- 博客(25)
- 收藏
- 关注
RSS订阅
原创 【LangChain使用概述】
LangChain是由哈佛大学Harrison Chase于2022年10月开发的开源框架，专注于大语言模型（LLM）驱动的应用开发。其核心功能是连接LLM、外部数据与工具，支持智能体、问答系统等应用搭建，并集成主流LLM如GPT、Claude。LangChain生态包含核心组件（Chains、Agents）、第三方集成（langchain-community）、基础抽象层（langchain-core），以及进阶工具LangGraph（多组件协作）和LangSmith（生产级运维）
2025-12-31 12:03:26
688
原创 【EM算法】
EM算法是一种迭代优化方法，用于估计含有隐变量的概率模型参数。其核心思想是通过交替进行E步（期望步）和M步（最大化步）来逼近最大似然估计。E步基于当前参数计算隐变量的后验概率；M步利用这些概率重新估计参数，使对数似然函数的下界最大化。通过反复迭代，参数逐渐收敛到最优解。EM算法广泛应用于聚类分析、缺失数据处理等场景，因其简单稳定而受到青睐。
2025-10-23 17:45:00
3328
原创 手撕Transformer（一）：注意力机制与位置编码
本文介绍Transformer相关知识，其因2018年Google的BERT模型受关注，核心优势在于支持分布式GPU并行训练及擅长捕捉长文本语义关联。Transformer架构含输入、输出、编码器、解码器部分，输入含文本嵌入层与位置编码器以处理词汇表示和位置信息。编码器由多头自注意力等子层构成，掩码张量（padding-mask和look-ahead mask）用于遮掩无效字符和未来信息，注意力机制及多头注意力机制是其核心计算组件。
2025-09-15 16:17:08
1036
4
原创 AI 突进 70 年：从诞生到 GPT-5
本文梳理人工智能 70年 发展脉络：1956年达特茅斯会议正式提出“人工智能”概念，开启探索之路。从早期基于规则的系统、统计机器学习，到2012年AlexNet推动深度学习崛起，再到2017年Transformer架构革新、AlphaGo引爆关注。2022年ChatGPT 开启大模型时代，GPT-3.5、GPT-4等持续迭代，2025年GPT-5 引入通用智能。同时涵盖技术分支（NLP、CV等）及主流大模型发展，展现 AI从诞生到智能爆发的演进历程。
2025-08-19 11:30:00
2096
1
原创 数据结构(一)：算法的时间复杂度和空间复杂度
🔍 算法效率分析指南：时间复杂度与空间复杂度详解 本文系统讲解了算法效率评估的核心指标： 1️⃣ 时间复杂度 使用大O渐进法分析基本操作执行次数 常见复杂度：O(1)＜O(logN)＜O(N)＜O(N²)＜O(2^N) 重点案例：斐波那契递归O(2^N) vs 二分查找O(logN) 2️⃣ 空间复杂度 关注算法运行时的动态内存占用 递归算法需特别注意栈空间消耗 典型示例：冒泡排序O(1) vs 递归阶乘O(N) 💡 关键结论：现代开发中更关注时间复杂度优化，但递归算法等场景仍需警惕空间消耗。
2025-10-28 12:00:00
2147
原创 C语言初阶——手把手教零基础/新手入门
本文为C语言初学者提供了一站式的入门指南，涵盖了C语言的基础知识、开发环境搭建、核心语法等内容，帮助读者快速掌握C语言编程。
2025-09-28 12:36:22
1790
原创 从0到1——手搓【Transformer】底层代码
Transformer是NLP领域的革命性架构，核心包含位置编码（用正余弦函数注入位置信息）、多头自注意力（多子空间捕捉序列关联）、编码器层（注意力+前馈网络+残差与层归一化）等模块，可有效捕捉序列长距离依赖。文中还结合IMDB情感分析实战，从词表构建、数据集预处理（`Dataset`/`DataLoader`），到模型超参数设置、损失函数与优化器选择，再到训练与测试循环，完整展示了基于Transformer的文本分类全流程，助力读者掌握其原理与应用。
2025-09-20 09:39:33
1804
2
原创 【Transformer】 一招搞定IMDB评论数据集的情感分析
本文基于 Hugging Face 平台与 Transformer 模型，开展 IMDB 电影评论情感二分类任务。先介绍 Hugging Face 生态与 IMDB 数据集获取；再进行数据预处理（分词、构建词表等），并自定义 Dataset 和 DataLoader 实现数据加载；随后搭建含位置编码。
2025-09-19 12:59:57
1033
1
原创 【Pytorch】2025 Pytorch基础入门教程（完整详细版）
PyTorch张量操作指南摘要： 本文介绍了PyTorch核心张量操作，包含三部分内容：1）张量创建方法，包括torch.tensor、指定类型张量和随机/线性张量生成；2）特殊张量创建，如全0/1张量和指定填充值张量；3）随机数原理，解释了伪随机数特性及种子设置的重要性。文中提供了详细的代码示例和数据类型对照表，帮助开发者快速掌握PyTorch张量基础操作，为深度学习模型开发奠定基础。关键点包括张量的GPU加速优势、数据类型选择及随机结果复现方法。
2025-09-09 17:15:07
2061
4
原创 【Claude Code】 保姆级教程
这篇教程详细介绍了如何从零开始安装配置Claude Code。首先需要安装Git并获取API密钥，然后通过Git Bash克隆仓库、运行安装脚本。接着根据提示选择模型并应用配置，最后输入命令即可成功运行Claude Code。教程还说明了如何更换不同模型的API密钥，全程配有图文指引，适合新手按步骤操作。整个流程涵盖了从环境准备到最终使用的完整步骤，帮助用户快速上手Claude Code。
2025-09-08 10:17:07
1738
5
原创 规划问题（二）：整数规划
本文介绍整数规划这一运筹学重要分支，聚焦决策变量取整数的优化问题，分纯整数、混合整数、0-1 整数规划三类，给出整数线性规划一般模型。通过背包问题、标准指派问题、旅行商问题三个经典例题，详细分析问题并建立对应 0-1 或整数规划模型。还讲解 MATLAB 中 intlinprog 函数的语法、参数及注意事项，以具体指派问题为例，提供完整求解代码，展示目标函数处理、约束构建及结果输出过程，体现整数规划在实际决策中的应用价值。
2025-09-04 12:55:00
1813
原创 规划问题（一）：线性规划
线性规划是运筹学中解决资源优化分配问题的数学方法，其模型由决策变量、目标函数和约束条件三要素构成。标准形式通过矩阵表示，分为求最大值或最小值的线性目标函数，在等式或不等式约束下求解。Matlab提供了linprog函数求解线性规划问题，需将问题转化为标准形式。某些非线性问题（如绝对值最小化）也能通过变量替换转化为线性规划问题。灵敏度分析则用于评估参数变化对最优解的影响。该方法广泛应用于生产管理、供应链优化等领域，帮助在资源限制下实现效益最大化。
2025-09-03 18:53:02
1763
1
原创 深度学习基础教程（四）：文本预处理
本文针对 NLP 模型效果不达预期的痛点，点明文本预处理的核心价值，系统拆解其关键环节与实操方法。首先介绍预处理的作用（规范模型输入、指导超参数选择）及包含的文本处理、张量表示等模块；再详解文本处理（jieba 分词多模式、命名实体识别、词性标注）、文本张量表示（one-hot、Word2Vec、动态 / 静态词嵌入）与文本数据分析（标签分布、句子长度等），并附代码示例；最后指出这些技巧可解决数据问题，为情感分析等 NLP 任务筑牢建模基础，提升开发效率。
2025-09-01 17:26:36
5242
9
原创 用【Coze】实现文案提取+创作
本文围绕扣子Coze平台展开，先介绍其作为字节跳动打造的一站式AI Bot开发平台，能降低开发门槛，让无编程经验者也可搭建智能Bot，还具备多场景适配、可视化调试等优势。接着讲解AI工作流，它可借助AI技术拆分并自动化业务流程，在多领域落地。最后详细阐述了Coze从开发平台创建、智能体与工作流添加，到工作流搭建、模型发布的完整步骤。
2025-08-30 18:46:48
1536
1
原创 当哈利·波特遇到【Cursor】
本文详细阐述霍格沃茨魔法画图室网页的全流程搭建，从项目规划与设计起步，明确以魔法主题在线绘画为定位，面向哈利波特爱好者等群体，确定 HTML5、CSS3 等技术栈与霍格沃茨风格设计方向，划分四大功能模块。随后依次讲解基础架构搭建（含 HTML 结构、页面分层与文件组织）、样式设计（全局样式、各页面美化及魔法元素融入）、核心与高级功能开发（Canvas 绘画、图片管理、撤回保存、魔法特效等），还涵盖用户体验优化、测试与部署维护，最终呈现兼具实用性与趣味性、符合现代 Web 开发实践的魔法绘画平台。
2025-08-27 18:51:26
1343
2
原创 使用【阿里云百炼】搭建自己的大模型
本文介绍阿里云百炼大模型平台，其为企业级服务平台，融合通义千问等模型，支持多模态能力，提供一站式工具降低开发门槛。重点讲解智能体应用及大模型搭建步骤，含进入创新应用界面、选模型配参数、输指令、导数据、加载知识库、获取API Key、加样例库、配置MCP，还提及模型调试与多平台发布，并附试用链接，助力企业与开发者快速搭建适配业务的AI模型。
2025-08-26 19:36:40
4024
2
原创 深度学习基础教程（三）：模型训练核心技巧
本文围绕深度学习训练核心技巧展开，包括参数初始化、优化方法、正则化及批量归一化。参数初始化中，推荐均匀分布、Kaiming和Xavier初始化，避免全0、全1等方式。优化方法有Momentum（平滑梯度）、AdaGrad（自适应学习率）、RMSProp（优化学习率衰减）及融合两者的Adam。Dropout通过随机丢弃神经元降低复杂度以缓解过拟合。批量归一化控制数据分布，稳定训练并加速收敛，这些技巧共同助力模型高效训练。
2025-08-25 17:44:33
1320
原创 深度学习基础教程（二）：反向传播篇
本文围绕“掌握梯度下降、链式法则、反向传播”目标，详解多层神经网络训练技术。先回顾梯度下降，说明参数更新公式及学习率影响，解析Epoch、Batch、Iteration概念，对比BGD、SGD、Mini-Batch差异；再讲前向传播数据流转、反向传播误差传递逻辑，借复合函数示例讲链式法则，附常用函数导数；结合PyTorch代码实现网络构建、正反向传播与参数更新；最后通过计算图和Softmax推导，厘清反向传播原理，为神经网络训练提供理论与实践指导。
2025-08-25 09:00:00
1355
3
原创 深度学习基础教程（一）：常见激活函数篇
本文围绕深度学习展开，先阐明人工智能、机器学习、深度学习的层级关系，指出深度学习无需人工提取特征但可解释性差。接着介绍神经网络模仿生物神经元，含输入、隐藏、输出层。还详解激活函数（注入非线性），常见类型（sigmoid、tanh、ReLU 等）及特性，分析梯度消失 / 爆炸问题，并给出隐藏层与输出层激活函数的选择建议，助力理解深度学习核心原理。
2025-08-24 09:30:00
909
原创 【三种解决Visual Studio中scanf函数报错的方法】
本文剖析VS2022中 `scanf` 报错根源（C6031 忽略返回值、C4996 安全风险），详解三类方案：① 加宏快速关警告，简便但存溢出隐患；② 借 Everything 定位模板文件，修改后一劳永逸（附实操）；③ 改用 `scanf_s`，需显式传缓冲区大小，却兼容性受限 。代码+步骤双指引，高效攻克编译难题。
2025-08-23 14:10:00
2029
原创 【Pytorch】2025 Pytorch进阶教程
本文是一份 PyTorch 核心操作实用教程，聚焦张量与模型的关键处理技能。首先详解张量形状操作，涵盖 reshape、transpose、permute 等函数用法，助于适配网络层间数据传递；接着介绍张量均值、求和、平方等常见运算函数；还阐述自动微分模块的梯度计算方法，包括单标量 / 向量梯度求解及梯度清零、控制计算等技巧；最后说明模型保存（参数 / 全模型）与加载方法，强调结构一致性、设备兼容性等注意事项。帮助读者掌握从数据处理到模型管理的核心能力。
2025-08-22 21:42:41
1424
原创 C 语言进阶 分支语句和循环语句
掌握了分支与循环，你就握住了 C 语言逻辑的 “方向盘”。从简单的 if 判断 “是与否”，到 switch 高效处理多分支，从 while 循环的灵活迭代，到 for 循环的精准控制，再到 do-while 的 “至少一次” 执着 —— 这些语句看似基础，却是构建复杂程序的 “乐高积木”。猜数字游戏的趣味互动、折半查找的高效定位、关机程序的逻辑设计…… 你会发现，那些曾经觉得 “复杂” 的功能，不过是这些基础语句的巧妙组合。
2025-08-22 15:31:06
1167
原创 C 语言入门知识大全（二）
本文介绍C语言核心知识：函数是模块化编程核心，分库函数与自定义函数，含定义、调用、参数返回值及递归等；数组为相同类型元素有序集合，介绍定义、初始化及使用；罗列算术、移位等多种操作符；详解类型、循环控制等关键字及typedef、static等用法；说明指针存储内存地址的特性、使用及大小规律；阐述结构体的定义、初始化、成员访问及应用场景，助于掌握C语言基础与核心概念。
2025-08-21 15:57:35
1257
原创 C 语言入门知识大全（一）
本文介绍了C语言的基础核心内容：作为通用底层、面向过程的编程语言，其有ANSI C、C11等标准，跨平台性强。还讲解了编译器选择（如VS2022）、开发流程，以及数据类型、变量常量、字符串、转义字符、注释、选择语句、循环语句等核心语法，辅以第一个程序示例，助入门者掌握C语言基础。
2025-08-21 10:30:00
1817
原创 【Pytorch】2025 Pytorch基础入门教程
PyTorch已成为深度学习核心工具，从科研到工业广泛应用。本文介绍PyTorch安装和基础语法，包括张量创建、形状调整等关键操作。与TensorFlow、PaddlePaddle对比，PyTorch凭借动态图调试和Pythonic设计优势，2023年工业界使用率达36.8%。通过10分钟快速入门指南，读者可掌握PyTorch核心技能，轻松上手深度学习开发。
2025-08-20 20:04:04
1389
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