- 博客(22)
- 收藏
- 关注
原创 盘点我在dify踩得坑
输入要求为:json格式的字符串,内容是json格式,数据类型为string。llm节点根据描述,自动为你的变量名填充值。新变量下一个节点可以检索使用。不接受字典格式的输入,只接受列表格式的输入。代码节点的返回必须是一个字典, 否则报错。不是string传不进去。
2026-08-04 11:26:21
145
原创 Low-Rank Few-Shot Adaptation of Vision-Language Models论文阅读
背景:视觉语言模型的少样本自适应提升了模型的泛化能力,少量标注样本即可在下游任务适配。现有问题:现有研究集中在 提示学习,Adapter方向, 忽略了参数高效微调PEFT方向的成果。现有视觉语言模型的少样本学习 训练过程繁琐,依赖专属任务的超精细调参,限制了方法的实际落地。解决方法:引入LORA,11个数据集上实验,与当前基于提示、适配器的 SOTA 方法对比。实验结果:大幅缩短实验耗时;无需针对不同数据集进行单独调参本文的优异结果并非否定提示学习与适配器方案的研究价值。
2026-07-23 17:26:58
177
1
原创 Marvis安装教程Windows
qq扫码后:需要在手机上下载应用程序Marvis,打开后会弹出是否选择xxx设备(因为刚才扫过电脑上的二维码了),点击是。点击手机右上角的折角,可以看到电脑画面,点击进入设备,画面放大,可以以触控的方式点击电脑画面和控制电脑。同时电脑右下角也会出现,正在远程控制的提示。连接手机后,可以在手机上给Marvis发消息,完成电脑上的任务。弹出的窗口点击,开启电脑防休眠模式。点击立即登录后,选择微信登录或qq登录。链接手机选择qq(可以远程看电脑界面)或者微信。
2026-07-14 10:17:27
270
原创 晟腾服务器部署deepseek1.5b +测试
下载模型DeepSeek-R1-Distill-Qwen-1.5B文件,放在服务器指定位置注意本地地址。/home/ictuser/deepseek1.5b ,不加deepseek1.5b将散在文件夹ictuser里。
2026-07-13 14:31:21
239
原创 vibe-coding 安装教程:Claude code+deepseek+pycharm
6.pycharm下载claude code 插件,pycharm版本不匹配,pycharm卸载重装。pycharm搜索插件,Marketplace一直加载不出来。解决方法:注意添加的一行,直接加载第一行后,不回车,不空格。7.终端测试/model, /context。安装Claude code,终端打开后报错。1.安装node,npm,git。4.cc switch 配置模型信息。选deepseek,填写api即可。(需要科学上网),插件本地导入。3.安装cc switch。
2026-06-06 14:49:11
866
原创 JS 距离,Wasserstein 距离: GAN 训练目标的数学度量方式,生成器图像质量评价指标FID
本文介绍了三种衡量概率分布差异的方法:1)JS散度,基于KL散度改进的对称性度量,取值范围为[0,1];2)Wasserstein距离(推土机距离),通过最小搬运代价衡量分布差异,显著改善GAN训练稳定性;3)FID指标,利用预训练网络提取特征后计算高斯分布间的Wasserstein距离,是目前评估生成模型的主流方法。三种方法各有特点:JS稳定但易梯度消失,Wasserstein具有几何意义且训练稳定,FID能有效反映生成质量与人类主观感受的匹配度。文章还讨论了WGAN和条件GAN等改进模型的应用场景。
2025-11-12 16:31:12
1035
原创 matlab谱聚类算法
这篇文章介绍了一个基于谱聚类算法的数据分类流程。首先读取Excel数据并进行归一化处理,计算样本间的欧式距离并转换为相似度矩阵。接着构建图拉普拉斯矩阵,进行特征分解获取前k个特征向量作为新的特征表示。最后使用k-means聚类进行分类预测,计算预测准确率。整个过程包括数据预处理、相似度矩阵构建、谱聚类降维和分类预测等步骤,实现了对27个样本的自动分类。
2025-11-07 19:05:24
353
原创 多模态超声肝脏分类
本研究提出MUCM-FLLs模型,通过整合b型超声、彩色多普勒(CDFI)和临床数据等多模态信息实现肝脏病灶分类。实验基于395例患者数据,结果显示多模态融合(83.7%)显著优于单模态(55.0%-61.8%),最终准确率达92.2%。创新性包括:1)提出梯度调整策略动态平衡多模态学习速度;2)量化分析各模态诊断贡献度。方法上采用Delong检验比较模型AUC差异(p<0.05),验证了多模态融合的统计显著性优势。该研究为超声智能诊断提供了有效的多模态融合框架。
2025-11-04 16:46:13
321
原创 医学图像分割
语义分割:是一种的分类任务,需要对图像的每一个像素点都进行分类预测。实例分割:不仅需要进行像素级分类,还需要基于特定类别来区分实例。总结一下:实例分割是在语义分割的基础上,对同一类别的物体分类疑问:如果一张图片里有三只狗,那么语义分割是分为 三只狗一个mask和 背景一个mask吗?
2025-09-16 22:43:18
653
原创 算法练习洛谷普及组
P1011 [NOIP 1998 提高组] 车站P1017 [NOIP 2000 提高组] 进制转换P1014 [NOIP 1999 普及组] Cantor 表P1010 [NOIP 1998 普及组] 幂次方
2025-03-01 15:59:49
274
原创 some details
model(data)等价于model.forward(data),是因为__call__函数中调用了forward函数。forward函数在实例化对象的时候调用。
2023-07-14 16:16:10
159
1
转载 三阶样条插值
图中红色的才是真正的函数图形。一般吧 这种次数越高而插值结果越偏离原函数的现象称为龙格现象。所以在不熟悉曲线运动趋势的前提下,不要轻易使用高次插值。
2023-05-25 20:19:52
297
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
RSS订阅