- 博客(564)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 量化全方位的理论学习与项目具体实战
FP16 不属于「量化压缩整型」，只是浮点降精度，INT8/INT4/fp8 才是行业常说的量化。目前深度学习模型的参数在训练阶段基本上都是采用32位浮点（FP32）来表示，以便能有更大的动态范围用于在训练过程中更新参数。然而在推理阶段，采用FP32的精度会消耗较多的计算资源和内存空间，为此，在部署模型的时候往往会采用降低模型精度的方法，用16位浮点（FP16）或者8位有符号整型（INT8）来表示。
2026-07-19 10:31:59
239
原创 飞算Java下的数智风控平台复盘：把经营数据转成可追踪的决策线索
复盘来看，这种“先搭工程骨架，再分别实现业务能力”的节奏更适合多模块项目：公共返回体、分页查询等可复用内容先稳定，经营、风险、报告模块就不必各自重复定义。风险模块的核心不是给企业贴上高、中、低风险标签，而是保留事件的来源、分值、当前状态和后续动作。因此平台将收入、利润、风险评分、风险等级和综合健康度聚合为企业画像。企业经营分析里，最难的往往不是“看不到数据”，而是不同数据之间还没有形成可以追踪、可以讨论、可以处置的线索：财务数据告诉我们结果，业务数据解释过程，风险事件又常常在事后才被看到。
2026-07-16 21:45:09
5480
1
原创 点云的基础知识
直通滤波是最简单的点云裁剪方法。它的核心思想是：沿某一个坐标轴设定一个范围，只保留范围内的点，范围外的点全部丢弃。比如你的结构光相机拍到的点云包含了工件、桌面、地面、支架等，但你只关心工件表面附近的区域。具体步骤：将整个三维空间划分为规则的立方体网格，每个网格单元（体素）的边长为 l对于每个体素内包含的所有点，用它们的重心（质心）来代替这些点，没有点的体素直接丢弃。体素（Voxel）就是三维空间中的"像素"——把一个立方体小格子作为三维空间的最小单元，用来表示该区域内的点或属性信息。
2026-07-16 16:13:36
185
原创 机械臂和六维力传感器搭配使用
3. 标定一下 在APP里面设置里面找到—》负载设置-----》自动辨识模型。（标定的意思是，去掉负载（和力传感器技术人员商量一下能不能保留））有一根线要插入到机械臂末端（第六个关节）
2026-07-14 10:47:14
62
原创 c++ OCCT （Open CASCADE Technology）
OCCT 通常指 Open CASCADE Technology，是一个开源 C++ 几何建模内核，主要用于 CAD/CAM/CAE、三维建模、几何运算和文件格式转换。
2026-07-06 13:35:46
202
原创 2026年度横测：ToDesk、向日葵、TeamViewer到底怎么选？
ToDesk凭借 “AI赋能” 的黑科技、“无广告不限速” 的良心政策、“二次验证” 的安全感以及“远程开机” 的硬核生态，不仅树立了次世代远控的标杆，更是2026年个人用户和企业降本增效的最优解。在横测中，同一网络环境下，向日葵的画面出现了明显的色块和文字虚影，是主流远控软件里画质最模糊的。在开始之前，先上结论：如果你受够了限速带来的卡顿、模糊的画质以及昂贵的企业版收费，那么ToDesk凭借其AI赋能的黑科技生态和极高的性价比，无疑是当下最值得推荐的选择。在这个维度，我们看到了明显的“代际差”。
2026-07-04 15:14:33
297
原创 机械臂的路径规划（jaka c12）
例如，将APF与RRT融合（APF-RRT），利用势场引导随机树生长，可大幅缩短规划时间并减小路径长度；RRT算法:这个算法随机撒点，像探险一样长出一棵“树”，慢慢找到路。优点是能应付复杂环境，比如机械臂周围乱七八糟的障碍都能绕开，缺点是路径可能弯弯曲曲，常用于动态任务，像抓取移动物体。逆动力学（Inverse Dynamics）：反过来，知道末端要去哪，算每个关节咋动、用多大力，保证动作稳又准。平滑算法：也可结合滑动平均平滑算法或B-spline曲线生成算法，产生连续、平滑的避障曲线。
2026-06-29 13:00:35
349
原创 对于transform架构的认识
在 Transformer 模型中，位置编码（Positional Encoding）是一个核心组件，用来解决 “并行计算带来的序列顺序缺失” 问题。简单说Transformer 的自注意力机制（Self-Attention）会同时处理整个句子，它本身不具备区分词语位置的能力。比如，“我打你”和“你打我”在它看来是一样的，因为词序信息丢失了。位置编码就是为了显式地把“位置信息”注入到模型中。RNN 有顺序：循环神经网络（RNN）是一个词一个词地处理，天然就带有位置信息。
2026-06-25 22:06:55
195
原创 用ROS2 、 Gazebo和 MoveIt2做机械臂仿真（jaca c12）到真实机械臂
ROS2 、 Gazebo和 MoveIt2这三个的关系。仿真安装的学习文章参考的是这一篇文章。工具 核心角色一句话理解。
2026-06-21 23:20:59
659
原创 对于ROS2的学习日记
我的linux系统选用的是windows的子系统wsl,具体的方法是在：https://blog.youkuaiyun.com/qq_42944545/article/details/159929590对于ROS的安装选择鱼香roshttps://blog.youkuaiyun.com/m0_58954356/article/details/155495898里面的步骤要稍微修改一下，就是到测试ros安装那一步，不参考它的，使用下面的方法：1测试 ROS 是否成功安装如果是ros2版本 就不使用roscore去测试，用r
2026-06-20 16:07:52
293
原创 Java 职场真相：传统开发遇冷，AI 协作型工程师强势崛起
面对两类工程师的不同困境，飞算 JavaAI 给出了一套完整的解决方案 —— 它不是一款普通的代码生成工具，而是聚焦 Java 生态的智能体，以多专家级 Agent 协作重构 Java 开发全流程，助力不同阶段的工程师实现突破。这种分化的背后，是市场对 Java 工程师能力要求的底层逻辑变化：传统工程师的核心竞争力是 “写代码的速度和熟练度”，而新型工程师的核心竞争力，是 “驾驭 AI 工具、高效完成复杂工程的能力”。按照引导提示输入项目需求，一键生成完整工程，即可在线预览、下载代码，开启高效开发之旅。
2026-06-16 22:05:02
3162
原创 对于AI架构体系搭建的经验性的总结
1.要先设计好数据库，这里要先写数据库（这里推荐postgresql比较好）文档，先不要搭建数据库。2. 解析日志，要根据设计的数据库字段进行相应的解析，解析成csv格式比较好。3. 在服务器内，不同的数据库要放在不同的容器内。随着项目的进行，我会不断的更新这部分的内容。本文前提是有大量的历史数据（日志，图片）
2026-06-16 14:50:07
222
原创 机械臂：手眼标定
机械臂手眼技术的核心，就是把相机的 “像素坐标” 翻译成机械臂能执行的 “空间坐标”，让视觉定位与手臂动作精准对齐。手眼标定参考文章：https://blog.youkuaiyun.com/qq_45006390/article/details/121670412。机械臂（手）：工作在三维空间坐标系（x,y,z,R,P,Y），只认自身基座 / 末端的坐标。相机（眼）：输出像素坐标（u,v），只有平面位置，不知道深度，且镜头有畸变。两者 “语言不通”：不做标定，相机看到的目标位置，机械臂无法精准到达。
2026-06-11 09:52:36
295
原创 机械臂抓取物体 六D姿态估计算法调研学习
可以从单张RGB-D（彩色+深度）图像中，精准地预测出目标物体的6D姿态（即3D位置和3D朝向）。这个姿态信息，恰好就是机械臂需要知道的“抓取位姿”，因此PVN3D可以看做是机器人的“眼睛”。
2026-06-10 16:23:20
230
原创 对于工业相机的认识（对机械臂的，工业方面的也可以参考）
核心技术：主动向物体表面投射具有特定编码的图案（如红外散斑、条纹等），相机捕捉被物体表面轮廓“扭曲变形”的图案，通过计算图案的形变，利用三角测量原理反推出物体每个点的深度信息。主要特点：近距离（通常0.2-1.5米）精度很高（可达亚毫米级，如Face ID），但对强光敏感，不适用于室外。“RGB-D相机”是指可以同时输出彩色图像（RGB） 和深度信息（Depth） 的设备。“结构光相机”是指采用“结构光技术”来获取物体深度（距离）信息的相机。🔗 两者的关系：结构光是RGB-D的技术子集。
2026-06-09 10:55:36
353
原创 学习机械臂相关知识
你只需要标定一次这个工件相对于机器人脚底的位置，然后程序里所有关于工件的移动（比如“沿着工件边缘走”）都用这个工件坐标来描述。好处：换工具后，只要重新标定一下，原来的程序（比如“让笔尖画个圆”）依然能用，因为机器人会自动根据新工具计算手腕该怎么动。通俗理解：就像你的手腕。你的手掌可以装不同的工具（比如笔、螺丝刀），但这个手腕本身的位置和方向是机器人能直接感知的。用途：机器人知道自己手腕在空间中的哪里，但不知道手上拿的工具的尖端在哪里。固定在哪：你加工的工件上（比如一个倾斜的工件、一个盒子的角）。
2026-06-08 08:38:18
294
原创 AI 终于要“伸手干活”了：聊聊 GUI Agent 为什么值得盯紧
如果大模型解决了“AI 能听懂人话”这件事，那么 GUI Agent 开始回答一个更朴素的问题：AI 能不能真正帮人把事办完？它短期内不会变成万能助手，但很可能最先从那些高频、重复、规则相对固定的办公流程里体现出价值。它不一定要替代人做判断，但可以替人完成大量机械步骤。如果 AI 能把 80% 的重复动作处理掉，人只负责最后的判断和监督，那已经是很大的进步了。这期播客给我的最终感受是：GUI Agent 不一定是最炫的 AI 方向，但可能是很贴近真实工作的一类方向。
2026-06-05 20:22:48
749
原创 blender+Molecular的使用
shift+Z:快捷方式：按一下 Shift + Z，模型就切换为“线框”显示；再按一下，就切换回“实体”显示。就是进入编辑模式，就比如说一个圆柱（上下面没有被封住）按下Alt+F，就可以把这个面给封住。有物体属性，就那个黄色的小框，可以对物体进行操作，扳手下面的粒子属性可以对粒子进行操作。g:先选中，按下g就可以抓取，就可以移动。s:先选中，按下s就可以缩放物体的尺寸。通过添加可以选择想要的模型图。
2026-06-04 08:38:40
287
原创 DEM-Engine与ParaView的使用
ParaView 是一款开源、跨平台的科学数据可视化与分析工具，由美国洛斯阿拉莫斯国家实验室开发，专门用来处理大规模数值模拟数据，
2026-05-11 21:02:26
457
原创 学习CBOR
原来的方式（裸发图片）缺点很大只能发图片二进制，没法附带信息想加个文件名、分辨率、时间、ID都要自己拼字节极易出错、难扩展、难跨语言换 Python/Android/ 单片机 都要重新写解析。JSON 有的：对象 {} 数组 [] 字符串 数字 布尔 null CBOR 全都有！✅ 2. CBOR 好处（你的项目立刻能感受到）用 CBOR 传数据，比裸二进制强太多。传输数据,用CBOR传输更好一些。JSON：人类可读字符串。CBOR：机器可读二进制。
2026-05-10 23:45:19
143
1
原创 SAM3做3D打印缺陷学习
会遇到这个问题：RuntimeError: mat1 and mat2 must have the same dtype, but got BFloat16 and Float报错问题。测试代码要和你之前下载的代码放到一起。下面一行代码也会遇到的问题。
2026-05-07 16:31:24
85
原创 实测ToDesk文件传输与多设备协同：打工人效率能提升多少？
通过实测，ToDesk在文件传输和多设备协同上能够显著减少文件“搬运”时间，尤其适合经常需要在不同地点、不同设备间切换的打工人。另外，ToDesk支持跨平台控制，例如用iPad控制Windows电脑，适配触控操作，体验良好。任务二结果：手机端ToDesk App连接办公室台式机，选择“上传文件”功能，速度稳定在4-5MB/s，总耗时约4分钟。在多设备管理方面，ToDesk的设备列表分组和备注功能比较实用，可以给每台设备命名（如“公司设计部主机”），方便快速识别。值得一提的是，ToDesk支持断点续传。
2026-04-23 21:05:50
279
原创 工作中数据库知识
之后执行类似 SELECT * FROM print_job WHERE printer_id = 5 的查询时，数据库不再需要逐行扫描整个表，而是通过索引快速定位到目标行，性能会得到显著提升。这条命令是通过 PostgreSQL 的客户端工具 psql 连接数据库。1.索引是数据库中用于快速查找数据的一种数据结构，类似于一本书的目录。
2026-04-23 14:53:09
97
原创 claude使用记录
spm_id_from=333.337.search-card.all.click&vd_source=eb433c8780bdd700f49c6fc8e3bd0911（配置什么的这个比较好）对于mac你可以参考一下这篇博客：https://blog.youkuaiyun.com/shengwei_1995/article/details/158580300。
2026-04-21 15:53:23
186
原创 yolov8-小目标检测工程性提升3d打印检测缺陷
以 YOLOv8 为例，其默认的检测头包含 P3、P4、P5 三个尺度（对应下采样 8 倍、16 倍、32 倍的特征图）。P2 层是更高分辨率的特征图（下采样 4 倍），具有更细粒度的空间信息，对小目标更敏感。P2 层下采样倍数低 → 特征图分辨率高 → 每个特征点覆盖的原图区域小 → 小目标能占据多个特征点 → 空间细节保留 → 更容易被检测到。例如：输入 640×640，经过 4 倍下采样后，特征图大小为 160×160。在 P2 层（4x下采样）：每个特征点对应 4×4 原图区域。
2026-04-21 14:32:07
478
原创 2026 远控软件行业新趋势，六大主流产品的差异化竞争之路
同时，其游戏与应用中心、隐私屏、虚拟键盘等细节功能，也都是针对用户的实际使用痛点做的优化，让远控体验更贴合场景需求。国产软件的崛起，不仅体现在国内市场，还体现在技术创新上，ToDesk 的 8K+360 帧性能、向日葵的软硬一体化生态，都走在了行业前列，打破了国际品牌的技术垄断。2026 年的远控软件市场，一个最明显的趋势是国产软件全面崛起，ToDesk、向日葵、UU 远程等产品，凭借本土化适配、高性价比、场景化创新，逐渐占据国内市场的主流，国际老牌 TeamViewer 的市场份额则不断被蚕食。
2026-03-11 14:45:36
415
原创 yolov11样本类别不平衡解决办法
训练集中某些类别样本极少（如“消防栓”“施工锥桶”），而常见类别（如“汽车”“行人”）数量庞大，导致模型严重偏向多数类，漏检率高、mAP整体偏低。你的配置（0.1权重+γ=2.0）是最激进的组合，会极度聚焦稀有类别。：类别0（person）样本量是类别5（bus）的312倍。rect=True 启用矩形推理，减少填充失真，对小目标类别尤其重要,效果：训练时，含“bus”的图像被采样概率提升15倍，其梯度更新频次显著增加。这个参数的作用是给不同类别的样本分配不同的损失权重，解决类别不平衡问题。
2026-03-09 14:08:20
564
原创 多模态方法学习
在当今数字化高速发展的时代，多模态技术正逐渐成为人工智能领域的核心研究方向。通过整合不同类型的数据源——包括文字、图像、音频、视频及传感器信号，多模态技术正在重塑我们与机器交互、处理信息的方式，为各行各业带来前所未有的创新可能。
2026-02-15 11:48:07
375
原创 3D打印名词
异质：异质性，通俗地说就是 “不均匀性”或 “不一致性”。在增材制造的语境下，它特指：一个打印出来的零件内部，不同位置（或不同方向）的微观结构不是完全均匀一致的，而是存在差异。欠挤出和过挤出是材料挤出成型（熔融沉积建模，FDM） 中最典型的两种工艺缺陷，在金属增材制造（激光粉末床熔融）中不直接使用这对术语，但其背后的物理逻辑是相通的。烧结：通俗地说就是：把粉末状的固体，通过加热（但没加热到熔化温度），让它“粘”在一起变成结实的块体。这两个概念的核心是：实际输出的材料量 ≠ 理论需要的材料量。
2026-02-13 09:46:35
178
原创 闭环最优控制问题（强化学习）
闭环最优控制 是一种控制策略，它通过实时测量系统的输出状态（反馈），与期望目标进行比较，然后动态计算并执行一个能在某种指标下达到最佳性能的控制动作，以此构成一个持续的“感知-决策-执行”循环。闭环：关键在 “反馈”。系统不断看“我现在做得怎么样”，然后调整，而不是蒙着眼睛一杆子捅到底。最优：关键在 “代价函数”。目标不是“差不多就行”，而是要明确“好”的标准是什么（如：质量最高、用时最短、耗能最少），并数学化地追求这个标准下的最好结果。控制：关键在 “动态决策”。根据当前状态，实时计算应该做什么。
2026-02-08 20:18:15
498
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人