精英的英-优快云博客

原创 AI大模型的战场：通用与垂直的较量

无论是通用大模型还是垂直大模型，它们都是AI技术发展的重要组成部分。在未来，我们可能看到的是一个更加多元化的AI世界，通用大模型和垂直大模型各展所长，共同推动AI技术的进步。那么，对于这场AI大模型的较量，你更青睐哪一方呢？或许，答案并不重要，重要的是它们如何共同为我们的世界带来更加智能和便捷的未来。

2024-06-12 11:15:26 818

原创 Sklearn的安装和用法

安装sklearn相对简单，因为它是一个Python库，可以通过Python的包管理器pip来安装。

2024-06-11 08:49:14 2596

原创 Sklearn基础教程：机器学习界的瑞士军刀

在机器学习的世界里，sklearn（Scikit-learn）就像是一把瑞士军刀，小巧、多功能，而且非常实用。无论你是数据科学家还是编程新手，sklearn都能成为你解决问题的得力助手。今天，就让我们一起走进sklearn的奇妙世界，探索它的起源、发展过程、原理以及应用案例。

2024-06-11 08:44:06 1277

原创【杂谈】AIGC之ChatGPT-与智能对话机器人的奇妙对话之旅

ChatGPT不仅是一个技术奇迹，更是人工智能领域的一个重要里程碑。随着技术的不断进步，我们有理由相信，ChatGPT将在未来发挥更大的作用，成为我们生活中不可或缺的一部分。

2024-06-05 11:25:08 1517

原创【杂谈】AIGC之Stable Diffusion：AI绘画的魔法

GANs由两部分组成：生成器（Generator）和鉴别器（Discriminator）。生成器的任务是生成尽可能逼真的图像，而鉴别器的任务则是区分生成的图像和真实图像。这两部分在训练过程中相互竞争，最终达到生成高质量图像的目的。Stable Diffusion就像是AI世界中的一位魔法师，它用魔法将我们的想象变为现实。随着技术的发展，我们有理由相信，这位魔法师的魔法将会更加强大，为我们带来更多的惊喜和可能。

2024-06-05 11:13:47 1232

原创【大模型部署】在C# Winform中使用文生图Stable Diffusion XL 模型

整了一个在C# Winform中调用文生图Stable Diffusion XL的小程序，基于百度智能云千帆平台

2024-05-22 16:35:57 708

原创【大模型部署】在C# Winform中使用文心一言ERNIE-3.5 4K 聊天模型

今天来写一个简单的ernie-c#的例子，主要参考了百度智能云的例子，然后自己改了改，学习了ERNIE模型的鉴权方式，数据流的格式和简单的数据解析，实现了在C#中调用百度智能云的ernie（其实就是文心一言3.5的语言模型）的例子。

2024-05-21 13:33:57 1626

原创【算法笔记】LeetCode_86 分隔链表

题目整体思路很简单，解答的时候可以想象在给苹果分类，比如给你一批苹果，大小不一，然后你面前有两个桶，左边的桶写着（直径大于15cm），右边的桶写着（其他），然后你依次测量苹果直径然后放进两个桶内，至于题目说的“保持原始的次序”，由于链表的特性，这个不是问题。这段代码使用了双指针的思想，通过遍历原链表，将节点按照值的大小分别连接到两个新的链表（左链表和右链表）中。最后，将右链表的头节点之前的节点（即虚拟头节点）断开，并将左链表的末尾指向右链表的头节点，从而完成链表的分区。，请你对链表进行分隔，使得所有。

2024-03-29 11:27:08 1007

原创【算法笔记】LeetCode_138 随机链表的复制

通过遍历原链表，对于每个节点，先检查它是否已经在哈希表中，如果在则直接取出新节点，如果不在则创建新节点并添加到哈希表中。考虑到这里，我考虑使用哈希表来存储每个已创建的节点的原始地址和新地址，每次遍历的时候，查找当前节点和random节点是否已创建，是的话直接连接，否的话新建，然后添加进哈希表。指针也都应指向复制链表中的新节点，并使原链表和复制链表中的这些指针能够表示相同的链表状态。最后，将新节点按照原链表的顺序连接起来，形成新的链表。节点组成，其中每个新节点的值都设为其对应的原节点的值。

2024-03-25 19:23:04 864

原创【算法笔记】LeetCode_30 串联所有单词的子串

这些情况下，滑动窗口方法的时间复杂度为O(n)，其中n为字符串的长度，而遍历字符串方法的时间复杂度为O(n*m)，其中m为单词列表的长度。这个问题最开始的想法是暴力破解，遍历字符串中的所有字符，以每个字符为起点，截取固定长度的字符串，然后对每个字符串判断是否符合要求，其最坏情况下的时间复杂度是O(m * n)，m是字符串的长度，n是数组的元素数量。它是 words 中以 [“bar”,“foo”] 顺序排列的连接。[“bar”,“the”,“foo”] 顺序排列的连接。3，所以串联子串的长度必须为 9。

2024-03-08 10:45:20 903

原创【算法笔记】LeetCode_3 无重复字符的最长字串

请你找出其中不含有重复字符的。因为无重复字符的最长子串是。因为无重复字符的最长子串是。因为无重复字符的最长子串是。请注意，你的答案必须是。，所以其长度为 3。，所以其长度为 1。，所以其长度为 3。

2024-03-07 08:15:53 321

原创【算法笔记】 LeetCode_209 长度最小的子数组

使用滑动窗口法，双指针slow和fast分别指示窗口的左右边界，首先快指针开始右移，慢指针不动，同时求和sum开始累加，直到碰到sum>=target，开始考虑。，并返回其长度**。**如果不存在符合条件的子数组，返回。子序列的问题，慢指针尝试右移以缩小窗口大小。是该条件下的长度最小的子数组。找出该数组中满足其总和大于等于。

2024-03-06 15:49:47 434

原创【算法笔记】LeetCode_15_三数之和

它们分别用于解决两数之和和三数之和的问题。下面是对代码的关键部分添加注释，并总结其方法、思想和可以改进的点。不同的三元组是 [-1,0,1] 和 [-1,-1,2]。**注意：**答案中不可以包含重复的三元组。注意，输出的顺序和三元组的顺序并不重要。唯一可能的三元组和不为 0。唯一可能的三元组和为 0。，判断是否存在三元组。

2024-03-06 11:20:00 652

原创深度学习框架PyTorch的介绍和安装方法

PyTorch是一个开源的深度学习框架，由Facebook AI Research开发。它为用户提供了构建和训练深度学习模型的强大工具，广泛应用于计算机视觉、自然语言处理等领域。PyTorch具有动态计算图、高效的GPU加速以及友好的Python接口等特点。

2024-02-01 10:50:49 865

原创【产业实践】使用YOLO V5 训练自有数据集，并且在C# Winform上通过onnx模块进行预测全流程打通

当谈到目标检测算法时，YOLO（You Only Look Once）系列算法是一个备受关注的领域。YOLO通过将目标检测任务转化为一个回归问题，实现了快速且准确的目标检测。以下是YOLO的基本特性和发展历程：基本特性：速度： YOLO算法的一大优势是其处理速度。在检测过程中，YOLO一次性预测出所有边界框的位置和类别，而不需要像R-CNN系列算法那样进行多阶段的区域提议和分类。这种单阶段的目标检测方法大大提高了检测速度。精度：尽管YOLO在速度上具有优势，但其精度相对较低。

2024-01-31 18:51:51 1767

原创【PyTorch】记一次卷积神经网络优化过程

在深度学习的世界中，图像分类任务是一个经典的问题，它涉及到识别给定图像中的对象类别。CIFAR-10数据集是一个常用的基准数据集，包含了10个类别的60000张32x32彩色图像。在上一篇博客中，我们已经探讨如何使用PyTorch框架创建一个简单的卷积神经网络（CNN）来对CIFAR-10数据集中的图像进行分类。

2024-01-23 19:13:50 1570 1

原创【PyTorch】使用PyTorch创建卷积神经网络并在CIFAR-10数据集上进行分类

在深度学习的世界中，图像分类任务是一个经典的问题，它涉及到识别给定图像中的对象类别。CIFAR-10数据集是一个常用的基准数据集，包含了10个类别的60000张32x32彩色图像。在本博客中，我们将探讨如何使用PyTorch框架创建一个简单的卷积神经网络（CNN）来对CIFAR-10数据集中的图像进行分类。在下一篇博客中，我们将尝试不断优化模型结构和训练过程，以达到更高的准确率和性能。

2024-01-23 17:32:39 1753 1

原创【PyTorch】在PyTorch中使用线性层和交叉熵损失函数进行数据分类

在机器学习的众多任务中，分类问题无疑是最基础也是最重要的一环。本文将介绍如何在PyTorch框架下，使用线性层和交叉熵损失函数来解决分类问题。我们将以简单的Iris数据集作为起点，探讨线性模型在处理线性可分数据上的有效性。随后，我们将尝试将同样的线性模型应用于复杂的CIFAR-10图像数据集，并分析其性能表现。

2024-01-17 08:23:28 1209

原创【pytorch】使用pytorch构建线性回归模型-了解计算图和自动梯度

小批量随机梯度下降（Mini-batch Stochastic Gradient Descent）是批量梯度下降的一种变体。与批量梯度下降相比，小批量随机梯度下降在每次迭代时只使用一小部分数据（称为小批量）来计算梯度，然后根据这个梯度来更新模型的参数。Jθ1m∑i1mLyifθxiJθm1i1∑mLyifθxi))其中，JθJ(\theta)Jθ是目标函数，mmm是数据集的大小，LyifθxiLyi。

2024-01-11 09:43:48 1451 1

原创【手搓深度学习算法】用逻辑回归分类双月牙数据集-非线性数据篇

逻辑斯蒂回归是一种广泛使用的分类方法，它是基于条件概率密度函数的最大似然估计的。它的主要思想是将输入空间划分为多个子空间，每个子空间对应一个类别。在每个子空间内部，我们假设输入变量的取值与类别标签的概率成正比。在逻辑斯蒂回归中，我们首先通过数据进行线性回归，得到的结果再通过sigmoid函数转化为概率，这样就可以得到每个类别的概率。然后，我们可以通过设置一个阈值，如果概率大于阈值，我们就认为这个样本属于这个类别，否则就属于其他类别。这就是逻辑斯蒂回归的基本原理。

2024-01-09 17:17:19 1861

原创【手搓深度学习算法】用逻辑回归分类Iris数据集-线性数据篇

逻辑斯蒂回归是一种广泛使用的分类方法，它是基于条件概率密度函数的最大似然估计的。它的主要思想是将输入空间划分为多个子空间，每个子空间对应一个类别。在每个子空间内部，我们假设输入变量的取值与类别标签的概率成正比。在逻辑斯蒂回归中，我们首先通过数据进行线性回归，得到的结果再通过sigmoid函数转化为概率，这样就可以得到每个类别的概率。然后，我们可以通过设置一个阈值，如果概率大于阈值，我们就认为这个样本属于这个类别，否则就属于其他类别。这就是逻辑斯蒂回归的基本原理。

2024-01-08 13:29:21 1465 1

原创【手搓深度学习算法】用线性回归预测波士顿房价

线性回归是一种监督学习方法，用于建立因变量与一个或多个自变量之间的关系。线性回归的目标是找到一条直线，使得所有数据点到这条直线的距离之和最小。yβ0β1x1β2x2...βnxnϵ其中，y是因变量，x1x2...xn是自变量，β0β1...βn是参数，ϵ是误差项。线性回归的目标是通过最小化以下的均方误差（Mean Squared Error, MSE）来求解参数βMSEN1。

2024-01-04 08:33:52 1610 3

原创【手搓深度学习算法】用决策树预测天气-离散数据篇

前几天已经探讨了使用决策树训练和预测连续型数据，观察到训练连续数据存在一个问题：训练时间过长，如果数据中特征很多，特征取值范围很大，将会难以计算，于是想要对比决策树对于离散型数据的处理方法和训练时间。本文使用信息增益率来生成决策树，现如今有更流行和高效的决策树生成方法，有待进一步探索早期决策树算法：最早的决策树算法可以追溯到上世纪60年代，当时主要用于解决分类问题。这些算法比较简单，通常采用静态规则进行决策，但缺乏对数据内在结构的深入理解和挖掘。ID3算法。

2024-01-02 15:44:24 1544 2

原创【手搓深度学习算法】用决策树预测天气-连续数据篇

import csvkunming_weather = "J:\\MachineLearning\\数据集\\kunming_weather_continus_data.txt"# 打开CSV文件# 初始化一个空数组来存储数据# 遍历每一行数据# 将每一行数据转换为数组，并添加到data数组中np.random.shuffle(dataset) #将数据按行充分打乱''''''"DMAP","MT","DMT","MRH","CP","LE","AWS","MWS",

2023-12-29 15:19:29 1957 1

原创【手搓深度学习算法】从头创建卷积神经网络

备注：我们定义的卷积层假设输入是2维的numpy数组，只存在一个卷积层且Batch为1以下是在名为Conv3x3的类中的内容使用除以9，用于初始化卷积核的权重，将其缩放到一个较小的值范围（这里是0到1/9之间）。这种初始化方法可以帮助防止在训练过程中出现梯度消失或梯度爆炸的问题。卷积网络的前向传播过程即将卷积核和感受野进行加权求和，然后迭代每一个卷积核输出n维的特征向量。

2023-12-26 14:14:00 1803 2

原创【手搓深度学习算法】手打梯度下降算法

梯度下降算法是一种基于搜索的优化方法，用于寻找函数的最小值或最大值。其背后的原理是目标函数关于参数的梯度将是损失函数（loss function）上升最快的方向。而我们要最小化loss，只需要将参数沿着梯度相反的方向前进一个步长，就可以实现目标函数（loss function）的下降。这个步长η 又称为学习速率。在现代深度学习中，梯度下降算法被广泛使用。深度学习是机器学习的一个分支，它使用人工神经网络来模拟人脑的功能，以解决复杂的模式识别和预测问题。

2023-12-19 19:25:08 628 1

原创【手搓深度学习算法】深度学习网络的基石-感知机原理和简单推导及代码实现

已知数据集其中，表示x是n维的实数向量找一张图形象描述向量，如下图红线描述了一个三维向量[a, b, c]，表示y是x的标签，即x输入红球还是绿球，i表示数据下标。

2023-12-18 10:20:14 999 1

原创开源与闭源：AI时代的创新与安全之争

对于一些涉及敏感信息和重要领域的AI应用，如金融、医疗等，闭源模型的安全性和可靠性也得到了更多的保障。另一方面，特斯拉作为一家以创新和技术为核心的公司，其开源的行为也可以提高公司的透明度和公信力，从而更好地赢得用户的信任和支持。无论选择哪一种方式，都需要在保护商业利益和技术安全的同时，注重社区的发展和合作的推进。这个问题很难一概而论。但是，我们可以预见的是，随着技术的不断发展和市场的不断变化，开源与闭源的辩论将更加激烈和复杂。特别是在AI领域，由于模型的复杂性和数据的重要性，开源与闭源的选择变得更加复杂。

2023-11-29 11:32:08 167 1

原创【深度学习】【工具向】做一个直观展示和检查COCO数据集的工具

最近在研究深度学习领域的目标检测和实例分割，发现很多框架默认的数据集格式是COCO格式，如果刚好手头上有其他格式的数据集，那么就需要借助官方的工具或自己编写工具进行转换，转换完成后最初可能会有很多格式问题（新手），而且碰到一个新的别人提供的数据集，也不能直观的浏览图片上的表述区域和类别，于是，就想要编写一个工具，可以打开annotation文件，分析和展示里面的标注信息，并且可以一键诊断问题。

2023-11-28 18:17:46 713

原创人工智能对我们的生活影响有多大

在日常生活中，人工智能的应用更是数不胜数。总的来说，人工智能已经深入到我们生活的各个角落，它带来的影响既有积极的也有消极的。当然，我们也需要警惕的是，人工智能的发展也可能带来一些问题，如就业市场的变化、隐私问题等。因此，我们需要在推动人工智能发展的同时，做好相应的政策和法规的制定，以保护公众的利益。我们需要以开放的态度面对人工智能的发展和应用，同时也要做好相应的政策和法规的制定，以保护公众的利益。在科技日新月异的时代，人工智能(AI)已经渗透到我们生活的方方面面，犹如一把神奇的钥匙，打开了一个全新的世界。

2023-11-23 15:48:23 191 2

原创【深度学习】使用PaddleX AI studio生成FastDeploy部署包在QT桌面程序上实现推理部署

也称为飞桨，是一个深度学习平台，提供了完整的深度学习工具链，包括开发环境、模型库、训练框架、部署工具等。它支持动态图和静态图两种编程范式，并提供了丰富的API和工具，使得开发者可以更加便捷地进行深度学习应用开发和部署。PaddleX是PaddlePaddle的扩展库，提供了更加丰富和灵活的深度学习工具和模块，方便开发者进行模型训练、预测、推理等任务。PaddleX提供了更加灵活的模型设计、更加高效的训练性能、更加便捷的部署工具，以及更加全面的硬件支持，使得开发者可以更加高效地进行深度学习应用开发和部署。

2023-11-21 15:10:49 1391

大模型部署在C# Winform中使用文生图Stable Diffusion XL 模型

[大模型部署]在C# Winform中使用文心一言ERNIE-3.5 4K 聊天模型

产业实践使用YOLO V5 训练自有数据集，并且在C# Winform上通过onnx模块进行预测全流程打通

Iris和CIFAR-10数据集

【手搓深度学习算法】用线性回归预测波士顿房价

手搓深度学习算法用决策树预测天气-离散数据篇

【手搓深度学习算法】用决策树预测天气-线性数据篇

深度学习使用Tensorflow和Keras对本地数据集进行图像分类以及性能调优

空空如也