2501_93812496的博客

原创 【无标题】

序号类型任务提示词生成的图像1人物摄影生成婚礼上的新娘和伴娘示例：梦幻般的婚礼殿堂内，新娘身着洁白的婚纱，宛如雪天中的仙子，眼眸中闪烁着幸福的泪光。她的笑容温柔而灿烂，每一步都散发着优雅与喜悦。伴娘们环绕在新娘身旁，身着各式精致礼服，色彩斑斓却和谐统一，她们的笑容纯真无邪，为这场婚礼增添了更多的温馨与欢乐。新娘与伴娘们手挽手，步入婚姻的殿堂，周围是亲朋好友的祝福与见证，空气中弥漫着爱的芬芳。2人物摄影生成丸子头女孩“年轻东亚女孩，高丸子头发型，发丝自然微卷垂落脸颊，深棕色大眼睛，淡粉色唇妆，穿着简约白色圆领

原创 光的折射模拟

import math import numpy as np import matplotlib.pyplot as plt from matplotlib.widgets import Slider, Button # 设置中文字体 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False # 初始化参数 init_incident_angle = 30 init_n1 = 1.0 ini

原创 CV技术与CNN模型

CV（计算机视觉）技术当前已深度渗透多行业，在安防、医疗、工业、自动驾驶等领域规模化落地，同时生成式 CV 与 3D 视觉加速创新，端侧部署与多模态融合成为主流趋势，不过仍面临数据隐私、鲁棒性与成本等挑战。池化层：对卷积输出的特征图进行降采样（如最大池化、平均池化），在保留关键特征的同时，缩小特征图尺寸、降低计算量，并提升模型的平移不变性（即物体位置变化不影响识别结果）。激活函数层：在卷积层后加入非线性激活函数（如 ReLU、Leaky ReLU），打破线性映射的局限性，让模型能够拟合复杂的特征分布。

原创 NLP与自注意力机制的关系，Transformer的原理

一. 什么是NLP——自然语言处理全面解析 NLP（Natural Language Processing，自然语言处理）是**人工智能（AI）与语言学交叉的核心学科**，旨在让计算机理解、处理、生成人类自然语言（如中文、英文），实现人机间的有效沟通。简单来说，NLP的终极目标是让计算机“听懂”“读懂”“说得出”“写得好”人类语言，是连接人类语言与机器逻辑的桥梁。 ## 一、NLP的核心定位：为什么它如此重要？ 人类80%以上的信息以自然语言形式存在（文本、语音、对话等），NLP是计算机“解锁”这些信息的关

原创 统计学概念

MLE是生成模型的统计基础：无论是显式还是隐式模型，其目标均可追溯至对数据似然的直接或间接优化。生成模型扩展了MLE的应用：通过引入潜在变量（如VAE）、对抗训练（如GAN）或分层去噪（如扩散模型），解决了传统MLE在高维数据中的计算难题。生成模型的核心任务是学习真实数据的分布 pdata(x)pdata​(x)，并生成新样本。MLE为生成模型提供了参数学习的理论基础。

原创 Python房屋数据

原创 人工智能的发展