- 博客(61)
- 收藏
- 关注
RSS订阅原创 大模型应用03 || RAG系统的一些理解、心得体会 || 工程经验
构建高效RAG系统的核心在于数据质量。关键环节包括：数据收集需处理多语言（如中英文）和多种格式（PDF/PPT等），建议通过翻译预处理或提示词统一语言；数据切分应注重语义完整性和独立性，可结合规则切割与LLM智能切分；嵌入模型选择直接影响检索效果；采用混合搜索策略提升查询准确率。系统评估需关注数据块的独立性、完整性和可检索性，建议建立标准评估集持续优化。未来可改进方向包括数据质量评分、元数据利用和反馈闭环机制。
2025-11-11 15:31:27
877
原创 大模型应用03 || 函数调用 Function Calling || 概念、思想、流程
获取到原始数据后，还需要 LLM 将这些冰冷的数据转换成用户友好的自然语言。后端应用打包第二次请求后端应用将上一步中获取到的工具执行结果，连同之前的全部对话历史（包括用户的原始问题和 LLM 的第一次tool_calls响应），再次打包发送给 LLM API。这次请求相当于告诉 LLM：“你之前让我查的数据，我已经查到了，结果是{"temperature": "25°C", "condition": "晴"}，现在请根据这个信息回答用户最初的问题。LLM 生成最终答复。
2025-11-05 17:25:57
845
原创 大模型应用02 || 检索增强生成Retrieval-Augmented Generation || RAG概念、应用以及现有挑战
RAG，全称检索增强生成（Retrieval-Augmented Generation），是一种将信息检索（Retrieval）系统与生成式（Generation）模型相结合的技术框架。其核心思路是：在大型语言模型（LLM）生成回答之前，先从一个指定的外部知识库（如内部文档、实时新闻数据库）中检索出与用户问题相关的上下文信息，然后将这些信息与原始问题一同提供给LLM，引导其生成更可靠、更具事实性的回答。
2025-11-03 17:12:14
1024
原创 大模型应用01 || LoRA 是什么？我们为什么需要它？ || LoRA核心思想、实现细节与前沿改进
LoRA 通过假设模型权重在微调时的变化是低秩的，从而用两个极小的矩阵来模拟这种变化，实现了在几乎不增加推理延迟的情况下，用极少的参数（<0.1%）达到接近全量微调的性能。
2025-10-28 14:59:29
974
原创 自用提示词02 || Prompt Engineering || RAG数据切分 || 作用：通过LLM将文档切分成chunks
提示词，用于RAG数据切分
2025-10-27 17:16:48
529
原创 自用提示词01 || Prompt Engineering || 学习路线大纲 || 作用：通过启发式的问题来带动学习
提示词，用于生成一份用于学习和记笔记的、结构化的探索性大纲。
2025-10-24 17:12:47
968
原创 深度学习技术发展思考笔记 || 一项新技术的出现，往往是为了解决先前范式中所暴露出的特定局限
深度学习领域往往存在一个问题，然后再研究一些trick去解决这个问题。基本上，这个领域的什么新技术都可以按照这个逻辑来学习，即该技术出现是为了解决xx问题。
2025-08-04 16:43:02
245
原创 模型部署工具02：pybind11
pybind11 是一个轻量级开源工具，用于简化 C++ 代码与 Python 的交互。它通过模板元编程自动处理类型转换和错误处理，显著降低开发复杂度。核心功能包括：函数/类绑定、模块创建和自动类型转换（如 std::vector ↔ Python list）。典型应用场景包括封装高性能 C++ 库、优化 Python 瓶颈代码或在 C++ 中嵌入 Python。安装可通过 pip 或 Git 子模块，配合 CMake 构建。示例展示了如何将 C++ 函数 add() 暴露为 Python 模块，仅
2025-07-31 09:51:18
1002
原创 Selenium 4 自动化 WebDriver 管理与 Cookie 提取 || 用于解决chromedriver版本不匹配问题
用于解决chrome更新导致与chromedriver版本不匹配的问题
2025-07-10 16:36:54
1316
原创 心磁图（MCG）与脑磁图（MEG）概念术语大全
心磁图最大的优势在于它能无创地提供心脏电活动产生的磁场的空间分布信息，这是单导联心电图无法比拟的。因此，很多MCG的特有概念都与“空间”、“矢量”和“磁场图谱”相关。而MEG最大的优势在于其无与伦比的时间分辨率（毫秒级）和优于脑电图（EEG）的空间定位能力，因此其核心术语多围绕着“时间动态”、“神经振荡”和“源定位”展开。
2025-06-12 13:50:24
1374
原创 脑电图（EEG）与脑磁图（MEG）信号分析常用指标详解
EEG/MEG信号分析涉及多个层次的特征提取和解释。从基础的时域统计到复杂的网络分析，每种方法都有其适用场景和局限性。研究者应根据具体的科学问题选择合适的分析策略，并始终保持对信号生理意义的关注。随着计算方法的不断发展，新的分析技术将继续推动我们对大脑功能的理解。
2025-06-05 14:02:01
1704
原创 揭秘AI镜像站：它们是如何工作的？（初学者友好指南）
由于一些原因，不能直接使用gpt、claude等模型，因此，国内有很多镜像站开始出现。在这一过程中，出现了很多术语，例如api转换、反代、抓cookie等。然后我看了下，对于一些初学者而言，网上好像并没有比较好的解释。因此，就有了这份报告，主要是镜像站背后的技术原理，不涉及具体实现，适合初学者或者相关感兴趣的从业人员。
2025-03-07 16:53:01
927
1
原创 三维数据可视化与表面重建：Marching Cubes算法的原理与应用
Marching Cubes算法作为三维数据可视化的经典方法，在过去三十多年中经受住了时间的考验。它将复杂的体数据转化为直观的表面表示，极大地促进了医学影像领域的发展。随着计算机硬件性能的提升，该算法已经能够实现实时重建和渲染，为临床应用提供了更大的可能性。结合深度学习技术实现更智能的等值面提取发展多尺度Marching Cubes算法以处理超大数据集针对特定组织类型的专用优化算法增强实时交互式可视化能力。
2025-03-03 13:59:47
2045
原创 医学图像分析工具09：Brainstorm || 脑电与脑磁分析必备：Brainstorm 的功能解析
Brainstorm 是一款开源、跨平台的神经影像学分析工具，专为脑电图（EEG）、磁脑图（MEG）及功能性磁共振成像（fMRI）数据的分析和可视化设计。
2025-01-22 10:34:11
2879
原创 模型部署工具01：Docker || 用Docker打包模型 Build Once Run Anywhere
Docker是一个开源的容器化平台，可以让开发者和运维人员轻松构建、发布和运行应用程序。Docker的核心概念是通过容器技术隔离应用及其依赖项，使得软件在不同的环境中运行时具有一致性。无论是开发环境、测试环境，还是生产环境，Docker都能够提供高效、可靠的解决方案。在本教程中，我们将详细介绍Docker的核心概念、安装方法，以及如何使用Docker进行容器化操作。Docker是一种容器化技术，能够将应用程序及其依赖项打包到一个轻量级、独立的容器中运行。
2025-01-20 14:02:39
1453
原创 医学图像分割工作心得：算法工程师的研究总结与思考
许多事情本质上只是工具的应用，掌握这些工具并用它们解决具体问题，这就是工作的核心。无论问题多复杂，只要找到合适的工具并学会使用，就一定能找到解决方法。
2025-01-14 09:14:03
1023
原创 医学图像分析工具08：BrainSuite || 用 BrainSuite 处理 MRI 数据的完整流程 模块化、图形化
BrainSuite 是另一个广受神经科学研究人员喜爱的神经影像学分析工具。与 FreeSurfer 类似，BrainSuite 的设计目标是通过高效的算法和简洁的界面帮助用户处理和分析 MRI 数据，但它更注重提供模块化、直观的操作体验。接下来，我们将详细探讨 BrainSuite 的功能、应用场景、安装方法以及常见的使用技巧。BrainSuite 是一个集成化的神经影像分析软件包，专门用于处理和分析大脑的结构性 MRI 数据。它由（南加州大学）开发，旨在为用户提供一站式的大脑影像处理解决方案。
2025-01-13 17:26:28
1661
7
原创 Linux 系统环境配置教程
本文详细介绍了在 Linux 服务器上进行常见环境配置的步骤，包括系统设置、显卡驱动、CUDA Toolkit 安装、Miniconda/Anaconda 安装、虚拟环境配置、远程访问配置等。通过这些步骤，你可以完成一个适用于深度学习、机器学习、开发等工作的 Linux 环境。
2025-01-13 14:39:06
2628
原创 医学图像分析工具07：FSL || 功能性和结构性脑影像分析工具
FSL (FMRIB Software Library) 是一款开源的神经影像分析软件套件，由牛津大学的 FMRIB (Functional Magnetic Resonance Imaging of the Brain) 开发。
2025-01-10 10:25:53
2930
原创 医学图像分析工具06.1：配置 MNE 环境时遇到的一些问题与解决方法
在配置 MNE 环境的过程中，遇到了一些技术难题。虽然最终找到了有效的解决方案，但整个过程充满了挑战。
2025-01-08 17:28:28
1381
原创 医学图像分析工具06：MNE-Python || EEG/MEG数据分析
MNE-Python 是基于 Python 的神经影像学工具包，专为处理脑电（EEG）、脑磁（MEG）和相关数据而设计。
2025-01-08 17:25:06
2246
原创 医学图像分析工具05：ANTs || 影像分割与模板构建 影像配准
ANTs（Advanced Normalization Tools）是一款强大的开源工具包，专注于高精度的医学影像处理和配准（registration）。
2025-01-06 09:46:24
2523
原创 医学图像分析工具04：MeshLab || 三维扫描数据处理全流程 网格修复
MeshLab 是一款功能全面且开源的 3D 网格处理工具，用于查看、编辑、修复和转换 3D 模型。
2025-01-06 09:36:10
2982
原创 医学图像分析工具03：ITK-SNAP || 快速分割与标注三维医学影像 简洁易用
ITK-SNAP 是一款开源的交互式医学影像分割工具，专为快速、高精度地分割和标注三维医学影像（如 MRI、CT 和超声图像）而设计。得益于其简洁的用户界面和强大的自动化分割功能，ITK-SNAP 已成为神经科学、放射学和其他医学领域的热门工具。
2025-01-03 15:11:58
4636
1
原创 医学图像分析工具02：3D Slicer || 医学影像可视化与分析工具 支持第三方插件
3D Slicer 是一款功能全面的开源医学影像分析软件，广泛应用于影像处理、三维建模、影像配准和手术规划等领域。
2025-01-03 14:42:20
4252
原创 医学图像分析工具01：FreeSurfer || Recon -all 全流程MRI皮质表面重建
`recon-all` 是 FreeSurfer 中最重要的命令之一，用于自动化处理和分析磁共振成像（MRI）数据，执行一系列的预处理、分割、配准、表面建模和标注等步骤。其目标是为大脑图像提供精确的结构性分析，包括皮层和白质的分割，皮层厚度的计算，以及大脑区域的标注等。
2025-01-03 10:27:10
3757
原创 深入理解 Jupyter、Conda 和 Shell 的使用 | | 研究生深度学习必修课
为什么我们要用python、conda、jupyter？
2024-12-24 10:21:35
831
原创 深度学习项目的 Python 实现复现指南
但是，GPT在不同的人手上，得到的结果是相差很大的。然而，复现开源项目的难度往往并不在于代码本身，而在于对项目结构的理解、环境依赖的配置以及解决过程中可能遇到的各种问题。深度学习项目的 README 通常会简要说明项目的功能、环境配置、依赖要求以及运行方法，是理解项目的“说明书”。根据我自己的总结，关键在于明确这几个问题：我想要什么（背景），我需要你给我什么（输出），我能给你什么（输入 可选）。它往往能揭示项目的核心运行方式。
2024-12-19 15:49:19
1374
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