- 博客(44)
- 收藏
- 关注
RSS订阅原创 搭建你的AI for Research系统——如何在一个“冰点还原”的windows系统下（用户盘数据可以保留！）实现AI开发平台构建
本文针对"冰点还原"系统环境下的AI开发平台搭建难题，提出了一套完整的解决方案。系统盘(C盘)每次重启都会还原的特性导致软件安装、环境变量配置和数据保存成为挑战。文章详细介绍了在持久化分区上部署Anaconda、VSCode和NVM for Windows的具体方法，包括：将Anaconda安装在用户盘、重定向VSCode扩展目录、自定义NVM安装路径等。此外，还提供了自动化的.bat脚本方案，实现Conda环境和Node.js版本的自动激活，并设计了"启动同步-结束回传&qu
2025-11-28 19:28:07
1153
1
原创 matlab基础现代优化算法介绍与设计
现代优化算法包括模拟退火、遗传算法、粒子群算法、禁忌搜索和蚁群算法等，适用于复杂优化问题。模拟退火通过概率性接受劣解避免局部最优，遗传算法模拟生物进化过程，粒子群算法基于群体智能。MATLAB内置方法可用于简单问题优化。本文以函数优化和TSP问题为例，展示了模拟退火和遗传算法的MATLAB实现代码，包括参数设置、迭代过程和结果可视化。这些算法在工程、调度和机器学习等领域有广泛应用。
2025-09-28 02:20:08
790
原创 CodeName Goose Desktop+lmstudio纯本地AI智能体服务
**借助开源工具CodeName Goose和LM Studio，我们可以在自己的Windows（linux，macos系统同样适用）电脑上，搭建一个纯本地、安全、高效的AI智能体服务。本文将作为一份较为详细的指南，手把手带你完成从环境准备到实战应用的全过程。**
2025-09-28 00:45:08
1264
原创 图论简介与图神经网络（Dijkstra算法，图卷积网络GCN实战）
本文介绍了图论基础概念与图神经网络(GNN)的背景知识。主要内容包括：1) 图的基本定义与表示方法(节点特征矩阵、邻接矩阵)；2) 图类型划分(无向图/有向图/简单图/完全图/赋权图)；3) 顶点度数与连通性等基本性质；4) 图的矩阵表示法(邻接矩阵与关联矩阵)；5) 最短路径算法Dijkstra的实现原理及复杂度分析。文章为后续图神经网络的学习奠定了理论基础，重点阐述了图结构数据与传统网格/序列数据的本质区别。
2025-09-02 13:04:52
1022
原创 循环神经网络——pytorch实现循环神经网络（RNN、GRU、LSTM）
本文介绍了循环神经网络(RNN)的基本原理及其在PyTorch中的实现方法。文章首先通过类比人类语言理解过程，解释了RNN处理序列数据的核心思想：通过隐藏状态记忆历史信息，实现时间依赖关系的建模。作者详细阐述了RNN的数学表达形式，包括隐藏状态更新公式和输出计算过程，并强调了非线性激活函数的重要性。文中还分类说明了RNN适用的四种任务类型（一对一、一对多、多对一、多对多）及其典型应用场景。最后，通过一个文本生成任务的代码示例，展示了如何构建自定义数据集类TextDataset，将原始文本转换为适合RNN训练
2025-08-28 12:52:29
1301
1
原创 序列模型及文本预处理
想象一下某人正在跟踪自己的健身进展，每天记录运动的数据。一名勤勉的健身爱好者会详细记录每次锻炼的时长、强度以及感受，毕竟持续的进步需要精确的数据支持和反馈。然而，实际情况远比这复杂。随着时间的推移，个人的健身状态和动机都会经历显著的变化。：个人会根据设定的目标来调整努力程度。例如，在设定了一个新的健身目标，比如完成一次马拉松后，个体的训练强度和频率往往会增加，直到达成目标，之后可能会进入一个相对放松的阶段。这种效应导致健身数据呈现出周期性的波动。：随着时间的推移，固定的锻炼时间和模式会逐渐成为习惯。
2025-08-21 12:16:33
847
原创 机器人强化学习Ant
Ant环境基于Schulman、Moritz、Levine、Jordan和Abbeel在《使用广义优势估计的高维连续控制》中介绍的环境。蚂蚁是一个3D机器人，由一个躯干（可自由旋转的身体）和四条腿组成，每条腿有两个身体部分。目标是通过在连接每条腿的两个身体部分和躯干（九个身体部分和八个铰链）的八个铰链上施加扭矩，协调四条腿向前（向右）移动。动作空间动作空间是一个Box(-1, 1, (8,), float32)。一个动作表示在铰链关节上施加的扭矩。编号 (Num)动作 (Action)
2025-08-21 12:15:10
1084
原创 我的创作纪念日——聊聊我想成为一个创作者的动机
2025年6月4日，是我在优快云写下第一篇技术博客的第1024天。1024，这个数字对于程序员来说意义非凡，它不仅是内存单位的基础，更是我们这群“码农”的节日符号。而对我来说，它更像是一段旅程的里程碑：从一个曾想过本科毕业直接就业的本科生，到现在人工智能方向博士生，我在这条创作与探索的路上，已经走了整整1024天。这1024天里，我写过Matlab命令整理、Python算法实现、深度学习模型搭建……也写过心路历程、成长故事和那些藏在代码背后的迷茫与坚持。
2025-06-05 23:39:55
1197
原创 生成对抗网络——pytorch与paddle实现生成对抗网络
本文将深入探讨生成对抗网络的理论基础，并通过PyTorch和PaddlePaddle两个深度学习框架来展示如何实现生成对抗网络模型。我们将首先介绍生成对抗网络的基本概念，这些理论基础是理解和实现生成对抗网络的基础。通过PyTorch和PaddlePaddle的代码示例，我们将展示如何设计、训练和评估一个生成对抗网络模型，从而让读者能够直观地理解并掌握这两种框架在计算机视觉问题中的应用。本文部分为torch框架以及部分理论分析，paddle框架对应代码可见。
2025-03-15 12:25:56
1399
原创 lmstdio大模型——本地大模型python函数调用设计
大模型的函数调用功能是指其能够根据用户需求，通过预定义或动态生成的函数接口与外部工具、API或数据库进行交互的能力。这一功能使模型不仅能生成文本，还能执行复杂任务（如计算、信息检索、数据操作），例如在回答天气查询时调用天气API获取实时数据，或在处理数学问题时激活计算工具。通过解析用户指令中的意图和参数，模型自动选择并触发相应函数，随后将返回结果整合到自然语言回复中，从而突破纯文本生成的限制，实现更高效的自动化服务。
2025-02-26 20:23:17
2631
5
原创 蒙特卡洛树求解五子棋
蒙特卡洛树搜索（Monte Carlo Tree Search，简称MCTS）是一种基于模拟的搜索算法，常用于解决决策过程中的优化问题，特别是在那些具有庞大搜索空间且难以用传统方法（如动态规划）有效解决的问题中。MCTS通过从初始状态开始，模拟多个可能的游戏或决策过程，逐步构建搜索树，并利用随机采样来估计各状态或动作的价值，以此来指导搜索过程。蒙特卡洛树搜索的核心思想是利用随机模拟（即蒙特卡洛方法）来估计节点的价值，蒙特卡洛树搜索因其简单高效的特点，在游戏AI领域（如围棋程序AlphaGo）和其他决策优化问
2025-01-03 10:55:34
1689
原创 YOLO——pytorch与paddle实现YOLO
论文地址（You Only Look Once: Unified, Real-Time Object Detection）：https://arxiv.org/abs/1506.02640人类只需一瞥图像，就能立刻知道图像中有什么物体、它们在哪里以及它们如何相互作用。人类的视觉系统既快速又准确，使我们能够在几乎无需有意识思考的情况下执行复杂的任务，比如驾驶。
2025-01-03 10:54:13
1151
原创 目标检测与R-CNN——pytorch与paddle实现目标检测与R-CNN
本文将深入探讨目标检测与R-CNN的理论基础，并通过PyTorch和PaddlePaddle两个深度学习框架来展示如何实现R-CNN模型。我们将首先介绍目标检测与R-CNN的基本概念，这些理论基础是理解和实现目标检测与R-CNN的基础。通过PyTorch和PaddlePaddle的代码示例，我们将展示如何设计、训练和评估一个R-CNN模型，从而让读者能够直观地理解并掌握这两种框架在计算机视觉问题中的应用。本文部分为torch框架以及部分理论分析，paddle框架对应代码可见。
2024-12-21 16:14:12
1566
原创 DDPG算法求解月球着陆游戏
官方地址：https://gymnasium.farama.org/environments/box2d/lunar_lander/Lunar Lander是GYM库中的一个经典环境，它模拟了一个航天器在月球表面着陆的场景。在这个环境中，智能体的目标是控制航天器安全且准确地着陆在指定的着陆点上。属性说明环境名称导入语句动作空间观测空间import gymnasium as gym # 导入gym包。
2024-12-14 14:57:07
1710
原创 强化学习的理论基础——马尔可夫决策过程与时序差分算法
马尔可夫决策过程（Markov Decision Process，简称MDP）是一种数学模型，用于描述随机的决策过程。马尔可夫决策过程是一种基于马尔可夫链的扩展模型，它包含一个决策者和一个环境。在每个时间步骤中，决策者采取一个动作来影响环境，环境则反馈奖励和下一个状态。目标是找到一个策略（即在每个状态下选择哪个动作），以使得总奖励最大化。马尔可夫决策过程具有“无记忆性”，即当前状态只与前一状态有关，而与之前的历史状态无关。这一特点使得马尔可夫决策过程能够简化决策问题的复杂性。
2024-12-14 14:56:00
1314
原创 批量规范化与ResNet-paddle
CIFAR-10数据集包含的是现实世界中真实的物体，与手写字符数据集（如MNIST）相比，CIFAR-10的噪声更大，物体的比例、特征都不尽相同，这为识别带来很大困难。由于原数据集涉及争议内容，目前已被下架。：接着，利用上一步计算得到的均值和方差，对当前小批量中的每个样本进行标准化处理，即减去均值并除以标准差，使得处理后的数据具有均值为0、方差为1的分布。观察数据可以发现，batch_norm(x1)的输出结果中，对于batch中的每个样本，其均值接近于0，方差接近于1，这符合批量规范化的预期效果。
2024-11-13 13:12:02
1397
原创 批量规范化与ResNet——pytorch与paddle实现批量规范化与ResNet
本文将深入探讨批量规范化与ResNet的理论基础，并通过PyTorch和PaddlePaddle两个深度学习框架来展示如何实现批量规范化与ResNet模型。我们将首先介绍批量规范化与ResNet的基本概念，这些理论基础是理解和实现批量规范化与ResNet的基础。通过PyTorch和PaddlePaddle的代码示例，我们将展示如何设计、训练和评估一个ResNet模型，从而让读者能够直观地理解并掌握这两种框架在计算机视觉问题中的应用。本文部分为torch框架以及部分理论分析，paddle框架对应代码可见。
2024-11-13 13:10:23
1402
原创 卷积神经网络——paddle部分
卷积运算是指从图像的左上角开始，开一个与模板（也称为卷积核或滤波器）同样大小的活动窗口，窗口图像与模板像元对应起来相乘再相加，并用计算结果代替窗口中心的像元亮度值。在每次滑动中，我们计算卷积核与图像对应位置像素的乘积，并将这些乘积相加得到一个值，作为卷积运算的结果。该过程与上方过程类似，但此时，我们给图像外边填充了一圈0，同时卷积核每次移动步长变为2，这样我们最终也得到了一个。可以看到该模型具有较高的精度，我们不妨将图像进行的每一次操作呈现出来，看看卷积层到底提取了什么样的特征。卷积核与图像进行卷积运算。
2024-11-07 11:54:22
1328
原创 卷积神经网络——pytorch与paddle实现卷积神经网络
本文将深入探讨卷积神经网络的理论基础，并通过PyTorch和PaddlePaddle两个深度学习框架来展示如何实现卷积神经网络模型。我们将首先介绍卷积神经网络、图像处理的基本概念，这些理论基础是理解和实现卷积神经网络的基础。通过PyTorch和PaddlePaddle的代码示例，我们将展示如何设计、训练和评估一个卷积神经网络模型，从而让读者能够直观地理解并掌握这两种框架在计算机视觉问题中的应用。本文部分为torch框架以及部分理论分析，paddle框架对应代码可见。
2024-11-07 11:52:27
1391
原创 图像处理基础———python图像处理基础操作介绍
在数字化时代，图像处理已成为我们日常生活和工作中不可或缺的一部分。从社交媒体上的美颜滤镜，到医学影像分析，再到自动驾驶汽车的视觉感知系统，图像处理技术都发挥着至关重要的作用。Python，作为一种功能强大且易于学习的编程语言，为图像处理提供了丰富的库和工具，使得开发者能够轻松地处理和操作图像数据。本篇博客将带领大家走进Python图像处理的世界，介绍一些基础操作，帮助读者快速上手。我们将通过实际代码示例，展示如何使用Python进行图像的读取、保存、显示，以及基本的图像变换和处理。
2024-10-31 11:47:52
922
2
原创 策略的结合——Actor-Critic算法求解冰湖游戏
Actor-Critic算法是一种结合了策略优化方法和值函数方法的强化学习算法。它由两个主要部分组成：Actor和Critic。
2024-10-20 19:07:41
1369
原创 AI识谱——将乐曲转化为五线谱
会乐曲的小伙伴在听到一首好听的乐曲的时候，肯定想过将这首歌曲转换为谱子给弹出来。除了上网找乐谱、请大神帮忙扒谱或者自己扒谱外，小伙伴也可以尝试一下本文介绍的AI识谱流程，让我们开始吧！
2024-10-20 19:05:17
8268
原创 权重衰减与暂退法——pytorch与paddle实现模型正则化
在深度学习中，模型正则化是一种至关重要的技术，它有助于防止模型过拟合，提高泛化能力。过拟合是指在训练数据上表现良好，但在测试数据或新数据上表现不佳的现象。为了缓解这一问题，研究者们提出了多种正则化方法，其中权重衰减和暂退法（Dropout）是两种常用的技术。
2024-10-12 09:45:59
1486
原创 权重衰减与暂退法——paddle部分
本文为paddle部分内容。当我们谈论机器学习模型的性能时，经常会提到两个关键指标：训练误差和泛化误差。这两个误差度量有助于我们了解模型的学习效果和预测未知数据的能力。下面，我将结合一个简单的例子来详细介绍这两个概念。
2024-10-12 09:44:24
1227
原创 多层感知机——pytorch与paddle实现多层感知机
本文将深入探讨多层感知机的理论基础，并通过PyTorch和PaddlePaddle两个深度学习框架来展示如何实现多层感知机模型。我们将首先介绍多层感知机、优化的基本概念，这些数学工具是理解和实现多层感知机的基础。通过PyTorch和PaddlePaddle的代码示例，我们将展示如何设计、训练和评估一个多层感知机模型，从而让读者能够直观地理解并掌握这两种框架在机器学习问题中的应用。
2024-09-19 11:04:06
1602
原创 图像识别——玩转YOLO网络
YOLO，全称“You Only Look Once”，意为你只需要看一次，是一种快速、准确的目标检测算法。它由Joseph Redmon等人在2016年提出，其核心思想是将输入图像划分为S×S个网格单元，每个网格预测B个边界框，并给出这些边界框中包含目标的置信度以及类别概率。
2024-05-06 11:17:17
7644
4
原创 支持向量机——paddle部分
本文将深入探讨支持向量机的理论基础，并通过PyTorch和PaddlePaddle两个深度学习框架来展示如何实现支持向量机模型。我们将首先介绍支持向量机、优化的基本概念，这些数学工具是理解和实现支持向量机的基础。通过PyTorch和PaddlePaddle的代码示例，我们将展示如何设计、训练和评估一个支持向量机模型，从而让读者能够直观地理解并掌握这两种框架在机器学习问题中的应用。
2024-04-28 00:04:55
969
1
原创 支持向量机——pytorch与paddle实现支持向量机
本文将深入探讨支持向量机的理论基础，并通过PyTorch和PaddlePaddle两个深度学习框架来展示如何实现支持向量机模型。我们将首先介绍支持向量机、优化的基本概念，这些数学工具是理解和实现支持向量机的基础。通过PyTorch和PaddlePaddle的代码示例，我们将展示如何设计、训练和评估一个支持向量机模型，从而让读者能够直观地理解并掌握这两种框架在机器学习问题中的应用。
2024-04-28 00:03:29
2623
2
原创 深度强化学习开端——DQN算法求解车杆游戏
DQN，即深度Q网络（Deep Q-Network），是一种结合了深度学习和强化学习的算法，其主要用于解决序列决策问题，并且在许多复杂的决策任务中展现出了显著的效果。DQN算法的发明历史可以追溯到2013年，当时DeepMind团队首次提出了一种名为DQN（Deep Q-Network）的新型强化学习算法。这一算法标志着深度学习和强化学习成功结合的开始，为解决高维、连续状态空间的问题提供了一种有效的解决方案。
2024-04-19 11:36:41
1615
6
原创 matlab简单统计学预测方法分析
基础的统计学预测方法分析，内容参考国防工业出版社-司守奎，孙玺菁主编-《数学建模算法与应用（第三版）》。本文结合实际应用对文章内容进行了提取，结合matlab算法进行程序编写。
2024-04-19 11:34:53
1462
1
原创 文生图——python调用stable diffusionAPI生成有趣的图像
本文将介绍如何使用Python调用Stable Diffusion API实现文生图的功能。通过详细的步骤说明和示例代码，读者将能够轻松掌握这一技术，并运用它生成独特而富有创意的图像作品。无论你是编程爱好者还是设计师，都能从中获得启发和乐趣。
2024-04-11 22:03:40
4404
4
原创 线性回归——pytorch与paddle实现线性回归的详细过程
本文将深入探讨线性回归的理论基础，并通过PyTorch和PaddlePaddle两个深度学习框架来展示如何实现线性回归模型。我们将首先介绍线性代数、微积分以及自动微分的基本概念，这些数学工具是理解和实现线性回归的基础。接着，我们将详细讲解线性回归问题的本质，包括其数学模型和求解方法。最后，通过PyTorch和PaddlePaddle的代码示例，我们将展示如何设计、训练和评估一个线性回归模型，从而让读者能够直观地理解并掌握这两种框架在机器学习问题中的应用。
2024-04-09 14:01:11
995
原创 文生图——stable diffusion生成有趣的动漫图像
Stable Diffusion是一个文本转图像的模型，由CompVis、Stability AI和LAION共同开发。它能够从一段简单的文本输入中快速生成相应的图像。此外，它还可以导入图像并配合文本对其进行处理。从技术角度来看，Stable Diffusion可以理解为从一张完全的高斯噪音图像开始，根据用户输入的要求，逐步剔除噪音，直到产生出用户所要图片的过程。
2024-04-06 16:03:38
3151
4
原创 基于matlab的数值优化的基本算法理论简要分析
基础的数学优化策略分析，内容参考高等教育出版社-刘浩洋 户将等编著-《最优化：建模、算法与理论》。本文结合实际应用对文章内容进行了提取，结合matlab算法进行程序编写，要深度理解文中内容需认真阅读最优化：建模、算法与理论等书籍。
2024-04-06 15:58:51
1157
2
原创 强化学习的适应性改进——策略梯度算法求解山地车游戏
强化学习是机器学习的一个重要分支，它主要研究智能体如何在与环境的交互中通过学习策略来实现回报最大化或达成特定目标。策略梯度算法是强化学习中的一种重要算法，与传统的基于价值的强化学习方法不同，策略梯度算法直接对策略进行建模和优化，通过梯度上升法来最大化期望总奖励。接下来，让我们把策略梯度算法应用到山地车（Mountain Car）游戏的求解当中，并进行一些简单的适应性改进，让我们试试吧！
2024-03-29 10:57:47
4437
8
coco128数据集，coco128数据集下载
2024-08-02
MATLAB神经网络-如何自定义属于自己的训练流程
2024-03-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人