- 博客(395)
- 资源 (16)
- 收藏
- 关注
RSS订阅
原创 CV模型训练/评估结果图解读
这张图通过展示不同置信度阈值下的F1分数变化，帮助我们理解模型在不同置信度下的整体性能，并找到一个最优的置信度阈值以平衡精确率和召回率。这张图通过展示不同置信度阈值下的精确率变化，帮助我们理解模型在不同置信度下的整体性能，并找到一个最优的置信度阈值以达到最高的精确率。这张图通过展示不同召回率下的精确率变化，帮助我们理解模型在不同召回率下的整体性能，并找到一个最优的召回率阈值以平衡精确率和召回率。通过这种方式，你可以快速识别模型在不同召回率阈值下的性能，并选择最适合你应用场景的阈值。
2025-02-19 00:36:40
991
原创 Recall（召回率）和 Precision（精确率） 的区别和F1分数
简而言之，Precision 关注的是“准确性”，即你所选择的内容中有多少是对的；例如，在一些应用场景下，可能更倾向于减少漏报（提高 Recall），而在其他场景下则可能更注重降低误报（提高 Precision）。因此，选择优化的方向取决于具体的应用需求。但是，在这个案例中，由于 Recall 只有 0.5，意味着有一半的垃圾邮件未被发现，可能会让用户错过重要的过滤。意味着几乎所有的垃圾邮件都能被捕捉到，但同时可能也会误判一些正常的邮件为垃圾邮件（如上述例子中的 FP），导致 Precision 下降。
2025-02-18 23:00:23
601
原创 打工人福音，AI笔记软件,免费使用DeepSeek
一款全功能的AI编辑器。现有的编辑器在面对文本生成、图像生成、图像识别、视觉识别以及语音识别等功能时，需要依赖多个外部工具，流程繁琐且不易于管理。本方案旨在解决这一痛点，通过本地化推理集成多个大语言模型、语音模型和视觉多模态模型，打造一个全功能的AI编辑器。
2024-12-19 08:32:56
264
原创 DDPM 前向过程的公式推导
ϵ′\epsilon'ϵ′我们定义一个新的随机变量ϵ′\epsilon'ϵ′ϵ′αt1−αt−1ϵt−21−αtϵt−1ϵ′αt1−αt−1ϵt−21−αtϵt−1。
2024-11-18 11:51:44
437
原创 VAE 模型的下界
通过对数似然的下界推导，我们得到了一个可以优化的目标函数，这个目标函数由两部分组成：重构误差（第一项）和正则化项（KL散度，第二项）。在VAE中，我们通过优化这个下界来间接优化对数似然，从而达到学习数据生成分布的目的。
2024-11-17 09:56:49
1087
原创 gym/Gymnasium强化学习玩推箱子游戏
自 2021 年以来一直维护 Gym 的团队已将所有未来的开发转移到 Gymnasium，这是 Gym 的替代品（将 gymnasium 导入为 gym），Gym 将不会收到任何未来的更新。请尽快切换到 Gymnasium。我用的是 Python 3.7.16。
2024-08-05 00:13:59
422
原创 使用LLaMA-Factory微调大模型
我这里是本地电脑 显卡是 GTX-4070ti-super 16G ，单卡。因为是Qwen模型，不是Qwen1.5及以后的模型 所以。在 LLaMA-Factory 路径下 创建虚拟环境。这里必须这样，不然报错！然后保存配置参数，然后点击。在虚拟环境中安装依赖。我这里使用自带的数据。
2024-05-29 23:50:42
1039
原创 Qwen量化脚本run_gptq.py解析
## Qwen量化脚本run_gptq.py解析模型路径 [https://github.com/QwenLM/Qwen/](https://github.com/QwenLM/Qwen/)run_gptq.py路径 [https://github.com/QwenLM/Qwen/blob/main/run_gptq.py](https://github.com/QwenLM/Qwen/blob/main/run_gptq.py)
2024-04-18 07:46:03
819
原创 ollama + langchain + FAISS 向量数据库，给定知识上下文的问答
3 基于上面查询提供语言模型 promt。1 把给定的文档向量化存储为数据库。基于 langchain 框架。4 语言模型生成答案。
2024-03-31 10:45:17
2729
1
原创 强化学习DQN算法和代码
在训练时，目标网络𝑄𝜃’(𝑠𝑡+1, 𝑎)和预测网络𝑄𝜃(𝑠𝑡, 𝑎𝑡)来自同一网络，但是𝑄𝜃’(𝑠𝑡+1, 𝑎)网络的更新频率会滞后𝑄𝜃(𝑠𝑡, 𝑎𝑡)其中 gym version = 0.26.2。
2023-08-15 17:37:20
342
原创 tensorflow / tensorflow-gpu cuda cudNN tensorRT 安装,启用显卡加速
tensorflow-gpu版本对应关系。
2023-08-11 00:41:30
2599
3
原创 强化学习算法
策略网络输入状态s，输出动作a的概率分布如下： πa∣s多次训练轨迹如下s11a11r11……s1ta1tr1t……s1Ta1Tr1T………………sn1an1rn1……sntantrnt……snTanTrnT………………sN1aN1rN1……sNtaNtrNt。
2023-08-10 16:02:19
336
原创 win10 安装 tensorflow-gpu 2.10.0
我安装 python 3.10 和 tensorflow_gpu-2.10.0。这里根据自己的版本安装，按照表格推荐tensorflow-gpu==2.10.0。这里根据自己的版本安装，按照表格推荐 11.2 ，我这里是12.2。这里根据自己的版本安装，按照表格推荐 8.1 ，我这里是 8.9。适用于Microsoft窗口的 CUDA 安装指南。显卡 GTX 1660 Ti。系统 win10 x64。
2023-08-07 18:17:35
1136
原创 从源码编译 tensorFlow ,启用CPU 指令加速
7 Please specify optimization flags to use during compilation when bazel option “–config=opt” is specified [Default is -Wno-sign-compare]: --copt=-march=native # 配置 bazel 编译的参数，我这是纯 cpu 加速，所以填写。: 这是两个选项的组合，用于以交互式终端运行容器，并将终端连接到容器的输入/输出（stdin/stdout）。
2023-07-30 12:48:26
2652
原创 numpy反向传播算法示例
通过 scikit-learn 库提供的便捷工具生成 2000 个线性不可分的 2 分类数据集。按着7: 3比例切分训练集和测试集。
2023-06-29 11:44:54
284
原创 MSE 均方误差及其梯度
仅当j = i 时才为 1，其它点都为 0，也就是说， 偏导数只与第j号节点相关，与其它节点无关， 因此上式中的求和符号可以去掉。其中n为输出节点数，真值为 y , 模型输出为 o。
2023-05-08 00:37:04
847
原创 回归问题(AI笔记)
给定数据集𝔻，我们需要从𝔻中学习到数据的真实模型，从而预测未见过的样本的输出值。在假定模型的类型后，学习过程就变成了搜索模型参数的问题，比如我们假设神经元为线性模型，那么训练过程即为搜索线性模型的𝒘和𝑏参数的过程。训练完成后，利用学到的模型，对于任意的新输入𝒙，我们就可以使用学习模型输出值作为真实值的近似。对于预测值是连续的实数范围，或者属于某一段连续的实数区间，我们把这种问题称为。首先假设𝑛个输入的生物神经元的数学模型为线性模型之后，只采样𝑛 + 1个数据点就可以估计线性模型的参数𝒘和𝑏
2023-05-03 15:29:56
1078
原创 卡尔曼滤波 Kalman Filter 理解 (超简单),带仿真
卡尔曼滤波 Kalman Filter 精简理解参考外文 An Introduction to the Kalman Filter核心过程一 （时间更新：）初始输入（k-1时刻）：系统最优状态、系统噪声协方差系统状态转移方程（1.9）过程噪声协方差 （1.10）核心过程二 （测量更新：）计算卡尔曼增益K （1.11）根据卡尔曼增益K，计算最优当前状态 （1.12）根据...
2019-05-09 17:38:00
3411
原创 win11 Visual Studio 17 2022源码编译 opencv4.11.0 + cuda12.6.3 启用GPU加速
或者打开cmake-gui ,根据需要配置,比如去掉各种test等等。把 wmx_build.ps1 脚本 拖入窗口,执行。下载 Source code(zip) ,解压到。下载 Source code(zip) ,解压到。我这里使用 32个线程,根据自己的cpu核心数配置。使用我配置好的脚本直接运行,根据自己的路径修改。下载cuda12.6.3 : 安装到。下载 cudnn 对应cuda12版本。下载opencv_contrib源码。下载opencv4.11.0 源码。win11 x64 系统。
2025-03-08 00:22:42
1076
3
原创 单独编译QT子模块
GCC (MinGW-builds) ,我这里安装了qt5.12.12 mingw64 打开命令行。安装qtcore 到目标位置。编译qtcore 模块。
2025-01-14 11:54:53
371
原创 ubuntu 安装更新 ollama新版本
install.sh 和 ollama-linux-amd64.tgz 在相同路径下。ollama 版本是 0.5.3。我这里是 2024-12-18。注释掉下面4行代码 ，末尾添加。
2024-12-18 00:58:57
3727
1
原创 ubuntu连接orangepi-zero-2w桌面的几种方法
线连接 Orange Pi 开发板和 HDMI 显示器。然后打开 Nomachine 图形化连接开发板。例如使用finalshell 连接开发板。其中视频采集卡是usb输出，hdmi输入。线 + usb 视频采集卡。其中 /dev/video2 是。连接 电脑 usb端口。1 用ffplay 播放。开发板上，命令行安装。如果vlc 播放失败。
2024-11-14 22:44:52
834
原创 ubuntu主机搭建sysroot交叉编译环境
主机是 ubuntu22.04 x86-64目标板是香橙派5b ，ubuntu22.04,aarch64 ,cpu rk3588s扩大镜像你已经成功地扩展了 文件的大小，但还需要调整分区表以利用新增的空间：将 文件重新映射到环回设备：2. 使用 扩展分区打开 ：打印当前分区表：删除最后一个分区：创建新的分区：保存并退出：使用 检查并修复文件系统,刚才的分区2：4. 扩展文件系统使用 扩展文件系统：5. 挂载文件系统重新挂载文件系统并进入 chroot 环境：6. 检
2024-11-05 15:43:54
593
原创 microsoft/BitNet最快推理！！！比 gpu npu 都快，而且能耗更低 ！！！
在 BitNet/CMakeLists.txt 添加 指定clang 编译器相关路径。模型 Llama3-8B-1.58-100B-tokens 下载到。其中 b1.58 量化 ，直接把矩阵。2 转换模型到 gguf。3 量化到 i2_s。
2024-11-02 12:58:31
504
原创 ImportError: DLL load failed while importing _rust: 找不到指定的模块。
177 WARNING: Failed to collect submodules for ‘cryptography.hazmat.backends.openssl’ because importing ‘cryptography.hazmat.backends.openssl’ raised: ImportError: DLL load failed while importing _rust: 找不到指定的模块。依赖 OpenSSL >= 3.0.0。
2024-10-20 15:56:45
651
原创 源码编译 FunASR for windows on arm
configure 、generate 用vsual studio 打开，编译。3 下载 openssl for windows on arm。2 下载 ffmpeg for windows on arm。直接搜索模型名称，然后下载，放在路径下。4 打开cmake-gui。字段的值，就是解码结果。
2024-10-14 16:25:04
600
原创 源码编译 opessl-1.1.1w for windows on arm
【代码】源码编译 opessl-1.1.1w for windows on arm。
2024-10-14 15:42:04
360
win系统 设置系统亮度
2015-12-10
Arduino 技术内幕
2015-08-24
工程计算器
2012-10-14
手机夜视仪
2012-10-14
安卓手机的虚拟数据线
2012-10-14
安卓电蚊香
2012-10-14
USB调试快捷开关
2012-10-14
手机遥控电脑 百变遥控2.9
2012-10-14
ACCESS VBA 编程
2011-12-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人