- 博客(296)
- 资源 (10)
- 收藏
- 关注
RSS订阅
原创 JAVA经典基础编程练习题——分析总结与思考——基础题（期末考试专用）
文章目录前言题目：古典问题：有一对兔子，从出生后第3个月起每个月都生一对兔子，小兔子长到第三个月后每个月又生一对兔子，假如兔子都不死，问每个月的兔子总数为多少？题目：判断101-200之间有多少个素数，并输出所有素数。题目：打印出所有的“水仙花数"，所谓"水仙花数"是指一个三位数，其各位数字立方和等于该数本身。例如：153是一个"水仙花数"，因为153-1的三次方+5的三次方+3的三次方。题目：将一个正整数分解质因数。例如：输入90，打印出90-2*3*3*5题目：利用条件运算符的嵌套来完成此题：学习成绩&
2021-05-12 14:39:04
3098
2
原创 数据库原理及应用-期末考试试题及答案
单项选择题DB、DBMS和DBS三者之间的关系是（ ）。A．DB包括DBMS和DBS B．DBS包括DB和DBMSC．DBMS包括DB和DBS D．不能相互包括对数据库物理存储方式的描述称为（ ）A．外模式 B．内模式C．概念模式 D．逻辑模式在数据库三级模式间引入二级映象的主要作用是（ ）A．提高数据与程序的独立性 B．提高数据与程序的安全性C．保持数据与程序的一致性 D．提高数据与程序的可移
2021-04-13 17:04:34
49161
8
原创 《数据库原理》——知识点总结（期末复习）
文章目录数据库基础知识（第1、2章）概念模型一、模型的三个世界二、实体及属性三、实体间的联系：四、概念模型（常用E-R图表示）数据模型一、层次模型：用树型结构表示实体之间的联系。二、网状模型：用图结构表示实体之间的联系。三、关系模型：用二维表表示实体之间的联系。数据库系统结构一、数据库系统的模式结构数据库管理系统一、基本概念数据库设计 （第3章）一、数据库设计的步骤概念结构设计局部E-R图设计合并成总体E-R图逻辑结构设计一、联系的属性和主码E-R图向关系模型的转换三 关系数据库 （第4章）一、域笛卡.
2021-04-10 17:54:54
18018
4
原创 数据库原理与技术（专升本）-含答案
《数据库原理与技术》课程复习资料一、名词解释：数据管理DBDBMSDBSRDBMSDBAORDBMSSQL关系关系模型关系系统完整性控制属性2NF候选码二、单项选择题：1，任何由二个属性组成的关系可能是A.INFB.2NFC.3NFD.不能判定2.数据冗余引起的问题主要是花费A.时间B.空间C.时间与空间D.时间或空间3.在数据库中，存储冗余数据是A.不应该的B.应该且合理的C.合理的但不能过度冗余D.视情况而定4，在关系运算中，进行自然
2021-04-04 19:58:33
5690
7
原创 优快云_十天跑完16个时序模型_踩坑复盘
数据集这条线 100% 收尾；模型到 16/22；指标/可追溯/协议全部达标；卡点是 2026 顶刊和少数缺代码的模型。后续会补 S-D-Mamba × Weather/Exchange 的结果和 2026 顶刊可得性表。
2026-11-08 10:29:24
278
原创 MCP踩坑实录
│ 第三层 业务层 ││ 你的数据、你的逻辑（SQL、API、权限） ││ ↑ 这层跟 MCP 无关，是普通后端开发 ││ 第二层 协议层 ││ ↑ 这层是「说什么」，所有语言都必须遵守 ││ 第一层 传输层 ││ stdio（管道） / Streamable HTTP（网络）││ ↑ 这层是「怎么送」，决定能不能跨机 │这是哪一层的问题？现象哪一层命令找不到环境（层外）/ 端口不通传输层/ 版本不匹配协议层数据不对 / 逻辑错业务层定位范围一下从「整个项目」缩到「某一层」。
2026-11-04 17:11:25
197
原创 优快云博客_无外网装LLM时序依赖
论文（2024）思路：把时序值通过分箱（binning）token化，然后用T5语言模型做自回归预测——本质上是把时序预测翻译成NLP问题依赖权重到，从HuggingFace下本地下载对应平台的wheel带平台参数）scp传过去（依赖多就打包传）离线装+ 按依赖图顺序）最大的坑是版本兼容性——transformers 5.x要Python 3.11+这条链，把transformers/tokenizers/huggingface-hub三个包都锁死了版本上限。
2026-11-01 17:36:58
319
原创 优快云博客_从ETHOS到APRICOT-M两篇论文递进
以前爱预测"死亡率"，APRICOT-M 换了个更聪明的角度：用"需不需要生命维持治疗"来定义不稳定，而不是看某项指标超标。不稳定的定义缩写全称通俗MV机械通气呼吸机VP血管活性药物升压药，持续输注或推注CRRT连续性肾脏替代治疗透析BT大量输血24h >10单位一个都没用 → 稳定。为什么这个定义更好？死亡率只有死/活，太粗；而且死了才给结论、太晚"需不需要救命机器"是：✅客观（机器开没开，明确）✅可复现（不同人定义一致）✅可操作（医生马上能采取行动）
2026-11-01 17:33:43
343
原创 优快云博客_MAPE避坑_近零值吹爆
MAPE1N∑i1N∣yi−yiyi∣×100MAPEN1i1∑Nyiyi−yi×100%含义：平均百分比误差，直观、无量纲，“平均错百分之几”，业务方最爱看。
2026-11-01 17:27:08
348
原创 优快云博客_9模型ETTh1复现对比
本文在ETTh1电力变压器数据集上，以完全统一的实验设置（pred_len=96, lr=1e-4, seed=2021, batch=128, early stopping）复现了9个时间序列预测模型，涵盖RNN、Transformer、CNN、MLP四大类。
2026-11-01 17:21:57
336
原创 优快云博客_时序预测9模型复现对比
本文在ETTh1电力变压器数据集上，以统一的实验设置（pred_len=96, lr=1e-4, seed=2021, batch=128, early stopping）复现了9个时间序列预测模型，涵盖RNN、Transformer、CNN、MLP四大类。其中PatchTST、DLinear、iTransformer、TimeMixer四个模型复现误差控制在5%以内，验证了复现-对照链路的正确性。本文记录了完整的实验结果对比、踩坑经验和对各类模型在短序列预测上表现差异的分析，供同行参考。
2026-10-30 22:27:05
326
原创 从UML建模到智能体记忆架构_软件设计第八周笔记大白话版
先说结论：这节课的核心就一句话——“软件越复杂，越要靠规范和架构来管，而不是靠人脑”。UML 2.3 图设计：怎么用标准化的图，把"文档和代码"团队的数据对齐。说白了就是——开发、测试、产品三方看同一张图，别各说各话。更进一步，现在AI也要参与建模了，那图就得更规范，让AI能看懂、能画、能被审核。微服务架构：以双11抢购系统为例，讲清楚为什么后端要拆成微服务、为什么要用SpringBoot、负载均衡和监管者（Leader）怎么配合。这是工程层治理复杂度的经典套路。多智能体分级架构。
2026-10-28 16:34:39
378
原创 从COCOMO到StoryPoint_软件成本估算演进史与实战避坑指南
软件成本估算永远不是一门精确科学，它是一门需要经验、直觉和持续校准的手艺。COCOMO 给你一个"有学术背书的起点"功能点给你一个"甲方能听懂的语言"Story Point 给你一个"拥抱变化的姿态"WBS 给你一个"不漏项的框架"挣值管理给你一个"实时纠偏的仪表盘"技术债管理给你一个"不透支未来的纪律"没有哪个方法是银弹。
2026-10-28 09:16:45
247
原创 图论与应用_课堂笔记
图记作GVEG=(V,E)GVEVVV是顶点集，n∣V∣n=|V|n∣V∣叫阶；EEE是边集，m∣E∣m=|E|m∣E∣叫边数；边写作euve=\{u,v\}euv（无向）或euve=(u,v)euv（有向，从uuu指向vvv欧拉通路：经过每条边恰好一次的通路；欧拉回路：经过每条边恰好一次、且回到起点的回路；有欧拉回路的图叫欧拉图，只有欧拉通路的叫半欧拉图。经过这个欧拉通路 ，
2026-10-22 20:34:07
372
原创 软件开发方法第七周_优快云博客
Agent 四件套：内核 + 循环 + 工具 + 记忆，缺一不可；从单 Agent 到多智能体是"按痛点逐层加"，不是"越复杂越好"。成本意识：多智能体是工程开销不是免费增强，用"成功率提升 vs 成本放大"的对照实验判定，不靠直觉。脉络思维：每个概念问"痛点—代价—条件"，用全栈图建立整体，用数据流图治"重架构轻流水线"。🧑🏫 最后一句：这周课表面上是"学 Agent 框架"，骨子里是学"怎么给复杂系统做工程决策"——什么时候加层、什么时候加角色、加了划不划算。这个能力，比任何框架都不过时。
2026-10-21 17:34:23
215
原创 软件开发方法第七周笔记_优快云博客
老师说"这个阶段通常是无监督的"——意思是没有人一条条标注"这句话对、那句话错"。AI就是自己读文本，每次遮住下一个词，猜被遮住的是什么。猜对了就加强，猜错了就调整。老师就是文本本身。输入： "中国首都是____"目标： "北京"AI猜： "上海" → 错了 → 调整参数AI猜： "北京" → 对了 → 加强参数重复几万亿次，AI就学会了语言的规律和世界知识。Agentic RL = Agentic Reinforcement Learning = 智能体强化学习。
2026-10-14 19:12:08
174
原创 软件开发方法从需求到AI大模型完整笔记
你有没有遇到过这种情况：辛辛苦苦写了三个月代码，做出来的东西老板说"这不是我想要的"，用户说"这个功能我根本用不上"，测试说"这个按钮点了半天没反应"……问题出在哪？出在你一开始就没搞清楚——到底谁在关心这个系统？这就是"涉众分析"要解决的问题。“涉众"这个词听起来有点学术，英文叫 Stakeholder，说白了就是所有跟这个系统有利害关系的人。注意，不只是"用系统的人”，还包括"给钱的人"“管系统的人”“被系统影响的人”。也包括甲方爸爸和乙方牛马，老师还说了还有第三方的参与。
2026-10-10 19:29:19
220
原创 图论及其应用_课堂笔记整理_优快云博客
下午这门《图论及其应用》，老师上来没急着讲算法，先抛了个特别接地气的问题：一群陌生人互相握手，握过奇数次手的人，会是奇数个吗？答案是：永远不可能。这就是图论里最有名的“握手定理”。我上课习惯随手记，一下午记了好几页，回来一看字迹自己都快认不出。索性整理成一篇博客，一来复习，二来分享给同样在啃图论的同学。尽量说人话，有理解偏的地方，欢迎评论区指正。
2026-10-09 08:42:02
390
原创 人工智能在复杂网络中的应用_课堂笔记整理_优快云博客
算法一句话擅长短板局部搜索小步试错快、简单易陷局部最优束搜索同时盯 K 条路平衡探索与效率K 与宽度要权衡遗传算法让解进化全局性强参数敏感、慢模拟退火允许犯错逃出局部最优降温策略难调假设对手最优确定性博弈树一大就吃力MCTS抽样 + 探索超大搜索空间结果不保证最优一句话收尾：这些算法的共同命题，从来不是“怎么走得最快”，而是“怎么别停下”。局部搜索提醒你别贪心，模拟退火教你允许犯错，遗传算法告诉你要保持多样，博弈搜索则要你多想对手一步。
2026-10-08 12:59:15
364
原创 AI时代软件工程_从UML到Hermes多智能体
AI时代软件工程的核心，已从“写代码”转向“指挥AI”。UML图不再只是文档，而是人与AI沟通的“作战地图”；传统设计模式升级为智能体协作的规范。以Hermes为代表的Agent模型，通过SKILL机制与MCP协议，实现任务拆解、工具调用与多智能体协同。研究生实战笔记强调：用工程化思维驾驭AI，分清主次功能，重视安全、性能等非功能需求，采用“混合策略”平衡成本与隐私。真正的竞争力，不是会用AI，而是懂如何让AI按规矩干活——像指挥一支高效团队，而非放任野马奔腾。
2026-09-30 16:14:26
305
原创 软件项目管理学习笔记-从软件危机到敏捷与DevOps
软件项目管理核心在于应对“软件危机”——需求变更频繁、交付失控、质量难控。从瀑布模型到敏捷（Scrum、XP）、DevOps与CI/CD，演进本质是提升响应变化与交付效率的能力。关键在于：以用户价值为导向管理需求，通过“范围-时间-成本”铁三角约束控制项目，借助测试金字塔实现早发现、低成本修复。最终目标是在持续迭代中，保障可交付、高质量的软件。
2026-09-29 19:47:49
372
原创 阶段五_实验34-38_学习总结
本文为阶段五AI应用实验的总结，涵盖从API调用到RAG、Agent与多模态的完整实践。通过五个实验，逐步构建了检索增强生成（RAG）、Streamlit网页应用、ReAct Agent及多模态图像识别能力，最终实现一个综合性的AI翻译润色工具。核心认知是：所有应用本质均为requests.post调用API，差异仅在于请求体构造与返回解析方式。文章以“原理→代码→流程→踩坑”为主线，兼具学习笔记与可复现教程价值，帮助初学者系统掌握大模型应用开发全流程。
2026-09-27 20:22:16
170
原创 研一开学第一周课程笔记复盘
研一开学第一周，从图论到AI搜索，从不确定性处理到学术英语，知识密度极高。作为退役士兵与专升本上岸的新生，我以费曼学习法系统复盘课程笔记：图论厘清关系与偏序概念；人工智能聚焦搜索算法与复杂网络建模；不确定性AI引入概率推理；智能开发方法强调工程实践；学术英语与软件管理则夯实科研基础。一周所学，既是挑战，更是启航。本文以通俗语言串联知识脉络，助力跨专业同学理解核心思想，也为自我巩固提供清晰路径。
2026-09-26 16:08:59
236
原创 AI与复杂网络第一天学习笔记_优快云博客
时间：2026年9月17日上午地点：江南分院）主讲：朱老师今天是我们"人工智能在复杂网络中的应用"课程的第一天。朱老师开门见山地告诉我们，这门课不会一上来就堆公式，而是要先建立对AI的"直觉"——先搞懂AI是什么、不是什么，再去学算法。朱老师说，很多同学一开始就急着写代码、调模型，结果往往是"垃圾进，垃圾出"。这一点我深有感触：网上有大量教程教你如何把模型跑起来、如何调超参数，但很少有教程告诉你为什么要用这个模型、它解决的是什么问题、它的边界在哪里。1. 理解AI的本质——智能到底是什么？AI和人的智能
2026-09-17 19:14:56
206
原创 软件工程方法开学第一课笔记
开学第一天选了吴勇老师的软件工程方法，本来以为又是讲UML、瀑布模型那一套老东西，结果上完课整个人都精神了。这门课完全不一样——它讲的是AI智能体时代，软件开发到底变成了什么样。A时代下的我们更应该掌握更加智能的编程技术，而不是做一个不会思考的机器，我们需要做的是如何利用好AI的红利顺势而为推波助澜，让自己在洪流中不被淹没两节课下来信息量爆炸，手都写酸了。整理出来给自己复习，也分享给大家。Function Call（函数调用）是这节课的重点之一。它是让Agent从"只会聊天"变成"能干活"的关键。
2026-09-16 19:58:22
188
原创 彻底禁用 Windows Defender (MsMpEng.exe) 实战总结：从踩坑到成功
通过Medium 级别（8192）不是管理员（管理员是 High，12288）。修改HKLM注册表、停止服务都需要管理员权限。解决：通过提权，或让用户双击.cmd触发 UAC。PPL 是硬骨头：Windows 11 的 WinDefend 是 PPL，管理员和 SYSTEM 都无法停止它，运行中还会实时还原配置修改。别浪费时间在运行时硬刚。安全模式是银弹：安全模式下 PPL 服务不运行，注册表修改不被还原。这是唯一可靠的非驱动级方案。ImagePath比Start更彻底：即使Start被还原为自动，只要。
2026-08-15 10:05:08
638
原创 【机器学习-深度学习-神经网络-transformer】暑期全阶段复习优快云文档
过去两个多月，我在导师组会上做了 10 次密集汇报，从最基础的线性回归、决策树，一路打怪升级到 CNN、RNN、Transformer，又同步参与了一个真实上线的「科研与论文管理系统」项目。“机器学习不是调 API 的艺术，而是理解数据流动和算法逻辑的修行。基础不牢，地动山摇。这句话一开始我没听进去，直到在第六周的红酒分类实验里栽了个大跟头——代码里写了，但根本没传给fit()，模型白忙活一周。调包能跑通 ≠ 真的懂了。于是借着暑期放假前的最后一周，我把这两个多月的学习轨迹做了一次系统性的回扫。
2026-08-12 20:27:54
485
原创 NLP学习笔记_黑马程序员全套
这篇文章是我跟着黑马程序员B站NLP自然语言处理全套课程（第1~9天）学完后的完整笔记和代码梳理。巩固自己的学习：费曼学习法说了，能讲明白才叫真学会；给同样在学NLP的同学一个参考：代码+注释+大白话解释，不端着；记录成长轨迹：退役→专升本→考研上岸重邮软工，这条路我一步步走。基础一般，Python刚上手，但Java工程能力还行。先讲大白话理解，再上代码，最后说原理。好了，废话不多说，直接上干货。编码器（Encoder）：把源语言句子（如英语）压缩成一个"中间语义向量C"解码器（Decoder）
2026-08-08 20:59:40
264
原创 【PyTorch 实战】基于 RNN/LSTM/GRU 的全球人名国籍分类器（通俗拆解 + 逐行详解）】
自定义 Dataset 类。self.my_list_x = my_list_x # 存储所有人名列表self.my_list_y = my_list_y # 存储所有国家列表self.sample_len = len(my_list_x) # 样本总数（共 20074 条）return self.sample_len # 告诉 PyTorch 这个数据集有多大"""核心：根据索引获取一条数据，并现场做 One-Hot 转码"""
2026-07-24 10:40:56
365
原创 【机器学习实战复盘】这一个多月的踩坑与知识重构：从树模型到神经网络底层
就像导师在组会上敲黑板强调的一样：“不要盲目追求前沿的高大上模型，选对合适的架构比堆叠黑盒强得多”。传统的线性回归在某些特征单纯的数据上，甚至能把复杂的神经网络秒杀。现阶段，我会听从老师的建议暂缓 NLP，先把神经网络的前向/反向传播、链式求导、激活函数（比如 ReLU 如何用非0即1解决 Sigmoid 的梯度消失）等底层数学原理手动推导一遍。底子厚了，以后再去冲时间序列和前沿的 Transformer 才不会虚。如果你也在做相关方向的实战，或者需要这部分底层推导逻辑的探讨，欢迎在评论区留言交流！
2026-07-22 15:49:15
239
原创 机器学习实战：从零掌握集成学习（RF/XGBoost/GBDT/AdaBoost）—— 附泰坦尼克号、红酒分类、加州房价全流程解析
过去两周，我陷入了一种“调包侠”的焦虑：代码能跑通，准确率也不错，但一旦被问到“为什么XGBoost比随机森林快？”“为什么网格搜索后准确率反而下降了？”，我就哑口无言。直到上周组会，导师的一句话点醒了我：“机器学习不是调API的艺术，而是理解数据流动和算法逻辑的修行。于是，我花了整整一周，重新梳理了最近学习的代码和案例——从线性回归、决策树，到随机森林、GBDT、XGBoost、AdaBoost，再到朴素贝叶斯和K-Means。
2026-07-09 16:23:28
455
原创 从零实现一个基于ReAct+RAG的智能问答Agent，我把踩过的坑都整理好了
大家好，我是一名正在学习大模型应用开发的研究生。最近跟着导师做了一个扫地机器人智能问答Agent的项目，用的是ReAct+RAG的技术方案。说实话，一开始我是懵的——什么ReAct、什么RAG、什么LangChain，听着都很高大上，但真的上手的时候，连环境都搭了半天。现在项目终于跑通了，我想着把整个过程整理成一篇博客，一方面是给自己做个总结，另一方面也希望能帮到和我一样刚入门的同学。毕竟我踩过的坑，你们就别再踩了。
2026-07-05 09:34:43
222
原创 【第三部分：线性回归（Linear Regression）】
3.1 什么是线性回归？用 “预测奶茶销量” 来理解 🧋假设你开了一家奶茶店，发现天气越热，卖的奶茶越多。你想预测明天能卖多少杯，好准备原料。
2026-07-02 09:53:50
186
原创 【第一部分（升级版）：机器学习基础概念篇】
│ │ │ 🏎️ 深度学习 (DL) │ │ │。│ │ │ “V12发动机的跑车” —— ML的高级版 │ │ │。│ │ 🚗 机器学习 (ML) │ │。│ │ “用汽油驱动的车” —— AI的一种实现方式 │ │。🔹 强化学习 —— “训狗式学习” 🐕习 —— “训狗式学习” 🐕。│ “能自己动的交通工具” —— 最宽泛的概念 │。你给小朋友看 100 张猫的照片，说 “这些都是猫”
2026-07-01 22:53:41
264
原创 专科→军营→升本→考研成功上岸计算机硕士！分享我的逆袭考研全经验；超详细考研经验分享（退役士兵可参考）——退役大学生的考研逆袭路：从专科到研究生，我是这样一步步走过来的
很多人准备作文，就是背模板，背各种范文，但是我告诉你，那样没用，因为你背的模板，别人也背，判卷老师一看就看出来了，分数肯定不高。我准备作文，是自己总结模板。我把历年真题的作文，都拿出来，看了一下，然后把作文的类型，比如图表题，书信题，都分好类，然后每个类型，我自己写了一个模板，把常用的句子，都整理进去，然后用我自己的话，把它串起来。这样的模板，是我自己的，别人没有，而且我自己写的，我记得特别牢，上考场的时候，直接用就行了，根本不用想。最后一门，是计算机网络，这是 408 里最简单的一门。
2026-06-16 10:39:07
482
原创 【AI大模型实战项目】大模型入门实战：两个落地项目保姆级教程12月14日-【项目】基于知识库RAG的物流行业信息问答系统
本文介绍了两个适合大模型新手入门的实战项目：基于RAG的物流智能问答系统和基于P-tuning的新零售商品分类系统。文章首先分析了大模型的三大痛点（幻觉问题、知识过时、私有数据不安全）及对应的两大解决方案（RAG和轻量微调）。然后详细讲解了LangChain框架的六大核心组件（Models、Prompts、Chains等），通过代码示例展示了如何使用Ollama模型、构建提示词模板等基础操作。这些项目可在普通笔记本电脑（8G内存）上运行，无需高端GPU，帮助开发者快速掌握大模型落地的核心技术。
2026-04-18 17:40:45
427
原创 【AI大模型基础篇】从零开始学AI大模型与AIGC：小白保姆级教程
本文是一篇面向零基础读者的AI大模型与AIGC入门指南。文章首先解释了AIGC（AI生成内容）的概念及其应用场景，包括内容孪生、内容编辑和内容生成三大类，涵盖文本、图像、音频、视频等多种形式。随后分析了AIGC产业的三层结构：基础层（大厂研发大模型）、中间层（行业专用模型）和应用层（面向用户的产品）。接着重点介绍了当前最热门的AI绘画技术，梳理了从VAE、GAN到Diffusion Model三代算法的发展历程，帮助读者理解AI绘画的技术演进。全文采用通俗易懂的语言，旨在让没有任何技术背景的读者也能快速理解
2026-04-17 21:31:55
970
原创 【AI大模型学习基础篇】小白入门大模型全流程：从训练到MCP智能体
本文是一篇面向AI新手的保姆级大模型开发教程，详细介绍了从模型训练到智能体开发的全流程。文章选择通义千问(Qwen)作为基础模型，重点讲解了数据准备、LoRA+DeepSpeed微调、GPTQ量化、vLLM部署等关键技术环节，并展示了如何开发文本摘要工具和智能导游应用。教程特别强调了对硬件要求低的优化方案，如7B模型量化后仅需6G显存，使普通开发者也能完成大模型开发全流程。文章还对比了Qwen各代模型的演进和不同参数模型的适用场景，提供了详细的数据集格式说明，是一份完整的大模型实践指南。
2026-04-17 21:30:17
952
原创 新手也能懂！从0到1搞定大模型高效微调实战（附完整代码+踩坑记录）
这篇文章是一篇面向AI新手的实战教程，重点介绍了如何通过小样本学习和高效微调技术解决大模型训练中的三大痛点：高昂的标注成本、显存不足和入门门槛高。文章首先对比了传统全量微调与小样本方法的成本差异，强调只需63条标注数据就能达到90%以上的准确率。然后详细讲解了三种核心技术：BERT+PET（硬模板Prompt）、BERT+Prompt-Tuning（软模板Prompt）和ChatGLM+LoRA（大模型低秩微调），特别适合3060等普通显卡运行。教程还提供了完整的数据集示例和代码实现步骤，包括如何拆解Pro
2026-04-17 14:58:11
429
原创 【AI-大语言模型】医疗问诊AI大模型从0到1实战手册
《医疗问诊AI大模型从0到1实战手册》是一本面向AI开发者的实践指南，重点介绍如何从零开始构建医疗领域的对话系统。手册采用"预训练+微调"模式，基于GPT2等基础模型，通过医疗数据训练实现专业医疗问答功能。内容涵盖大模型核心概念（预训练、微调、归一化等）、开发流程详解、代码实现解析，并特别优化了在消费级显卡（如GTX 1650）上的训练方案。手册强调理论与实践结合，适合不同基础的开发者学习医疗AI系统的完整开发过程，包括模型训练、测试评估和Web服务部署等关键环节。
2026-04-16 21:41:22
515
无标题代码课件-11月22日-大模型Prompt-Tuning方法进阶+提示词课件资料源码
2026-04-10
## 1. 软件开发整体介绍 作为一名软件开发工程师,我们需要了解在软件开发过程中的开发流程， 以及软件开发过程中涉及到的岗位角色，角色的分工、职责， 并了解软件开发中涉及到的三种软件环境 那么这一
2024-12-18
Greenfoot 是一个基于 Java 的交互式编程环境，特别适合初学者学习面向对象的编程 它通过提供一个可视化的界面和简单的 API 来帮助用户创建2D游戏、模拟程序等
2024-11-29
使用springboot实现自定义logo的二维码输出
2024-10-16
文字识别工具-论文、毕设、作业、作文、各种文章的识别文字，文字识别后可以直接复制粘贴到想要的文本地方，非常实用的软件！
2024-09-23
mysql-connector-j-9.0.0-JAVA技术领域-JAVA普通项目配置数据库连接资源的jar包
2024-09-22
后端-java基础-王晓宇.pptx
2020-10-22
数据库试题解答说明书-2-1-3 《银行信贷管理系统》客户管理模块
2020-10-16
毕设与考研计划与后期学习规划
2024-04-05
TA创建的收藏夹 TA关注的收藏夹
TA关注的人