<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[lk7362的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/lk7362</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; lk7362]]></copyright><item><title><![CDATA[Python 实现 Excel 中材料定额计算与工艺 BOM 自动化生成]]></title><link>https://blog.youkuaiyun.com/lk7362/article/details/155318784</link><guid>https://blog.youkuaiyun.com/lk7362/article/details/155318784</guid><author>lk7362</author><pubDate>Thu, 27 Nov 2025 16:49:48 +0800</pubDate><description><![CDATA[通过 Python 实现材料定额计算与工艺 BOM 生成，不仅可以大幅提高工作效率，还能保证计算结果的准确性和一致性。本文提供的代码框架可根据实际生产需求进行定制扩展，帮助企业实现生产数据的数字化管理，为智能制造打下基础。]]></description><category></category></item><item><title><![CDATA[一文读懂蒸馏模型：原理、实现与应用场景]]></title><link>https://blog.youkuaiyun.com/lk7362/article/details/153627241</link><guid>https://blog.youkuaiyun.com/lk7362/article/details/153627241</guid><author>lk7362</author><pubDate>Mon, 20 Oct 2025 12:36:28 +0800</pubDate><description><![CDATA[传统模型训练是让学生模型直接拟合“真实标签”，而蒸馏模型则让学生模型同时拟合“教师模型的软标签”和“真实标签”——通过教师模型的“软标签”传递更丰富的决策信息（如“猫”的概率0.9、“虎斑猫”的概率0.85），帮助学生模型更快学习到数据的内在规律，最终实现“小模型逼近大模型精度”的目标。当教师模型的“最终输出”无法完全传递所有知识时（如复杂视觉任务），直接让学生模型学习教师模型的“中间层特征”——通过设计“特征匹配损失”，让学生模型的中间特征图与教师模型的对应特征图尽可能相似。]]></description><category></category></item><item><title><![CDATA[哈希密码教程：原理、应用与实践]]></title><link>https://blog.youkuaiyun.com/lk7362/article/details/146940179</link><guid>https://blog.youkuaiyun.com/lk7362/article/details/146940179</guid><author>lk7362</author><pubDate>Wed, 02 Apr 2025 11:46:25 +0800</pubDate><description><![CDATA[例如，在下载开源软件的安装包时，官方网站会提供该安装包的哈希值（如MD5、SHA - 1或SHA - 256等），用户可以使用专门的哈希计算工具来验证文件的完整性。当用户登录输入密码时，系统会对输入的密码进行相同的哈希计算，然后将计算得到的哈希值与数据库中存储的哈希值进行比对，如果两者一致，则说明密码正确。- 使用强哈希算法：优先选择安全性高、经过广泛验证的哈希算法，如SHA - 256、BCrypt或PBKDF2，避免使用已被证明存在安全漏洞的算法（如MD5和SHA - 1）。]]></description><category></category></item></channel></rss>