RNNModel(nn.Module): #类定义'''num_embed: 嵌入层的大小，即词嵌入的维度。input_size: 输入数据的特征维度。hidden_size: RNN隐藏状态的大小（维度）。output_size: 输出层的大小，即模型最终输出的维度。num_layers: RNN的层数。dropout: Dropout的比例，用于控制模型的过拟合。device: 指定模型在哪个设备上运行，如CPU或GPU。'''

小白学习笔记，文章有误的地方请各位大佬温和指出。