2301_76234549的博客

原创 ComfyUI部署以及节点扩展

本文介绍了ComfyUI的安装与使用方法：1. 通过GitHub克隆或下载压缩包获取ComfyUI；2. 安装torch和相关依赖；3. 运行main.py启动服务。详细说明了ComfyUI-Manager的四种安装方式：GitHub拉取、便携版安装、comfy-cli安装和Linux+venv安装。最后提到节点配置方法，需将节点文件放入custom_nodes目录，注意解决依赖冲突问题。全文提供了完整的安装流程和注意事项，帮助用户快速搭建ComfyUI环境。

原创 前后端连接

首先，我们可以用一个生动的比喻来理解：如果将整个软件项目比作一家餐厅，那么前端就相当于餐厅的用餐区。它包含了顾客能看到和直接互动的一切，例如精美的装修、设计清晰的菜单、舒适的桌椅，以及服务员与您的交流。前端开发者就像餐厅的室内设计师和服务员，他们的核心工作是确保环境美观、交互顺畅，让用户拥有愉快的体验。具体来说，前端主要负责网页的视觉呈现和用户交互，使用 HTML、CSS 和 JavaScript 这三项核心技术来构建用户在浏览器中直接看到和操作的界面。

原创 智能体和工作流介绍及区别

使用大模型的一种思想，大模型遇到复杂问题时，对任务进行规划，调用外部工具，有条件可以维护历史信息。最核心的是选择模型，其次赋予模型一些工具等同于能力。例如：询问：昨天有哪些体育新闻可以划分为两个部分，昨天，体育新闻，对任务进行拆解，会动态规划任务，进行执行。

原创 超球损失函数

把分类问题转换为一个几何空间中的特征分布问题。：同一类别的样本特征在球面上聚集得非常紧密。：不同类别的样本特征在球面上被尽可能地推远。超球指的就是高维空间，在机器学习中，特征空间通常是几百甚至几千维。所有学习到的特征向量都被归一化到固定的长度，因此他们的端点都分布在一个点，固定长度为半径的球面上。

原创 模型评估指标

原创 激活函数Focal Loss 详解​

原创 深度学习-算子

原创 opencv-图像处理

原创 机器学习/归一化

优点二：提升模型精度。涉及到距离计算时，数量级小的特征对结果的影响远远小于数量级大的特征，对精度造成损失，归一化可以使各个特征对结果做出的贡献相同。优点一：可以提升模型的收敛速度。采用梯度下降法求解时，归一化后优化形状变为圆形，梯度方向直指圆心，迭代速度变快，大大减少寻找最优解的时间。最大值与最小值非常容易受异常点影响，所以这种方法鲁棒性较差，只适合传统精确小数据场景。概念：使用不同规格的数据转换到统一格式。默认范围区间为[0，1]。MinMaxScaler是一个类。

原创 计算机网络：连接世界的数字脉络

原创 Docker容器配置

本文介绍了Windows系统下Docker的安装及使用指南。首先通过官网下载安装Docker Desktop，完成安装后需检查版本并更新WSL（如需要）。接着指导如何拉取指定版本的Docker镜像（pphub/ppnc2.0:v1.0.1），创建容器并进行目录映射。文中提供了常用Docker命令，包括启动容器、进入容器等操作。最后针对目标检测模型部署中的常见问题给出解决方案，包括模型文件准备、配置修改、归一化处理、识别准确率提升以及数据集标注建议。特别指出使用YOLO系列模型进行自动化标注可提高效率，但需注

原创 Python通讯录系统实战教程

【代码】Python通讯录系统实战教程。

原创 通讯录管理系统设计与实现（C++）

通讯录管理系统是一个常见的个人信息管理工具，能够帮助用户高效地管理联系人信息。本文将介绍一个基于控制台的通讯录管理系统，并提供C++和Python两种实现版本。

原创 C++打印乘法口诀表

会暂停程序的执行，显示一个类似 “请按任意键继续...” 的提示框，让用户有机会查看程序的输出结果，直到按下任意键后程序才会继续执行后续代码（在控制台窗口关闭前）。不过，这种方式并不是跨平台的，在Linux 或macOS 系统上没有这样的效果，如果要实现类似功能，需要使用不同的方法。会输出一个换行符，使下一行的乘法表达式从新的一行开始输出，从而形成乘法表的整齐格式。表示程序执行成功，非零值可以用来表示不同的错误或异常情况。循环执行完毕后（即完成一行的所有乘法表达式输出），函数，程序从这里开始执行。

原创 基于DETR目标检测项目

1. 精确率（Precision）​定义：在所有被模型预测为正类（即存在目标）的样本中，实际为正类的比例。公式​：解释：TP（True Positive）​：模型正确预测了目标的边界框和类别。FP（False Positive）​：模型错误地预测了目标的边界框或类别（例如，将背景误判为目标）。意义：高精确率意味着模型在预测目标时较少出现误报。2. 召回率（Recall）​定义：在所有实际为正类的样本中，被模型正确预测为正类的比例。

原创 L2-3 完全二叉树的层序遍历

一个二叉树，如果每一个层的结点数都达到最大值，则这个二叉树就是。对于深度为 D 的，有 N 个结点的二叉树，若其结点对应于相同深度完美二叉树的层序遍历的前 N 个结点，这样的树就是。给定一棵完全二叉树的后序遍历，请你给出这棵树的层序遍历结果。

原创 缺陷检测 计算机视觉 机器视觉

基于异常检测的CFA（Coupled-hypersphere-based Feature Adaptation）算法是一种用于目标导向异常定位的深度学习方法，主要通过特征自适应和迁移学习来提高异常检测的精度。

原创 深度学习 手写数字识别

对输出特征进行分类nn.Linear(64 * 4 * 4, 128), # 全连接层，输入维度为 64 * 4 * 4，输出维度为 128nn.ReLU(inplace=True), # 激活函数nn.Linear(128, num_classes), # 全连接层，输入维度为 128，输出维度为 num_classes。

原创 力扣 Python 第十七题

方法：使用子函数进行递归。

原创 力扣 Python 第十六题

【代码】力扣 Python 第十六题。

原创 力扣 Python 第十五题

【代码】力扣 Python 第十五题。

原创 力扣 Python 第十四题

【代码】力扣 Python 第十四题。

原创 力扣 Python 第十三题

【代码】力扣 Python 第十三题。

原创 力扣 python 第十二题

【代码】力扣 python 第十二题。

原创 力扣 Python 第四题

使用key=lambda x: -x可以实现降序排序。方法二：sorted方法进行排序。

原创 力扣 Python 第三题

【代码】力扣 Python 第三题。

原创 力扣 Python 第二题

【代码】力扣 Python 第二题。

原创 力扣 Python 第十一题

【代码】力扣 Python 第十一题。

原创 力扣 Python 第九题

方法二：使用切片反转。

原创 力扣 Python 第六题

【代码】力扣 Python 第六题。

原创 力扣 Python 第八题

【代码】力扣 Python 第八题

原创 力扣 Python 第7题

【代码】力扣 Python 第7题。

原创 力扣第一题求两数之和 Python

两数之和 Python

原创 yolov8搭建以及遇到的问题

请同学们自己选择合适的教程安装。

原创 用前序法创建二叉树并用中序法遍历

首先定义一个二叉树和节点，然后用前序法创建二叉树，数据类型定义为char即字符类型。再用中序遍历该二叉树，先左子树，再根节点，再右子树。例如，一个二叉树不存在左子树，就用一个空格表示，结束一个二叉树要用空格结束。有什么问题可以评论哦，毕竟我可是做好笔记的呢。让我们一起加油加油💪💪💪。

原创 用前序中序后序遍历二叉树

访问根节点，按前序规则遍历左子树，按前序规则遍历右子树。按中序规则遍历左子树，访问根结点，按中序规则遍历右子树。按后序规则遍历左子树，按后序规则遍历右子树，访问根结点。按某种规则对二叉树的所有节点一一访问。

原创 对于处理黑夜图片的办法

黑夜图片处理

翻译 两数之和C

int i = 0;int j = 0;for( i=0;i++)for( j=i+1;j<numsSize;j++)a[0]=i;a[1]=j;return a;break;return a;

原创 斐波那契数列-C语言

举个例子，输入3，则输出数列为：0 1 1 2（下标是以0开始的）。输入一个下标，输出以这个下标对应的值为结尾的数列。用递归，不涉及指针和结构体。