Zyx___123456的博客

原创 图像生成大模型

本文展示了不同图像生成大模型在四类主题下的创作效果。人物摄影类包含婚礼场景、各类女孩形象及生活化场景；风景植物类涵盖梦幻森林、山水景观和花卉特写；建筑设计类呈现现代体育场馆、音乐厅及传统建筑；中国风格类则包含山水画、老虎图、园林景致等传统题材。每个类别均提供详细的任务提示词和生成效果描述，展现了AI在视觉创作方面的多样化表现能力，从写实到写意，从现代到古典均有涵盖。

原创 用C++或Python熟悉代码实现

原创 制作物理知识动画

原创 体验大语言模型

我选择豆包和文心一言大模型序号考察能力题目回复评价1逻辑推理一个人带一只黄狗、一只白兔和一颗白菜过河，河边只有一条小船，此人每次只能带一样东西过河，如果此人不在，黄狗要咬白兔，白兔要啃白菜。请想一想：既不让黄狗咬白兔，又不让白兔啃白菜，该怎么设计过河方案：人带着划船到对岸，然后人独自返回原岸。此时状态：原岸有黄狗、白菜；对岸有白兔。无冲突。：人带着划船到对岸，到达后把黄狗留下，原岸。此时状态：原岸有白兔、白菜；对岸有黄狗。无冲突（若不带走白兔，黄狗和白兔会独处）。

原创 数字图像处理

从资源包中找到image_process.py和robot.jpg，将它们复制到同一个目录下。参照下面的步骤练习对图像通过Python程序增加图像对比度和实现图像裁剪的效果。确认处理后的图像只截取了原图像的左上角，而且亮度也增加了。安装成功后执行如下命令，可以查看OpenCV库的版本信息。确认已经搭建好Python环境。对比原图像和处理后的图像。

原创 【无标题】

NLP（自然语言处理）是人工智能的重要分支，专注于计算机与人类语言的交互技术。自注意力机制作为Transformer架构的核心，通过动态计算序列元素间的关联权重（Q/K/V矩阵），解决了传统RNN的长序列依赖问题。该机制包含三个关键步骤：生成查询、键、值向量；计算注意力权重；加权聚合生成新表示。自注意力机制极大推动了NLP发展，支持并行计算，成为BERT、GPT等大模型的基础组件，显著提升了机器翻译、文本生成等任务的性能。Transformer架构采用编码器-解码器结构，结合多头注意力机制，有效捕捉不同维度

原创 模型中用到的统计学的概念、模型的应用场景、似然函数的关系。

本文系统阐述了生成模型中的核心统计学概念及其应用。首先介绍了基础概率分布（联合、边缘、条件）及常见分布（高斯、伯努利等）在生成模型中的基础作用。其次讨论了参数估计方法（MLE、MAP、贝叶斯推断）和模型训练概念（KL散度、交叉熵等）。随后分析了四种典型生成模型的应用场景：VAE用于图像生成和异常检测，GAN擅长图像合成和风格迁移，贝叶斯模型适用于文本生成和不确定性评估，RBM则用于数据生成和特征学习。

原创 使用线性回归算法预测房价

本文使用Python处理房价数据，首先通过pandas读取CSV文件并进行数据预览，然后利用matplotlib绘制面积、人均收入和平均房龄与房价的散点图。接着使用numpy进行数据预处理，构建特征矩阵和目标变量。最后基于sklearn建立线性回归模型进行训练，并预测了一个新样本的房价（面积150㎡、人均收入6万、房龄5年）。完整流程涵盖了数据读取、可视化分析、预处理和建模预测等关键步骤。

原创 人工智能的发展历程关键阶段与重要事件

人工智能（AI）从 20 世纪初萌芽探索，历经多次起伏与技术突破，到如今大规模模型与跨域融合的发展历程。通过对各阶段关键事件、技术成果及影响的分析，展现 AI 领域的演进脉络，为理解 AI 的过去、现在与未来。