- 博客(4)
- 收藏
- 关注
RSS订阅原创 基于大模型的RAG应用与开发--实践笔记1
本文介绍了RAG(检索增强生成)技术的基本原理，通过将生成式大模型与实时信息检索相结合，提升内容生成的准确性和丰富性。文章提供了基于Python实现的简单RAG系统框架，包含四个主要步骤：1)文档读取(支持纯文本格式)，2)以句子为单位分割文档(使用"。！？"作为分隔符)，3)使用嵌入模型生成向量并存储到向量数据库，4)检索相关文档片段并输入大模型生成回答。文中给出了各步骤的详细代码实现，包括文本预处理、分块处理、向量化存储和检索生成等核心功能。
2025-07-16 21:38:45
308
原创 深度学习笔记3-机器学习基础（续1）
梯度下降法在直线搜索时可能会遇到学习率选择困难、局部最优、梯度消失或爆炸、震荡等问题。这些问题在高维非凸优化问题（如深度学习）中尤为突出。通过改进优化算法、调整学习率策略和初始化方法，可以有效缓解这些问题，提升梯度下降法的性能。------来自Deepseek回答。
2025-02-19 00:30:18
1822
原创 深度学习笔记2-机器学习基础
在1000次预测中，假若算法预测有5次发生地震，结果只发生了1次，但是这1次是准确的，那么灵敏度则为1/1=100%，因为实际只有发生一次，输入为正的的样本数量P=1，正确率由99.9%降为99.6%是可接受的，全连接神经网络（Full Connected Net，FCN）为例，全连接层是指第N层的每个神经元和第N-1层的神经元相连，第N-1层神经元的输出就是第N层神经元的输入，中间还包含有中间层，对于卷积神经网络来说，中间层就是各种卷积核，可以是一层或者多层。不同的神经网络，具有不同的连接规则。
2025-02-17 01:39:07
2332
原创 深度学习笔记1-数学基础
对于多元函数，可微要求所有的偏导数连续，这是一个比可导更强的条件，对于多元函数而言，可偏导不一定可微，所以不一定连续。这里如果里面的时间是相互独立的，这根据边缘概率是可以求得联合概率的（联合概率等于概率的乘积），但是对于不独立的事件是无法计算联合概率的，就如上图。边缘概率是某个事件发生的概率，与其他事情无关，但是单独行（或列）的所有事件发生的概率和为1。值得注意的的，上式中p≥1，并且当p趋向于无穷大时（无穷范数），x的p范数值等于极大值范数，也就是等于x中所有元素绝对值中的最大值。其不同的范数含义如下。
2025-02-15 23:28:40
1527
1
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