<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[a7765431的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/a7765431</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; a7765431]]></copyright><item><title><![CDATA[ 体验图像生成大模型]]></title><link>https://blog.youkuaiyun.com/a7765431/article/details/156312494</link><guid>https://blog.youkuaiyun.com/a7765431/article/details/156312494</guid><author>a7765431</author><pubDate>Fri, 26 Dec 2025 19:09:28 +0800</pubDate><description><![CDATA[（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]]></description><category></category></item><item><title><![CDATA[光的折射模拟器（斯涅尔定律演示）]]></title><link>https://blog.youkuaiyun.com/a7765431/article/details/156265490</link><guid>https://blog.youkuaiyun.com/a7765431/article/details/156265490</guid><author>a7765431</author><pubDate>Thu, 25 Dec 2025 11:21:48 +0800</pubDate><description><![CDATA[🟡 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:]]></description><category></category></item><item><title><![CDATA[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]]></title><link>https://blog.youkuaiyun.com/a7765431/article/details/156265391</link><guid>https://blog.youkuaiyun.com/a7765431/article/details/156265391</guid><author>a7765431</author><pubDate>Thu, 25 Dec 2025 11:20:19 +0800</pubDate><description><![CDATA[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)")]]></description><category></category></item><item><title><![CDATA[体验大语言模型]]></title><link>https://blog.youkuaiyun.com/a7765431/article/details/155862152</link><guid>https://blog.youkuaiyun.com/a7765431/article/details/155862152</guid><author>a7765431</author><pubDate>Fri, 12 Dec 2025 19:30:38 +0800</pubDate><description><![CDATA[‌。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。]]></description><category></category></item><item><title><![CDATA[CV技术的应用现状与CNN模型识别图像中对象的流程]]></title><link>https://blog.youkuaiyun.com/a7765431/article/details/155862132</link><guid>https://blog.youkuaiyun.com/a7765431/article/details/155862132</guid><author>a7765431</author><pubDate>Fri, 12 Dec 2025 19:28:09 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[数字图像处理]]></title><link>https://blog.youkuaiyun.com/a7765431/article/details/155815872</link><guid>https://blog.youkuaiyun.com/a7765431/article/details/155815872</guid><author>a7765431</author><pubDate>Thu, 11 Dec 2025 12:43:58 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[认识NLP]]></title><link>https://blog.youkuaiyun.com/a7765431/article/details/155307961</link><guid>https://blog.youkuaiyun.com/a7765431/article/details/155307961</guid><author>a7765431</author><pubDate>Thu, 27 Nov 2025 11:23:21 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[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]]></title><link>https://blog.youkuaiyun.com/a7765431/article/details/154481366</link><guid>https://blog.youkuaiyun.com/a7765431/article/details/154481366</guid><author>a7765431</author><pubDate>Thu, 06 Nov 2025 11:25:44 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[房价分析与预测]]></title><link>https://blog.youkuaiyun.com/a7765431/article/details/154119996</link><guid>https://blog.youkuaiyun.com/a7765431/article/details/154119996</guid><author>a7765431</author><pubDate>Thu, 30 Oct 2025 11:28:04 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[AI发展历程]]></title><link>https://blog.youkuaiyun.com/a7765431/article/details/153397231</link><guid>https://blog.youkuaiyun.com/a7765431/article/details/153397231</guid><author>a7765431</author><pubDate>Thu, 16 Oct 2025 11:01:35 +0800</pubDate><description><![CDATA[]]></description><category></category></item></channel></rss>