- 博客(32)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Python常用的内建函数
Python 提供了许多内建函数(Built-in Functions)，这些函数可以直接使用，无需导入任何模块。下面仅作部分列举。
2025-04-10 16:46:57
824
原创 AI进化论：大模型AI agent设计之道
智能体彻底革新了传统控制逻辑。它摒弃了依靠死板程序决定每个动作的模式，借助大语言模型(LLMs)驱动决策。智能体能够实时推理、灵活运用工具并调用记忆。这种灵活性让工作流程实时演变，使智能体比基于固定逻辑构建的系统强大得多 。
2025-04-10 10:06:32
376
原创 Genspark：又一中国血统超级智能体，海外爆火
Genspark是一款通用AI智能体，由前百度高管景鲲与前小度CTO朱凯华联合创立。通用AI智能体是一种具备自主规划、多模态感知、跨领域学习和动态适应能力的智能系统，一句话说就是能做各种类型复杂任务的AI工具。
2025-04-07 15:39:20
522
原创 Python魔法函数简述
以别于普通类方法。它们不是通过显式的函数调用方式来执行的，而是在特定的操作或场景下，由 Python 解释器自动触发调用。**魔法函数，Python 解释器就会自动调用该函数来实现加法行为。：**对象初始化方法，在创建对象后立即调用，用于初始化对象的属性。函数获取对象的长度时，Python 解释器会去调用对象的**：**控制对象的调用行为，使对象可以像函数一样被调用，通过。运算符对两个对象进行加法操作时，如果对象所属的类定义了**函数输出对象时，解释器会自动调用对象的**：控制对象索引操作的行为，通过。
2025-03-27 11:04:06
315
原创 Python装饰器详解
装饰器也可以接受其它参数，这使得装饰器更加灵活。如果装饰器需要接受其它参数(上面提到装饰器只能接收一个可调用对象作为参数)，可以再嵌套一层函数。这种设计使得装饰器可以非常灵活地接受额外的参数，同时保持了 Python 装饰器的简洁性和一致性。装饰器的定义是只能接收一个可调用对象(一般是函数，下文中都称作函数)作为参数，返回一个可调用对象;装饰器返回的那个函数一般习惯定义在装饰器内部(Python中的函数可以定义在函数内部)，是一个装饰器函数，它接受一个函数。装饰器本质上是一个函数，它。
2025-03-26 10:03:25
465
原创 Python生成器详解
即它只在需要时才生成值。这意味着生成器不会一次性计算所有值并存储在内存中，从而节省了大量内存。做视频推理时使用生成器，即一次返回一帧的推理结果，而不是将所有帧的结果放在列表中一次性返回；，__iter__和__next__魔法函数由Python自动实现，不需要我们显式定义。做大语言模型推理时使用生成器，流式输出，而不是等待所有token生成后一次性返回。生成器可以使用函数来创建，生成器函数使用。: 可以看出，生成器的一个重要特性是。，类似于列表推导式，但使用圆括号。来产生值，而不是使用。
2025-03-25 20:45:00
619
原创 快来尝鲜！阿里开源3D人体重建模型，单张图片指定动作生成视频
LHM(大型可动画人体重建模型)是由阿里巴巴通义实验室开发的一种新型3D人体重建模型，能够在几秒钟内从单张图像中重建出可动画化的3D人体模型。
2025-03-25 12:14:15
388
原创 深度讨论Python for循环
函数，获取可迭代对象的迭代器。(注:iter()函数接收一个可迭代对象作为参数，返回一个迭代器，此迭代器正是这个可迭代对象的。方法创建一个默认的迭代器(然后就和4.1中一样了)，这个默认的迭代器(对。的对象可以使用索引取值,如x[0]。此外这种对象还可被用于for循环！将元素赋值给循环变量item，并执行循环体。重复步骤 2 和 3，直到迭代器抛出。方法，Python 会尝试使用。在第一节魔法函数中提到实现了。方法获取元素，直到抛出。方法，获取下一个元素。
2025-03-24 11:35:45
546
原创 DeepSeek GRPO与清华DAPO：强化学习回顾
强化学习是一种通过智能体与环境的交互来学习最优行为策略的机器学习方法。它由智能体(Agent)、环境(Environment)、状态(State)、动作(Action)、策略(Policy)、奖励(Reward)和价值(Value)等要素组成，目标(Target)是找到一个最优的策略，使得从任意初始状态开始的期望累积奖励最大化。
2025-03-24 09:58:31
529
原创 Python迭代器详解
因为__iter__只是返回一个迭代器，我们做迭代任务时使用的是__iter__返回的那个迭代器，比如在for循环中。例如，一个可迭代对象可以被多次迭代，每次迭代都会生成一个新的迭代器，而不会互相干扰。异常，比如在for循环中就会捕获这个异常而退出for循环。魔法方法的对象，它会保存遍历状态，并逐个返回元素。所以迭代器可以作为next()的参数来使用。**注意：**在实现该魔法方法的代码时，当没有更多的元素可迭代，魔法方法必须返回一个迭代器，即3.1中所讲的实现了。魔法方法的对象，这样的对象就可以被。
2025-03-21 11:44:10
388
原创 如何更高效地与DeepSeek对话：提示词技巧
向大语言模型发送的内容被称为提示词(prompt)，提示词不同，AI这台“计算器”算出的结果一般也不同。设计合理的提示词被称为Prompt Engineering(提示词工程)。
2025-03-20 08:54:10
308
原创 一文讲完Python注解与pydantic
类型别名（Type Alias）是一种为已有的类型赋予一个新名称的机制。它主要用于增强代码的可读性和可维护性，尤其是在处理复杂类型时。类型别名在 Python 的类型注解（Type Hints）中非常有用，尤其是在使用静态类型检查工具（如。它利用 Python 的类型注解来定义数据模型的字段类型，并根据这些类型注解对输入数据进行验证。Python注解是 Python 3.5及以后开始引入的一个特性，用于在代码中为变量、函数参数和返回值等添加类型信息。来定义数据模型，并使用类型注解来指定字段类型。
2025-03-13 21:30:07
439
原创 DeepSeek原理篇：MLA与传统MHA
本文将从大模型最重要的理论基础之一：自注意力机制(Self-Attention Mechanism)的关键特性讲起，再到多头自注意力机制(MHA)，最后呈现MLA的关键特性。
2025-03-11 10:00:11
446
原创 全民科普：Manus和DeepSeek有什么区别？
Manus可以比作一个组装好的机器人，这个机器人要用到DeepSeek、ChatGPT这样的大模型作为大脑，但也要用到胳膊、腿，配合大脑去做各种事情。所以，Manus就是：“不生产水，只是大自然的搬运工”，Manus不是新的继DeepSeek之后更强的大模型，而是给大模型穿上一层马甲，拿大模型做事情，比如，你手机上的一个智能软件。
2025-03-08 18:10:33
684
原创 DeepSeek-R1+Trae编程助手，对标Cursor，国内首个AI IDE使用指南
具体内容请见观智能完整文章⬇️：Trae是字节跳动推出的一款AI原生集成开发环境(AI IDE)，目前Trae国内版完全免费，集成了Doubao-1.5-pro和满血版DeepSeek R1、V3 大模型，支持代码补全、代码理解、Bug修复以及通过对话的方式生成代码、完善代码等功能。
2025-03-06 08:57:27
427
原创 DeepSeek级别的短剧生成模型？SkyReels使用指南
SkyReels-V1和SkyReels-A1是昆仑万维开源的两款面向AI短剧创作的模型(基于腾讯混元大模型训练)，专为影视级内容创作设计。SkyReels-V1更侧重于整体视频生成，能够快速生成高质量的短剧视频，适合快速内容创作。SkyReels-A1更专注于人物表情和动作的精准控制，适合需要精细表演的场景。
2025-02-27 11:03:10
371
原创 苹果将与阿里巴巴合作推出国内版apple intelligence，曾放弃腾讯、DeepSeek等公司
苹果曾测试了包括百度在内的多个中国知名开发商的大模型，并在2024年选择了百度作为主要合作伙伴，但由于百度在开发适用于Apple Intelligence的模型方面进展未达到苹果的标准，合作遇到障碍而终止。
2025-02-13 15:08:27
254
原创 MoE及DeepSeekMoE解析
DSMoE(DeepSeekMoE)这项技术的主要目的是解决传统大模型(尤其是大规模密集模型)在计算效率、训练成本和实际部署中的瓶颈问题。DeepSeekMoE通过在MoE架构中引入创新机制，显著提升了模型的效率和性能。鄙人习惯在“某绿标平台”写东西，这里就不粘贴复制啦~参见绿标平台↓↓↓↓↓。
2025-02-12 13:12:27
781
原创 DeepSeek本地部署，可视化、无延迟、畅快使用
很多朋友已经发现DeepSeek的API服务能力远远没有跟上它的爆火程度，回答问题的响应速度明显比豆包、Kimi、智谱等国产大模型慢，时不时还会崩掉~~无论是个人体验还是企业业务，都需要一个低延迟响应大模型服务。此外，如果有数据隐私、定制化(微调、RAG、多模态)等需求时，本地部署就更加必要了。
2025-02-09 11:51:32
421
原创 详解教程，一套流程轻松理解Vision Transformer(ViT)
Transformer开启了大语言模型时代，Vision Transformer则是打破了自然语言处理(NLP)和计算机视觉(CV)在技术差异上的壁垒，在一些图像识别任务的测试对比中表现出与CNN相媲美甚至更好的效果，证明了用于处理序列的Transformer技术架构在CV领域的有效性。
2025-02-06 12:14:33
439
原创 详解教程，一文真正搞懂Transformer，不再被误导
自注意力，通俗点说是利用每个词自己的信息去得到与其它词的关联，具体做法是计算两个词向量的点积，用点积的结果来反映一个词对另一个的关注度。
2025-02-06 12:12:30
129
原创 详解教程，一文轻松搞懂Transformer PE位置编码
对于深度学习中最常用的卷积神经网络CNN和循环神经网络RNN，我们知道其计算过程就是按照位置逐步进行的，所以一般不需要额外给输入数据添加位置信息，而由上所述，Transformer的输入数据则需要我们人为地为其注入位置信息。
2025-02-06 12:10:59
314
原创 字节扣子平台教程：新的赚钱机会，已有营收过百万的个人用户！
由于扣子平台的简单易用和功能强大，有过万家企业使用了扣子为自己的业务AI赋能，越来越多的个人也在扣子上把自己的想象力转变成具有娱乐性、实用价值或者商业价值的AI产品。
2025-02-06 12:05:45
137
原创 AI模型界面搭建，玩转Gradio：YOLO11视频推理交互页面
该案例的任务类型是目标检测，也可将这个案例作为其它计算机视觉任务的模版，比如图片生成、目标追踪、图像分割、图生图、文生图......
2025-02-06 12:03:08
110
原创 一文学会基于LangChain开发大模型RAG知识问答应用
RAG全称是Retrieval-Augmented Generation，即检索增强生成。通俗来讲,就是在用户提的问题的基础上，引入相关资料信息，把“问题+相关资料” 一起给大模型，让大模型在参考资料的约束或提示下回答问题而不是随意发挥，从而期望大模型生成质量更高、更准确的答案，改善大模型”幻觉“、训练数据过时、 知识范围有限等带来的负面问题。
2025-02-06 11:58:59
294
原创 仅需2步，轻松搭建功能强大的DeepSeek-R1编程助手
JetBrains系列IDE(以PyCharm为例) + CodeGPT插件 + Ollama + DeepSeek-R1。DeepSeek-R1蒸馏版本模型，低配置电脑也能跑(作者这里使用的是deepseek-r1:1.5b)
2025-02-05 15:45:37
367
1
JavaEE课程PDF课件
2018-06-21
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人