- 博客(151)
- 收藏
- 关注
RSS订阅
原创 深度学习实战基础案例——卷积神经网络（CNN）基于SqueezeNet的眼疾识别|第1例
SqueezeNet是一种轻量且高效的CNN模型，它参数比AlexNet少50倍，但模型性能（accuracy）与AlexNet接近。顾名思义，Squeeze的中文意思是压缩和挤压的意思，所以我们通过算法的名字就可以猜想到，该算法一定是通过压缩模型来降低模型参数量的。当然任何算法的改进都是在原先的基础上提升精度或者降低模型参数，因此该算法的主要目的就是在于降低模型参数量的同时保持模型精度。基础环境：python3.7编译器：pycharm深度学习框架：pytorch链接（提取码：2357 ）
2023-08-13 15:12:15
13507
27
原创 最新版本的Anaconda环境配置、Cuda、cuDNN以及pytorch环境一键式配置流程
本教程是最新的深度学习入门环境配置教程，跟着本教程可以帮你解决入门深度学习之前的环境配置问题。同时，本教程拒绝琐碎，大部分以图例形式进行教程。
2023-08-12 12:05:05
8452
20
原创 基于PP-YOLOE-SOD实现遥感场景下的小目标检测
目标边界框的宽高与图像的宽高比例小于一定值目标边界框面积与图像面积的比值开方小于一定值分辨率小于32*32像素的目标。如MS-COCO数据集像素值范围在［10，50］之间的目标。如DOTA/WIDER FACE数据集paddle从数据集整体层面提出了如下定义：目标边界框的宽高与图像的宽高比例的中位数小于0.04时，判定该数据集为小目标数据集。目前，小目标检测主要有以下几个难点：覆盖面积小，有效特征少小目标下采样后丢失问题，边界框难以回归，模型难以收敛。
2023-03-16 19:43:16
3987
14
原创 从零开始学OpenCV——图像灰度变换详解（线性与非线性变换）
在实际应用中,为了突出图像中感兴趣的研究对象，常常要求增强某一灰度范围的对比度，或对不同范围的灰度值进行不同的处理，即分段线性拉伸。分段线性拉伸是仅将某一范围的灰度值进行拉伸，而其余范围的灰度值实际上被压缩了。阈值变换可以将灰度图像转换成黑白二值图像，用户指定一阈值T，灰度低于T置0，高于T置255。伽玛变换又称为 指数变换 或 幂次变换，是另一种常用的灰度非线性变换。输出图象每个象素点的灰度值仅由输入图像相同位置象素点的灰度值决定。时，该灰度变换是线性的，此时通过线性方式改变原图像。
2023-03-15 21:10:41
9283
7
原创 Python机器学习数据建模与分析——Numpy和Pandas综合应用案例：空气质量监测数据的预处理和基本分析
Python作为一款面向对象、跨平台并且开源的计算机语言，是机器学习实践的首选工具。入门Python机器学习应从了解并掌握Python的Numpy、Pandas、Matplotlib包开始。学习Python和完成机器学习实践的有效途径是：以特定的机器学习应用场景和数据作为出发点，沿着由浅入深的数据分析脉络，以逐个解决数据分析实际问题为目标，逐步展开对Python的学习和机器学习的实践。📢本文由 心无旁骛~ 原创，首发于 CSDN博客🙉。
2023-01-21 19:31:44
5535
15
原创 智元精灵GO1 agibot数据转换Lerobot通用格式数据脚本
本文介绍了一个高效Python脚本，用于将zhiyuanData格式转换为标准LeRobot格式。该工具支持多模态数据处理（HDF5关节数据、JSON元信息、多视角图像），通过智能降采样将数据统一至10fps，确保状态-动作对的一致性。核心功能包括时间戳精确对齐、自动目录结构生成、容错处理和高性能多线程处理。脚本提供简单命令行接口，支持本地转换或直接推送至Hugging Face Hub，为机器人学习研究提供标准化数据预处理方案，解决了多源数据格式不统一的问题。开源地址：https://github.com
2025-08-24 21:31:00
333
原创 Linux服务器后台任务挂起命令介绍
本文介绍了四种Linux后台任务运行方式： nohup：简单易用，适合临时任务，通过nohup command &实现后台运行 screen：支持会话管理，可断开/重连会话，适合交互式长任务 tmux：功能比screen更强大，支持分屏等高级特性 systemd：专业服务管理，提供日志记录和自动重启，适合生产环境 使用建议：开发测试推荐screen/tmux，生产环境建议systemd，临时任务可用nohup。每种方式各有特点，可根据实际需求选择。
2025-08-13 16:50:25
287
原创 基于Hyper-V的HomeAssistant OS安装
本文详细介绍了在Windows系统上使用Hyper-V安装HomeAssistant智能家居控制系统的完整过程。首先说明了Windows家庭版安装Hyper-V的方法，包括创建批处理脚本、系统重启等步骤。接着指导用户下载HomeAssistant镜像，在Hyper-V管理器中创建虚拟机，配置内存、网络等参数。文章重点描述了取消安全启动设置、启动虚拟机以及初始化HomeAssistant的注意事项，并提供了访问HomeAssistant Web界面的IP地址和端口信息。整个安装过程图文并茂，适合新手用户参考实
2025-08-13 14:15:21
850
原创 Poetry与UV——现代Python依赖管理的革新者
本文这里虽然介绍了poetry和uv两种python项目管理工具，但是它们两者之间其实是可以互补的。如果需要构建大型python项目，则Poetry 可以提供完整的项目管理框架，而uv 解决依赖安装速度问题，两者结合兼顾规范和效率，尤其适合中大型项目或长期维护的项目。追求完整解决方案：选择Poetry优化现有项目：引入UV终极方案：Poetry声明依赖 + UV执行安装特性PoetryUV依赖冲突解决❌✅✅环境隔离❌✅✅确定性构建❌✅✅极速安装❌❌✅。
2025-08-09 19:47:21
1100
原创 基于 LangChain + 通义千问 + bge-large 中文 Embedding 搭建一个RAG问答示例
本文介绍了如何使用LangChain框架和阿里云通义千问模型构建RAG（检索增强生成）应用。主要内容包括：LangChain框架介绍、RAG架构原理（检索+生成）、BGE中文嵌入模型的使用方法，以及完整的实现代码解析。代码实现了文档加载、分块处理、向量存储和检索功能，通过提示模板优化回答质量，并展示了如何编排处理链。该应用可扩展为问答系统或知识库助手，适合处理中文文本，通过调整分块策略和提示工程可进一步提升效果。
2025-08-03 22:43:56
799
原创 【Nginx反向代理】通过Nginx反向代理将多个后端server统一到同一个端口上的方法
摘要：在多开发者协作项目中，不同后端服务部署在不同端口或服务器上，导致前端调用接口时面临多端口、跨域等复杂问题。使用Nginx反向代理可统一入口，通过配置/api1/、/api2/等路径将请求转发至对应服务（如本地5051端口或远程服务器）。方案优势包括隐藏服务细节、集中处理跨域、简化前端调用逻辑，并提供负载均衡灵活性。文中给出Nginx安装命令、配置示例及常用操作指令（启动/重启/配置检查等），便于快速部署维护。（149字）
2025-08-01 18:07:58
520
原创 【bug】ERROR: Failed to build installable wheels for some pyproject.toml based projects (pyaudio)
摘要：解决pyaudio安装失败问题，不同系统安装依赖的方法：Ubuntu/Debian需安装python3-dev和portaudio19-dev；CentOS/RHEL安装python3-devel和portaudio-devel；macOS用Homebrew安装portaudio；Windows建议直接使用预编译包。作者在Linux和macOS系统上验证了这些方法有效。
2025-07-04 18:08:47
1070
原创 单卡4090服务器部署qwen2.5-VL-7B
本文介绍了Qwen2.5-VL多模态大模型的两种部署方法。推荐使用Docker镜像方式，通过拉取官方镜像并运行脚本即可快速部署API服务，还提供了Flask调用示例。手动安装方式需特定依赖版本，但可能遇到初始化失败问题，作者通过移植Docker环境中的依赖包成功解决。两种方法均支持图像和视频输入，适用于多模态任务测试。
2025-07-04 17:53:33
470
1
原创 Nginx反向代理配置
在生产环境中，通常使用Nginx作为反向代理，它可以处理HTTPS连接，然后将请求转发到运行在HTTP上的FastAPI应用。
2025-06-13 09:50:21
233
原创 JSON5 模块的作用与区别
JSON5（JSON for Humans）是对标准 JSON 格式的扩展，它的目标是使 JSON 格式更易于人类编写和阅读。JSON5 保留了与 JSON 的兼容性，但增加了一些语法糖和人性化特性。
2025-06-11 10:41:21
466
原创 火山引擎 DeepSeek-R1：解决 满血版DeepSeek 卡顿的新思路
技术Tips：新注册可获取基础测试包，团队协作还能叠加资源配额。团队协作时可共享资源池，多人开发时能自动分配计算配额（需企业认证），对中小型工作室比较友好。目前官网有开发者体验计划，通过技术社区认证可获取测试资源。最近测试了火山引擎的DeepSeek-R1增强型服务，实测API调用延迟稳定在20ms区间（附测试截图），对比常规服务有明显提升。使用建议：先试用基础资源包验证项目适配性，团队开发建议申请协作配额。#AIGC基础设施 #API优化方案 #开发者日志。#技术测评 #云计算优化 #AIGC工具链。
2025-02-21 15:16:46
1596
原创 深度学习实战基础案例——卷积神经网络（CNN）基于DenseNet的眼疾检测|第4例
通过本次案例，我们可以对深度学习设计程序的流程有一个简单清楚的认知，以便我们将来构建其它深度学习系统可以更加得心应手。
2025-02-12 16:34:09
1035
1
原创 【Vue中BUG解决】npm error path git
报错内容如下：从错误信息可知，这是一个ENOENT（No Entry，即找不到文件或目录）错误，并且与git相关。具体来说，npm在尝试调用git时，无法找到git。
2025-02-11 11:41:50
922
原创 【PyQt5】数据库连接失败: Driver not loaded Driver not loaded
【PyQt5】数据库连接失败: Driver not loaded Driver not loaded
2025-01-27 20:45:47
378
原创 毕业设计——微博情感分析系统PyQt版本
信息技术的飞速进步促使互联网成为现代生活的重要组成部分，伴随而来的是信息量的激增。最新发布的《中国互联网发展状况统计报告》揭示，截至2023年底，我国网民数量已经突破10.92亿，同比增加2480万，显示出77.5%的互联网普及率。这一数据不仅反映了数字化生活方式的深入人心，也标志着我国在全球信息化进程中的重要地位和持续增长的网络活跃度，说明网络技术在当代社会扮演了不可或缺的角色。据国务院发布的《新一代人工智能发展规划》所示，人工智能技术的飞速进步预示着对人类社会生活和全球格局的深远影响。
2024-12-29 22:36:24
1767
1
原创 基于虚拟硬件平台 AVH（Arm Virtual Hardware）的智能垃圾识别案例
在嵌入式软件开发的世界里，传统的开发流程往往受到物理硬件的限制，这导致了产品开发周期长、成本高以及团队协作困难等问题。然而，随着技术的不断进步，这些问题正在逐渐得到解决。Arm虚拟硬件平台（AVH）的推出，为嵌入式软件开发者带来了全新的开发体验，开启了嵌入式软件开发的新篇章。Arm虚拟硬件平台（AVH）是ARM公司推出的一款基于云的解决方案，它允许嵌入式软件开发者在无需物理硬件的情况下进行软件开发。AVH通过模拟实际的硬件环境，为开发者提供了一个高度可配置、可扩展的虚拟开发平台。
2024-07-31 17:05:54
1059
1
原创 夏日智启：我的Datawhale AI夏令营探索之旅
Datawhale 成立于2018年，是国内AI领域最大的开源学习组织，汇集了众多领域院校和知名企业的优秀学习者，聚合了一群有开源精神和探索精神的团队成员。Datawhale 以「for the learner，和学习者一起成长」为使命，鼓励真实地展现自我、开放包容、互信互助、敢于试错和勇于担当。下面是Datawhale的相关信息，感兴趣的可以关注了解下：公众号：DatawhaleGitHub 名称：Datawhale · GitHub累计有10w star，全球排名前100的组织。
2024-07-10 23:06:38
1930
1
原创 基于Django和Vue的商城管理系统
本系统在后台使用 Python语言实现跨平台的处理，以B/S的结构方式以及Django框架进行开发，数据库使用MySQL。（1）Python语言Python是由荷兰数学和计算机研究学会的吉多·范罗苏姆于20世纪90年代设计的一款高级语言。Python的应用场合非常广泛，在科研领域中，可以用Python训练人工智能模型，也可以对实验数据进行数据分析。在生活中，Python提供了很多优秀的、开源的Web开发框架，例如Django、Flask、Pyramid、Tornado等。
2024-06-13 20:20:33
1652
原创 NLP自然语言处理课程设计—基于实体识别的智能任务系统
在人工智能与自然语言处理技术飞速发展的今天，构建一个能够理解和处理自然语言的智能任务系统成为了计算机科学领域的一项重要挑战。本课程设计旨在通过实践教学，深入掌握自然语言处理（NLP）的关键技术和应用，同时培养解决复杂工程问题的能力。本课程设计的核心目标是开发一个能够通过自然语言处理技术，帮助用户高效管理各种任务的系统。系统需要具备任务识别和分类、实体抽取、任务管理以及用户交互等核心功能。为了实现这些功能，我们采用了先进的深度学习模型，如双向长短期记忆网络（BiLSTM）结合条件随机场（CRF），以及。
2024-06-13 20:01:06
3206
7
原创 大学生毕业设计——微博情感分析系统
系统分别尝试了基于情感词典的情感分析方法、基于朴素贝叶斯的情感分析方法以及基于BERT的情感分析方法，最终系统算法采用的是基于BERT的情感分析方法，因为整体对比下来，基于BERT的情感分析最为准确以及稳定。
2024-06-11 18:11:05
3427
3
原创 详细教学wps中公式如何居中，公式编号如何右对齐
可以大致看出，公式居中的制表位位置在21左右，那我们就设置为21，然后公式编号右对齐的制表位位置在大概37-38的位置，具体位置要看我们的页边距，我感觉这个主要靠感觉，就算第一次没调整好，再按照目前调整的位置微调一下即可。这里我看网上有很多的计算公式什么的，其实很简单，这里我就不列举计算公式， 我们可以看页面上面的刻度尺。修改样式名称为公式以便我们后续选用，然后将后续段落样式改为正文文本，这样可以避免我们应用万公式样式以后，公式后面的正文内容发生变化，造成格式混乱。接着将公式和公式编号整体左对齐，然后在。
2024-06-11 17:19:35
23444
1
原创 OrangePi Kunpeng Pro深度评测：性能与体验的完美融合
近期，**香橙派(Orange Pi)** 联合**华为**再次发布力作—OrangePi Kunpeng Pro。这是两家公司合作发布OrangePi AIpro之后的又一力作。**OrangePi Kunpeng Pro**是一块基于鲲鹏面向开发者的开发板，具有鲲鹏主板的完整能力，内置 openEuler 开源操作系统、`openGauss` 开源数据库和鲲鹏开发套件` DevKit`。这意味着香橙派将成为面向通用计算的鲲鹏和面向人工智能计算的昇腾两大计算产业的参与者。通过搭载华为的“鲲鹏+昇腾”双引擎
2024-06-09 14:55:46
2436
原创 移动云九天人工智能平台：赋能未来，智能升级
云计算发展迅速，移动云作为业界领先的云服务商，一直致力于推动云计算技术的创新应用，赋能各领域的开发者，构建蓬勃发展的云生态。“移动云”是基于5g技术，由中国移动打造的品牌，针对云计算、大数据、人工智能等产品的服务，为客户提供专业的解决方案。基于互联网和虚拟化技术，将计算、存储、网络等资源以服务的形式提供给用户。用户可以根据需要获取和使用这些资源，而无需购买和维护硬件设备。通过云计算技术实现资源的动态分配和弹性扩展，可以根据用户的实际需求进行资源的快速调整。这有助于提高资源的利用率和效率。
2024-05-21 21:53:12
4984
1
原创 Ubuntu中使用`sudo apt-get update`等更新下载命令出现部分索引下载失败文件解决方案（亲测已经解决）
这就是源的问题，但是我安装网上的一些方法忙活了好久，还是没有解决该摆错。比如网上说在软件更新和管理里面切换阿里云的源，但是我到最后一直说连接失败什么的，总之没有很好的解决我的问题。直到朋友给我推荐了一位博主的ROS一键换源工具，才轻松地解决~最近在用ubuntu(我是18版本)安装ROS，需要执行。这时候我们选择5并回车即可成功更换镜像源。命令不会再出现报错，证明BUG成功解决~
2024-05-18 20:05:47
2470
2
原创 AI新视界：探索Baidu Comate的前沿科技
Baidu Comate（智能代码助手）是基于文心大模型，结合百度积累多年的编程现场大数据和外部优秀开源数据，打造的新一代编码辅助工具。拥有代码智能、场景丰富、创造价值、广泛应用等多重产品优势，可实现“帮你想、帮你写、帮你改”的场景应用形态。提升编码效率，释放“十倍”软件生产力。据百度CTO所说， 百度每日新增代码中27%由Comate生成，可见该智能代码助手的实用性。
2024-05-09 12:52:05
1317
1
原创 本地部署openvino-chaglm3-6b
想将github下的代码拉取到本地文件夹中，再打开，执行以下命令激活环境。接下来我们使用以下命令更新pip以及安装所需要的一些依赖库。
2024-03-31 19:09:51
756
原创 如何在jupyter使用新建的虚拟环境以及改变jupyter启动文件路径。
对于刚刚使用jupyter的新手来说，经常不知道如何在其中使用新建的虚拟环境内核，同时，对于默认安装的jupyter，使用命令启动以后往往默认是C盘的启动路径，如下图所示，这篇教程将告诉您。
2024-03-28 00:01:58
3254
原创 sheel和setuptools两个包的作用
是用于在 Python 中安装两个不同的包的命令，它们在 Python 生态系统中具有不同的作用。这两者的结合使你能够创建高效的二进制分发（wheel），并利用。在许多情况下，当你在处理 Python 项目并希望分发或安装包时，安装。提供的增强功能来管理软件包元数据和安装。
2024-03-13 20:50:47
439
原创 BigDL-LLM 安装指南——在iGPU集成显卡下使用BigDL-LLM大模型库加速LLM
全网最详细的BigDL-LLM在iGPU下的安装指南，还有一些踩坑经验~iGPU内存可以是动态随机存储器（DRAM）或静态随机存储器（SRAM）类型，DRAM类型的iGPU内存可以被访问和修改，而SRAM类型的iGPU内存速度更快，但容量通常较小且不可修改。iGPU内存的容量通常取决于使用的处理器型号和制造商，例如英特尔的iGPU内存容量通常在1GB到2GB之间，而AMD的iGPU内存容量则较高，通常在2GB到8GB之间。
2024-03-13 18:54:25
3142
3
原创 Intel® Extension for PyTorch*详细安装教程
最近在研究Intel的pytorch的加速拓展,但是发现官网的文档全是英文的，不太好找安装教程。所以特此分享Intel® Extension for PyTorch*的详细安装教程。
2024-03-10 21:56:35
8322
2
原创 基于yolov5-master和pyqt5的森林火灾监测软件
火灾作为威胁人类生命生产安全的隐患之一，一直是人们关注的重点。传统的火灾监测装置根据温度来检测火灾，不仅灵敏度差，而且反馈时间长，常常会出现消防员收到警报消息时，火室已经无法控制。森林火灾监测系统的设计与实现是一项基于深度学习技术的创新性研究，旨在通过自动检测和分析森林的图像数据，实时监测和预防森林火灾的发生。我们选择了PyTorch作为主要的深度学习框架，并结合了目标检测领域的主流算法YOLOv5来完成这一任务。本系统的主要目标是提高火灾检测的准确性和实时性。
2024-01-21 23:49:40
2324
该包包含Mysql安装包以及详细文档教程，还有Navicat8的安装包以及详细文档安装教程
2023-01-09
python爬虫课设，爬取51job网站岗位基本信息，大学开展python数据获取与预处理的小伙伴们，可以直接拿来用
2023-01-09
B站韩顺平学习资料总结，韩老师所有的课堂笔记与代码 看
2022-07-08
红蜘蛛教室控屏软件，上课进行学习机演示可用
2022-12-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人