- 博客(32)
- 收藏
- 关注
RSS订阅原创 MCP协议：AI界的USB-C统一接口，从知识点到实践，从使用别人的MCP到自己编写部署MCP，cherry-studio使用链接MCP
MCP（模型上下文协议）是Anthropic推出的开放标准协议，旨在统一LLM与外部工具的交互框架。其核心设计包括解决数据孤岛问题、支持动态双向交互，采用客户端-服务器架构，包含主机、客户端和服务器三层角色。工作流程支持上下文保持和多步骤任务。开发者可通过SDK快速构建MCP服务，支持标准化流程和SSE协议，并能将本地服务发布到公网。该协议为AI工具集成提供了类似USB-C的通用接口方案。
2025-08-16 16:28:49
1197
原创 基于LangChain+Streamlit的通义千问知识库问答系统RAG开发实战
本文介绍了一个基于LangChain和Streamlit构建的通义千问知识库问答系统，采用RAG（检索增强生成）架构，整合了文本处理、向量检索和大模型推理能力。系统核心组件包括LangChain流程编排、Streamlit可视化界面、HuggingFaceEmbeddings文本向量化、FAISS本地向量存储和通义千问模型接口。文章详细讲解了环境配置、核心代码实现（包括向量索引初始化、模型连接和Prompt工程）以及Streamlit交互界面开发。系统支持动态更新知识库文件，无需重新启动服务，并提供了流式聊
2025-07-16 14:45:55
980
原创 量化交易学习之自动化交易策略 [freqtrade 框架学习] ，常见问题避坑指南！！！！
Freqtrade是一个基于Python的开源加密货币自动交易机器人，支持多种交易策略和主流交易所。本文详细介绍了Windows系统下的安装步骤，包括下载Freqtrade、创建Conda环境、解决常见问题（如TA-Lib库安装失败）等关键环节。重点解决了TA-Lib编译环境配置问题，提供了Windows、Linux和Mac OS X的具体安装方法，并指导用户如何正确安装Python版的TA-Lib包。安装过程中需要注意Python版本匹配，文章给出了相应解决方案。
2025-07-02 17:51:23
1786
原创 以玄幻小说方式打开深度学习词嵌入算法！！ 使用Skip-gram来完成 Word2Vec 词嵌入（Embedding）
摘要 Word2Vec是一种通过神经网络学习词嵌入的模型，由Google于2013年提出。其核心是将词语映射为低维稠密向量，使语义相近的词距离较近。Word2Vec包含两种模型：CBOW（用上下文预测当前词）和Skip-gram（用当前词预测上下文）。通过最大化词语共现概率训练模型，生成的词向量具有线性类比特性（如“国王-男+女≈女王”）。相比传统方法（如one-hot编码），词嵌入解决了稀疏性问题，能捕捉语义和语法关系，并支持迁移学习和深度学习输入。训练过程包括：文本分词、One-Hot编码、映射为词向量
2025-06-23 16:15:10
590
原创 深度学习必知必会 [盘盘常用激活函数与损失函数[特殊字符]] 以及sigmoid和softmax辨析
深度学习中的激活函数和损失函数是模型训练的核心组件。本文系统对比了常见激活函数（如Sigmoid、ReLU、Softmax等）的特性、优缺点及适用场景，分析了不同任务（分类、回归）下损失函数的选择策略，并提供了两者的联合应用指南。关键要点包括：激活函数引入非线性，需根据网络深度和任务类型选择（如ReLU变体适合隐藏层，Softmax用于多分类输出）；损失函数需与任务严格匹配（如交叉熵用于分类，MSE/Huber用于回归）。文章还探讨了梯度消失、死亡神经元等问题的解决方案，并指出大模型中GELU/Swish等
2025-06-17 00:42:10
1004
原创 由一个例子引入，告诉你为什么要有隐变量自回归模型？
隐变量自回归模型（Latent Autoregressive Models）是一种通过引入隐变量（latent variable）来总结历史信息的序列预测模型。其核心思想是将过去观测的信息压缩为一个隐状态，并基于该隐状态和当前输入预测未来值
2025-06-13 22:10:01
735
原创 分别用 语言模型雏形N-Gram 和 文本表示BoW词袋 来实现文本情绪分类
文章介绍了两种基本的语言表示模型：Bag-of-Words（BoW）和N-Gram，并展示了它们在文本分类中的应用。BoW通过词频向量表示文本，忽略词序和语法，适合简单的文本分类任务，但存在高维稀疏和忽略词序的局限性。N-Gram则通过捕捉连续的N个词片段，能够更好地表达局部上下文，但面临数据稀疏和无法建模远距离依赖的问题。文章还通过代码示例展示了如何使用BoW和Bigram特征进行电影评论的情感分类，并比较了两种模型的效果。最终，两种模型在简单数据集上都达到了100%的准确率。
2025-05-18 21:51:02
1104
原创 LORA 微调 - LoRA 介绍与 LoRA 微调指南
LoRA（Low-Rank Adaptation）是一种高效的大模型微调技术，通过在预训练模型的权重矩阵中引入低秩矩阵来减少参数量，从而在保持模型性能的同时降低计算和存储开销。LoRA的核心思想是冻结预训练模型的大部分参数，仅通过低秩矩阵微调少量参数，适用于自然语言处理任务。其优势包括计算高效、内存友好和可插拔性，特别适合资源受限的环境。LoRA微调步骤包括选择预训练模型、定义低秩矩阵、冻结原始权重、训练低秩矩阵和评估模型性能。尽管LoRA在小数据集和低资源场景下表现优异，但在复杂任务或大数据场景下，其性能
2025-05-18 20:40:17
1346
原创 在Mac M1/M2上使用Hugging Face Transformers进行中文文本分类（完整指南）
本文提供了在Apple Silicon芯片（M1/M2）的Mac设备上使用Hugging Face Transformers库进行中文文本分类的完整指南。首先，介绍了环境准备，包括硬件和系统要求，以及如何安装必要的库。接着，详细说明了数据处理的步骤，包括加载和预处理中文情感分析数据集ChnSentiCorp，以及数据格式转换。然后，介绍了如何加载预训练模型并配置自定义训练器以适应MPS设备。训练配置部分包括设置训练参数和定义评估指标。最后，文章描述了训练与评估的过程，并提供了性能优化技巧和常见问题解决方法。
2025-05-09 17:25:23
1383
原创 HuggingFace与自然语言处理(从框架学习到经典项目实践）[ 01 API操作 ]
本教程适用与第一次接触huggingface与相应框架和对nlp任务感兴趣的朋友，该栏目目前更新总结如下：Tokenizer：支持单句/双句编码，自动处理特殊符号和填充。批量编码提升效率，适合训练数据预处理。Datasets：统一 API 处理多种格式数据（远程/本地）。内置排序、分桶、拆分等功能，简化数据准备流程。
2025-05-08 16:17:56
1429
原创 基于BERT类的MRPC语义相似度检测（从0到-1系列）
BERT（Bidirectional Encoder Representations from Transformers）是由Google开发的一种预训练模型，它是一种基于Transformer机制的深度双向模型，可以对大规模文本数据进行无监督预训练，然后在各种NLP任务中进行微调。BERT 模型在多项自然语言处理任务上取得了巨大成功，成为了NLP 领域里的一个重要里程碑。语意相似度检测任务是NLP领域中一项重要的任务，它旨在判断两个文本片段之间的语义相似程度。
2025-05-01 16:07:50
1021
原创 一种在使用Kaggle并遇上会话中断时强行保存数据的方法
使用kaggle时，使用下面脚本可将保存到训练数据excel转为链接形式，从而在kaggle会话终止时也可以下载到该excel文件。
2025-04-28 21:12:35
314
原创 最小生成树经典算法鉴别（附带口诀）：Prim算法 vs. Kruskal算法
最小生成树经典算法鉴别（附带口诀）：Prim算法 vs. Kruskal算法。
2025-03-05 18:03:18
365
原创 EasySpring-Boot(一) 手写Springboot 适合新手的小项目 启动类注解 看这个就够了 源代码 内嵌Tomcat 自动配置 自动专配多模态自动配置类
EasySpring-Boot(一) 手写Springboot 启动类注解 适合新手 看这个就够了 源代码 内嵌Tomcat 自动配置 自动装配 多模态自动配置类
2024-04-05 00:56:06
1393
1
原创 RabbitMQ入门 消息队列快速入门 SpringAMQP WorkQueue 队列和交换机 Fanout Direct exchange RAbbitMQ单体部署
RabbitMQ入门 消息队列快速入门 SpringAMQP WorkQueue 队列和交换机 Fanout Direct exchange RAbbitMQ单体部署
2024-04-04 17:12:48
1142
1
原创 Dokcer[4] Docker镜像仓库 私有仓库 私服搭建 简化版镜像仓库 图形化 配置Docker代理 推送拉取私人镜像
Dokcer[4] Docker镜像仓库 私有仓库 私服搭建 简化版镜像仓库 图形化 配置Docker代理 推送拉取私人镜像
2024-04-03 21:16:36
319
1
原创 Docker[3] Dockerfile自定义镜像 镜像结构 语法 Docker-Compose 简介 安装 部署微服务集群
# 3.Docker镜像仓库 ## 3.1.搭建私有镜像仓库参考课前资料《CentOS7安装Docker.md》## 3.2.推送、拉取镜像推送镜像到私有镜像服务必须先tag，步骤如下：① 重新tag本地镜像，名称前缀为私有仓库的地址：192.168.150.101:8080/ ```shdocker tag nginx:latest 192.168.150.101:8080/nginx:1.0 ```② 推送镜像```shdocker push 1
2024-04-03 20:59:38
1243
1
原创 Docker[2] 基本操作 镜像操作 镜像名称 拉取查看保存导入 容器操作 创建修改修改 数据卷重点 数据操作命令 挂载 如何给nginx挂载数据卷
Docker[2] 基本操作 镜像操作 镜像名称 拉取查看保存导入 容器操作 创建修改修改 数据卷重点 数据操作命令 挂载 如何给nginx挂载数据卷
2024-04-03 20:36:34
1134
1
原创 Docker[1] Docke环境是什么 安装部署 依赖兼容解决 简介 Centos安装Docker 配置镜像加速 启动Docker
Docker[1] Docke环境是什么 安装部署 依赖兼容解决 简介 Centos安装Docker 配置镜像加速 启动Docker
2024-04-03 20:10:57
1278
1
原创 Nacos集群搭建超详细，仅需五步搭建本地Nacos集群，看这个就够了，不会搭建你找我，黑马
官方给出的Nacos集群图：其中包含3个nacos节点，然后一个负载均衡器代理3个Nacos。这里负载均衡器可以使用nginx。我们计划的集群结构：此处的IP是你自己服务的IP，不一定要按照我的来。
2024-03-28 23:51:26
1829
1
原创 新版idea如何切换运行环境配置，而不用修改代码，本地快速切换微服务环境
新版idea如何切换运行环境配置，而不用修改代码，本地快速切换微服务环境
2024-03-28 21:39:21
681
1
原创 Springcloud微服务之Nacos入门 服务分级存储模型 同集群优先的负载均衡 权重配置 环境隔离 Nacos与Eureka的区别 AP 和CP
Nacos是SpringCloudAlibaba的组件，而SpringCloudAlibaba也遵循SpringCloud中定义的服务注册、服务发现规范。Springcloud微服务之Nacos入门 服务分级存储模型 同集群优先的负载均衡 权重配置 环境隔离 Nacos与Eureka的区别 AP 和CP
2024-03-28 20:11:49
1321
1
原创 SpringBoot-SpringCloud 自定义负载均衡策略 各个内置的负载均衡策略之间的区别
SpringBoot-SpringCloud 自定义负载均衡策略 各个内置的负载均衡策略之间的区别，注意，一般用默认的负载均衡规则，不做修改。
2024-03-28 15:56:00
670
1
原创 新版IDEA如何修改JAVA虚拟机运行配置实现本地不同端口运行Springboot 项目（-Dserver.port=xxxx )
通过Vm-option配置JVM参数，可以用来调整Java虚拟机的行为，使用下面的参数可以设置运行端口号。
2024-03-24 21:16:14
1250
1
原创 LC.160 相交链表 简单题
给你两个单链表的头节点 headA 和 headB ，请你找出并返回两个单链表相交的起始节点。如果两个链表不存在相交节点，返回 null 。来源：力扣（LeetCode）链接：https://leetcode-cn.com/problems/intersection-of-two-linked-lists法一：哈希集合法/** * Definition for singly-linked list. * public class ListNode { * int val; * .
2022-03-05 20:51:18
520
1
原创 小程序云开发点赞案例实现及环境vant插件配置等问题
本文档紧跟上个文档的内容，主要讲述了如何配置vant环境nodejs安装，及一些遇到的问题，如何解决与调试。 最近在搞小程序的比赛，咋就是说浅记录一下学习小程序开发途中踩过的坑，遇到的让人高血压的问题，另外本文档是本人在b站学习新视觉课程所记录的，大家有需要可以去b站看看。
2022-02-27 16:18:54
673
原创 STL中的算法
一、函数对象（仿函数）1.函数对象（仿函数）#include <iostream>using namespace std;//函数对象 （仿函数）//有参数有返回值有自己的状态class Myadd {public: int operator () (int v1, int v2) {//模板 return v1 + v2; }};class Myprint {public: int count; Myprint() { count = 0; } void
2021-07-12 19:07:57
115
原创 基于C++ STL实现 员工随机分组
基于C++ STL实现 员工multimap vector#include <iostream>#include <string>#include <vector>#include <map>#include <ctime>#define CHEHUA 0#define MEISHU 1#define GUANLI 2using namespace std;class worker {public: string name
2021-07-07 19:48:12
220
原创 C++ 中的 STL
STL Standard template library一.Vector容器 vector算法 for_each迭代器 vector::interator注：vector 拷贝构造1.三种遍历方法：#include <iostream>#include <vector> 向量头文件#include <algorithm> 迭代器头文件using namespace std;void print(int val){ cout <<
2021-07-07 16:58:45
180
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