- 博客(406)
- 资源 (16)
- 收藏
- 关注
RSS订阅
原创 CV模型训练/评估结果图解读
这张图通过展示不同置信度阈值下的F1分数变化，帮助我们理解模型在不同置信度下的整体性能，并找到一个最优的置信度阈值以平衡精确率和召回率。这张图通过展示不同置信度阈值下的精确率变化，帮助我们理解模型在不同置信度下的整体性能，并找到一个最优的置信度阈值以达到最高的精确率。这张图通过展示不同召回率下的精确率变化，帮助我们理解模型在不同召回率下的整体性能，并找到一个最优的召回率阈值以平衡精确率和召回率。通过这种方式，你可以快速识别模型在不同召回率阈值下的性能，并选择最适合你应用场景的阈值。
2025-02-19 00:36:40
1693
原创 Recall（召回率）和 Precision（精确率） 的区别和F1分数
简而言之，Precision 关注的是“准确性”，即你所选择的内容中有多少是对的；例如，在一些应用场景下，可能更倾向于减少漏报（提高 Recall），而在其他场景下则可能更注重降低误报（提高 Precision）。因此，选择优化的方向取决于具体的应用需求。但是，在这个案例中，由于 Recall 只有 0.5，意味着有一半的垃圾邮件未被发现，可能会让用户错过重要的过滤。意味着几乎所有的垃圾邮件都能被捕捉到，但同时可能也会误判一些正常的邮件为垃圾邮件（如上述例子中的 FP），导致 Precision 下降。
2025-02-18 23:00:23
1671
原创 打工人福音，AI笔记软件,免费使用DeepSeek
一款全功能的AI编辑器。现有的编辑器在面对文本生成、图像生成、图像识别、视觉识别以及语音识别等功能时，需要依赖多个外部工具，流程繁琐且不易于管理。本方案旨在解决这一痛点，通过本地化推理集成多个大语言模型、语音模型和视觉多模态模型，打造一个全功能的AI编辑器。
2024-12-19 08:32:56
366
原创 DDPM 前向过程的公式推导
ϵ′\epsilon'ϵ′我们定义一个新的随机变量ϵ′\epsilon'ϵ′ϵ′αt1−αt−1ϵt−21−αtϵt−1ϵ′αt1−αt−1ϵt−21−αtϵt−1。
2024-11-18 11:51:44
517
原创 VAE 模型的下界
通过对数似然的下界推导，我们得到了一个可以优化的目标函数，这个目标函数由两部分组成：重构误差（第一项）和正则化项（KL散度，第二项）。在VAE中，我们通过优化这个下界来间接优化对数似然，从而达到学习数据生成分布的目的。
2024-11-17 09:56:49
1180
原创 gym/Gymnasium强化学习玩推箱子游戏
自 2021 年以来一直维护 Gym 的团队已将所有未来的开发转移到 Gymnasium，这是 Gym 的替代品（将 gymnasium 导入为 gym），Gym 将不会收到任何未来的更新。请尽快切换到 Gymnasium。我用的是 Python 3.7.16。
2024-08-05 00:13:59
542
原创 使用LLaMA-Factory微调大模型
我这里是本地电脑 显卡是 GTX-4070ti-super 16G ，单卡。因为是Qwen模型，不是Qwen1.5及以后的模型 所以。在 LLaMA-Factory 路径下 创建虚拟环境。这里必须这样，不然报错！然后保存配置参数，然后点击。在虚拟环境中安装依赖。我这里使用自带的数据。
2024-05-29 23:50:42
1299
原创 Qwen量化脚本run_gptq.py解析
## Qwen量化脚本run_gptq.py解析模型路径 [https://github.com/QwenLM/Qwen/](https://github.com/QwenLM/Qwen/)run_gptq.py路径 [https://github.com/QwenLM/Qwen/blob/main/run_gptq.py](https://github.com/QwenLM/Qwen/blob/main/run_gptq.py)
2024-04-18 07:46:03
919
原创 ollama + langchain + FAISS 向量数据库，给定知识上下文的问答
3 基于上面查询提供语言模型 promt。1 把给定的文档向量化存储为数据库。基于 langchain 框架。4 语言模型生成答案。
2024-03-31 10:45:17
3030
1
原创 强化学习DQN算法和代码
在训练时，目标网络𝑄𝜃’(𝑠𝑡+1, 𝑎)和预测网络𝑄𝜃(𝑠𝑡, 𝑎𝑡)来自同一网络，但是𝑄𝜃’(𝑠𝑡+1, 𝑎)网络的更新频率会滞后𝑄𝜃(𝑠𝑡, 𝑎𝑡)其中 gym version = 0.26.2。
2023-08-15 17:37:20
414
原创 tensorflow / tensorflow-gpu cuda cudNN tensorRT 安装,启用显卡加速
tensorflow-gpu版本对应关系。
2023-08-11 00:41:30
2809
4
原创 强化学习算法
策略网络输入状态s，输出动作a的概率分布如下： πa∣s多次训练轨迹如下s11a11r11……s1ta1tr1t……s1Ta1Tr1T………………sn1an1rn1……sntantrnt……snTanTrnT………………sN1aN1rN1……sNtaNtrNt。
2023-08-10 16:02:19
399
原创 win10 安装 tensorflow-gpu 2.10.0
我安装 python 3.10 和 tensorflow_gpu-2.10.0。这里根据自己的版本安装，按照表格推荐tensorflow-gpu==2.10.0。这里根据自己的版本安装，按照表格推荐 11.2 ，我这里是12.2。这里根据自己的版本安装，按照表格推荐 8.1 ，我这里是 8.9。适用于Microsoft窗口的 CUDA 安装指南。显卡 GTX 1660 Ti。系统 win10 x64。
2023-08-07 18:17:35
1309
原创 从源码编译 tensorFlow ,启用CPU 指令加速
7 Please specify optimization flags to use during compilation when bazel option “–config=opt” is specified [Default is -Wno-sign-compare]: --copt=-march=native # 配置 bazel 编译的参数，我这是纯 cpu 加速，所以填写。: 这是两个选项的组合，用于以交互式终端运行容器，并将终端连接到容器的输入/输出（stdin/stdout）。
2023-07-30 12:48:26
3112
1
原创 numpy反向传播算法示例
通过 scikit-learn 库提供的便捷工具生成 2000 个线性不可分的 2 分类数据集。按着7: 3比例切分训练集和测试集。
2023-06-29 11:44:54
329
原创 MSE 均方误差及其梯度
仅当j = i 时才为 1，其它点都为 0，也就是说， 偏导数只与第j号节点相关，与其它节点无关， 因此上式中的求和符号可以去掉。其中n为输出节点数，真值为 y , 模型输出为 o。
2023-05-08 00:37:04
920
原创 回归问题(AI笔记)
给定数据集𝔻，我们需要从𝔻中学习到数据的真实模型，从而预测未见过的样本的输出值。在假定模型的类型后，学习过程就变成了搜索模型参数的问题，比如我们假设神经元为线性模型，那么训练过程即为搜索线性模型的𝒘和𝑏参数的过程。训练完成后，利用学到的模型，对于任意的新输入𝒙，我们就可以使用学习模型输出值作为真实值的近似。对于预测值是连续的实数范围，或者属于某一段连续的实数区间，我们把这种问题称为。首先假设𝑛个输入的生物神经元的数学模型为线性模型之后，只采样𝑛 + 1个数据点就可以估计线性模型的参数𝒘和𝑏
2023-05-03 15:29:56
1126
原创 卡尔曼滤波 Kalman Filter 理解 (超简单),带仿真
卡尔曼滤波 Kalman Filter 精简理解参考外文 An Introduction to the Kalman Filter核心过程一 （时间更新：）初始输入（k-1时刻）：系统最优状态、系统噪声协方差系统状态转移方程（1.9）过程噪声协方差 （1.10）核心过程二 （测量更新：）计算卡尔曼增益K （1.11）根据卡尔曼增益K，计算最优当前状态 （1.12）根据...
2019-05-09 17:38:00
3458
原创 FunASR 服务加密部署
本文介绍了FunASR服务的加密部署方案，包含两种模式：1) 不加密部署，使用ws://协议明文传输；2) 加密部署，使用wss://协议加密传输，需配置SSL证书文件。详细说明了如何通过Certbot工具获取免费Let's Encrypt证书，并列出全球主流受信任的证书颁发机构（CA）及其特点。文章对比了Let's Encrypt与商业CA的差异，并针对不同使用场景给出推荐选择建议，帮助用户根据需求选择适合的SSL证书解决方案。
2025-07-22 15:47:14
704
原创 LLaMA.cpp HTTP 服务参数: --pooling 嵌入模型 池化类型详解
本文详细介绍了LLaMA.cpp HTTP服务中--pooling参数的5种池化方式及其适用场景： none保留所有token原始向量，适合词级分析 mean平均池化生成句向量，适合通用文本任务 cls使用[CLS]标记，需BERT类模型支持 last取末token向量，适配因果语言模型 rank基于排序规则聚合，适合关键信息提取 选择建议：分类任务优先cls，生成任务用last，通用场景推荐mean，自定义处理选none。需注意不同模型对池化方式的适配性差异，建议通过实验验证效果。
2025-07-14 18:24:43
946
原创 大模型函数调用的核心原理
大模型函数调用原理：当用户输入"画出 y=x^3 图像"时，系统将其转化为LLM格式消息，并提供可调用函数说明（如image_gen图像生成和code_interpreter代码执行）。模型通过流式输出逐步解析需求，最终选择调用image_gen函数，并生成包含详细英文描述的参数（如"A 3D graph of the function"）。整个过程展示了LLM如何理解用户指令、选择合适工具并生成具体调用参数。
2025-07-05 16:22:31
225
原创 openvino 模型缓存优化加载时间
摘要：本文介绍了使用OpenVINO模型缓存优化加载时间的方法。通过设置cache_dir属性将编译后的模型缓存到本地目录，首次加载时需完整编译(耗时1.74秒)，后续调用可直接从缓存加载(仅需0.41秒)。代码示例展示了如何编译并缓存text_encoder、U-Net、VAE编解码器等模型，显著提升后续推理的加载效率。该技术适用于需要频繁加载相同模型的场景，可有效减少初始化时间。
2025-07-05 09:58:02
179
原创 linux打包多ubuntu系统使用的openpose
本文介绍了在Ubuntu 20.04/22.04系统中使用Docker编译安装OpenPose并将其打包为跨系统AppImage的方法。主要内容包括：1)通过Docker容器配置CUDA环境并安装OpenPose依赖项；2)使用CMake编译OpenPose并安装到指定目录；3)借助linuxdeploy和appimagetool工具将OpenPose打包为可移植的AppImage格式；4)测试生成的AppImage在主机系统上的运行效果，包括姿态估计和JSON输出。该方法实现了OpenPose的跨系统部署
2025-06-29 13:30:35
276
原创 用服务器加速下载pip包(快速安装torch为例)
本文介绍了一种利用云服务器加速下载pip包的方法。首先在免费云服务器上安装Miniconda并创建虚拟环境，然后通过pip download命令将指定版本的PyTorch及其依赖包下载到本地目录。接着将下载好的包压缩后传输到本地电脑，最后在本地相同Python环境下使用--no-index和--find-links参数进行安装。这种方法特别适用于需要安装大型深度学习框架(如PyTorch)且本地网络较慢的情况，通过服务器的高速网络完成包下载，再在本地进行安装。
2025-06-27 14:23:58
329
原创 VLA 视觉-语言-动作 模型
VLA（视觉-语言-动作）模型通过统一视觉、语言和动作模态，实现了机器人智能体对环境的联合感知与决策。该模型采用基于Transformer的分词表示框架，将RGB-D图像、文本指令和关节状态编码为共享嵌入空间，并通过交叉注意力机制融合多模态信息，最终输出可执行的电机指令。训练过程分为两阶段：先在互联网规模的多模态语料库上预训练语义理解能力，再通过机器人演示数据进行具身化微调。这种设计使模型（如RT-2）具备零样本泛化能力，能够将学习到的概念灵活迁移到新场景。VLA模型标志着从碎片化系统向自适应智能体的重要演
2025-06-11 17:39:40
916
原创 Distribution Focal Loss 目标检测任务中的损失函数
是一种基于分布学习的损失函数，适用于目标检测任务中的边界框预测或关键点定位。通过将连续值离散化为概率分布并优化预测分布与真实分布之间的差异，它可以显著提高模型的预测精度和鲁棒性。，是一种用于目标检测任务中的损失函数，尤其在一些现代的目标检测框架（如 YOLO 系列）中被广泛使用。传统的方法可能直接回归这个值，而使用分布学习的方法则会将宽度建模为一个离散的概率分布。就是基于第二种方法设计的损失函数，它通过学习边界框坐标的分布来提高预测精度。模型会输出一个长度为 10 的向量，表示预测的分布。
2025-04-25 22:09:02
1379
原创 CV模型训练/评估结果 tensorboard 解读
这些损失函数分别衡量了模型在不同方面的预测误差，但与训练集上的损失不同，它们反映了模型在未见过的数据上的表现。
2025-04-25 21:48:13
781
原创 win11 Visual Studio 17 2022源码编译 opencv4.11.0 + cuda12.6.3 启用GPU加速
或者打开cmake-gui ,根据需要配置,比如去掉各种test等等。把 wmx_build.ps1 脚本 拖入窗口,执行。下载 Source code(zip) ,解压到。下载 Source code(zip) ,解压到。我这里使用 32个线程,根据自己的cpu核心数配置。使用我配置好的脚本直接运行,根据自己的路径修改。下载cuda12.6.3 : 安装到。下载 cudnn 对应cuda12版本。下载opencv_contrib源码。下载opencv4.11.0 源码。win11 x64 系统。
2025-03-08 00:22:42
1978
4
原创 单独编译QT子模块
GCC (MinGW-builds) ,我这里安装了qt5.12.12 mingw64 打开命令行。安装qtcore 到目标位置。编译qtcore 模块。
2025-01-14 11:54:53
511
ACCESS VBA 编程
2011-12-10
手机遥控电脑 百变遥控2.9
2012-10-14
手机夜视仪
2012-10-14
USB调试快捷开关
2012-10-14
工程计算器
2012-10-14
安卓电蚊香
2012-10-14
win系统 设置系统亮度
2015-12-10
Arduino 技术内幕
2015-08-24
安卓手机的虚拟数据线
2012-10-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人