- 博客(25)
- 收藏
- 关注
RSS订阅原创 5分钟搞定！你的专属食物热量识别助手来了！
工作流（Workflow）是指完成一项任务或目标时，按照特定顺序进行的一系列活动或步骤。在计算机应用环境下，工作流强调自动化，将复杂的任务拆分为多个简单的步骤，每一步都有明确的目标和流程。智能体：局部执行任务。工作流：全局指导任务流程。扣子是一个新一代AI应用开发平台，无论你是否有编程基础，都可以在扣子上快速搭建基于大模型的各类AI应用。AI 工作流和智能体的应用正在改变着我们的生活和工作方式。
2025-03-11 22:14:56
1057
3
原创 【CAMEL多智能体框架】第一节 环境搭建及简单应用（构建一个鲜花选购智能体）
CAMEL Multi-Agent是一个开源的、灵活的框架，它提供了一套完整的工具和库，用于构建和模拟多智能体系统。它支持多种编程语言和平台，使得开发者能够根据自己的需求和偏好选择合适的工具。CAMEL:通过本节的学习，我成功搭建了CAMEL Multi-Agent框架的环境，并初步掌握了如何使用该框架创建多智能体系统。通过实际案例的演练，我了解了如何设置任务提示、角色名称和输出语言，以及如何通过角色扮演的方式实现智能体之间的对话。
2025-02-11 22:48:11
812
原创 【书生.浦语实战营】——入门岛
1. fork原始项目2. git clone 下来3. 创建修改自己的个人介绍.md4. add . 添加全部修改5. git commit -m "提交信息（建议英文）" 合并。
2024-10-30 23:59:15
1177
1
原创 Vim 编辑器从入门到入土
很多小伙伴在刚开始使用vim 编辑器的时候应该会和我一样懵逼，？？？有种vim无能的感觉。想退出？按下esc键，无反应，按下ctrl+c，无反应，按下q键，还是无反应。最后只能含泪关闭终端。Vim 是分不同模式的。
2024-10-22 13:24:49
1522
原创 计算机网络、因特网、互联网、万维网究竟有啥是个啥？？
计算机网络是最基础的概念，指任何互联的计算设备。因特网/互联网是全球性的计算机网络，是多个网络的网络。万维网是因特网上提供的一种服务，是超文本文档系统，通过浏览器访问。简单来说，计算机网络是基础设施，因特网是全球范围的网络，万维网则是因特网上提供的具体服务。
2024-09-01 19:47:27
858
1
原创 【Lecture1】清华大学大模型公开课——大模型绪论
人工智能是对计算机系统的应用，通过与计算机等学科的深度融合，使得计算机变得更加智能，让计算系统具备智能能力，像人一样行动和思考的学科。大语言模型如何学习知识——三个阶段第一个阶段：自监督预训练：学习大量的不同领域的无标注数据第二个阶段：有监督微调：充分利用高质量标注数据，学习如何理解人类自然语言的意图以及给出更高效的反馈第三个阶段：反馈机制：输入人类对于模型偏好的反馈。
2024-08-22 23:03:09
1108
原创 一堆 P问题 的最全合集：P? NP？NPC？NPH？究竟是个啥？
计算机科学领域中，算法复杂度理论是理解计算问题难易程度的关键。其中，P、NP、NPC与NPH这四个概念尤为重要，它们不仅帮助我们分类问题的难度，还指引着算法设计的方向。本文将简要介绍这些概念的基本定义及其相互之间的关系。
2024-08-19 09:05:07
1713
原创 Datawhale X 魔搭 AI 夏令营 Task 03
ComfyUI的开源代码库：https://github.com/comfyanonymous/ComfyUI。
2024-08-18 21:59:27
478
原创 Datawhale X 魔搭 AI夏令营魔搭- AIGC文生图方向 task02笔记
Task2的主要任务为精读代码，实战进阶。因为笔者已经对大模型的使用比较熟练，因此直接开干！
2024-08-14 22:02:26
1229
原创 书生浦语实战营——task1---实现ssh远程连接和运行py文件
直接在vscode中添加端口就好了，这样直接访问网址即可。但是本地是打不开的，这时候就需要进行端口映射。没有算力点了，先把这个作业交了换点算力呜呜。2.创建目录 ： mkdir test。cd test ---进入test目录。在开发机跑一遍Linux基础命令。Linux 目录结构。
2024-08-10 22:22:18
231
原创 Datawhale AI夏令营第四期魔搭- AIGC文生图方向 task01笔记
1. 进入阿里云免费试用区，免费使用算力时：阿里云社区2. 登录or注册自己的阿里云账号：3. 点击立即试用领取成功之后关闭页面即可4 .进入魔搭社区授权魔搭社区。
2024-08-07 14:08:57
2559
2
原创 【数据建模学习实录】——权重生成与评价模型
目的：用以解决对于一个目标不同方案之间比较或不同影响因素之间比较的问题，例如，选择哪种方案最好，哪位运动员或者员工表现的更优秀。
2024-07-27 23:19:08
369
1
原创 层次分析法中的一致矩阵性质笔算推导
矩阵的秩r（A）就是转为阶梯型矩阵之后的非零行数，因为一致矩阵对应成比例，所以其秩为1。(eigenvalue)，称x为属于λ的特征向量(eigenvector)。因此：一致矩阵有一个特征值 n ，其余特征值均为0，且容易得到，这里必须先回顾一下线性代数的知识——特征值和特征向量。若A为n阶方阵，如果存在一个非零向量x使得。
2024-07-26 20:52:08
546
原创 【机器学习实录】——支持向量机
比如，我们新来一个样本，如果它更加靠近正样本，在支持向量机的解中，我们可以将其划分到正样本中（因为其超平面距离正负样本的距离都是最远的），但如果是感知机模型，有可能会被划分到负样本中。因为我们的法向量w和位移项b可以缩放啊，同时放大或者缩小\lambda （正数）倍，对应的超平面还是一样的。法向量指向的空间为正空间（在正空间中的点代入超平面方程是>0的），下面为负空间。的超平面，与感知机相比，解是唯一的，不偏不倚，鲁棒性最好，泛化性能更好。为什么超平面方程不唯一？如何确定这个中立的超平面呢？
2024-07-07 23:41:50
249
1
原创 【机器学习实录】——神经网络
神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，他的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。什么是简单单元？神经网络中最基本的成分是神经元（neuron）模型提到神经元，我们似乎应该回想起一些之前的生物认知：在生物意义上，神经元就是由细胞体和突起（分为树突和轴突）构成的用于接受刺激，产生兴奋并传递兴奋的细胞。M-P神经元模型理解：某一个神经元接受n个神经元的输入，并经过权重的转换，计算加权和，与阈值进行比较，这里为啥出来一个权重呢？
2024-07-05 00:27:25
514
原创 大型语言模型（LLM）————基本认知篇
大语言模型（）的定义：)大规模的数据训练+（What it can do?）可以理解、生成人类语言的（What it is）人工智能模型。这里大规模中的“大”怎么理解呢？指的是模型参数规模的大和数据量规模，计算算力的大，通常情况下，这会带来“扩展法则”，即下游任务的的模型性能提升，但也不是绝对性的，即大语言模型不一定比小型预训练语言模型具有更强的任务效果，而且某些大语言模型中也可能不具有某种涌现能力。
2024-04-17 23:48:19
370
1
原创 【机器学习实录】——决策树（Decision tree）
比如说，我们拿到了人这个数据集，那如果根据【电话号码】这个属性进行划分，可想而知，每个电话号码下对应一个人，是足够干净的，但是我们并不想这样做，别忘了机器学习的目的是根据已有样本对未知数据进行预测，如果此时再来一个人的数据，我们无法对他进行分类，那这个模型的构建显然是泛化能力极低的。对信息熵的理解：其实我们看随机变量X，注意它是一个变量，它是不确定的，当我们某个取值最大时，比如等于p（x=a）=1,那么变量就变成了常量，那其他x取值的概率都等于0，此时信息熵是最小的。
2024-02-13 10:33:37
1366
1
原创 【机器学习实录】——线性判别分析
我们在前面先学习了线性回归，而后又学习了如何在线性回归的基础上通过Sigmoid函数做分类任务，即对数几率回归，那么我们知道，并非所有数据集都呈线性关系排列，如何直接对数据集做分类任务？我们通过线性判别分析（一种经典的二分类算法）进行解答。
2024-01-29 17:38:16
418
原创 【机器学习实录】——对数几率回归
部分文献也称作逻辑回归（是logistic的音译，与原意有较大出入），虽然名字中含有回归，但其实是一种分类算法。找一个单调可微函数将分类任务中的真实标记与线性回归模型的预测值联系起来，是一种广义线性回归。比如给定身高和体重数据，通过线性回归算法训练模型后，可以得到身高体重的回归方程，从而得到预测值。现需要根据身高体重来判断胖瘦，即二分类任务，也就是要根据回归方程来转换成分类，定义激活函数，转为0~1之间的值，即对数几率回归的输入就是线性回归的输出——z = w T x + b。
2024-01-23 20:09:40
1998
原创 【机器学习实录】——线性回归（纯手搓版）
线性模型的形式简单，并且容易建模，但是其中蕴涵了机器学习的一些重要思想。许多功能更为强大的非线性模型可在线性模型的基础上通过引入层级结构或高维映射而得。线性回归便是线性模型中最经典的模型之一。
2024-01-20 20:44:03
531
1
原创 【机器学习实录】——基础认识
交叉验证法：将数据集D划分为K个大小相似的互斥子集，由分层采样得到，每次用k-1个子集的并集作为训练集，余下的那个子集作为测试集，可以获得K组训练/测试集，最终返回k个测试结果的均值。**例如在学习西瓜的好坏时，“好瓜”和“坏瓜”便是样本的标记。上能表现得很好的学习器，但是，我们有时会把样本训练的太好，以至于把训练样本的一些特点当做的新样本的一般性质，称为**“过拟合”**对学习器的泛化误差进行评估选择，所以，需准备一个测试集，用测试集上的测试误差作为泛化误差的近似。不同的机器学习算法有着不同的偏好，
2023-12-13 00:50:50
1290
1
原创 互联网是如何运作的
相信大家都经常使用b站，那比如说我们在pc端打开b站，有没有想过Why we can do it??？实际上，当我们打开电脑（客户端），会连入互联网，同时我们会获得一个对应的Internet Protocol address(IP地址),IP地址由四部分被点分隔的数字序列组成，如192.168.2.10。实际上哔哩哔哩的服务器（服务端）也接入了互联网，同样的，它也有一个唯一对应的IP地址，下面我们可以打开电脑中的命令提示符查看自己电脑中的IP地址。这里提到了服务端和客户端的概念。
2023-10-15 15:19:21
97
1
原创 前端——html
，不能出现别的标签，并且每个列表项属于并列关系。<th>(table head):表头单元格标签（会自动加粗居中显示）<td>（table data）：代表单元格。<li> 列表项1</li><li> 列表项2名词1的解释</dd><dd>名词1的解释
2023-10-15 15:19:00
61
1
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