- 博客(93)
- 收藏
- 关注
RSS订阅原创 【大模型学习】什么是离身智能
离身智能可以被理解为一种纯粹的数据驱动型智能，它不需要一个物理身体或直接与物理世界互动。相反，这类智能系统通过处理大量的数字信息，如文本、图像、视频等，来做出决策或提供服务。例如，推荐系统、语音助手以及金融市场的预测模型都属于离身智能的应用范畴。它们利用先进的算法从海量数据中提取有价值的信息，并据此进行预测和决策。
2025-03-26 17:37:17
397
原创 【大模型学习】什么是具身智能
简单来说，具身智能指的是赋予机器人或智能体一个“身体”，并通过这个身体与现实世界进行互动，从而学习、理解和适应周围环境的能力。就像婴儿通过触摸、抓握、走路等行为来认识世界一样，具身智能也是通过实际的物理体验来获取知识和技能。它不仅仅关注算法的进步，还强调了物理存在的重要性，使得机器能够像生物一样，在真实的世界中行动并解决问题。
2025-03-26 17:26:47
737
原创 【HDMI 规范】第十九章 基于源的色调映射（SBTM）技术深度解析
SBTM通过重构传统HDR传输架构，实现了内容生成端与显示终端的深度协同。其技术价值不仅在于提升现有设备的画质表现，更在于为元宇宙、XR等新兴领域提供了动态视觉适应的基础框架。随着AI与光电技术的持续突破，SBTM将推动显示技术进入"千人千面"的个性化时代。
2025-03-20 15:52:41
689
原创 【HDMI 规范】第十八章 FRL（固定速率链路）技术深度解析
要实现更高的未压缩分辨率（如 4k60 以上的分辨率）以及高达 48Gbps 的超高速带宽，FRL 必不可少。压缩视频传输也需要它，以便支持在较低数据速率（例如 4k60）和超高像素速率视频（例如 10Kp120）下运行。HDMI 2.0b标准采用TMDS（Transition Minimized Differential Signaling）技术，最大理论带宽18Gbps，实际有效视频传输带宽约14.4Gbps。有效视频带宽 = 21.33×0.95（FEC开销）=20.26Gbps。
2025-03-20 15:28:47
759
原创 【HDMI】HSR（高扫描率）技术介绍
HSR（High Scan Rate）技术通过 算法重构信号时序 与 动态分辨率分配，在无需全面升级硬件的前提下，实现 等效刷新率倍增，成为消费电子、医疗影像、工业检测等领域的革新性解决方案。核心原理基于动态帧率补偿（MEMC）和时序压缩技术，通过插帧、分辨率调整等手段实现刷新率倍增。将单帧信号拆分为 双子帧（如60Hz→120Hz），通过缩短每帧显示时间（从16.67ms→8.33ms）模拟高刷新率。支持 非对称时序分配（如主帧占70%，子帧占30%），优化动态画面过渡。
2025-03-20 15:03:02
36
原创 【大模型学习】第二十四章 生成式人工智能（GAI）简介
的AI技术，其核心目标是通过学习数据中的规律，生成与训练数据类似但全新的文本、图像、音频、视频甚至代码。生成式人工智能（GAI）是一类能够。
2025-03-19 17:53:14
974
原创 【大模型学习】第二十三章 深度解析BERT
在这个背景下，BERT（Bidirectional Encoder Representations from Transformers）于2018年由Google提出，在11项NLP任务上刷新了state-of-the-art记录，开启了预训练模型的新纪元。实验结果显示，传统Word2Vec无法区分"苹果"的不同含义，而BERT根据上下文给出了差异显著的向量表示。可视化显示，当处理"it"时，模型通过注意力机制关联到"animal"而非"street"，正确解析了代词指代。
2025-03-17 16:32:35
1105
原创 【大模型学习】第二十二章 什么是对抗生成网络
对抗生成网络（Generative Adversarial Networks, GANs）是由Ian Goodfellow等人在2014年提出的一种深度学习模型。它由两个部分组成：一个生成器（Generator）和一个判别器（Discriminator）。GANs的初衷是解决生成模型中的难题，即如何让机器能够自动生成逼真的数据样本，如图像、音频等。通过模拟人类大脑中创造新事物的过程，GANs能够在没有明确指导的情况下生成看似真实的数据。
2025-03-14 11:27:50
848
原创 【大模型学习】第二十一章 什么是知识蒸馏
随着深度学习模型的规模和复杂度不断增长，模型训练所需的计算资源以及推理阶段的延迟也相应增加。尤其是在移动设备或边缘计算场景中，部署大型神经网络变得尤为困难。为了解决这些问题，知识蒸馏（Knowledge Distillation）作为一种有效的模型压缩方法被提出。其核心思想是通过一个“教师”模型来指导“学生”模型的学习过程，从而使相对较小的学生模型能够达到接近甚至超过大型教师模型的表现。想象一下你正在学习一门新的语言，比如法语。你有一位经验丰富的老师，他不仅精通语法和词汇，还能够流利地进行口语交流。
2025-03-14 11:07:50
794
原创 【大模型学习】第二十章 什么是元学习
为了更好地理解元学习的概念，我们可以通过一个简单的例子来说明：假设你正在学习如何烹饪不同种类的食物。每当你尝试制作一种新菜式时，你会根据之前做过的其他菜肴的经验来进行调整——比如调味料的比例、烹饪的时间等。尽管每种食物都有其独特之处，但是你在之前的烹饪过程中积累的经验可以帮助你更快地掌握制作新菜的方法。在这个过程中，你实际上是在进行一种“元学习”：通过对多个任务（即不同的菜肴）的学习，你学会了如何更有效地学习新的任务（即新的菜肴）。这个过程与元学习的核心思想不谋而合。
2025-03-14 10:39:08
675
原创 【大模型学习】第十九章 什么是迁移学习
迁移学习是一种机器学习范式，通过从源域（Source Domain）中提取知识并应用于目标域（Target Domain），提升目标任务的模型性能，即使源域与目标域的数据分布或任务不同。源域（DsDs）：由数据 XsXs 和标签 YsYs 组成，满足分布 P(Xs,Ys)P(Xs,Ys)。目标域（DtDt）：数据 XtXt 可能无标签，分布 P(Xt,Yt)≠P(Xs,Ys)P(Xt,Yt)=P(Xs,Ys)。常见场景跨领域迁移：源域为合成图像，目标域为真实图像。
2025-03-13 17:12:19
877
原创 【大模型学习】第十七章 预训练技术综述
预训练指在特定领域（如文本、图像）使用大规模无标注/弱标注数据，通过自监督学习训练基础模型（Foundation Model）。数据效率：微调所需标注数据量减少90%以上泛化能力：在分布外（OOD）数据表现更鲁棒多任务兼容：同一模型可处理文本生成、问答、摘要等任务# 掩码语言建模损失计算# 下一句预测损失从Word2Vec到GPT-4，预训练技术正在重塑机器认知世界的方式。它不仅是工程方法的突破，更是对人类学习机制的深刻借鉴。
2025-03-12 16:41:52
726
原创 【大模型学习】第十五章 Transformer技术 看这一篇就足够了
编码阶段（理解）拆解句子为单词（Token化）给每个词佩戴"GPS手环"（位置编码）召开"词语圆桌会议"：每个词通过自注意力机制与其他词交流"爱"会重点关注"我"和"自然语言处理""自然"会与"语言""处理"形成技术术语联盟解码阶段（生成）像玩文字接龙逐步输出"I love"每次预测新词时，既关注已生成的英文内容，又回看中文原文的关键部分通过多头注意力机制，同时追踪语法结构、专业术语、情感倾向等多个维度现实版应用场景。
2025-03-12 16:28:55
1618
原创 【大模型学习】第十六章 模型微调技术综述
AlexNet: AlexNet是2012年提出的一个经典的卷积神经网络（CNN），它有8层（5个卷积层和3个全连接层），总共有约6000万个参数。: ViT是一个基于Transformer架构的模型，用于处理图像数据。与传统的CNN不同，ViT将输入图像分割成固定大小的块，并将这些块线性嵌入为序列，然后通过标准的Transformer编码器进行处理。ViT的参数数量根据其配置（如Base、Large等）而异，但一个典型的ViT-B/16配置大约包含8600万个参数。
2025-03-12 16:28:02
1316
原创 【大模型学习】第十四章 RAG-Fusion技术 综述
RAG-Fusion技术是一种结合Retrieval-Augmented Generation (RAG) 和融合技术的方法，用于提高文本生成的准确性和相关性。RAG融合技术的核心思想是在生成文本时结合检索到的相关信息，从而获得更好的生成效果。系统先通过检索模块找到相关文档，然后用生成模块生成最终答案，并结合检索到的相关信息进行优化。以下是一个简化的RAG-Fusion技术的代码示例，使用Hugging Face的Transformers库和FAISS进行检索。
2025-03-11 11:39:39
210
原创 【大模型学习】第十三章 混合检索（Hybrid Retrieval）综述
混合检索指的是在执行信息检索任务时，综合利用多种检索策略和技术，包括但不限于传统的TF-IDF、BM25等基于关键词的方法，以及BERT、Sentence-BERT等基于深度学习的语义相似度模型，以期获得更优的检索结果。
2025-03-11 11:34:02
502
原创 Manus智能体技术成熟后的变革预测
形成，中低复杂度岗位面临系统性替代。以金融行业为例，初级分析师岗位需求预计缩减60%，而具备战略规划能力的复合型人才价值将提升3-5倍14。制造业领域，其与斯坦福HumanPlus项目的技术融合可能催生。该模式下，电商运营方案制定周期从72小时压缩至3小时，且支持实时动态调整。预测，所有提升的数字都是一个可能。，实现从原料采购到产品交付的端到端管理。在医疗领域，Manus的。Manus智能体将推动。
2025-03-07 10:51:20
957
原创 Manus智能体：通用人工智能的范式革命与技术突破
Manus的诞生标志着AI技术从"辅助工具"向"执行主体"的质变。其技术架构不仅包含当前最前沿的多智能体协同、代码透明化等创新，更通过实际场景验证了通用人工智能的可行性。随着系统持续迭代，我们或将见证一个AI智能体与人类专家深度协作的新时代——在这个范式下，人类负责战略决策与价值判断，AI承担执行优化与效率提升，共同构建更高效的生产力图景。
2025-03-07 10:44:42
1275
原创 【大模型学习】第十二章 大模型获取智能机制
大模型通过复杂的架构设计、大规模的数据集以及高效的训练方法来获取智能。它们特别依赖于自注意力机制来捕捉数据中的复杂模式，通过多层次、大规模的预训练和微调策略来适应多样化的应用任务。通过这些方式，大模型能够在广泛的领域中表现出强大的智能表现能力。
2025-03-07 10:28:27
502
原创 【大模型学习】第十一章 什么是算力
算力是指计算资源进行复杂计算的能力，通常用于描述计算硬件、软件或系统的性能。在机器学习和深度学习中，算力至关重要，因为这些技术通常涉及大量的矩阵运算、优化、数据处理等任务。核心概念计算资源：主要指CPU、GPU、TPU等硬件。并行计算：并行执行任务以加速计算过程。分布式计算：通过多个计算节点协同执行任务，将任务分配给多个计算节点来加速计算。加速技术：如硬件加速、量化加速和内存优化等技术，通过提高计算效率、减少内存消耗等手段提升算力。
2025-03-06 15:11:29
708
原创 【大模型学习】第十章 机器学习中的特征工程技术详解
本文档将详细介绍机器学习中的特征工程的相关技术要点、原理、架构、实际运用，并提供相应的示例代码，帮助读者全面理解特征工程在机器学习中的应用。特征缩放的目的是将不同量纲的特征统一到相似的范围内，避免某些特征因量纲过大或过小而对模型产生不适当的影响。我们有一个房屋销售数据集，包含了房屋的面积、卧室数量、所在区域等特征，目标是根据这些特征预测房屋的价格。数据预处理的目的是将原始数据转换为统一的格式和质量，以确保后续处理和模型训练的准确性。特征组合是通过组合多个特征创建新的特征，以提高模型的表达能力和预测性能。
2025-03-06 14:49:11
1258
原创 【大模型学习】第九章 机器学习中的数据预处理技术详解
数据清洗是指识别并纠正或删除数据集中的错误、不完整或无关的信息的过程。其目的是为了保证数据的质量，使得后续分析更加准确可靠。MCAR: 删除记录或均值/中位数填充。MAR: 均值填充或预测填充。MNAR: 预测填充或引入指示变量。每种方法都有其优缺点，选择时需要结合数据特性和业务背景。有效的数据预处理不仅能提升模型的表现，还能减少不必要的计算成本。通过对数据进行清洗、填充缺失值和转换数据格式等操作，我们可以确保输入到机器学习模型中的数据是高质量的，从而获得更准确可靠的预测结果。
2025-03-06 14:04:28
1218
原创 【大模型学习】第八章 深入理解机器学习技术细节
监督学习是一种从标记的数据集中学习的机器学习方法。这意味着每个训练样本都有一个对应的标签或目标值。模型通过学习输入特征与输出之间的映射关系来做出预测。常用的监督学习算法包括线性回归、逻辑回归、支持向量机(SVM)和支持向量回归(SVR)等。
2025-03-05 17:09:56
616
原创 【大模型学习】第七章 机器学习综述
机器学习是人工智能领域的重要组成部分，通过数据驱动的方法，能够解决许多复杂的问题。从经典的算法（如线性回归、支持向量机）到现代的深度学习技术（如卷积神经网络、Transformer），机器学习的应用场景不断拓展。模型的高效化：模型更小、更快、更省资源。多模态学习：结合文本、图像、音频等多种数据形式。可解释性：解决“黑箱问题”，让模型更加透明和可解释。
2025-03-05 16:53:08
794
原创 【大模型学习】第六章 AI Agent
AI智能体（Artificial Intelligence Agent） 是一种能够感知环境并采取行动以影响该环境的自主系统。这些智能体可以是软件形式，也可以结合硬件设备来执行特定任务或解决复杂问题。它们通常具备学习能力、推理能力和自我优化功能，能够在动态环境中持续适应和改进。
2025-03-05 16:13:43
520
原创 【大模型学习】第四章 大模型技术体系中的向量技术综述
在大模型中，我们经常听到或看到向量这个词。本文将具体介绍大模型技术中的向量技术，让想学习大模型的读者了解什么是向量。向量技术是大模型技术体系中的核心组成部分，贯穿于数据处理、特征提取、存储与检索等各个环节。它是实现语义理解、相似性匹配和高效数据检索的关键技术。以下将详细介绍什么是向量，向量作用，向量技术包含的主要内容，以及其在大模型中的架构设计。向量（Vector）是数学中的一个基本概念，可以理解为在高维空间中的一个点，由多个实数表示。
2025-03-05 14:38:49
921
原创 【大模型学习】第三章 Prompt工程技术要点详解：从原理到应用
随着大模型技术的快速发展，Prompt（提示）作为人机交互的核心手段，已成为优化模型输出和提升模型性能的重要工具。然而，Prompt工程不仅仅是一项简单的文本输入技术，其背后涉及多种复杂的工程技术要点。本文将详细分析Prompt涉及的核心技术要点，包括Prompt攻击与防范Prompt engineering的设计原则Prompt的注入与对抗等，帮助学习大模型技术的人全面掌握这一领域的知识。Prompt工程是大模型技术中不可或缺的一部分。通过深入理解其核心技术要点，包括Prompt的设计与优化。
2025-03-04 16:57:18
829
原创 【大模型学习】第二章 大模型技术中的Prompt
随着大模型技术的迅速发展，提示工程作为一种有效的交互方式，正逐渐成为优化大模型应用效能的重要方法。本文旨在探讨提示工程在大模型中的意义，揭示其核心思想，解析Prompt的典型构成，深入浅出地阐述其技术原理与架构设计，为学习大模型等AI技术人员提供指导。
2025-03-04 16:47:26
950
原创 【大模型学习】第一章 大模型技术综述
随着人工智能技术的飞速发展，大模型（Large Model）作为深度学习领域的重要研究成果，已经在自然语言处理（NLP）、计算机视觉（CV）、跨模态理解和生成等领域展现出强大的能力和应用潜力。本文从大模型的定义、智能获取机制、应用业务架构以及技术架构四个方面进行综述，旨在为相关领域的研究和实践提供参考。大模型指的是参数规模达到十亿量级（10^9）甚至更高的深度学习模型。这些模型通常基于Transformer架构，具有强大的特征提取和生成能力。参数规模大：大模型通过增加参数数量来提升表达能力。
2025-03-04 16:37:43
585
原创 RAG运用-文本处理和检索问答系统实现原理
本文档详细描述了一个基于文本处理和检索的问答系统的架构及其各组件的功能。该系统旨在从本地文档中提取信息，根据用户查询生成准确的答案。文档预处理与存储和查询与回答。该问答系统通过一系列精心设计的步骤实现了从文档到答案的高效转换。其中，文本分割、向量表示以及相似度搜索等关键技术环节对于提高信息检索的精度和效率至关重要。这些技术共同作用，使得系统能够理解复杂的查询并从大量文档中提取出最相关的答案。
2025-03-03 17:27:03
528
原创 【大模型学习】第五章 Retrieval-Augmented Generation（RAG)检索增强生成技术介绍
RAG是一种创新的技术框架，它通过将外部知识库与强大的语言生成能力相结合，构建出一种全新的问答系统框架，显著提升了AI系统回答问题和生成内容的准确性和相关性。其核心原理在于，将大规模文本数据中的知识信息（如网页内容、文档资料等）作为输入，通过检索模块找到最相关的文本片段，再利用生成模型对这些检索到的内容进行理解和重写，最终生成一个既连贯又准确的答案。在当今的信息时代，人们面对着前所未有的海量数据。更为重要的是，RAG技术能够在生成过程中，对检索到的文本进行合理的引用和扩展，从而确保答案的准确性和可靠性。
2025-03-03 17:06:50
1206
原创 DeepSeek 本地部署方法介绍
本文档旨在指导用户根据自己的硬件配置和需求选择合适的 DeepSeek 版本，并详细介绍如何在不同的操作系统上进行本地部署。
2025-02-17 12:07:58
776
原创 SoftAP 模式 wifi调试方法与技巧
本文档将详细介绍如何在WiFi模块上配置和启动SoftAP模式，主要补充SoftAP模式下的调试方法。
2025-01-22 17:00:56
150
视频接口标准中的EDID规范解析与应用
2024-11-12
全球模拟电视世界各地区使用制式汇总大全，模拟电视ATV 制式标准， PAL NTSC SECAM
2024-11-06
ISDB标准 数字电视DTV,机顶盒，适用于巴西，日本，菲律宾，秘鲁，等使用ISDB标准的地面接收机
2023-03-17
日本ISDB标准 服务信息 协议适用于数字电视 机顶盒 开发查阅
2023-03-16
机顶盒 数字电视 卫星电视 锁频参数介绍
2023-02-07
数字电视机顶盒DVBS、DVBS2 卫星电视天线系统组成介绍
2023-02-02
DVB SI PSI 语法介绍
2023-02-01
Android 系统 Linux系统 内核kernel启动流程 init 进程介绍
2023-02-01
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人