- 博客(27)
- 收藏
- 关注
RSS订阅原创 感知机原理及C++代码实现：AI神经网络入门
感知机是AI的起点，由Rosenblatt提出，模拟神经元“加权求和+激活”机制。单层感知机能处理线性可分问题，如AND、OR、NOT逻辑门；但遇到XOR等非线性问题无能为力。通过引入隐藏层（多层感知机）可组合线性边界解决XOR，开启非线性建模时代。反向传播算法的出现让多层网络可训练，奠定了现代深度学习的基础，从图像识别到自动驾驶皆源于此。
2025-11-13 23:51:28
525
原创 从零打造高性能人体姿态检测系统：YOLOv8-Pose + ONNX Runtime 实战指南
本文介绍了基于YOLOv8-Pose和ONNX Runtime构建高性能实时人体姿态检测系统的完整方案。文章重点分析了YOLOv8-Pose的一体化网络架构优势，能够同时完成人体检测和17个关键点定位，相比传统方法速度提升3-5倍。在部署实现上，详细讲解了ONNX Runtime的跨平台特性与优化配置策略，包括单线程推理、扩展图优化等关键技术。通过精心设计的YOLOv8PoseDetector类，实现了从模型加载、信息提取到高效推理的完整流程，为开发者提供了具有生产级质量的姿态检测解决方案。
2025-09-13 15:50:46
1182
原创 一文看懂TensorRT8.x部署目标检测Pipeline
目标检测器核心流程包括图像预处理、模型推理和结果后处理。图像预处理阶段通过blobFromImage自动完成尺寸调整、BGR转RGB、数据归一化和格式转换。推理流程包含CPU到GPU的数据传输、TensorRT引擎执行前向传播，以及结果解析。后处理阶段通过NMS去除冗余检测框，并进行坐标转换和可视化绘制。系统采用异步CUDA流管理资源，确保高效推理并避免内存泄漏。
2025-09-11 16:54:27
230
原创 YOLOv8 TensorRT C++部署实战详解：从XMake构建到推理流水线
本项目实现了一个基于YOLOv8和TensorRT的高性能火灾烟雾检测系统，具有以下核心特点： 技术架构：采用TensorRT 8.6+进行GPU加速推理，结合CUDA 12.1和OpenCV 4.8+，实现高效计算机视觉处理。系统使用XMake替代CMake构建，配置更简洁高效。
2025-09-08 23:20:43
872
原创 RF-DETR自定义数据集并训练(实例测试）
本文介绍了使用RF-DETR框架训练火灾烟雾检测模型的完整方案。采用Roboflow格式数据集（COCO兼容），通过RFDETRSmall模型进行训练。针对显存限制提供两种方案：单卡训练使用batch_size=16配合8倍梯度累积实现有效批次128；双卡分布式训练通过torchrun实现总批次256。关键技术包括使用环境变量控制GPU分配、expandable_segments优化内存、nohup或tmux实现后台训练、watch nvidia-smi监控GPU状态。训练设置250个epochs，学习率1
2025-09-06 00:04:52
510
原创 我的VS Code 键位绑定配置：提高开发效率的终极指南
获取配置文件 请关注公众号“CodeCyber”后台回复 “vscode键位绑定”配置文件其中的路径配置 可根据自身电脑路径调整。: 以下快捷键仅在文件资源管理器有焦点时有效。
2025-09-01 10:24:22
858
原创 程序员脱发调理指南
【脱发调理指南摘要】针对脱发问题，建议先进行医学检查（血常规、甲状腺功能等），再通过均衡营养（补充蛋白质、铁、锌等）、正确护发（温和洗发+头皮按摩）、规律作息（保证睡眠+减压）等综合调理。中医推荐何首乌、黑芝麻等食疗，避免染烫和过度梳理。调理需3-6个月见效，严重时可考虑药物治疗（需医生指导）。关键要耐心坚持，内外兼治，保持平和心态。
2025-09-01 10:18:21
837
原创 lazydocker和lazygit安装与操作
lazydocker 和 lazygit 是两款终端 TUI 工具，分别用于管理 Docker 和 Git。lazydocker 下载安装后通过快捷键管理容器、镜像等资源（如 j/k 导航，r/s 启停容器）。lazygit 提供快捷的 Git 操作界面（a 暂存文件，c 提交，p 推送）。两者均通过快捷键操作，支持 Enter 查看详情，q 退出界面，简化了在终端中的资源管理操作。
2025-08-30 10:45:57
224
原创 深度学习 基础与概念 第三章注解
本文探讨了密度估计的核心方法——最大似然估计（MLE）及其理论基础。首先指出密度估计的本质是通过观测数据推断潜在概率分布，需经过模型选择、参数确定和密度函数构建三个步骤。重点分析了MLE的合理性，从频率主义视角、信息论角度（与KL散度的等价性）进行解释，并通过高斯分布的实例验证MLE与最小KL散度的一致性。文章深入剖析了似然函数的数学定义，强调其作为参数函数而非概率分布的特性，并引入充分统计量的概念说明数据压缩原理。最后从最大熵原理出发，证明在给定均值和方差约束下，高斯分布是使熵最大化的唯一分布，揭示了高斯
2025-08-16 21:53:27
419
原创 Win11中WSL2故障恢复和迁移完整流程
本文详细介绍了WSL系统故障恢复和迁移的完整流程。当WSL无法启动时，首先通过命令备份数据，然后彻底清理旧系统。接着重新安装WSL并迁移到F盘，使用备份的虚拟磁盘文件恢复数据。最后通过检查文件和目录验证恢复成功，并提供了备用方案以防导入失败。整个过程确保了数据安全，同时将WSL迁移到F盘以节省C盘空间，最终成功解决了故障问题。
2025-08-06 13:26:51
669
原创 PowerShell配置优化：打造高效终端环境
本文分享了一套高效的PowerShell终端配置方案，通过集成oh-my-posh、eza、fzf和zoxide等工具，大幅提升Windows终端体验。配置包括：1) 美化界面（彩色提示符、Git状态显示）；2) 增强文件浏览（eza替代ls，支持图标和树形结构）；3) 智能目录跳转（zoxide）；4) 历史命令模糊搜索（fzf）；5) Conda环境管理；6) 实用别名设置。安装只需复制配置文件并安装必要工具，即可获得现代化、高效的命令行工作环境。
2025-08-04 00:00:49
951
原创 使用Docker部署MinerU并通过API调用
本文介绍了在Windows 11下使用Docker Desktop部署MinerU服务的优化方案。针对国内网络环境，提供了Docker镜像源和APT源的替换配置，包括使用中科大镜像源和清华pip源。文章详细说明了Dockerfile的修改要点，包括时区设置、字体安装和模型下载配置。同时强调了Windows环境下GPU加速的特殊处理方式。最后给出了MinerU服务的基础API调用方法，包括PDF文件解析、带参数解析和实时进度显示等功能实现。
2025-08-03 15:29:57
1032
原创 在 Ubuntu 上安装 nvidia-container-toolkit并使用
本文介绍在Ubuntu系统上安装和配置NVIDIA Container Toolkit的完整流程。首先需要确保已安装NVIDIA驱动和Docker Engine（≥19.03）。安装步骤包括：配置NVIDIA软件仓库、安装工具包、设置Docker默认运行时，并重启Docker服务。验证时可通过运行nvidia-smi命令检查GPU是否正常工作。文章还详细说明了如何让多个容器共享GPU资源，包括直接指定GPU设备、使用环境变量或在Docker Compose中配置的方法，并提供了常见问题的解决方案。
2025-08-03 15:06:38
1459
原创 完整的 uv Python 项目管理指南
本文提供了完整的uv Python项目管理指南，包含项目结构、初始化配置、依赖管理和开发工作流等核心内容。指南详细介绍了如何使用uv工具创建项目(pyproject.toml配置)、管理依赖(添加/删除/查看)、创建虚拟环境、运行代码和测试等操作流程。同时提供了开发最佳实践，包括版本控制配置、持续集成模板和常用命令总结，帮助开发者构建高效、规范的Python项目工作流。
2025-08-01 09:03:45
435
原创 YOLOv5 目标检测概述
YOLOv5是一种基于PyTorch的实时目标检测模型，采用单次前向传播预测边界框、置信度和类别概率。其处理流程包括前处理、模型推理和后处理三个阶段。前处理通过Letterbox缩放保持图像比例，进行归一化和张量转换。模型推理后，后处理对输出进行解码，计算置信度并应用非最大抑制（NMS）过滤冗余检测，最终输出边界框、类别和置信度。整个过程确保了高效准确的目标检测，适用于实时应用场景。
2025-07-29 12:06:09
983
原创 Windows 11系统 OpenCV CUDA12.4 编译加速实战：PowerShell自动化脚本实现
本文介绍了在Windows 11系统下使用PowerShell脚本自动化编译支持CUDA 12.4的OpenCV项目的完整流程。主要内容包括：1) 搭建编译环境（VS2022+CUDA12.4+CMake3.31.6）；2) 编写自动化脚本实现环境检查、模块化构建和编译优化；3) 通过CMake配置和测试代码验证CUDA功能。脚本采用谨慎的模块启用策略，优先保证核心CUDA模块（算术运算/图像处理/几何变换等）的稳定性，并实现了完善的错误处理和进度显示功能。最终通过测试程序验证了CUDA加速模块的正确性
2025-07-27 16:43:30
918
原创 使用 FastAPI 和 ONNX Runtime 构建 YOLOv8 分割 API服务
本文介绍了使用FastAPI和ONNX Runtime构建YOLOv8分割模型API的方法。该API可实现图像中的物体检测与实例分割，返回检测框、类别置信度及分割掩码轮廓坐标。文章详细讲解了项目流程，包括图像预处理、ONNX模型推理、NMS后处理和掩码生成等关键技术。通过FastAPI构建RESTful接口，使用ONNX Runtime高效执行模型推理，并利用OpenCV处理分割掩码的轮廓提取。最后提供了部署测试方法，展示了如何将深度学习模型部署为可调用的后端服务。
2025-07-14 14:22:35
988
原创 深度学习 :基础与概念 (第一章注解)
本文阐述了深度学习中的关键概念与方法。首先解释了自监督学习的机制，通过自动生成训练对来训练模型，无需人工标注。接着介绍了自回归语言模型的生成原理及其对话交互的实现方式。在模型优化方面，讨论了平方和误差函数的解析解和正则化技术（包括收缩方法和权重衰减），强调正则化系数λ作为超参数需独立设定。最后指出数据集应划分为训练集、验证集和测试集，以防止模型过拟合。这些技术共同构成了现代深度学习的基础框架。
2025-06-17 00:15:45
714
原创 书生大模型 -XTuner 微调个人小助手认知任务
在 XTuner 中提供了一键合并的命令 xtuner convert merge，在使用前我们需要准备好三个路径，包括原模型的路径、训练好的 Adapter 层的（模型格式转换后的）路径以及最终保存的路径。微调完成后，我们可以再次运行 xtuner_streamlit_demo.py 脚本来观察微调后的对话效果，不过在运行之前，我们需要将脚本中的模型路径修改为微调后的模型的路径。assistant_Tuner_change.jsonl 是修改后符合 XTuner 格式的训练数据。
2024-11-15 22:27:30
653
原创 书生大模型实战营--浦语提示词工程实践
提示工程是一种通过设计和调整输入(Prompts)来改善模型性能或控制其输出结果的技术。在模型回复的过程中，首先获取用户输入的文本，然后处理文本特征并根据输入文本特征预测之后的文本，原理为next token prediction。
2024-10-30 21:48:46
750
原创 书生大模型实战营第4期系列课程-第一关核心知识
linux中链接分为两种 : 硬链接(hard link)与软链接(symbolic link)，硬链接的意思是一个档案可以有多个名称，而软链接的方式则是产生一个特殊的档案，该档案的内容是指向另一个档案的位置。在实际的 web_demo 模型部署实践中，我们可以利用端口映射将开发机中的服务端口（例如 Web UI 端口）映射到本地，这样既避免了代理问题，又确保了资源能够完整加载，提升了开发和调试的便利性。端口映射是一种网络技术，可以将外部网络的请求通过指定端口转发到内部网络的设备或应用上。
2024-10-26 17:22:17
1064
原创 conda 的一些操作
创建虚拟环境，在开发过程中，很多时候不同的项目会需要用到不同版本的包，甚至是不同版本的Python,使用虚拟环境可以轻松解决这些问题。在虚拟环境中，“pip install”命令只会安装需要安装的那个包本身，而“conda install”命令除了会安装需要安装的包，还会自动安装这个包的依赖项。当前环境输入 python文件存放的路径后，可以直接运行Python文件，或者在命令行窗口输入“python”命令进入交互模式。如查看python版本后，创建一个名为“NLP”的虚拟环境，并指定版本号。
2022-10-21 23:38:37
988
原创 Python数据分析项目 matplotlib & seaborn总结
本文是数据科学与人工智能综合项目训练营python数据分析项目关于Matplotlib和Seaborn的个人总结。有些语法没写以节约空间，希望对大家有帮助。Matplotlib介绍Matplotlib主要绘图函数及参数:Seaborn介绍：Seaborn主要绘图函数及参数:项目流程(续)Matplotlib介绍Matplotlib是基于 Python 的图表绘图库，主要用于绘制2D图形，也可以绘制3D图形，操作简单，以渐进、交互方式实现数据可视化，对图像元素控制力强，可输出PNG、PDF、SVG和E
2022-08-09 00:28:26
1133
1
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