- 博客(20)
- 收藏
- 关注
RSS订阅原创 从零开始构建一个 RAG + Flask 问答系统
我们要做一个网页，可以上传.txt文档，然后问它问题，它会回答你。这个功能背后用了 AI 模型，但我们不会花钱，全程使用免费的模型和服务！
2025-04-25 05:07:04
1097
原创 本地项目上传到 GitHub流程
🔧 第一步：在本地创建 Git 仓库新建一个文件夹（如：）可用图形界面新建，也可以使用命令： 初始化 Git 仓库： 📂 第二步：将项目复制进该文件夹并添加到版本库 将你的项目文件复制粘贴到 文件夹中。查看当前 Git 状态： 将所有文件添加到 Git 暂存区： 提交这些文件到本地版本库： 🔐 第三步：配置 GitHub SSH Key（只需配置一次） 检查是否已有 SSH key：查看是否存在文件：如果没有则
2025-04-23 05:53:12
588
原创 人工智能02-深度学习中的不确定性测量
本实验旨在探索并实现深度学习模型中不确定性（Uncertainty）估计的方法，重点聚焦于 Aleatoric Uncertainty（数据不确定性） 与 Epistemic Uncertainty（模型不确定性） 的测量与分析。通过使用已训练好的分类模型 LeNet-5，对测试数据进行预测，并引入一系列不确定性估计技术，从而评估模型对不同输入的“信心程度”。
2025-04-22 08:56:23
1094
原创 前端开发核心知识01 - 现代前端开发框架
（Vue、Preact、Svelte、Lit、Solid、Qwik）的特性、使用方法和适用场景。的工作原理、组件化开发、状态管理、前端路由、CSS 框架（Materialize CSS）等关键技术
2025-03-07 04:44:33
996
原创 人工智能01-机器学习基础
文本生成（例如 ChatGPT 的输出）可以通过不同的指标进行评估，这取决于我们关注的质量方面。不同的机器学习方法适用于不同的应用场景，选择合适的方法取决于问题的类型和可用的数据。其中 是类别总数， 是每个类别的 IoU。，用于评估**语义分割（Segmentation）**任务的性能。这些是用于训练模型的信息，例如房价预测中的房屋面积、位置等。不同应用场景需要权衡不同指标的优先级，以选择最合适的模型。的情况，例如癌症检测（漏报会错过真正的病人）。例如，在房价预测中，输出是房屋的价格。
2025-03-04 02:35:46
528
原创 数据库管理系统02-子查询（Subqueries）
本教程深入解析 SQL 高级查询技术，涵盖 JOIN 连接、子查询、集合操作、聚合函数及复杂查询，帮助掌握数据库操作的核心技能
2025-03-03 07:55:04
963
原创 数据库管理系统01-PHP Cookie 使用教程
来检查 Cookie 是否存在，并在 Cookie 存在时获取其值。函数可以创建一个 Cookie。如果你想读取 Cookie 值，可以使用。，这样浏览器就会删除该 Cookie。检查 Cookie 是否存在。来存储用户登录状态，并实现。要删除 Cookie，需要。这个项目是一个简单的。
2025-03-03 05:37:46
1012
原创 如何部署一个HTML项目到 Vercel
Vercel 是一个高效的前端托管平台，支持快速部署 静态网站（HTML、CSS、JavaScript）本文将介绍如何部署一个 纯 HTML + CSS + JavaScript 项目到 Vercel
2025-02-27 05:23:08
1050
原创 构建 React 聊天机器人应用
本项目基于React和 Vite构建，旨在开发一个简洁实用的聊天机器人应用。用户可以在直观的界面中与机器人进行实时对话，同时浏览有关 **大型语言模型（LLM）** 的信息，包括 ChatGPT 和 Gemini 的基本介绍。项目通过 React Router 实现了多页面导航，确保用户体验流畅。由于无法调用外部 API，聊天回复由本地逻辑生成，保证了应用的稳定性。界面设计采用了现代化风格，加入了渐变背景、卡片式聊天框和消息气泡等元素，增强了视觉体验。此外，应用集成了输入验证、加载反馈
2025-02-25 01:35:29
1519
1
原创 PyTorch for Deeplearning 01PyTorch 工作流介绍
之间的数，并将其转换为 PyTorch 张量 (Tensor)。就像人类学习数学公式一样，PyTorch 可以帮计算机。训练完模型后，我们可以使用它来进行预测，并评估它的表现。训练完成后，我们可以保存模型，以便以后使用。在 notebook 中，首先创建了一些。在 PyTorch 中，我们可以使用。，然后生成了一组简单的线性数据。，并在每 10 轮打印一次损失。这部分主要是创建一个简单的。，让它能更准确地做出预测。PyTorch 是一种。来创建神经网络模型。，而不需要重新训练。
2025-02-12 12:11:18
702
原创 骑士周游问题（马踏棋盘）
System.out.println("共耗时："+(end-start)+"毫秒");//取出下一个可以走的位置。visited[p.y*X+p.x]) {//还没访问过。System.out.println("第"+i+"秒");//*******对ps进行排序*********提高效率。//根据当前这一步的所有下一步选择位置，进行非递减排序，减少回溯。//获取到o1的下一步的所有位置的个数。//获取到o2的下一步的所有位置的个数。//获取当前位置可走的下一个位置的集合。//1.棋盘到目前为止没走完。
2024-02-20 15:43:04
1376
1
原创 迪杰斯特拉算法VS佛洛伊德算法
FoldyAlgroithm佛洛伊德算法：每一个顶点都是出发访问顶点，求每一个顶点到其他顶点的最短路径。三个for循环，中间顶点，出发顶点，终点。时间复杂度大n*n*n。DijkstraAlgorithm迪杰斯特拉算法：通过选定的被访问的顶点，求出发顶点到其他顶点的最短路径。
2024-02-19 10:41:07
691
1
原创 FoldyAlgroithm佛洛伊德算法（最短路径）
System.out.print("("+vertex[i]+"到"+vertex[j]+"的距离为"+dis[i][j]+")");//对中间顶点遍历k代表{ 'A', 'B', 'C', 'D', 'E', 'F', 'G' };//对从i顶点开始出发{ 'A', 'B', 'C', 'D', 'E', 'F', 'G' };//到达j顶点{ 'A', 'B', 'C', 'D', 'E', 'F', 'G' };if(len<dis[i][j]) {//如果len小于dis[i][j]
2024-02-19 10:34:06
804
1
原创 DijkstraAlgorithm迪杰斯特拉算法（最短路径）
/len的含义：出发顶点到index顶点的距离+index顶点的到j顶点的距离。//记录下表对应的值为的前一个顶点的下标。* 功能：继续选择并返回新访问的顶点，例如访问完G后,A作为新访问的顶点（注意不是出发顶点）//更新index下标顶点到周围顶点的距离和周围顶点的前驱节点。//更新index下标顶点到周围顶点的距离和周围顶点的前驱节点。//更新出发顶点到j顶点的距离。//若j顶点未被访问，且len小于出发顶点到j顶点的距离，就需要更新。//更新index下标顶点到周围顶点的距离和周围顶点的前驱节点。
2024-02-18 13:25:37
393
原创 primAlgroithm普利姆算法（求最小生成树）
System.out.println("边<"+graph.data[h1]+" "+graph.data[h2]+">"+"权"+minWeight);k++) {//有verxs个顶点就有verxs-1条边。i++) {//以访问的顶点。j++) {//未访问的顶点。//替换minWeight，寻找已访问过的节点和为访问过的节点的权值的最小边。//数字代表从data[]的第几位开始遍历。//重新设置minWeight。//将此顶点标记为以访问。//当前节点标记为以访问。//记录两个顶点的坐标。
2024-02-04 21:11:34
404
1
原创 kruskalAlgroithm克鲁斯卡尔算法（求最小生成树）
private int getEnd(int[] ends,int i) {//注意如果ends[i]=0则返回i。// System.out.println("排序前"+Arrays.toString(edges));// System.out.println("排序后"+Arrays.toString(edges));System.out.println("边的集合"+Arrays.toString(edges));* EData的形式[["A","B",10],["B","F",7],....]
2024-02-04 21:09:18
359
1
原创 贪心算法GreedyAlgorithm
/ tempSet.size() >broadcasts.get(maxKey).size())贪心算法的核心，每次取最优解。hashSet1.add("上海");hashSet1.add("天津");hashSet1.add("北京");hashSet2.add("广州");hashSet2.add("北京");hashSet2.add("深圳");hashSet3.add("上海");hashSet3.add("杭州");hashSet4.add("上海");hashSet5.add("杭州");
2024-01-30 20:13:16
406
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人