- 博客(146)
- 收藏
- 关注
RSS订阅原创 AI大模型02_Dify平台介绍
在生成式AI技术快速发展的背景下，企业对AI应用的需求从“实验室原型”转向“生产级落地”。然而，复杂的开发流程、高昂的部署成本以及技术门槛，成为制约企业落地AI的关键瓶颈。无论是企业用户还是开发者，都能通过这一平台快速构建智能客服、内容生成、数据分析等应用，显著降低技术门槛与成本。随着与亚马逊云科技的深度集成与社区生态的扩展，Dify正成为企业AI转型的核心引擎。，为企业和开发者提供了从模型集成到应用部署的完整解决方案。，通过可视化界面和模块化工具，实现从模型训练到部署的全流程自动化。
2025-05-28 10:00:31
403
原创 AI大模型01_Hugging Face平台介绍
它不仅提供了丰富的预训练模型库、高效的数据处理工具，还通过开源社区和开放API推动了AI技术的普及与创新。从快速推理到复杂微调，从研究探索到生产部署，Hugging Face提供了全方位的支持。随着技术的不断演进，Hugging Face将继续推动AI的普及与创新。它以其强大的预训练模型、易用的API和活跃的社区著称，为开发者和研究人员提供了从研究到工业级应用的完整解决方案。是Hugging Face的核心项目，支持加载和使用数千种预训练模型（如BERT、Llama、Stable Diffusion等）。
2025-05-28 09:56:14
486
原创 SD07_NVM的安装及相关操作
通过 NVM，你可以轻松在 Windows 上管理多个 Node.js 版本，避免版本冲突问题。如果需要进一步优化开发环境，可结合。工具实现更灵活的版本管理。
2025-05-27 21:44:54
808
原创 ML30_使用GeNle生成贝叶斯网络数据集
若选择“Use state indices instead of state lDs”，则只生成状态0，1等。生成结果如下，为txt格式，可能需要编写python脚本转化为规范的csv等格式的文件。可以选择生成的数据集路径等。
2025-05-27 10:46:38
156
原创 LangChain03-图数据库与LangGraph
图数据库与 LangGraph 的集成，为复杂关系建模和智能决策提供了全新的技术范式。通过GraphRAG技术，系统能够在保持语义关联性的同时，实现高效的多跳推理。在医疗、金融等垂直领域，这种融合架构已展现出超越传统方法的潜力，为行业智能化转型提供了坚实的技术基座。参考资料LangChain 官方文档Neo4j 与 LangChain 集成指南GraphRAG 在医疗领域的应用版权声明：本文为 CSDN 博客原创内容，转载请注明出处。
2025-05-25 13:14:21
843
原创 LangChain02-Agent与Memory模块
LangChain支持通过Tool类封装任意外部功能。例如，开发一个文件读取工具import osdescription="读取指定路径的文本文件内容"摘要策略使用LLM生成对话摘要（如“用户多次询问退货政策”）。通过正则表达式提取关键信息（如订单号、时间戳）。代码示例：动态上下文截取算法加密存储：对会话历史、用户偏好等敏感数据加密。权限控制：通过RBAC（基于角色的访问控制）限制工具调用权限。
2025-05-25 13:10:59
948
原创 LangChain01-核心原理与链式工作流
信息冗余：多个文档可能重复描述同一内容。上下文丢失：长文本摘要可能遗漏关键细节。简单场景：直接使用 LLMChain + Prompt 模板。复杂场景：结合 Agent 和 Memory 模块实现自动化决策。
2025-05-25 13:07:08
572
原创 Ollama01-安装教程
Ollama 是一个轻量级的本地大语言模型运行平台，支持多种开源模型（如 DeepSeek、Llama 等）。通过 Ollama，你可以在本地设备上高效运行大语言模型，无需依赖云端服务，保障隐私和数据安全。本教程将详细指导你在 Windows 系统上完成 Ollama 的安装、配置及模型运行。如果需要进一步优化或扩展功能，可以参考 Ollama 的官方文档或社区资源。为了避免 C 盘空间不足，建议将模型存储路径迁移到其他磁盘（如 D 盘）。默认情况下，Ollama 会将模型存储在。）以允许局域网访问。
2025-05-24 14:02:01
761
原创 向量数据库Milvus03-高级功能与性能调优
Milvus 支持多种索引类型（如 HNSW、IVF_PQ、IVF_FLAT）的混合使用，以适应不同场景的需求。：启用 Tiered Storage + RaBitQ 量化压缩。：使用 IVF_PQ 或 IVF_SQ，平衡速度与内存。功能，支持结合向量相似性与文本匹配的联合搜索。：使用 FLAT 或 HNSW，保证精度。，结合 GPU 显著提升 QPS。：本文为原创文章，转载请注明出处。Milvus 2.5 引入了。Milvus 2.6 引入。Milvus 2.6 支持。，支持 PB 级数据管理。
2025-05-24 13:25:17
1292
原创 向量数据库Milvus01-入门与核心原理详解
向量数据库（Vector Database）是专为存储和查询高维度向量数据设计的系统，适用于处理文本、图像、音频等非结构化数据。传统的数据库难以高效处理这些数据，因为它们通常需要通过嵌入模型（如BERT、ResNet）将原始数据转换为数值向量（Embedding），再通过向量相似性搜索（如余弦相似度、欧氏距离）实现快速检索。Milvus 通过云原生架构、多样化的索引策略和高效的向量检索能力，成为处理非结构化数据的核心工具。Milvus 的核心任务是高效存储和检索这些向量数据。Milvus 的架构遵循。
2025-05-24 13:17:43
757
原创 信号与系统10-综合案例:智能信号处理系统
自动特征提取：AI模型（如CNN、LSTM）能够自动学习信号的局部特征，无需手动设计特征。端到端处理：从原始信号到目标输出的端到端训练简化了传统信号处理流程。实时性：通过硬件加速（如GPU、TPU），AI模型可以实现实时信号处理。
2025-05-24 13:11:08
897
原创 信号与系统07-信号处理中的AI技术
CIFAR-10是一个常用的图像分类数据集，包含10个类别（如飞机、汽车等），每张图像尺寸为32x32像素。# 第一组卷积和池化层# 第二组卷积和池化层# 全连接层self.fc1 = nn.Linear(32 * 8 * 8, 128) # 输入尺寸为32*8*8（池化后）self.fc2 = nn.Linear(128, 10) # 10个类别x = self.pool(F.relu(self.conv1(x))) # 卷积 + ReLU + 池化。
2025-05-23 15:30:10
770
原创 信号与系统05-复频域分析（拉普拉斯变换与Z变换）
复频域是将信号和系统从时域映射到复平面上的分析方法将微分/差分方程转化为代数方程适用于线性时不变系统（LTI）的分析。
2025-05-23 15:22:42
911
原创 信号与系统04-系统的频域分析与稳定性
连续时间系统的系统函数（传递函数）HsH(s)Hs定义为系统输出YsY(s)Ys与输入XsX(s)XsHsYsXsLytLxtHsXsYsLxt)}Lyt)}离散时间系统的系统函数HzH(z)Hz定义为输出YzY(z)Yz与输入XzX(z)XzHzYzXzZynZxnHzXzYzZxn]}Zyn]}物理意义。
2025-05-23 14:26:35
747
原创 信号与系统03-信号的频域分析
本节课从傅里叶级数与傅里叶变换出发，深入讲解了频域分析的数学原理，并结合人工智能中的图像处理、语音识别和神经网络等典型应用，展示了频域分析的实际价值。通过Python代码示例，我们直观地观察了信号的频谱特性，并体验了频域卷积的实现方法。
2025-05-23 14:25:43
902
原创 信号与系统02-信号的时域分析
本节课从信号的基本运算入手，深入讲解了冲激信号、阶跃信号以及卷积积分与卷积和的数学原理，并结合人工智能中的卷积神经网络（CNN）展示了它们的实际应用。通过Python代码示例，我们直观地观察了信号的平移、缩放、卷积操作，并初步体验了AI中的卷积实现。
2025-05-23 14:21:23
997
原创 信号与系统01-信号与系统概述
信号是信息的载体，是通信、控制系统以及人工智能领域中最基础的研究对象。从数学角度看，信号可以表示为一个或多个变量的函数。通过本讲的学习，你应该已经掌握了信号与系统的基本概念，并能够通过Python代码直观地理解信号的特性。下一讲我们将深入探讨。系统是对信号进行加工、变换或传输的物理装置或数学模型。在人工智能领域，信号处理是核心任务之一。，包括信号的运算、卷积积分及其在AI中的应用。：为什么在AI中需要对信号进行采样？在信号与系统课程中，我们主要研究。在AI领域，系统概念被广泛应用于。（离散时间系统）描述。
2025-05-23 14:08:07
860
原创 PyQt学习系列11-综合项目:多语言文件管理器
本系列课程到此结束！通过本课程的学习，您将掌握如何构建一个完整的多语言桌面应用，并为后续开发复杂软件打下基础！（原课程规划中的第十五课，按用户要求调整为第十一课）打开Qt Designer，创建。保存UI文件后，使用。
2025-05-23 13:43:03
984
原创 PyQt学习系列08-插件系统与模块化开发
将程序打包为独立可执行文件，并处理资源文件和依赖项！（原课程规划中的第12课，按用户要求调整为第9课）创建一个抽象接口类，声明插件必须实现的方法。：路径错误、缺少依赖库、插件签名不匹配。创建两个插件类：加法插件和乘法插件。：未正确继承接口类或未实现抽象方法。生成资源文件，然后编译为动态库（
2025-05-23 13:30:46
461
原创 PyQt学习系列07-数据库操作与ORM集成
在现代桌面应用程序中，数据持久化是核心需求。PyQt通过QtSql模块提供了对多种数据库的完整支持（如SQLite、MySQL、PostgreSQL），并结合ORM框架（如SQLAlchemy、Django ORM）可实现高效的数据管理。核心目标连接数据库（SQLite、MySQL、PostgreSQL等）。执行SQL语句（增删改查）。使用数据模型类集成ORM框架数据库连接：SQLite、MySQL、PostgreSQL的支持。基本CRUD操作：使用QSqlQuery执行SQL语句。数据模型类。
2025-05-23 13:23:38
1179
原创 PyQt学习系列06-网络编程与通信协议
TCP/UDP通信：使用QTcpSocket和QUdpSocket实现客户端-服务器通信。HTTP/HTTPS请求：通过管理异步请求。WebSocket通信：实现实时双向数据传输。多线程网络操作：避免UI卡顿，提升程序响应性。高级技巧：解决粘包/半包问题，处理网络错误。下节课预告第七课将深入讲解PyQt的数据库操作与ORM集成，包括SQLite、MySQL、PostgreSQL的支持以及使用SQLAlchemy进行对象关系映射（ORM）。请持续关注后续内容！参考资料。
2025-05-23 13:13:47
976
原创 PyQt学习系列05-图形渲染与OpenGL集成
PyQt默认基于2D绘图（QPainter），但某些场景需要高性能3D图形或复杂视觉效果（如科学可视化、游戏开发、虚拟现实）。此时需结合OpenGL（跨平台图形API）实现硬件加速渲染。核心目标实现3D图形渲染（如模型加载、光照、纹理）。优化2D绘图性能（如大规模数据可视化）。自定义着色器效果（如粒子系统、后期处理）。：实现OpenGL渲染的核心控件。3D模型加载：使用解析OBJ文件。着色器编程：自定义顶点/片段着色器。高级渲染技巧：纹理映射、粒子系统、后期处理。下节课预告第六课将深入讲解。
2025-05-23 13:10:07
894
原创 PyQt学习系列04-多线程与异步编程
在GUI应用程序中，长时间运行的任务（如文件读写、网络请求、复杂计算）会阻塞主线程，导致界面卡顿甚至冻结。通过多线程和异步编程，可以将这些任务移至后台线程，确保主线程（UI线程）的响应性。核心目标避免界面卡顿：将耗时操作与UI更新分离。提高并发性能：同时处理多个任务（如多文件下载）。实现异步通信：支持非阻塞式网络请求或数据库操作。QThread：实现后台任务与UI交互。：高效管理大量短生命周期任务。：简化线程池使用。asyncio：与Qt事件循环集成的异步编程。线程安全。
2025-05-23 13:04:21
864
原创 PyQt学习系列03-动画与过渡效果
动画（Animation）：用于描述对象属性随时间变化的过程（如位置、颜色、大小）。示例：按钮从屏幕外滑入屏幕内。过渡（Transition）：用于描述界面状态变化的视觉效果（如窗口切换、元素显示/隐藏）。示例：窗口从透明变为不透明的淡入效果。核心区别动画关注属性值的变化过程，而过渡关注界面状态的切换效果。两者在PyQt中通过和等类实现。通过装饰器定义可动画化的属性。示例：定义渐变进度属性# 创建动画：实现属性值的动态变化。缓动曲线：控制动画的节奏感。动画组：串行和并行执行多个动画。
2025-05-22 21:19:12
976
原创 PyQt学习系列02-模型-视图架构与数据管理
模型-视图（Model-View）是Qt框架中用于数据展示和交互的核心设计模式。它将数据管理（模型）与用户界面（视图）分离，使得开发者可以灵活地处理复杂的数据操作，同时保持界面的简洁和高效。核心组件模型（Model）：负责存储和管理数据（如表格、列表、树形结构等）。视图（View）：负责将数据以可视化形式展示给用户（如QTableViewQListView委托（Delegate）：负责控制数据的编辑和显示方式（如单元格的外观和交互）。优势数据与界面解耦，便于维护和扩展。
2025-05-22 21:08:11
940
原创 PyQt学习系列01-框架概述与基础环境搭建
通过pyqtSignal")环境搭建与第一个程序信号与槽机制布局管理常用控件与事件处理绘图、多线程、网络编程等核心模块下一节课将深入讲解PyQt的模型-视图架构，包括QTableViewQListView等组件的使用，以及如何通过模型管理数据。请持续关注后续内容！
2025-05-22 20:46:54
1078
原创 信息论14：从互信息到信息瓶颈——解锁数据压缩与特征提取的秘密
信息瓶颈理论犹如数字时代的"奥卡姆剃刀"，它告诉我们：真正的智能不在于记住多少信息，而在于忘记无关细节的能力。正如Tishby教授所言："学习，就是优雅地遗忘的艺术。"当我们在GPT-5生成的万亿token中迷失时，或许该重温这个朴素的真理——最有价值的信息，往往藏在最简洁的表示中。
2025-05-13 15:02:04
675
原创 信息论13：从熵到最大熵原理——如何用“不确定性”做出最优决策
在热力学实验室里，一杯冰水的融化过程演示着熵增定律；在通信基站中，香农用熵度量着信息的不确定性。这两个看似无关的场景，却共享着同一个核心概念——熵。熵的数学定义可以统一表示为：H(X)=−∑i=1np(xi)logp(xi)H(X) = -\sum_{i=1}^n p(x_i) \log p(x_i)H(X)=−i=1∑np(xi)logp(xi)在统计力学中，玻尔兹曼给出更深刻的诠释：S=kBlnWS = k_B \ln WS=kBlnW其中WWW代表微观状态数，kBk_BkB
2025-05-13 14:53:44
683
原创 SD06_前后端分离项目部署流程(采用Nginx)
本文档详细描述了如何在Ubuntu 20.04服务器上从零开始部署Tlias前后端分离系统。Tlias系统由Spring Boot后端（tlias-web-management）和Vue前端（vue-tlias-management）组成。
2025-05-10 13:52:35
873
原创 信息论12：从信息增益到信息增益比——决策树中的惩罚机制与应用
信息增益比的故事，如同科学史上的许多突破——它诞生于理论与实践的矛盾，成长于算法与数据的碰撞，最终成为机器学习武器库中的重要工具。正如计算机科学家Ross Quinlan所说：“好的特征选择，是让数据自己讲述重要的事。
2025-05-07 16:17:47
1103
1
原创 信息论11：从互信息到最大信息系数——信息论中的非线性关联度量
当我们用MIC分析纽约市的共享单车数据时，意外发现：周末的骑行量与奶茶店销量存在0.78的MIC值——这看似荒谬的相关性，实则反映了城市休闲生活的隐藏节奏。MIC就像数据世界的显微镜，让我们看见曾经忽视的精彩。正如信息论先驱香农所说："信息是消除不确定性的量度。"MIC的诞生，让我们在探索复杂关系的征途上，又多了一件精良的装备。当你在下次数据分析中遇到扑朔迷离的关系时，不妨让MIC为你揭开真相的面纱。
2025-05-07 15:14:18
933
原创 信息论10：从JS散度到Wasserstein距离——解锁信息论中的几何密码
Wasserstein距离的故事告诉我们：在机器学习的征途上，有时需要回溯两个世纪的数学智慧，才能突破当代的算法瓶颈。它不仅是连接概率与几何的桥梁，更启示我们——真正强大的工具，往往诞生于跨时空的思想碰撞。
2025-05-07 11:09:36
586
原创 信息论09：从KL散度到JS散度——信息论中的对称性与稳定性之美
从KL散度到JS散度，数学家们对对称与稳定的追求从未停歇。就像物理学家寻找统一场论，我们也在寻找最优雅的分布差异度量。在不对称的世界里寻找对称，在混沌中建立秩序，正是科学探索最动人的篇章。
2025-05-07 11:05:08
812
原创 信息论08：从交叉熵到KL散度——信息论中的“距离“与“差异“度量指南
从1951年库尔巴克和莱布勒的原始论文，到当代GPT-4的千亿参数模型，KL散度始终是连接理论与实践的黄金桥梁。当我们用手机人脸解锁时，当自动驾驶汽车识别行人时，这个优雅的数学公式正在悄然重塑人类认知世界的方式。推荐阅读信息论基础（斯坦福大学讲义）KL散度在深度学习中的变体量子信息中的熵理论“差异不是错误，而是信息的源泉。” —— 现代信息论箴言。
2025-05-07 10:21:24
579
原创 信息论07：从信息熵到交叉熵——数据世界的“不确定性与差异“度量指南
从1948年香农的论文到当代GPT-4的千亿参数，交叉熵始终是连接理论与实践的黄金桥梁。当我们用手机人脸解锁时，当自动驾驶汽车识别行人时，当智能投顾预测市场时，这个优雅的数学公式正在悄然重塑人类认知世界的方式。延伸阅读信息论基础（斯坦福大学讲义）交叉熵在深度学习中的应用量子信息论前沿进展“信息是熵的减少，智能是交叉熵的优化。” —— 现代AI箴言引用说明: 信息熵与交叉熵的关系: KL散度公式推导: 熵值计算案例: 类别不平衡处理方法: 量子交叉熵应用: PyTorch实现细节。
2025-05-07 10:07:44
864
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人