表单元素的分类与实现:主表、从表、附件与扩展控件驰骋BPM驰骋低代码低代码工作流引擎

简单VASP计算INCAR设置(结构优化OPT、静态自洽SCF、能带BAND、态密度DOS) 改变 K 点、NBANDS、晶胞、ENCUT、POTCAR、自旋或 SOC 后要检查兼容性。该参数不参与物理计算,因此不会改变总能量、受力、应力或最终结构。如果研究的是金属、磁性材料、表面、二维材料、分子、缺陷、DFT+U、杂化泛函或强自旋轨道耦合体系,部分参数必须调整。适合已经用 IBRION = 2 预优化、力较小、自由度较多的结构。在 IBRION = 1、2、3 中,它只是内部缩放因子。“不能修改”不是程序禁止修改,而是修改后会改变理论模型、数值精度或能量参考,使结果不能直接比较。 阅读详情

表单元素的分类与实现:主表、从表、附件与扩展控件


一、概述

表单的本质是两件事:展示数据与采集数据。 这两件事决定底层逻辑;元素怎么分类,则决定设计器面板怎么摆、元数据怎么存、运行时怎么渲染。

驰骋把一张低代码表单上的「可设计元素」按数据载体分成四层:

层装什么元数据主表设计器入口
主表数据一行业务主记录上的字段Sys_MapAttr(FK_MapData=主表)「基础字段」inputGroup
从表数据多行明细Sys_MapDtl + 从表自己的 MapAttr「附件/从表」→ 从表
附件文件 / 图片Sys_FrmAttachment(+ 字段级 AthShow)「附件/从表」→ 字段附件 / 表格附件 / 图片
字段扩展控件评分、手写、签批、公文…仍是 Sys_MapAttr,高编号 UIContralType「通用 / 附件」扩展项 + 组合向导

与《表单三要素》的关系:三要素讲控件 · 数据 · 逻辑;本文讲主表 · 从表 · 附件 · 扩展——同一车厢的两种切片。逻辑类(级联、Pop、AutoFull)不另开一章,它们挂在字段上的 Sys_MapExt 里,见三要素文档。

起点关系落点
表单主记录(Sys_MapData / PTable)承载主表字段 Sys_MapAttr
表单主记录(Sys_MapData / PTable)承载从表 Sys_MapDtl
表单主记录(Sys_MapData / PTable)承载附件 Sys_FrmAttachment
从表列定义从表列 MapAttr
主表字段换一种控件扩展控件(高编号 UIContralType)
主表字段加一层行为Sys_MapExt 逻辑

运行时主链(经典表单):FrmGener → FrmFool* → MapAttrForm → OneMapAttr;从表走 DtlComponent / DtlCard;附件块走 Ath.vue。


二、主表数据

主表数据 = 主表物理行上的一列列字段。 每列是 Sys_MapAttr 一行,由三个维度共同描述(详见三要素文档):

维度字段作用
控件形态UIContralTypeTB / DDL / Radio / Check…
存储类型MyDataType字符串 / 整型 / 日期 / 金额…
逻辑类型LGType普通 0 / 枚举 1 / 外键 2

2.1 分类(对应设计器「基础字段」)

大纲里的「文本框、下拉框、单选、选择框」,在代码里展开为:

用户说法设计器项(FormComponents.inputGroup)典型落库
文本框文字、大块文字、整数、数值、金额、日期、日期时间UIContralType=TB(0) + 不同 MyDataType
下拉框枚举下拉、外键下拉DDL(1) + LGType=Enum/FK + UIBindKey
单选按钮单选(enumsRadio)RadioBtn(3) + 枚举
选择框开关(布尔)、多选(enumsCheckbox)CheckBok(2);布尔用 MyDataType=AppBoolean

创建实现:CreateFieldFunctions.ts 中 createBasicTextField / createBasicDateField / createBasicBooleanField 等 → INSERT Sys_MapAttr。 渲染:FrmEnd.useKeyOfEnType() 综合 MyDataType + UIContralType + mapExts 决定模板分支,再由 OneMapAttr.vue 画出具体控件。

2.2 实现要点

  1. 同一个 TB,配不同 MyDataType,就是不同输入体验(日期控件 ≠ 另起一种 UIContralType)。
  2. 下拉 / 单选 / 多选的数据来源不在控件枚举里,而在 LGType + UIBindKey(枚举进 Sys_Enum*,外键进 Sys_SFTable)。
  3. 组合字段 / Pop / 文本补全会出现在「实体单据引用」面板,但落库仍是主表文本字段 + Sys_MapExt——属于主表字段的行为增强,不是第四种主表数据类型。

2.3 主表小结

你要采的优先拖别忘了配
姓名、事由文字 TB长度、必填
请假天数、金额数值 / 金额小数位、AutoFull
请假类型单选或枚举下拉枚举字典
所属部门外键下拉SFTable / 级联

三、从表数据

从表 = 挂在主表下的多行明细。 元数据:Sys_MapDtl(FK_MapData→主表,PTable→明细物理表);列定义仍是 Sys_MapAttr,只是 FK_MapData 等于从表 No。 布局上通过 Sys_GroupField.CtrlType='Dtl' 占一块区域。 行键:OID + RefPK → 主表主键(流程里常为 WorkID)。

设计器:「附件/从表」→ 从表(子表) → createSlavaTable。

3.1 展示模式:ListShowModel(GPE_ListShowModel)

从表不只是「一张普通表格」。产品按 MapDtl.ListShowModel 分成三组:

(1)常规模式
值名称说明
0表格(默认)大纲说的「通用表格」;标准行列编辑
1卡片模式每条明细一张卡;保存后常切 EditModel=1(经典表单弹卡编辑)
2自定义 URL自研展现页,数据仍写入当前从表

另有 EditModel:0 表格内编辑 / 1 经典表单卡片编辑——管的是「怎么改行」,与「怎么列出来」正交。

(2)报表模式(交叉采集 / 展现)
值名称字段结构要求维度习惯
32 维表2 个外键或枚举 + 1 个数值左=第 1 维,头=第 2 维
43 维表(左)3 个外键或枚举 + 1 个数值左侧为第 1 维
53 维表(上)同上上方为第 1 维

适用:按「年级 × 政治面貌」、多维指标矩阵等做采集或展示;存储仍是扁平从表行(维度字段 + 数值),交叉是展现算法。

(3)固定行表格
值名称典型场景
6损益表模式左树目录 + 本期 / 基期两列数值
7大类小类大类小类交叉

3.2 实现要点

  1. 从表是容器,不是 UIContralType;容器里的每一列才是控件。
  2. 运行时:DtlComponent.vue → 表格 Dtl.vue 或卡片 DtlCard.vue;卡片/单元格内字段仍走 OneMapAttr。
  3. 复杂计算装不下时用 自定义 URL,但不要另起一套存储——继续写当前 MapDtl.PTable。
  4. VSTO 场景另有 VSTOEditModel(Excel 侧编辑从表),与 Web ListShowModel 并列,不互相替代。

3.3 从表小结

场景建议模式
报销明细、行程列表通用表格 0
字段多、一行编辑重卡片 1
矩阵填报(两维/三维)2 维 / 3 维表
财务本期对比损益表 6
强定制交互自定义 URL 2

四、附件

附件解决的是:非结构化文件如何挂到表单实例上。 配置在 Sys_FrmAttachment;文件行在 Sys_FrmAttachmentDB(RefPKVal 挂主表/从表主键)。

4.1 上传类型:AttachmentUploadType(EnumAth.cs)

枚举产品转义设计器对应形态
Single字段附件(历史上称单附件)「字段附件」appendix-field → createAthField主表某一列上的附件;常伴 UIContralType=AthShow(6)
Multi表格附件(多附件)「表格附件」→ createAthTable + GroupField.CtrlType=Ath独立附件区,多文件列表(Ath.vue)
Specifically指定的特殊绑定按业务指定上传对象

文案对照:FrmAttachmentExt.UploadTypeT —— Multi→「多附件」,Single→「单附件」。设计器面板用「字段附件 / 表格附件」更贴实现。

4.2 图片附件

  • 设计器:「图片」→ createImgAth
  • 控件:UIContralType=FrmImgAth(12),可配 PicUploadType(相册或仅拍照等)
  • 与普通 Ath 分流:偏图片预览与移动端拍照,仍落附件库体系

另有 写字板(HandWriting=8)在附录分组里,本质是手写图像类附件扩展,见下一节。

4.3 实现要点

层字段附件(Single)表格附件(Multi)
布局行内一列GroupField 一整块
MapAttr通常有 AthShow 字段行容器为主,不依赖普通 TB
主键习惯FK_FrmAttachment + '_' + PKGUID 等多文件主键
保存方式AthSaveWay(IIS / FTP / DB…)两侧共用同左

API 侧:CCFormAPI.CreateOrSaveAthMulti / 单附件创建路径分别写 UploadType=Multi/Single。

4.4 附件小结

需求选
「合同扫描件」挂在字段旁字段附件
「本单所有证明材料」一个列表表格附件(多附件)
现场拍照、证件照图片附件
手签确认写字板(扩展控件)

五、字段扩展控件

扩展控件 = 仍是主表(或从表)上的 MapAttr 字段,但 UIContralType 不再是普通 TB/DDL,而是专用组件。 设计器创建函数集中在 CreateFieldFunctions / EditPageMap;运行时由 OneMapAttr 的 isScore / isSignCheck / isGovDocFile 等分支接管。

5.1 常见扩展清单(按代码补全)

控件UIContralType设计/属性入口典型用途
评分101 ScoreExtScore / universal-rate满意度、质量打分
写字板 / 手写签名8 HandWritingcreateHandWriting签收、手签确认
签批组件14 SignCheckSignCheck节点意见区旁的签批
评论组件15 FlowBBSMapAttrFlowBBS表单内讨论
公文正文110 GovDocFileMapAttrGovDocFile正文文件
发文字号 / 收文字号17 / 170DocWord*公文文号
流程进度图50 JobScheduleExtJobSchedule进度可视化
轨迹图62 FrmFlowTrack(服务端枚举)流转轨迹
关联流程200 FlowRefLinkFlowRefLink引用其它流程实例
定位 / 地图16 Location / 4 MapPinExtMap / Fixed外勤打卡、选点
录音 / 拍照5 MicHot / 7 MobilePhoto移动端为主现场取证
身份证13 IDCardMapAttrCard证号识别/结构化
大块说明 HTML60 BigText / FrmHtmlcreateHTML说明性图文,非录入
超链接 / 按钮9 HyperLink / 18 BtnExtLink / FrmBtn跳转、触发动作
图片(展示)11 FrmImg通用图片装饰/示意图
二维码—(常为 MapExt QRCode)GPE_QRCode扫码打开/展示

评分、签批等在 EditPageMap 里各自打开专用属性页(如 ExtScore、SignCheck),不要用普通文本框属性页硬改。

5.2 与「逻辑扩展」的边界

字段扩展控件逻辑类 MapExt
改什么换成另一种控件在原控件上加行为
例子评分、手写、公文级联、AutoFull、Pop、填充从表
主存MapAttr.UIContralTypeSys_MapExt.ExtModel

Pop、文本自动完成在设计器「实体单据引用」里,实现上仍是文本字段 + MapExt,归入逻辑,不归入本节「换控件」。

5.3 扩展小结

先问:是换一种录入/展示组件,还是给现有组件加联动? 前者 → 扩展控件;后者 → MapExt(见《表单三要素》业务逻辑章)。


六、四层如何拼成一张单

以「请假 + 行程 + 证明」为例:

元素层实现落点
请假类型、日期、天数、事由主表数据Sys_MapAttr on ND1Rpt
行程明细(多行)从表 · 通用表格MapDtl + ListShowModel=0
病假证明扫描件表格附件或多图FrmAttachment UploadType=Multi / ImgAth
本人手签扩展 · 写字板UIContralType=HandWriting
天数 = 到 − 从(逻辑)Sys_MapExt ExtModel=ReqDays

换检验检测、合同申报,只是从表改成二维矩阵、附件改成报告 PDF、扩展改成评分——四层骨架不变。


七、小结

  1. 主表数据:基础字段面板;UIContralType × MyDataType × LGType。
  2. 从表数据:MapDtl + ListShowModel(通用表 / 卡片 / 2 维 / 3 维 / 损益…)。
  3. 附件:字段附件(Single)vs 表格附件(Multi)vs 图片附件;文件在 FrmAttachmentDB。
  4. 字段扩展控件:高编号 UIContralType 专用组件;与 MapExt 逻辑扩展分工明确。
  5. 设计器换车间(经典/章节/VSTO),元素分类与 Sys_ 落点共用*。

附录:代码索引

主题路径
控件枚举CCFlow/Components/BP.En30/En/EnumLab.cs → UIContralType
附件上传类型CCFlow/Components/BP.En30/Sys/EnumAth.cs → AttachmentUploadType
设计器面板Vue3/.../FoolFormDesigner/props/form/FormComponents.ts
创建函数.../type-utils/CreateFieldFunctions.ts、CreateContainerFunctions.ts
类型映射.../type-map/FormTypeMap.ts
从表展示模式Vue3/.../MapDtl/ListShowModel/GPE_ListShowModel.ts
附件实体CCFlow/.../Sys/FrmAttachment.cs
字段渲染Vue3/src/WF/CCForm/OneMapAttr.vue、FrmEnd.ts

延伸阅读

  • 《表单三要素:控件、数据与业务逻辑》:级联 / AutoFull / Pop 等逻辑类怎么挂。
  • 《表单引擎在应用系统中的位置与作用》:流程 / 实体 / 单据 / 活动四种宿主角色。
  • 《驰骋五大表单设计器》:请假 / 公文 / 合同 / 检验检测选哪种车间。

本文依据当前仓库傻瓜设计器与 BP.En30 静态整理;面板文案以你部署的版本为准。

基于 PID 算法的 STM32 步进电机高精度位置控制系统设计与实现(工业自动化应用) 硬件层面:选用 STM32F103C8T6+A4988 + 欧姆龙编码器的组合,兼顾工业可靠性与成本,接线需注意强弱电分离和信号抗干扰;软件层面:核心为位置式 PID 闭环控制,Mermaid 流程图清晰展现 “采集 - 运算 - 驱动” 的闭环逻辑,代码模块化易移植;性能层面:无负载定位误差≤±1 脉冲,带载误差≤±3 脉冲,满足工业自动化高精度位置控制需求。 阅读详情

相关推荐

【Ablation Studies 理解】深度学习模型组件的对比实验/性能分析

Ablation Study 用于检测深度学习/机器学习模型中各部分构件对于整体的重要性。 可以理解为为:组件\tricks重要性测试、组件性能系统性分析、控制变量法、组件去除对比实验、性能敏感性测试、性能因子分析等 Ablation Studies 一些新颖的深度学习模型在论文中都会进行AblationStudy,这部分的主要意义在于系统性的移除模型中的各种组件/trick等因子或者是创新的...

TomRen 4588

AI 上下文记忆补充机制:延迟分类——让分类服务于召回,而非写入

传统 AI 记忆系统往往在内容写入时强制分类归档,成本高、准确率低、维护复杂。本文提出一种「延迟分类」补充机制:AI 生成回答时只打轻量标签,不做精细归档;当用户后续回溯历史内容时,再根据当前问题动态分类、召回和组织前文。该机制与三层记忆架构天然衔接,让分类行为始终服务于召回需求,而非为了分类而分类。

duolili的博客 376

Qwen3.6-27B本地部署实战:LM Studio配置、硬件门槛与避坑指南

大语言模型本地部署是当前AI工程落地的核心能力之一,其本质是将高参数量模型(如27B级)在受限硬件环境下实现低延迟、高稳定推理。关键技术原理涵盖量化压缩(如GGUF格式与q4_k_m精度权衡)、GPU显存分配策略(KV Cache管理与Offloading机制)、以及运行时环境兼容性(CUDA驱动、llama.cpp后端版本)。该能力直接决定私有化AI应用的技术可行性与成本边界,广泛应用于企业知识库构建、代码辅助、长文档分析等对数据主权和响应确定性要求高的场景。本文聚焦Qwen3.6-27B这一典型27B模

weixin_33272631的博客 468

第38章:ResNet+CBAM改进模型实战生活垃圾12分类

本文基于PyTorch实现ResNet+CBAM注意力模型,针对复杂场景下垃圾分类图像的遮挡、光照变化等问题,通过在ResNet各残差层后嵌入CBAM模块,实现通道与空间双重注意力增强,提升特征聚焦能力。项目包含数据预处理、迁移学习冻结策略、余弦退火优化、批量推理等全流程代码,支持12类垃圾识别,4600+图像数据集,开箱即用,完整记录训练日志与评估指标,显著提升模型在真实环境下的分类精度与鲁棒性。

Henry的博客 375

大模型安全-生成检测-事实核查-攻击-防御-思考-记忆-融合-语音相关研究 2025年版

本文整理了关于大模型安全领域的综合性资源,包括7篇综述论文、9个安全数据集以及5篇强化学习相关的安全研究论文。主要涉及大模型的对抗攻击、隐私保护、安全评估等方向,涵盖TruthfulQA、ToxiGen等知名数据集和TrustLLM、HarmBench等关键研究。资源包括知乎博主分享、arXiv预印本和顶会论文,并附有详细的中文讲解链接,为研究者提供了系统性的安全研究参考。

CSPhD-winston的博客 3590

海康网口相机不能被flexscan3d识别到MVS版本为4.6.1,flex为3.3.24在MVS中能够检测到,但是在flex中只能看到电脑自带相机,如何解决?

🏆本文收录于 《全栈 Bug 调优(实战版)》 专栏。专栏聚焦真实项目中的各类疑难 Bug,从成因剖析 → 排查路径 → 解决方案 → 预防优化全链路拆解,形成一套可复用、可沉淀的实战知识体系。无论你是初入职场的开发者,还是负责复杂项目的资深工程师,都可以在这里构建一套属于自己的「问题诊断与性能调优」方法论,助你稳步进阶、放大技术价值 。

**My Coding Family** 1044

Cesium 建筑单体化、3DTiles 分类、楼层显隐、分户高亮(BIM + 倾斜孪生高频)

拿到 batchId,读取 BatchTable 里面的名称、面积、户主、房间用途,弹出信息面板,孪生项目标配。Revit 导出 3DTiles 常用工具:FME、CesiumLab、ifc2tiles;扩展业务:做多层勾选(多选楼层),shader 里面用。,否则 BatchTable 为空,前端无法筛选。很多人单体化失败就是字段名大小写不匹配。直接丢弃不在目标楼层的片元;

On the way 142

Simulink仿真模块 - Data Type Conversion

Data Type Conversion将输入信号转换为指定的数据类型 在仿真库中的位置为: Simulink / 常用模块 Simulink / Signal Attributes 模型为: 说明 DataTypeConversion模块可将任何 Simulink®数据类型的输入信号转换为您指定的数据类型。 注意 要通过指定模块参数来控制输出数据类型,或者要从下游模块继承数据类型,使用DataTypeConversion模块。要...

jk_101的博客 2520

CLIP 的零样本分类:一组文本如何变成图像分类器?

CLIP通过将类别转化为自然语言描述(如“a photo of a cat”),在推理时利用图文相似度实现零样本分类。它不依赖固定分类头,而是动态生成文本表示,计算图像与各文本的余弦相似度,最终通过Softmax选出最匹配类别。该过程本质是跨模态检索,关键在于精心设计的Prompt可显著影响性能,而使用Prompt Ensemble能提升结果稳定性。

地平线开发者 394

无人机:DJI Matrice 200 Series_(13).行业应用案例分析

在前一节中,我们介绍了DJI Matrice 200系列无人机的基本硬件配置和性能参数。本节将通过具体的行业应用案例,分析如何利用DJI Matrice 200系列无人机进行二次开发,以满足不同行业的需求。

zhubeibei168的博客 1448

华南理工大学-大学物理实验-绪论作业

3.用公式测量某圆柱体铝的密度,测得直径=2.0420.003(cm),高=4.1260.004(cm),质量=36.4880.006(g)。计算铝的密度和测量的标准差,并以测量结果表达式表示之。(要求判别和剔除异常数据)(30分)(了解图解法的注意事项,大学物理实验众多实验数据处理采用这种方法,如PN结温度特性研究,光电效应与普朗克常数的测定,霍尔效应测磁场等等,注意规范作图)实验测得温度与对应的金属丝的长度的数据如下表所示。(了解异常数据的判断方法及具体判断过程,30分的题目n(*≧▽≦*)n)

mohen_777的博客 581

大模型的分类到底怎么分-从基础模型到推理模型从通用到专用的完整图谱

大模型分类没有标准答案,维度不同答案就不同——但三条主坐标轴最实用:能力定位 Base/Instruct/Reasoning(会续写→会听话→会思考)、应用领域 L0 通用/L1 行业/L2 垂域、架构 Dense/MoE 与模态。附可跑的 HuggingFace 对比代码与症状对照表。搞懂能力定位这一维,就解决 80% 的选型问题。你下载模型时分清 Base 和 Chat 了吗?

郑恩赐,厦门工学院软件工程AI方向本科在读。专注AI全栈应用开发,熟练Vue3、Spring Boot、PyTorch等技术栈,正在探索多模态大模型应用。拥有多个全栈项目和AI应用开发经验,获国家级大创立项和发明专利,掘金优质作者榜第2名。 300

【100%通过率】2023华为od机试C卷【围棋的气】Python 实现

围棋棋盘由纵横各19条线垂直相交组成,棋盘上一共19 x 19 = 361 个交点,对奔双方一方执白棋,一方执黑棋,落子时只能将棋子置于交点上。 “气”是围棋中很重要的一个概念,某个棋子有几口气,是指其上下左右方向四个相邻的交叉点中,有几个交叉点没有棋子,由此可知:

MISAYAONE的博客 1858

第34章:从VGG全家桶实战看医学影像分类:X光肺炎检测完整工程落地解析

在临床放射科工作中,胸部X光片是肺炎初筛最常用的检查手段。海量胸片给放射医生带来巨大阅片压力,利用深度学习实现肺炎的辅助筛查,能够有效提升诊断效率,降低漏诊、误诊风险。医学影像项目普遍面临一个现实难题:高质量标注样本稀缺。normal(正常肺部)、pneumonia(肺炎)。在样本量有限场景下,直接从零训练深度网络极易发生严重过拟合,因此迁移学习成为首选方案。VGG系列网络结构规整、代码易实现、预训练权重完备,非常适合作为医学影像任务的baseline基线模型。

Henry的博客 304

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

经典机器学习实战06:分类入门:数据清洗与平衡(菜系)

菜系分类第一课:亚洲五菜系数据又脏又不平衡,删掉无判别力的通用食材、SMOTE 过采样把 2448 行变成五类各 799 行。这份数据将贯穿后面三课,从分类器横评一直到 ONNX 部署。

Blockbuster-drug 829

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

Classification分类

在分类问题中,为避免标签数值间产生虚假关系,采用One-hot向量表示类别,如三类对应(1,0,0)ᵀ、(0,1,0)ᵀ、(0,0,1)ᵀ。输出层变为多分支,经Softmax处理使输出值归一化至(0,1)且和为1。损失函数选用Cross_entropy,通过真实标签与预测概率的对数关系衡量误差,结合Softmax可提升梯度性能,实现高效训练。

2301_79006415的博客 249

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

【数字人】从数字分身看 AI 智能体技术全景:能力分类、系统协作、落地路径(多模态、语言、视觉、语音、科学计算)

【数字人】从数字分身看 AI 智能体技术全景:能力分类、系统协作、落地路径(多模态、语言、视觉、语音、科学计算) 一、产品维度:数字人和数字分身要解决什么问题 1. 人物呈现、身份关联与任务推进 2. 产品形态决定核心目标 3. 数字分身的三层产品能力 二、技术维度:五个方向的能力分类与任务地图 1. 多模态:连接不同形式的信息 2. 自然语言处理:从语言结构到知识与表达 3. 语音:从干净输入到连续交流 4. 计算机视觉:从像素到对象、结构与空间 5. 科学计算:服务科学问题的预测与生成 三、连接两个维度

小哈里的博客 434

计算机视觉主要任务分类:分类、检测、分割、生成全解

计算机视觉是一个高度多样化且仍在快速扩展的领域。本文的目标是为读者提供一份关于计算机视觉四大核心任务的全面指南。我们将从定义、数学描述、评估指标、经典算法和代表应用五个维度,对每个任务进行深入剖析。全文依次讲解图像分类:计算机视觉的基石、目标检测:定位与识别、图像分割:像素级理解、图像生成:从无到有的创造、四大任务的对比与内在联系等内容。

2602_96795563的博客 374

BERT模型详解:为什么它擅长文本理解与分类?核心机制、应用实战与变种进化

学习目标:理解BERT出现前传统NLP模型的局限,以及BERT如何通过双向编码突破瓶颈比如GPT系列采用自回归式(Autoregressive)生成,只能从左到右建模文本;全文依次讲解BERT的诞生:解决NLP的单向困境、BERT核心原理深度解析、为什么BERT擅长文本理解与分类?、BERT实战:文本分类任务示例、BERT的变种与进化等内容。

2602_96795563的博客 179

<QtMath> 详解:Qt 数学函数的分类、坑点与代码示例

QtMath>是 Qt 提供的一个轻量级数学工具头文件。它本身并不是一个独立的“数学库”,而是在 C/C++ 标准数学函数之上,叠加了一层针对 Qt 类型系统与跨平台一致性的封装。如果你曾经疑惑“为什么 Qt 要重复造轮子,不直接用<cmath>”,答案主要藏在qreal和跨平台行为的一致性里。

qq_40170041的博客 260

PoE 芯片选型干货:PD / PSE 分类、af/at/bt 标准、国产替代避坑

不要只看标题 / 选型表:很多国产 PD 芯片封面简写 af,需要核对完整 datasheet 确认是否支持 at Type2;协议标准(af/at/bt) 和 集成架构(PD-only / 二合一)不要混在一起;at 不等于 25.5W,at Type1 只有 13W,只有 at Type2 才是 25.5W;PSE Manager(PD69208/PD69210)不带功率 MOS,属于分立架构,和单口集成 PSE 开关不是一类东西;

weixin_51551858的博客 326

分类模型评估:混淆矩阵、精确率、召回率与阈值调整

模型训练后仅凭准确率(如87%)无法判断是否可用,因它忽略错误类型与业务代价。本文以BERT中文情感分类为例,系统演示模型评估流程:通过混淆矩阵分析预测结果,结合精确率、召回率、F1等指标全面评估性能。代码实现中,使用sklearn计算各类指标,并可视化混淆矩阵,揭示模型在类别不平衡下的真实表现,强调应根据实际场景选择合适评估标准,避免误判风险。

weixin_50260670的博客 360

【AI 开发从入门到进阶 · 05】CNN 实战:从卷积核到 CIFAR-10 分类,一次讲透卷积、池化、BN 与训练调参

本文系统解析了全连接网络处理图像的缺陷,阐明CNN通过局部感受野与权值共享实现高效特征提取。结合CIFAR-10分类实战,详解卷积、池化、BatchNorm、Dropout及数据增强五大核心组件,并提供高性价比调参清单与训练技巧(如AdamW、余弦退火、标签平滑)。强调“小数据过拟合”为调试首选,指导学习曲线解读,为序列建模与NLP进阶铺路。代码完整可运行,适合深度学习入门者掌握视觉任务核心范式。

信息安全领域优质创作者|操作系统领域专家 154

单视角手部采集的遮挡分类与可观测性分级设计

采集数据的缺陷通常按缺失程度衡量,例如丢帧比例、关键点缺省率、时间轴断裂数。这类指标描述的是信息有没有到位,无法描述信息到位之后是否可信。遮挡造成的缺陷属于后者。被遮挡区域并非没有标注,而是标注值缺少对应的观测依据。标注流程在缺省位置执行插值或按动作先验补全,输出结果在数值上连续、在格式上合规、在时序上平滑,与实测序列在统计特征上难以区分。由此形成一类难以在质检环节拦截的错误:文件完整,字段齐全,坐标越界检查通过,相邻帧位移检查通过,唯独缺少观测来源。

ok_vince的博客 346

Full Softmax 与候选采样(负采样)对比教程:大规模分类如何降低训练计算成本

它的核心思想是:训练模型时,不必每次都计算所有负类别的概率,只需要保留正标签,并从负类别中抽取一部分参与计算即可。这种方式在类别数量较少时通常没有问题,但如果分类任务达到几十上百万的时候,那么每次训练都要计算庞大数量的类别对应的 logits,然后再进行 Softmax 归一化,此时计算成本就会非常高。候选采样并不意味着只能通过完全随机的方式选择负样本,因为选择与正标签越相似的样本越有利于模型训练, 因此,根据不同的任务需求,可以采用不同的采样策略。此时,每个负类别被抽中的概率相同。

空字符 273

自适应分类·合规审查·成本低:知源-AI数据分类分级系统在医疗行业的落地实践

知源-AI数据分类分级系统在医疗行业的实践表明,自适应分类、合规审查与成本控制三者并非不可兼得——AI技术的恰当应用,完全可以打破“准确、高效、便宜”的三角悖论。在南方某省大型三甲医院的实际部署中,系统仅用2小时完成对1.2万张表、9万余个字段的自动化分类分级,准确率达96.2%,综合实施成本较传统方案降低约65%,分类结果直接输出至数据安全管控平台、数据脱敏系统和审计系统,实现了“一次分类、处处使用”。与此同时,数据要素市场化流通的探索也在加速,而流通的前提恰恰是“先分类、再分级、后授权”。

m0_71567443的博客 245
上一篇: 表单引擎在应用系统中的位置与作用驰骋BPM驰骋低代码低代码工作流引擎
下一篇: 表单三要素:控件、数据与业务逻辑驰骋BPM驰骋低代码低代码工作流引擎
驰骋低代码、工作流、表单引擎
博客等级 码龄18年 501粉丝 506原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

驰骋低代码、工作流、表单引擎

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值