- 博客(22)
- 收藏
- 关注
RSS订阅原创 调用官方API实现大模型部署：从获取API Key到Apifox成功调用
不同程序之间进行通信的接口。你的程序↓发送问题↓豆包API↓豆包大模型↓生成回答↓返回给你的程序请解释一下Python中的self。API 会把这个问题发送给大模型。self表示当前正在操作的对象……然后 API 把结果返回。① 登录豆包API开放平台↓② 获取API Key↓③ 查看当前可用模型↓④ 登录Apifox↓⑤ 创建项目↓⑥ 创建HTTP接口↓⑦ 填写API地址↓⑧ 填写Authorization↓⑨ 填写Model ID↓。
2026-09-20 23:18:14
184
原创 【Python实习路线09】Python类与self关键字详解：从创建对象到理解self
在 Python 中，可以使用class定义一个类。class表示定义一个类。Student是类的名称。可以理解为：创建一个名为 Student 的对象模板。类只是一个模板。真正使用类的时候，需要根据类创建对象。Student是类。student1是对象。Student类│一个类可以创建很多个对象。
2026-09-20 23:00:16
64
原创 【Python实习路线08】面向对象三大特性：封装与多态详解
封装（Encapsulation）可以理解为：将对象的数据和操作数据的方法绑定在一起，同时隐藏对象内部实现细节。例如：namescore就是对象的数据。就是对象的行为。Student对象中。这就是最简单的封装。多态（Polymorphism）：Poly多个Morph形态简单理解：同一个接口，不同对象产生不同效果。例如：speak()但是：汪汪叫喵喵叫面向对象编程是Python工程开发的重要思想。封装继承多态编写结构更加清晰的代码提高项目扩展能力。
2026-09-19 00:04:56
147
原创 【Python实习路线07】面向对象编程基础：类与继承详解
功能↓函数↓调用例如：姓名年龄专业成绩课程联系方式函数会越来越复杂。面向对象的思想是：将现实世界中的事物抽象成程序中的对象。例如：学生属性：姓名年龄专业行为：学习考试休息Student对象属性：nameagemajor方法：study()exam()继承是面向对象非常重要的特点。动物↓猫狗猫和狗：吃睡但是：喵喵叫汪汪叫程序中：可以让子类继承父类。类和继承是 Python 面向对象编程的核心内容。类对象属性方法。
2026-09-18 23:45:36
115
原创 【AI科研学习09】远程连接Linux服务器工具推荐：Xshell8、Xftp8与WinSCP下载安装及使用教程
Xshell 是一款非常经典的 SSH 终端工具。登录 Linux服务器执行 Linux 命令管理服务器环境运行 Python 程序查看 GPU 状态例如：nvidia-smi因此：Xshell 可以理解为远程服务器上的终端窗口。刚开始接触服务器时，我认为：Linux服务器就是一台远程电脑。但是随着 AI 项目复现越来越多，我发现：服务器实际上是科研工作的重要基础环境。本地电脑↓Xftp上传代码↓Xshell连接服务器↓Linux配置环境↓GPU训练模型↓。
2026-09-16 22:56:54
129
原创 【AI科研学习08】Linux平台常见命令：从基础操作到AI服务器实战
进入项目目录↓查看项目文件↓配置环境↓查看GPU↓运行程序↓查看日志↓查找模型↓管理进程↓检查磁盘空间所以 Linux 并不是科研之外的一项“额外技能”，而是我以后进行Python开发、AI项目部署、深度学习训练和服务器开发必须掌握的基础能力。
2026-09-13 23:16:13
127
原创 【Python实习路线05】异常处理与文件操作：让程序更稳定地处理错误与数据
在程序运行过程中，如果出现了错误，Python 通常会产生一个异常（Exception）。因为数学上不能进行除以 0 的操作，所以 Python 抛出了异常。因为"abc"不能转换成整数。异常就是程序运行过程中出现的、需要被处理的问题。第一，异常处理。可以让程序更加稳定，并且能够针对不同的错误进行处理。第二，文件操作。open()read()readline()write()可以让 Python 程序读取和保存外部数据。try:......
2026-09-13 22:59:54
155
原创 本地部署 Ollama：从安装到运行第一个大模型
Ollama 是一个用于在本地运行大语言模型的工具。自己的电脑↓互联网↓云端服务器↓大语言模型↓返回结果自己的电脑↓Ollama↓本地大语言模型↓返回结果模型可以直接运行在自己的电脑上。Ollama 官方目前提供 macOS、Windows 和 Linux 的安装方式，并且支持运行多种开放模型。
2026-09-12 23:55:13
313
原创 【AI科研学习07】如何远程连接 Linux 平台：从 SSH 到 PyCharm 远程开发
远程连接就是在自己的电脑上操作另一台计算机。Windows 11我不需要坐在服务器旁边，而是可以通过网络连接服务器。查看服务器文件↓运行 Linux 命令↓创建 Python 环境↓安装依赖↓运行 Python 程序↓使用服务器 GPU↓训练 AI 模型远程 Linux 是非常重要的一项基础技能。对于刚开始进行 AI 科研的同学来说，Linux 远程连接可能看起来比较复杂。LinuxSSHIP端口用户名密码ssh 用户名@服务器IPLinux命令↓Conda↓。
2026-09-12 23:25:30
318
原创 【AI科研学习06】如何获取论文中的数据集：从论文阅读到成功跑通数据集
把 GitHub 项目下载下来，然后运行代码。论文复现更像是一个完整的工程流程。其中数据集准备就是非常重要的一环。论文官方代码README下载→ 解压→ 检查→ 配置→ 测试这些大部分是我目前遇到的数据集方面的问题，以及一些总结希望对你有帮助。
2026-09-11 23:48:27
213
原创 【Python实习路线04】字典、切片与推导式：Python中高效处理数据的常用方法
字典（Dictionary）是一种通过键（key）和值（value）保存数据的数据结构。"name": "张三","age": 19,"major": "计算机科学与技术""name" → "张三""age" → 19"major" → "计算机科学与技术""name"是 key"张三"是 value通过一个名字，快速找到对应的数据。切片主要用于从字符串、列表等序列中截取一部分数据。序列[start:stop:step]start：开始位置stop：结束位置step：步长。
2026-09-10 22:36:17
103
原创 【Python实习路线03】从参数、作用域到元组和字典：我开始真正理解 Python 中的数据和变量
现在回头看，我发现 Python 的基础知识其实并没有想象中那么简单。函数如何接收和处理不同的数据。变量并不是在任何地方都可以随意使用。不同的数据应该根据是否需要修改来选择合适的数据结构。数据不仅可以按照位置保存，也可以通过 Key 建立清晰的对应关系。这些知识现在看起来可能很基础。真正复杂的 AI 项目，往往就是由这些基础知识一点一点组合起来的。所以现在的我并不急着马上去学习特别复杂的模型。先把 Python 基础真正理解清楚，再去学习 NumPy、PyTorch、深度学习和论文代码。
2026-09-08 23:24:45
143
原创 【AI科研学习 04】从完全不懂，到开始理解：我重新回望 CNN、Transformer、ViT 与 Mamba
现在回头看，CNN、Transformer、ViT、Mamba 对我来说已经不再只是几个陌生的英文缩写。它们更像是我学习 AI 过程中一个个重要的节点。视觉信息可以通过局部特征逐层提取。不同信息之间的关系同样重要。Transformer 的思想可以进入视觉领域。除了 Attention，还有没有更加高效的序列建模方式？模型在测试阶段，能不能根据当前数据继续学习？学习 AI 并不是不断地收集模型名字，而是在不断追问“为什么”。为什么需要 CNN？为什么后来出现 Transformer？
2026-09-08 23:19:05
206
原创 【AI科研学习 03】从论文 GitHub 到成功运行：如何打开、配置和运行一个深度学习项目
这些问题几乎是每一个刚开始做 AI 复现的人都会遇到的问题。所以这篇文章记录一下我自己复现论文代码时总结出来的一套流程。
2026-09-07 13:10:29
243
原创 【Python实习路线 02】Python列表与函数：从基础语法到代码复用
列表：组织和处理一组数据。函数：封装功能，实现代码复用。而当列表、循环、条件判断和函数组合起来以后，就可以开始写一些真正有逻辑的小程序。数据↓列表保存↓循环遍历↓函数处理↓得到结果这也是我接下来继续学习 Python 的基础。对于我来说，目前学习 Python 并不是为了单纯掌握一门编程语言，而是希望逐渐补齐自己的工程能力。之前我更多是在 AI 科研项目中使用 Python。“会用 Python 跑 AI 项目”“能够独立使用 Python 开发项目”。
2026-09-05 23:52:00
143
原创 【AI科研学习 00】回望：究竟应该怎么读一篇 论文？
Abstract 不需要逐字翻译。论文阅读科研创新最关键的一步。可以从几个方向思考。经过前面的学习，我现在比较倾向于把论文阅读分成三个阶段。从第一页看到最后一页。从“问题”出发，理解“方法”，通过“代码和实验”验证，最后寻找“新的问题”。发现问题↓理解背景↓分析现有方法↓理解论文创新↓理解模型与公式↓分析实验↓阅读代码↓复现实验↓分析结果↓寻找不足↓提出问题↓实验验证论文阅读不是终点，而是科研问题的起点。
2026-09-05 23:49:33
212
原创 AI学习 01｜回望我的AI 开发环境搭建：PyCharm、Anaconda、PyTorch 与 CUDA 安装记录
现在回头看，安装 PyCharm、Python、Anaconda、PyTorch 和 CUDA，似乎只是一些非常基础的事情。但对于刚开始接触 AI 的人来说，这其实是迈出的第一步。Python↓NumPy↓PyTorch↓机器学习↓深度学习↓↓计算机视觉↓大模型↓论文复现↓自己的 AI 项目环境配置本身也是科研和工程能力的一部分。一个项目为什么跑不起来？Python 版本不对PyTorch 版本不对CUDA 不匹配依赖库版本不对Conda 环境选错。
2026-09-04 00:01:43
190
原创 【Python实习路线 00】大二开始准备第一份实习：我的 Python + AI 学习路线
从大二开始，我准备系统补充 Python 工程开发能力，同时继续自己的 AI 科研学习，希望在之后能够找到一份 Python / AI 应用相关的实习。与其同时学习 Java、Python、前端、C++、各种 AI 框架，我更希望先把自己已经有基础的方向继续深入。Python 方面虽然没有进行过非常系统的学习，但是因为科研项目的原因，已经有了一定的实际使用经验。在之前的学习中，我把比较多的时间放在了课程学习和科研项目上，也接触并实践了一些人工智能方向的项目。
2026-09-03 00:03:01
158
原创 【AI科研学习 00】从论文复现到 TTT：我的 AI 科研学习路线
回头看之前的科研经历，我觉得自己还处于比较早期的阶段。学习论文 → 复现代码 → 分析实验 → 尝试提出问题距离真正独立完成一个成熟的科研工作还有很长的路。但我希望通过持续记录，让自己的科研学习不再只是一个个零散的项目。接触科研↓论文阅读↓代码复现↓实验分析↓发现问题↓提出想法↓实验验证↓形成自己的研究方向这也是我建立这个科研博客的主要目的。记录每一次实验，也记录每一次思考。
2026-09-03 00:01:59
202
原创 神经视觉科研学习路线
记录个人在人工智能领域的科研学习过程，包括 PyTorch、Transformer、ViT、Test-Time Training（TTT）、计算机视觉、论文阅读、代码复现、实验分析以及科研创新思考。同时整理过去参与科研项目期间的阶段性汇报和实验记录。
2026-09-02 22:01:14
195
原创 Python实习成长路线
记录从 Python 基础到 AI 应用开发的学习过程，重点学习 Python 工程化、Git、Linux、MySQL、FastAPI、Redis、Docker、LLM、RAG 等技术，并通过实际项目不断提升自己的工程开发能力，为后续寻找 Python/AI 应用相关实习做准备。
2026-09-02 21:55:39
338
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