- 博客(243)
- 收藏
- 关注
RSS订阅原创 【AI-42】如何调整参数和超参
在机器学习和深度学习中，参数和超参数是两个重要概念，以下是一些常见的参数和超参数及其作用：在机器学习和深度学习中，参数和超参数的调整场景有所不同：
2025-03-01 14:04:44
916
原创 【AI-41】网格搜索和随机搜索相结合的策略
在实际应用中，需要根据具体的问题和数据特点来选择合适的超参数优化方法。如果计算资源和时间充足，可以选择网格搜索来保证找到全局最优解；如果计算资源和时间有限，可以选择随机搜索来提高效率；如果需要在两者之间取得平衡，可以选择网格搜索和随机搜索相结合的策略。在机器学习中，超参数是在开始学习过程之前设置值的参数，而不是通过训练得到的参数数据。通常情况下，需要对超参数进行优化，给学习机选择一组最优超参数，以提高学习的性能和效果。
2025-02-28 18:53:55
172
转载 【一图看懂蒸馏，RAG和微调的区别】
转载链接： 【一图看懂蒸馏，RAG和微调的区别 - momo | 小红书 - 你的生活指南】 😆 chqJJAQGqrMSWIJ 😆 https://www.xiaohongshu.com/discovery/item/67abfb6e000000002901de84?
2025-02-25 09:32:55
162
原创 【AI-39】深度学习框架包含哪些内容
深度学习框架（如 PyTorch、TensorFlow）是用于构建和训练神经网络的工具，它们提供了底层的计算库、优化算法、张量操作等功能。而transformers库是基于这些深度学习框架构建的高级库，它封装了许多预训练模型和相关的工具，使得开发者可以更方便地使用这些模型。因此，加载的预训练模型是基于深度学习框架构建的具体模型实例，而不是框架本身。
2025-02-24 13:46:27
326
原创 【AI-35】Deepseek-各代模型具体情况
模型整合方式的多样性：在大模型的构建中，对于知识库的整合可以有多种方式和策略，而且可能是多种技术的组合运用。同样，在知识融合模块整合超万亿 token 的领域知识库时，除了 RAG 技术外，也可能存在其他类似的或辅助的技术来实现动态获取和利用知识，不能排除其他可能性，所以说 “很可能借助了 RAG 技术”。像 “I am Claude” 基于空格分词会被分割为（“I”，“am”，“Claude”），“Claude 是一款 AI” 基于词典分词可分为 （“Claude”，“是”，“一款”，“AI”）。
2025-02-22 15:13:58
791
原创 【AI-34】机器学习常用七大算法
就像一棵倒过来的树，从树根开始。比如你要决定今天出不出门，树根可能是 “天气好不好”，如果天气好，又有分支 “有没有朋友约” 等，每个分支就是一个条件判断，最后根据这些判断得出结论（出不出门）。它先随机选 K 个点作为每个组的中心，然后计算其他点到这些中心的距离，把点归到离它最近的中心所在的组，之后再重新计算每个组的中心，不断重复这个过程，直到组的划分比较稳定。它会根据邮件里的各种特征（比如有没有奇怪的词语、发件人是不是陌生等），算出一个概率值，当这个概率值超过一定阈值，就判断是垃圾邮件，否则就不是。
2025-02-14 14:36:46
519
原创 【AI-32】浅显易懂地说一下LangChain
LangChain 是AI应用开发的“瑞士军刀”，它降低了结合大模型与真实业务场景的门槛。无论是做个人助手、企业知识库，还是复杂自动化系统，LangChain 都能让你站在巨人的肩膀上快速实现。
2025-02-13 13:59:25
584
原创 【AI-31】微调与提示工程
深度适配任务：通过调整模型参数，能深入学习特定任务的模式和特征，在特定任务上可显著提升性能，如在情感分析任务中能精准捕捉情感倾向。性能上限高：若有足够数据和计算资源，微调可使模型在任务上达到很高的性能水平，能处理复杂的语义理解和生成任务。减少人工设计特征：无需过多人工设计特征，模型可自动从数据中学习相关特征表示，降低了特征工程的工作量。
2025-02-13 10:34:32
274
原创 【AI-30】常见的激活函数
激活函数在神经网络中具有重要意义，它能引入非线性因素、决定神经元的激活状态、增加模型的表达能力等，在神经网络中，神经元接收来自其他神经元的输入信号，通过加权求和等操作得到一个净输入值。激活函数根据这个净输入值来决定神经元是否被激活以及激活的程度，即输出一个表示激活状态的值。它起到了对输入信号进行阈值化或非线性变换的作用，使得神经元能够根据不同的输入产生不同的响应，从而实现信息的筛选和处理。不同的激活函数具有不同的非线性特性，能够适应不同类型的数据和任务，帮助网络学习到更丰富的特征和模式，提高模型的性能和泛化
2025-02-12 10:07:42
769
原创 【AI-29】浅显易懂地说一下Function Calling
通过调用各种工具，真正帮你解决问题。Function Calling 是 AI 的“手和脚”，让模型不仅能“说”，还能“做”。，然后调用对应的函数（比如调用计算器、查数据库、发邮件），最后结合结果生成回答。Function Calling 是让 AI 模型“调用外部工具”的能力。” AI 不会直接“编造”温度，而是。AI 触发预定义的“计算器函数”，把问题中的数字和运算符传给计算器。外部系统执行函数后，将结果返回给 AI，AI 再组织成自然语言回答。让 AI 像“指挥官”一样，根据你的问题。
2025-02-12 09:52:09
819
原创 【AI-28】RAG的深入浅出
RAG 是一种让 AI 模型“先查资料再回答问题”的技术。它结合了搜索引擎（检索信息）和生成模型（生成答案）的优势，让回答更准确、更可靠。传统的生成模型（比如 ChatGPT）直接根据训练时学到的知识生成答案，但存在两个问题：知识过时：模型无法实时获取最新信息（比如今天发生的新闻）。可能胡编乱造：如果问题超出模型的知识范围，它可能会生成错误答案（俗称“幻觉”）。RAG 的解决思路：先让 AI 从外部数据库或文档中检索相关的信息，再基于这些信息生成答案。相当于先查资料，再写作文！智能客服：先查产品文档，再回
2025-02-11 20:12:42
174
原创 【AI-27】DPO和PPO的区别
PPO：需要奖励模型和强化学习循环，使用策略梯度优化，通过与环境交互收集样本数据，利用奖励模型对样本进行评分，再根据评分和策略梯度来更新策略。DPO：直接基于对比学习优化，利用偏好数据，训练偏好对，给每个样本对分配偏好标签，直接调整语言模型参数，无需奖励模型和强化学习循环。DPO：无需训练奖励模型和进行复杂的策略评估与更新计算，直接基于偏好数据进行优化，计算相对简单，训练效率较高。PPO：通过最大化累积奖励来优化策略，在基于人类反馈的强化学习中，通过训练奖励模型，最大化奖励模型的评分。
2025-02-10 20:03:16
410
原创 【AI-26】常见的监督学习方法集合
监督学习是机器学习中的一个重要类别，它基于有标签的数据进行模型训练，目标是让模型学会从输入数据预测对应的输出标签。
2025-02-08 14:33:28
516
原创 【AI-25】AI agent是强化学习吗？目前的聊天机器人Agent都有基于什么技术原理实现的？
AI Agent 并不等同于强化学习，强化学习只是 AI Agent 实现其功能的一种技术手段，以下从两者的概念及关系进行具体解释：目前的聊天机器人 Agent 主要基于以下技术原理实现，并对应一些具体产品如下：
2025-02-08 14:00:38
719
原创 【AI-24】AI Agent的定义，技术原理，优势，挑战和局限性
AI Agent 是一种能够感知其环境，并根据感知到的信息，运用自身的知识和推理能力，自主地采取行动以实现特定目标或完成特定任务的软件实体或系统。它可以模拟人类的智能行为，具有自主性、交互性、适应性和智能性等特点，能够在复杂的环境中自主决策和执行任务。
2025-02-08 13:35:01
440
原创 【USD-3】USD为什么支持多版本管理和协同工作
USD 即通用场景描述（Universal Scene Description），它支持多版本管理和协同工作，主要有以下原因：
2025-02-07 10:50:10
238
原创 【浅显易懂说一下遗传、贪心、启发、蚁群算法】
蚂蚁在寻找食物的过程中，会在走过的路径上留下一种叫做信息素的物质，其他蚂蚁会根据信息素的浓度来选择路径，信息素浓度越高的路径，被选择的概率就越大。随着时间的推移，较短的路径上的蚂蚁往返次数更多，信息素的浓度就会越来越高，从而吸引更多的蚂蚁选择这条路径，最终整个蚁群就会找到从蚁巢到食物源的最短路径。这些启发信息通常是根据问题的特点和经验总结出来的规则或策略，不像贪心算法那样只考虑当前的最优选择，也不像遗传算法那样模拟生物进化，而是根据特定的启发规则来探索解空间，尝试找到更好的解。
2025-01-23 11:15:33
321
原创 【端到端模型】
端到端模型就像是一个超级智能的黑盒子。想象你要完成一个任务，比如把一张写着字的图片变成电脑里能编辑的文字（这是光学字符识别的任务）。传统的做法可能是先人工分析图片，找到文字的轮廓、笔画这些特征，然后用别的方法把这些特征转变成文字。但是端到端模型很厉害，你直接把图片丢进这个黑盒子，它自己就知道怎么从图片里的原始信息（一堆像素点）直接输出最后你想要的文字，中间不需要你去操心怎么提取特征这些复杂的步骤。再打个比方，就好像你要把一个外语句子翻译成中文。
2025-01-17 13:42:02
808
原创 【谈谈具身智能】
具身智能是一种基于物理身体进行感知和行动的智能系统，其核心在于让智能系统能够以主人公的视角去自主感知物理世界，通过拟人化的思维路径进行学习，从而做出人类期待的行为反馈，而不是被动地等待数据输入。具身智能的物理实体可以有多种形态，包括双足、四足、轮式、机械狗、智能无人机甚至机械小蜜蜂等，并不局限于人形。人形机器人通常具有双足、双臂和头部等人类外形特征。核心特点（1）物理身体与环境交互：强调智能体与其物理形态和所处环境之间的密切联系，认为智能行为是通过身体与环境的交互而产生的。
2025-01-16 15:08:23
770
原创 【Unity-Game4Automation PRO 插件】
Game4Automation PRO 插件 是一个用于 Unity 引擎 的工业自动化仿真工具，它提供了对工业自动化领域的仿真和虚拟调试支持，特别是在与工业机器人、生产线、PLC 系统的集成方面。该插件旨在将工业自动化的实时仿真与游戏开发的高质量 3D 可视化能力结合起来，提供一个易于使用和高效的工业仿真解决方案。
2025-01-15 13:51:32
1276
原创 【URDF和SDF区别】
URDF：URDF 是一种用于描述 机器人 的结构和运动学模型的格式。它是 ROS（Robot Operating System，机器人操作系统）中最常用的标准格式，用于定义机器人的部件、关节、传感器、形状和材质等。URDF 主要关注的是机器人的物理结构和行为（如运动学、力学等），它更多用于机器人控制和规划。主要特点：主要描述机器人及其部件（例如，关节、连杆、传感器）。用于定义机器人模型、连接不同部件的方式（通过关节连接）。通常用于机器人控制、路径规划等。
2025-01-13 20:37:18
679
原创 【Unity-和WPF结合的优势】
数据处理深度和灵活性的局限在 Unity 中：Unity 虽然可以处理数据，但它的数据处理能力主要侧重于游戏开发场景相关的数据。对于工业仿真软件中的复杂数据结构和深度业务逻辑处理相对有限。例如，在工业生产中可能涉及到大量的设备参数、工艺流程数据、质量控制标准等复杂的数据关系。Unity 在处理这种多层级、多关联的数据结构时，可能需要编写大量的脚本代码来进行数据的解析、转换和存储，这会增加开发的复杂性和维护成本。同时，Unity 的数据存储方式相对简单，主要用于存储游戏场景中的资源和配置信息。如果要实
2025-01-08 15:08:27
896
原创 【AI-23】深度学习框架中的神经网络3
*深度神经网络（DNN）**适用于通用任务，尤其是结构化数据的回归和分类任务。**卷积神经网络（CNN）**在图像处理、视频分析等任务中表现优异，特别适合处理具有空间结构的数据。循环神经网络（RNN）、LSTM和GRU擅长处理时序数据，特别是长序列数据的建模。**自编码器（Autoencoder）**适用于数据降噪、数据压缩和无监督学习任务。**生成对抗网络（GAN）**广泛用于图像生成、文本生成和数据增强等任务。Transformer架构。
2025-01-07 15:14:35
767
原创 【AI-22】深度学习框架中的神经网络2
神经网络由多个组成部分协同工作，确保其能够处理各种复杂的任务。每一层或模块的设计都有其特定的功能，确保输入数据能够通过网络进行有效的变换和学习，从而产生准确的输出。在深度学习中，通过调整每一部分的结构和参数，能够使得神经网络在不同类型的任务中达到最佳效果。
2025-01-07 15:14:28
726
原创 【AI-21】深度学习框架中的神经网络
神经网络的作用特征提取与表示学习神经网络能够自动从原始数据中提取有效的特征。在图像领域，卷积神经网络（CNN）可以提取图像的边缘、纹理、形状等特征。例如，在人脸识别任务中，CNN 可以通过卷积层提取人脸的五官轮廓等特征，这些特征比原始像素更具有代表性和区分性。在自然语言处理中，循环神经网络（RNN）或其变体（如长短期记忆网络（LSTM）和门控循环单元（GRU））可以学习单词的语义、句子的语法结构等特征。通过这种自动的特征提取，神经网络能够将原始数据转换为更有利于分类、回归等任务的特征表示。复杂函数逼
2025-01-07 14:44:36
1300
1
原创 【AR的手势识别算法有哪些】
基于计算机视觉的方法：适合简单的、静态或低复杂度的手势识别，如边缘检测、模板匹配、光流法等。基于深度学习的方法：适合更复杂、动态的手势识别，利用CNN、RNN、LSTM等模型，能够识别连续手势和复杂的动作。MediaPipe与TensorFlow.js等工具提供了高效的实现方案，支持实时的手势识别和追踪。选择合适的手势识别算法取决于应用场景的需求，包括实时性要求、识别精度、硬件平台等因素。在AR/VR交互中，结合这些算法可以实现自然、流畅的用户交互体验。
2024-12-30 11:49:46
1467
原创 【架构-38】如何选择通信协议和数据格式
WebSocket适合需要实时双向交互的场景，特别是当AR/VR设备与仿真软件需要持续的数据流和实时同步时。TCP/IP适合那些需要可靠、顺序保证的通信的场景，特别是在工业控制和设备管理中。RESTful API适合那些请求/响应模式的数据交互，适用于设置配置、查询状态、获取静态数据等场景。MQTT适合低带宽、高延迟或设备分布广泛的场景，适合设备与设备之间的轻量级消息交换，尤其是在物联网或远程设备通信中。JSON适用于轻量级、易于解析和与Web兼容的场景，适合快速开发和调试。
2024-12-30 10:03:50
1374
原创 【智能制造-51】G代码与机器人编程语言的区别
应用领域G 代码：主要应用于数控机床领域，用于控制刀具在机床坐标系中的运动，实现对零件的精确加工，如铣削、车削、钻削等加工操作，在航空、汽车、模具制造等需要高精度零件加工的行业应用广泛.机器人编程语言：用于控制机器人的各种动作和行为，使机器人能够完成诸如焊接、装配、搬运、喷涂等任务，广泛应用于工业生产、物流、服务等多个领域.编程对象与运动方式G 代码：编程对象通常是机床的刀具，运动方式主要是在笛卡尔坐标系下的直线、圆弧等基本几何轨迹运动，通过控制刀具在 X、Y、Z 轴上的移动、旋转等来实现零件
2024-12-27 14:59:37
484
原创 【MuJoCo和PhysX】
MuJoCo 和 Unity 的 PhysX 引擎各有所长，针对不同的应用场景选择合适的引擎非常重要。如果你专注于机器人学、强化学习、精准动力学仿真等领域，MuJoCo 是一个强大的工具。而如果你主要从事游戏开发、虚拟现实或实时交互应用，Unity 与 PhysX 引擎的结合则会更为适合。
2024-12-27 12:10:15
466
原创 【智能制造-50】雅可比矩阵在机器人中如何应用
在机器人的运动学和动力学分析中，雅可比矩阵用于描述机器人末端执行器的位姿与关节变量之间的关系，以及力与力矩在不同坐标系之间的转换。
2024-12-27 10:57:17
929
原创 【如何在非高性能的前提下保证高颗粒度和高渲染】
硬件优化升级硬件配置：（1）增加内存：大场景加载需要大量内存来存储模型、纹理等数据，建议将内存升级到 16GB 及以上，以减少因内存不足导致的卡顿。（2）更换固态硬盘（SSD）：SSD 的读写速度远快于传统机械硬盘，能够显著缩短软件启动时间、大场景文件加载时间和数据存储时间。（3）升级显卡：选择性能强劲的专业图形显卡，其在处理复杂图形和大规模数据渲染方面具有优势。同时，确保显卡驱动程序保持最新版本，以获得最佳性能和兼容性。采用分布式计算与硬件加速：（1）分布式计算：通过分布式计算系统，将仿真任
2024-12-25 09:20:29
295
原创 【八叉树、BSP 树等空间数据结构对碰撞检测的影响】
合理组织数据结构对于提高渲染效率至关重要，八叉树和 BSP 树是两种常用的空间数据结构，它们在场景的碰撞检测和可见性判断等方面发挥着重要作用，以下是对它们的详细介绍：
2024-12-25 09:15:31
547
原创 【USD包含哪些基本的描述内容】
NVIDIA 的 USD（Universal Scene Description），即通用场景描述，其基本描述内容包含以下几个方面：
2024-12-13 11:18:05
715
原创 【数字孪生软件和第三方系统连接过程】
一、确定接口和通信协议分析第三方系统接口对于 AR 系统，需要了解其提供的开发接口类型。例如，有些 AR 平台可能提供基于 Unity 3D 或 Unreal Engine 的插件接口，或者是 RESTful API（表述性状态转移应用程序接口）用于数据交互。对于三维扫描系统，可能会有通过以太网、USB 等方式传输数据的接口，并且数据格式可能是点云数据（如 PLY、XYZ 格式）等。确定第三方系统支持的操作系统和编程语言，以便在工业仿真软件的二次开发环境中进行适配。选择通信协议常用的通信协议包括
2024-12-13 11:14:08
774
原创 【工业仿真软件如何助力光伏行业】
优化生产流程带来的提升流程简化与并行操作：通过仿真软件对光伏设备生产流程进行模拟和优化，可以发现并去除不必要的步骤，或者将一些原本串行的工序改为并行操作。例如，在光伏组件的生产中，原本电池片的分选、划片、串焊等工序可能是依次进行，通过仿真分析后，若发现划片和串焊的部分操作可以在分选的同时进行准备工作，从而实现一定程度的并行处理，这样可以大大缩短整个生产周期，理论上节拍可提升 20%-30% 左右。减少设备闲置与等待时间：仿真软件能够准确地模拟出生产过程中各设备的使用情况和物料的流动情况，从而找出设备闲
2024-12-13 10:56:31
414
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