- 博客(305)
- 收藏
- 关注
RSS订阅
原创 【博客之星2024年度总评选】年度回望：我的博客之路与星光熠熠
在过去的2024年里，我经历了许多的挑战和成长，本文主要是回顾我的个人成长历程，以及在创作和日常生活方面的突破，分享我是如何平衡个人生活与博客创作的经验。
2025-01-20 09:30:00
3248
86
原创 【现代深度学习技术】现代卷积神经网络06：残差网络（ResNet）
ResNet通过残差块设计解决深层网络训练难题，允许跨层恒等映射，缓解梯度消失。其核心为残差学习，每个块拟合目标与输入的差值，使优化更易。ResNet-18等模型通过堆叠残差块实现，在ImageNet等任务中表现优异，推动深度学习发展。
2025-03-31 10:09:05
1478
52
原创 【现代深度学习技术】现代卷积神经网络05：批量规范化
本文讲解现代卷积神经网络中的批量规范化。批量规范化通过标准化每层输入并引入可学习参数γ和β，加速深层网络收敛。应用于全连接或卷积层后、激活函数前，分训练和预测模式，有效控制中间层变量分布，提升训练稳定性。
2025-03-30 09:58:00
1220
38
原创 【PySpark大数据分析概述】01 大数据分析概述
本文讲解大数据分析概述。大数据指具有海量、多样、高速、低价值密度等特征的数据，需先进技术处理。其分析流程涵盖采集、预处理、建模评估，应用于个性化推荐、预测分析等领域，核心技术包括Hadoop、Spark等分布式框架。
2025-03-28 14:46:42
1130
12
原创 【现代深度学习技术】现代卷积神经网络04：含并行连接的网络（GoogLeNet）
本文讲解现代卷积神经网络中的GoogLeNet模型及其核心组件——Inception块。GoogLeNet通过在同一层中使用不同大小的卷积核来提取多尺度信息，并通过并行路径减少模型复杂度。文章详细描述了GoogLeNet的结构，包括多个Inception块、最大汇聚层和全局平均汇聚层的堆叠。最后，通过实现一个简化版的GoogLeNet模型并在Fashion-MNIST数据集上进行训练，展示了其高效性和性能。
2025-03-26 09:49:11
1143
61
原创 【现代深度学习技术】现代卷积神经网络03：网络中的网络（NiN）
本文讲解现代卷积神经网络中的NiN网络。NiN网络创新性地使用由卷积层和多个1×1卷积层组成的块结构，增强每像素非线性。通过用通道数等于类别数的全局平均池化层替代全连接层，有效减少过拟合和参数量。
2025-03-24 09:41:43
1201
56
原创 【华为Pura先锋盛典】华为Pura X“阔折叠”手机发布：首次全面搭载HarmonyOS 5
华为新生态手机Pura X以16:10阔型屏与AI眼动交互视觉体验登场，首搭HarmonyOS 5实现40%性能跃升，万亿级大模型驱动智能服务进化。红枫四摄开启多光谱影像时代。鸿蒙生态全面冲刺，电脑新品蓄势待发，开启全场景智慧生态新纪元。
2025-03-21 11:15:15
1680
57
原创 【海螺AI视频】蓝耘智算 | AI视频新浪潮：蓝耘MaaS与海螺AI视频创作体验
蓝耘MaaS平台与海螺AI视频深度融合，前者以智能算力中枢、多模态模型工场赋能AI开发，后者通过零门槛创作和影视级视效革新视频制作。二者结合打造出低代码开发与开放式创作生态，为多领域用户提供安全高效的智能服务体验，开启AI技术普惠新篇章。
2025-03-19 09:00:00
2051
69
原创 【通义千问】蓝耘智算 | 智启未来：蓝耘MaaS×通义QwQ-32B引领AI开发生产力
蓝耘MaaS平台深度融合通义千问QwQ-32B模型，以模型即服务模式赋能AI开发，通过高效调参与多模态支持，加速智能编程、文案生成等场景落地，推动产业智能化升级。
2025-03-17 10:23:24
1579
63
原创 【DeepSeek】蓝耘智算 | 中国AI新范式：蓝耘智算云+DeepSeek R1部署实战教程
本文介绍基于蓝耘智算平台部署DeepSeek R1模型。DeepSeek R1大模型通过量化压缩与轻量化设计，实现低算力本地部署，结合蓝耘智算云弹性算力支持，打破技术门槛，推动AI平民化与产业智能化，彰显中国AI创新突破与全球竞争力。
2025-03-15 09:00:00
1706
17
原创 【现代深度学习技术】现代卷积神经网络02：使用块的网络（VGG）
本文讲解现代卷积神经网络中使用块的网络(VGG)。VGG网络通过堆叠多个相同结构的卷积块(含3x3卷积、ReLU和最大池化)构建深层架构。块设计提升模块化，训练时缩减通道数以适应数据集，使用高学习率优化，实现高效特征提取。
2025-03-14 09:36:44
991
57
原创 【现代深度学习技术】现代卷积神经网络01：深度卷积神经网络（AlexNet）
本文讲解深度卷积神经网络(AlexNet)。AlexNet在2012年ImageNet竞赛中突破，标志深度学习崛起。相比LeNet，其采用更大卷积核、ReLU激活函数和Dropout正则化，利用GPU加速和大规模数据训练，首次证明端到端学习特征优于传统手工设计，解决了深层网络训练难题，开启了CV领域新纪元。
2025-03-12 10:01:40
1000
57
原创 【现代深度学习技术】卷积神经网络06：卷积神经网络（LeNet）
本文讲解深度学习中的卷积神经网络(LeNet)。在卷积神经网络中，我们组合使用卷积层、非线性激活函数和汇聚层。为了构造高性能的卷积神经网络，我们通常对卷积层进行排列，逐渐降低其表示的空间分辨率，同时增加通道数。
2025-03-11 10:23:10
1546
24
原创 【现代深度学习技术】卷积神经网络05：汇聚层
本文讲解了卷积神经网络的汇聚层在图像处理中的作用，主要包括最大汇聚层和平均汇聚层，它们能够降低卷积层对位置的敏感性并减少空间降采样表示的敏感性。还讨论了填充、步幅以及多个通道的处理方法，并通过代码示例展示了这些操作的效果。
2025-03-10 09:34:20
1185
57
原创 【通义万相】蓝耘智算 | 开源视频生成新纪元：通义万相2.1模型部署与测评
文章主要介绍了阿里云通义万相2.1视频生成模型的发展历程、功能特点、技术优势以及如何通过蓝耘智算平台进行部署和测试。内容涵盖了模型的技术背景、应用场景、开源策略、部署步骤和实际测试案例。
2025-03-07 10:00:00
3764
72
原创 【现代深度学习技术】卷积神经网络04：多输入多输出通道
本文讲解卷积神经网络中的多输入多输出通道。多输入多输出通道可以用来扩展卷积层的模型。当以每像素为基础应用时，1×1卷积层相当于全连接层。1×1卷积层通常用于调整网络层的通道数量和控制模型复杂性。
2025-03-04 09:00:00
1644
64
原创 【现代深度学习技术】卷积神经网络03：填充和步幅
本文讲解卷积神经网络中的填充和步幅。填充可以增加输出的高度和宽度。这常用来使输出与输入具有相同的高和宽，步幅可以减小输出的高和宽。填充和步幅可用于有效地调整数据的维度。
2025-03-03 09:14:02
1210
22
原创 【大模型科普】AIGC技术发展与应用实践（一文读懂AIGC）
本文介绍了AIGC（生成式人工智能）的概念、应用场景及其对行业和职业的影响，涵盖文本、图片、语音、视频等领域的实践案例，并探讨了AIGC在编程、搜索和智能办公中的应用。
2025-02-27 10:00:00
6221
64
原创 【机器学习与数据挖掘实战】案例15：基于LDA模型的电商产品评论数据情感分析
本案例介绍了如何通过情感分析和LDA主题模型对京东商城中美的电热水器的用户评论进行深入分析，以挖掘用户的需求、意见及产品的优缺点。正面评价聚焦安装、物流和质量，负面评价涉及安装费、售后和加热性能，建议改进加热功能和服务。
2025-02-26 15:48:39
766
39
原创 【现代深度学习技术】卷积神经网络02：图像卷积
本文介绍了卷积神经网络中的图像卷积，阐述了其与卷积层的关联、在二维图像数据和隐藏表示中的处理过程、与严格卷积的区别、在图像数据中的应用、卷积层的参数、输出张量的形状以及互相关运算的优势。
2025-02-24 10:57:09
1919
58
原创 【大模型科普】大模型：人工智能的前沿（一文读懂大模型）
本文将深入剖析大模型的核心概念、原理特点以及丰富多元的应用实践案例，旨在让大家全面了解大模型这一前沿技术，明晰其在当下及未来发展中的重要地位与深远影响 ，共同探索如何借助大模型的力量推动社会各项事业迈向新的高度。
2025-02-21 09:00:00
6152
58
原创 【机器学习与数据挖掘实战】案例14：基于随机森林分类器的汽车公司客户细分预测
本案例基于随机森林分类器的汽车公司客户细分预测。通过分析汽车公司潜在客户数据，采用随机森林等模型进行用户分群，发现不同类别客户特征差异，提出优化方向如特征交叉和SMOTE过采样，旨在提升预测精度，支持精准营销和资源优化配置。
2025-02-19 14:52:47
874
14
原创 【现代深度学习技术】卷积神经网络01：从全连接层到卷积
本文介绍深度学习中的卷积神经网络。卷积神经网络利用平移不变性和局部性减少参数，通过卷积层学习图像特征，适合处理图像数据。多个输入和输出通道使模型在每个空间位置可以获取图像的多方面特征。
2025-02-17 12:47:33
1507
53
原创 【现代深度学习技术】深度学习计算05：GPU
本文介绍了深度学习计算中如何利用GPU性能增长进行研究，包括单个及多个GPU的使用，以及张量与神经网络在GPU上的存储与计算。
2025-02-14 14:21:01
1477
45
原创 【DeepSeek】在本地计算机上部署DeepSeek-R1大模型实战（完整版）
本文介绍了如何在本地计算机上部署DeepSeek R1大模型，重点讲解了数据隐私、定制化、离线使用等优势，并提供了简便的安装步骤，适合普通用户和开发者，推动AI技术的普及与便利性。
2025-02-11 10:50:05
22601
107
原创 【机器学习与数据挖掘实战】案例13：基于BP神经网络模型的家用热水器用户行为分析与事件识别
本案例基于BP神经网络模型的家用热水器用户行为分析与事件识别，构造了11个特征并筛选出候选洗浴事件，利用BP神经网络模型进行训练。结合时序分析与机器学习，为家电智能化提供数据驱动方案，可优化个性化适应性。
2025-02-10 09:00:00
904
46
原创 【现代深度学习技术】深度学习计算04：读写文件
本文介绍了深度学习中如何使用PyTorch的save和load函数保存和加载张量及模型参数。保存模型时，需通过state_dict保存参数，恢复时重新定义模型架构并加载参数。
2025-02-07 10:00:00
1546
54
原创 【机器学习与数据挖掘实战】案例12：基于决策树算法的水色图像的水质评价
文案例基于决策树算法的水色图像特征提取的水质评价，通过图像切割和颜色矩特征提取，构建决策树分类模型，最终实现水质自动评价，分类准确率达70.73%。
2025-02-06 17:00:03
923
37
原创 【现代深度学习技术】深度学习计算03：延后初始化&自定义层
本文介绍了深度学习中延后初始化和自定义层的概念。延后初始化允许框架动态推断参数形状，简化模型构建；自定义层通过继承基础层类，实现具有特定功能的灵活层。
2025-02-04 11:10:25
1473
46
原创 【机器学习与数据挖掘实战】案例11：基于灰色预测和SVR的企业所得税预测分析
本案例基于灰色预测模型和SVR模型对企业所得税进行预测。采用了Pearson相关系数对收集的数据进行分析。运用Lasso回归模型进一步筛选数据的特征。构建灰色预测模型预测2020年与2021年的特征值。根据特征值使用SVR算法预测2020年与2021年企业所得税的值。
2025-02-02 13:05:37
1027
45
原创 【现代深度学习技术】深度学习计算02：参数管理
本文讲解了在深度学习中如何访问、初始化和共享模型参数。重点讲解了如何通过PyTorch访问层的权重和偏置、进行参数初始化（包括内置和自定义初始化方法）以及在多个层之间共享参数。
2025-01-28 19:51:21
2190
48
原创 【现代深度学习技术】深度学习计算01：层和块
本文讲解了深度学习神经网络中“块”的概念，展示了如何通过自定义块构建复杂的网络架构，强调了灵活性和可重用性，并探讨了性能优化和在前向传播中执行自定义操作的方式。
2025-01-27 10:00:00
2053
26
原创 【深度学习基础】多层感知机09：实战Kaggle比赛：预测房价
本文讲解了深度学习中使用PyTorch进行Kaggle房价预测比赛的深度学习实践，包括数据下载、预处理、模型设计、超参数选择以及K折交叉验证等技术。类别特征转化为指标特征，可以使我们把这个特征当作一个独热向量来对待。我们可以使用K折交叉验证来选择模型并调整超参数。
2025-01-27 09:00:00
1436
32
原创 【深度学习基础】多层感知机08：环境和分布偏移
本文讲解了深度学习中分布偏移的问题，包括协变量偏移、标签偏移和概念偏移。探讨了这些偏移如何影响模型的性能，并提出了相应的解决方法，如加权经验风险最小化。还提到模型部署中的伦理问题和实时监控的重要性。
2025-01-25 09:00:00
1354
45
原创 【深度学习基础】多层感知机07：数值稳定性和模型初始化
本文讲解深度学习中的数值稳定性和模型初始化。首先介绍了梯度消失和梯度爆炸，ReLU激活函数缓解了梯度消失问题，这样可以加速收敛。然后介绍了参数初始化的两种方法，包括默认初始化和Xavier初始化。
2025-01-24 09:00:00
1193
37
原创 【深度学习基础】多层感知机06：前向传播、反向传播和计算图
本文讲解深度学习中的前向传播、反向传播和计算图。前向传播在神经网络定义的计算图中按顺序计算和存储中间变量，它的顺序是从输入层到输出层。反向传播按相反的顺序计算和存储神经网络的中间变量和参数的梯度。在训练深度学习模型时，前向传播和反向传播是相互依赖的。训练比预测需要更多的内存。
2025-01-23 09:00:00
1148
47
原创 【深度学习基础】多层感知机05：暂退法（Dropout）
本文讲解深度学习中的暂退法，并完成了暂退法的从零开始实现和简洁实现。暂退法在前向传播过程中，计算每一内部层的同时丢弃一些神经元。暂退法可以避免过拟合，它通常与控制权重向量的维数和大小结合使用的。
2025-01-22 11:31:22
1354
26
原创 【深度学习基础】多层感知机04：权重衰减
本文讲解深度学习中的正则化技术——权重衰减。利用一个高维线性回归的例子来演示权重衰减。并完成了权重衰减的从零开始实现和简洁实现。
2025-01-22 10:23:27
1566
40
原创 【深度学习基础】多层感知机03：模型选择、欠拟合和过拟合
本文讲解深度学习中的模型选择、欠拟合和过拟合。机器学习模型需要注意防止过拟合，即防止泛化误差过大。验证集可以用于模型选择，但不能过于随意地使用它。我们应该选择一个复杂度适当的模型，避免使用数量不足的训练样本。
2025-01-22 09:00:00
1205
27
原创 【深度学习基础】多层感知机02：多层感知机的实现
本文讲解深度学习中多层感知机的实现。实现简单的多层感知机很容易，然而如果有大量的层就会变得很麻烦。我们可以使用高级API更简洁地实现多层感知机。对于相同的分类问题，多层感知机的实现与softmax回归的实现相同，只是增加了带有激活函数的隐藏层。
2025-01-21 09:30:00
1310
33
【机器学习&数据挖掘】离群点检测-源代码+数据集
2025-01-13
【机器学习&数据挖掘】时间序列算法-源代码+数据集
2024-12-31
【机器学习&数据挖掘】智能推荐算法-源代码+数据集
2024-12-28
Python数据分析实验三(基于Scikit-Learn构建数据分析模型)数据集
2024-05-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人