- 博客(18)
- 收藏
- 关注
RSS订阅原创 deep-searcher项目：DeepSeek+Milvus打造个人知识库（Windows版）
2、原先尝试使用Windows操作系统，发现milvus有个包不适配，所以安装了WSL2，环境搭建可以参考3、模型调用硅基流动上的DeepSeek-V3，Embedding模型调用硅基流动上的BAAI/bge-m34、环境中安装了miniconda，所以通过conda来建虚拟环境，也可以参考官方来建虚拟环境。
2025-03-28 17:49:52
824
原创 Windows安装WSL2+自定义Ubuntu路径+Docker
以管理员身份打开PowerShell并输入以下命令：1.2 启用虚拟机功能以管理员身份在PowerShell中输入以下命令：1.3 手动设置模式（实现1.1和1.2的操作）1.1和1.2的命令效果与如下手动设置效果一样。本人通过手动设置。开启后需要重启，重启完成。最好Hyper-V也勾选。关于如何启用虚拟化，可以参考：bios启用虚拟化（惠普、联想、华硕）下载链接：WSL2 Linux核心更新包，适用于x64机器下载完后执行安装即可。在PowerShell中执行如下命令，以在安装新的Li
2025-03-27 17:33:45
890
原创 昇腾910B+MindIE实现Qwen类模型推理之问题解决
6、镜像：[MindIE]ascend_24.1.rc3-cann_8.0.rc3.beta1-py_3.10-ubuntu_20.04-aarch64-mindie_1.0.RC3。2、操作：升级transformers。此处指定了版本为：4.45.2，同步会升级tokenizers-0.20.3。
2025-02-03 13:09:34
544
原创 ValueError: The current `device_map` had weights offloaded to the disk.
根据提示：1、指定offload_folder；2、如果权重文件是safetensors格式，需要安装safetensors。此处个人通过指定offload_folder的方式。
2024-11-07 12:11:15
498
原创 强化学习（2）：价值学习
使用神经网络Q(s,a;w)来拟合函数。该神经网络的参数是w，输入是状态s，输出是对所有动作的打分。例如，超级玛丽游戏中，可以把屏幕画面作为输入，用卷积网络将输入映射成一个特征向量，再通过全连接层将特征映射成输出向量（即对动作的打分），从结果可知，此时Mario应该向上跳。此时，可以用DQN来操作agent玩游戏。当前观测到状态，DQN以为输入对所有动作打分，选出分数最高的动作，agent做出这个动作后，环境用状态转移函数来随机生成状态，同时环境也会告知当前动作对应的。
2024-07-15 19:08:53
980
原创 Mac M1安装Miniconda+支持GPU的TensorFlow和PyTorch
电脑系统：MacBook Pro M1 + Mac Ventura 13.5安装：Miniconda + tensorflow-macos-2.13.0 + torch-2.0.1。
2023-08-06 15:51:14
3960
1
原创 强化学习（1）
例如，左边绿色框是一种状态，概率是0.8，右边绿色框是另一种状态，概率是0.2，系统随机抽样决定下一状态是什么。表示t时刻的return，它是把t时刻开始的奖励全都加起来，即加到最后一刻的奖励，也就是未来的奖励总和。求最大化，也就是，我们有很多policy函数，我们要用的是最好的那个policy函数。可以告诉我们，棋下在这个位置，胜算有多大，下在那个位置，胜算有多大。例如，Mario向左的概率是0.2，向右的概率是0.1，向上跳的概率是0.7。例如，在超级玛丽游戏中，Mario可以向左走，向右走，向上跳。
2023-03-13 18:47:52
215
原创 YOLOv2: YOLO9000: Better, Faster, Stronger
YOLO9000: Better, Faster, Stronger
2022-07-21 20:42:00
1116
原创 YOLOv1: You Only Look Once: Unified, Real-Time Object Detection
You Only Look Once
2022-07-05 13:32:22
827
原创 MS COCO数据集
1. MS COCO数据集介绍MS COCO的全称是Microsoft Common Objects in Context，起源于微软于2014年出资标注的Microsoft COCO数据集。官网地址：http://cocodataset.orgCOCO是一个具有非常高的行业地位且规模非常庞大的数据集，用于目标检测、分割、图像描述等等场景。特点包括：Object segmentation：对象级分割 Recognition in context：上下文识别 Superpixel stuf
2022-05-06 18:51:04
15211
原创 FPN：特征图金字塔网络
1. 论文简介论文名：Feature Pyramid Networks for Object Detection论文地址：FPN论文作者：Tsung-Yi Lin, Piotr Dollar, Ross Girshick, Kaiming He, Bharath Hariharan, and Serge Belongie论文时间：2016年CVPR说明：FPN可以实现端到端训练；使得模型精度更高；且不增加推理时间。使用了FPN结构的Faster R-CNN在COCO数据集上，mAP提升.
2022-04-26 17:36:39
9334
原创 HOG：用于人体检测的方向梯度直方图
1. 论文简介论文名：Histograms of Oriented Gradients for Human Detection论文地址：HOG论文作者：Navneet Dalal and Bill Triggs论文时间：2015年说明：HOG （Histogram of oriented gradient）是2005年CVPR上，由法国国家计算机科学及自动控制研究所的Dalal等人提出的一种用于人体检测的方向梯度直方图（特征描述子），通过统计图像局部区域的梯度方向直方图来形成图像特.
2022-03-30 15:22:29
5797
2
原创 Faster R-CNN
1. 论文简介论文名：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks论文地址：Faster R-CNN论文作者：Shaoqing Ren, Kaiming He, Ross Girshick, and Jian Sun论文时间：2016年（论文发表）说明：在GPU上推理速度达到5fps（包含候选区域生成的时间），准确率也有进一步的提升。2. Faster R-CNN算法流程.
2022-03-28 19:51:21
9452
原创 Fast R-CNN
1. 论文简介论文名：Fast R-CNN论文地址：Fast R-CNN论文作者：Ross Girshick论文时间：2015年说明：与R-CNN相比，训练速度快9倍，推理速度快213倍，准确率从62%提升到66%（在PASCAL VOC 2012数据集上），主干网络是VGG16。2.R-CNN算法流程（1）使用Selective Search算法在一张图片上生成1K-2K个候选框（2）将图片输入到网络中获得特征图，将SS算法得到的候选框投影到特征图上从而获得对应的特征矩阵.
2022-03-14 20:42:06
3433
原创 R-CNN
1. 论文简介论文名：Rich feature hierarchies for accurate object detection and semantic segmentation论文地址：R-CNN论文作者：Ross Girshick, Jeff Donahue, Trevor Darrell, Jitendra Malik论文时间：2014年说明：Two-Stage目标检测算法。利用深度学习进行目标检测的开山之作。2014年之前，以传统的目标检测算法为主，比如HOG，SIFT...
2022-03-08 21:22:45
1001
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