- 博客(10)
- 收藏
- 关注
原创 体验图像生成大模型
(1)了解图像嵌入的概念和优势。(2)了解图像生成大模型的基本工作流程。(3)了解海内外主流图像生成大模型的基本情况。(4)练习体验海内外主流图像生成大模型。首先要了解图像嵌入是图像的数字表示,它是对图像中内容的语义进行编码的结果。通常,图像嵌入是通过CLIP(contrastive language-image pre-training,对比文本-图像对的预训练)模型计算得到的,CLIP模型使用文本和图像对的大型数据集进行训练。训练的目标是建立对图像和文本之间关系的“理解”。CLIP模型能够为图像和文本创
2025-12-26 19:09:28
774
原创 光的折射模拟器(斯涅尔定律演示)
🟡 黄色</option><option value="green">🟢 绿色</option><option value="blue">🔵 蓝色</option><option value="red">🔴 红色入射角 θ₁ (度):</label><label>介质1折射率 n₁:</label><label>介质2折射率 n₂:
2025-12-25 11:21:48
618
原创 汉诺塔递归函数,农夫抓牛问题,数字金字塔最大路径和问题
print(f" ❌ 错误:这一行需要 {i + 1} 个数字,但你输入了 {len(row)} 个。row_input = input(f"第 {i + 1} 行 ({i + 1} 个数字): ").strip()N, K = map(int, input("请输入 N 和 K:").strip().split())R_str = input("请输入金字塔的行数 R (1≤R≤1000):").strip()print(" - 农夫起始位置 N (0 ≤ N ≤ 100000)")
2025-12-25 11:20:19
312
原创 体验大语言模型
。益州虽是天府之国,但人口、经济远不如中原。刘备应该先彻底平定南中,整合内部资源,鼓励农耕、培养人才,积蓄力量。等曹魏内部有变,再联合东吴北伐,才有机会。6创作能力我是一个科技公司的老板,请帮我设计一份简短的公司年会发言稿,100字以内豆包大模型:各位伙伴,新年好!过去一年,我们以创新破局,用实干争先,交出了亮眼答卷。新岁新程,愿我们并肩再出发,聚力攀高峰!祝大家新春快乐,万事顺遂!文心一言大模型:亲爱的同事们,今晚欢聚一堂,感恩大家一年来的拼搏与付出。
2025-12-12 19:30:38
871
原创 CV技术的应用现状与CNN模型识别图像中对象的流程
通过摄像头和传感器捕捉的图像数据,CV算法能够识别道路、交通标志、行人和其他车辆,为自动驾驶系统提供实时、准确的环境信息。全连接层将特征图中的每个元素与输出层相连,通过权重和偏置的线性组合以及激活函数的作用,生成最终的分类结果。:图像首先经过多个卷积层的处理。概括起来,CNN模型通过卷积层、激活函数、池化层和全连接层等组件的组合,能够自动学习图像中的特征表示,并实现对象的准确识别。:将待识别的图像输入到CNN模型中,并进行必要的预处理,如缩放、归一化等,以确保图像数据符合模型的输入要求。
2025-12-12 19:28:09
325
原创 认识NLP
NLP 是自然语言处理(Natural Language Processing)的缩写,是人工智能与语言学交叉的核心技术领域,核心目标是让计算机能够理解、处理、生成人类的自然语言(如中文、英文等日常语言),实现人机之间的自然语言交互。它的本质是充当 “人机语言翻译官”:将人类的自然语言(如 “帮我订明天的机票”)转换为机器可理解的结构化数据,同时将机器的计算结果转回人类能理解的自然语言。典型应用:机器翻译(如百度翻译)、智能客服、语音助手(如 Siri)、AI 写作等。自注意力机制。
2025-11-27 11:23:21
457
原创 生成模型的统计学基础、典型应用及核心估计方法关联研究
生成模型是机器学习中一类以学习数据真实概率分布为核心的模型,其理论构建与训练过程深度依托统计学原理。本文系统梳理生成模型涉及的核心统计学概念,选取朴素贝叶斯、生成对抗网络(GAN)、变分自编码器(VAE)、隐马尔可夫模型(HMM)四种典型模型,详细分析其适用场景并搭配具体案例说明,深入剖析似然函数、最大似然估计与生成模型的内在逻辑关联,为相关理论研究与工程实践提供体系化参考。
2025-11-06 11:25:44
625
原创 房价分析与预测
plt.scatter(data.loc[:,'人均收入'],data.loc[:,'价格'])plt.scatter(data.loc[:,'平均房龄'],data.loc[:,'价格'])plt.scatter(data.loc[:,'面积'],data.loc[:,'价格'])X = data.drop(['价格'],axis=1)print("数据集中的前10条记录:")y = data.loc[:,'价格']#建立多因子回归模型 并且训练。
2025-10-30 11:28:04
173
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
RSS订阅