- 博客(6)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 讲清楚yolo训练结果的含义
通过综合分析这些指标，可以全面评估模型性能并指导后续优化方向。YOLO训练完成后会生成多个文件（如。等），关键信息集中在。
2025-09-21 05:07:57
889
原创 05-Embedding 与向量数据库
Embedding是将高维数据转换为低维向量的技术，可保留语义信息并计算相似度。典型应用包括：1）推荐系统，通过向量相似度推荐相关内容；2）语义搜索，使用预训练模型生成句子向量进行智能检索；3）异常检测，通过向量距离发现异常数据；4）图像检索，利用深度学习模型提取特征向量进行相似图片搜索。这些场景都依赖向量数据库存储和高效查询嵌入向量，实现了从关键词匹配到语义理解的跨越。
2025-09-09 15:05:46
1078
原创 04-CPU VS GPU，API调用大模型
摘要：CPU与GPU在计算架构上有本质区别：CPU是通用处理器，擅长串行复杂任务；GPU专为并行计算设计，拥有数千个简单核心。大模型训练依赖GPU的关键原因在于：1）神经网络计算本质是矩阵运算，与GPU的并行架构完美契合；2）GPU的高内存带宽满足海量参数传输需求；3）成熟的CUDA生态和深度学习框架支持。PyTorch作为主流框架，通过张量计算和自动求导简化了GPU加速的深度学习开发，支持灵活的设备切换和多GPU并行训练。
2025-08-26 17:54:31
387
原创 03-Prompt Engineering（提示工程）
清晰明确： 直接告诉AI要做什么。提供背景： 给它完成任务所需的信息。设定约束： 明确长度、格式、风格、禁止内容等。善用示例： 展示几个输入-输出样例是最快教会AI的方法之一。分步引导： 复杂任务拆解步骤。赋予角色： 让AI代入特定身份思考。迭代优化： 很少有提示能一次完美。根据AI的反馈不断调整你的提示是常态。看到不满意的输出，思考是哪里指令不清，然后修改提示再试。结构化提示：合理使用system/user/assistant角色。
2025-08-18 11:19:31
411
原创 02-Python编程基础
Python作为AI领域的主流编程语言，具有简洁易学的特点。本文涵盖了Python基础语法、流程控制和数据结构三大部分：1）基础语法包括变量与数据类型、运算符、输入输出等核心概念；2）流程控制讲解条件判断和循环语句；3）数据结构重点介绍列表、元组、字典和集合的特性与操作。文章通过大量代码示例演示了Python的动态类型特性、类型转换、运算符优先级以及各类数据结构的增删改查操作，最后还展示了如何用Python实现简单计算器功能。这些基础知识是学习Python编程和人工智能开发的重要基石。
2025-08-13 16:01:39
348
原创 01-大模型概述
AI大模型时代的分层与应用 摘要：AI大模型时代呈现出明显的技术分层结构：基础层（模型训练与基础设施）→产品层（AI产品开发）→应用层（终端用户）。大语言模型（LLM）如GPT、Gemini等具有参数量大（千亿级）、训练数据广、通用性强等特点，基于Transformer架构，通过预训练+微调模式实现多样化任务处理。典型应用包括自然语言处理、编程辅助和知识问答等，但也面临算力需求高、幻觉问题等挑战。国内外知名产品如ChatGPT、文心一言等已实现商业化应用。大模型工作原理本质是基于概率的序列生成，通过&quo
2025-08-12 15:39:12
1087
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人