自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

-+

上一步保存

2402_84226753的博客

原创从Transformer到GPT：大语言模型的崛起与演进

从Transformer到GPT：大语言模型的崛起与演进

2025-11-14 20:42:32 999

原创弱光条件下的成像恢复--URetinex-Net

本文将介绍一种基于Retinex 理论的URetinex-Net模型，用于弱光条件下的成像恢复，着重介绍处理思想和关键技术原理。

2025-06-01 16:24:12 1014 2

原创 Transformer模型注意力机制详解

本文沿着技术演进的脉络，从注意力机制的核心原理出发，拆解 Transformer 的架构设计，揭示其如何通过自注意力、多头机制和位置编码实现序列建模的革命性突破。

2025-05-05 21:04:49 1225

原创循环神经网络（RNN）与长短期记忆网络（LSTM）详解

循环神经网络（RNN）与长短期记忆网络（LSTM）详解

2025-04-25 18:05:37 1822 1

原创 SVM--支持向量机详细讲解与公式推导

支持向量机（SVM）是一种经典的二分类机器学习模型，其核心思想是通过寻找最大间隔超平面将不同类别的数据点分开，并具备处理线性和非线性问题的能力。本文将详细讲解SVM的原理和公式推导过程。

2025-04-22 23:13:19 1615 2

原创搜索算法入门（2）--适合初学者的搜索算法介绍

搜索算法是人工智能的一个关键领域。现实中许多规划问题都可以描述成搜索问题，比如自动驾驶中的路径规划以及寻找使机器人完成任务的路径规划等。事实上，人类的思维过程也是一个搜索过程。本专栏将从初学者的角度讲解介绍三大类搜索算法：单智能体搜索、局部搜索和多智能体对抗搜索

2025-04-21 15:19:40 1032 1

原创 Python实现图像LBP特征提取

手写python代码实现LBP特征的提取与可视化，包括传统算子、圆形算子、旋转不变LBP和等价模式的LBP特征。

2025-04-20 14:03:19 1264 1

原创搜索算法入门（1）--适合初学者的搜索算法介绍

搜索算法入门（1）--适合初学者的搜索算法介绍

2025-04-19 21:02:25 868 2

原创 Python实现图像Hog特征提取

Hog特征是一种用于图像处理和计算机视觉任务的特征描述符。Hog特征的主要思想是利用图像中局部区域内像素的梯度方向信息来描述图像的形状和纹理。Hog特征在目标检测、行人检测、人脸识别等领域有广泛的应用，它能够很好地捕捉到物体的边缘和纹理信息，具有旋转不变性和光照不变性等优点。目前Hog特征可以直接通过调用cv库来实现，但是对于初学者来说还是建议根据原理自己编写代码来实现这一操作，以此来加强对Hog特征的理解。

2025-04-19 19:25:29 511 3

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

像个孩子_Ryan

博客等级

码龄2年

9
原创

257
点赞

188
收藏

280
粉丝

关注

私信

热门文章

最新评论

弱光条件下的成像恢复--URetinex-Net
2501_91832744: 太牛啦！大佬级别的
循环神经网络（RNN）与长短期记忆网络（LSTM）详解
Drazery: #include <stdio.h> #include <stdbool.h> // 定义“大佬”结构体，包含剖析知识点的函数指针 typedef struct { const char* name; // 大佬名称 bool (*analyze)(const char* knowledge_point); // 剖析知识点的函数（返回专业度是否拉满） } BigShot; // 定义“知识点”类型 typedef char KnowledgePoint[50]; // 专业度拉满的判定宏（类比“专业度拉满”） #define PROFESSIONAL_FULL 1 // 收藏文章的数组（模拟“已收藏”） KnowledgePoint* collected_articles[100]; int article_count = 0; // 大佬的实际剖析函数（示例：假设剖析[具体知识点]返回专业度满格） bool analyze_expertly(const char* kp) { printf("正在剖析知识点：%s\n", kp); return PROFESSIONAL_FULL; // 专业度直接拉满 } int main() { // 初始化大佬对象（默默围观的目标） BigShot god = {"技术巨佬", analyze_expertly}; // 原句：“默默围观大佬操作👀 从[某个具体知识点]的剖析就能看出专业度拉满！” KnowledgePoint specific_kp[] = "[某个具体知识点]"; // 填充具体知识点 printf("默默围观大佬操作-> "); if (god.analyze(specific_kp)) { // 调用大佬的剖析函数 printf("专业度直接%d！\n", PROFESSIONAL_FULL); // 输出专业度状态 } // 原句：“已收藏文章，期待解锁更多硬核内容～” collected_articles[article_count++] = specific_kp; // 模拟收藏文章（记录知识点指针） printf("文章已加入收藏夹（当前收藏数：%d）\n", article_count); printf("期待解锁更多 -> while(1) 等待硬核内容更新...\n"); // 用死循环语法暗示持续期待 return 0; }
SVM--支持向量机详细讲解与公式推导
Drazery: # 定义宝藏教程类，模拟“终于等到”的实体化 class TreasureTutorial: def __init__(self, tech_hardpoint: str): self.tech_hardpoint = tech_hardpoint # 技术难点作为属性 def __str__(self): return f"把{self.tech_hardpoint}讲得这么透彻，看完直接茅塞顿开！" # 重写字符串表示，对应“讲透”的行为 def demand_update(self): print("疯狂暗示求日更，这波属于是↓") # 用生成器表达式模拟“无限蹲守”（Python 生成器语法） yield from ("蹲住了！" for _ in iter(int, 1)) # iter(int, 1) 等价于无限循环条件 # 实例化教程（触发“救命！终于等到”的场景） if __name__ == "__main__": # 模拟“程序入口”，对应“终于等到”的触发点 tutorial = TreasureTutorial("[相关技术难点]") print("救命！终于等到这种宝藏教程了💥") # 触发发现教程的惊叹 print(tutorial) # 直接打印对象，触发 __str__ 方法（“讲透”的自动输出） # 启动“求日更”循环（使用 Python 原生循环语法映射“狠狠蹲住”） update_generator = tutorial.demand_update() print(next(update_generator)) # 输出第一波蹲守 # 实际可无限迭代，但这里用注释暗示无限循环： # while True: print(next(update_generator)) # 注释补充完整逻辑，增强语法趣味
SVM--支持向量机详细讲解与公式推导
Drazery: // 新人博主前来支持 NewcomerBlogger blogger = new NewcomerBlogger(); blogger.comeToSupport(); // 同为优快云新人 boolean is优快云New = true; // 看到你的[技术/内容]分享眼前一亮 if (is优快云New) { YourShare share = new YourShare([specificTechOrContent]); share.see().makeEyesBright(); } // 这种深入浅出的讲解方式太赞了 ExplanationMode mode = new ExplanationMode(); mode.beSimpleAndProfound().beGreat(); // 希望以后能和大佬多多学习 BigShot expert = new BigShot(); hopeToStudyWith(expert).more(); // 一起加油冲 let’s rushForward();
搜索算法入门（2）--适合初学者的搜索算法介绍
Drazery: 1. 哇！发现宝藏博主一枚✨ 刚看到你分享的干货，逻辑超清晰，代码注释也超详细！对新手超友好～狠狠期待住后续更新啦，已关注！

提示

确定要删除当前文章？

取消删除