2404_82622750的博客

原创 Python无限制导入私有模块（企业级方案）

本文介绍了Python项目中模块导入的配置方法。首先说明了在PyCharm中需要将项目目录标记为"Sources Root"才能正确识别模块路径。然后通过示例展示了如何从不同模块导入函数并运行。重点解释了Python模块搜索机制：Python通过sys.path列表查找模块，默认会将被运行脚本所在目录添加到sys.path首位。文章详细说明了导入模块时Python的搜索流程：遍历sys.path中的目录，查找带有__init__.py的包结构，最终定位目标.py文件。最后给出了终端运

原创 pytorch

传入python列表是默认float32、传入numpy同numpy数据类型。numpy默认int64、float64。pytorch默认float32。torch.tensor()函数。torch.Tensor()类。

原创 深度学习详解：前向传播、反向传播、pytorch实现

深度学习详解：前向传播、反向传播、pytorch实现。

原创 numpy

5 NumPy运算。

原创 CentOS 7安装Anaconda

4. 最后提示 Do you wish the installer to initialize Anaconda3?1. CentOS 7直接下载的 Anaconda（无需手动上传）2. 提示协议，输入yes。1. 一路按 Enter。3. 路径直接回车默认。

原创 centOS安装neo4j

这一行不是 Neo4j 数据库进程，而是：你执行 grep neo4j 这个查询命令本身。neo4j 4.x版本需要jdk11，neo4j 5.x版本需要jdk17。额外放行 7473/tcp、 7474/tcp、7687/tcp 端口。清理系统所有旧的 yum 缓存（彻底删除残留缓存）若为云服务器（阿里云/腾讯云），需在。开放 HTTP 与 Bolt 端口。重建全新缓存，生成最新软件包信息。

原创 固定虚拟机的内网虚拟IP

原创 Hugging Face使用

可选，在下载transformers时会一并下载tokenizers。

原创 【无标题】

【代码】【无标题】

原创 Neo4j安装

Neo4j的运行需要Java环境，5.26（LTS）版本的Neo4j需要安装JDK17或者JDK21。，路径指向 bin 的上一级路径，然后再在 PATH环境变量下添加。启动成功后，neo4j会提供一个web页面作为客户端，访问地址为。，初始用户名和密码均为neo4j。初次登录需要修改密码。安装包获取后，须手动解压到安装目录，并添加环境变量。执行如下命令，可将eno4j作为系统服务进行安装。命令，如果输出版本信息，则说明操作成功。Neo4j社区版（免费）安装包可从。初次启动，需执行如下命令，

原创 电商平台知识图谱

trainer设计思路。

原创 SHH隧道内网穿透

本文介绍了三种本地与远程服务器交互的方法：1）本地服务器搭建（Python的http.server模块）；2）本地连接远程服务器（通过直接访问、内网穿透或SSH代理）；3）远程服务器连接本地电脑（需配置安全组规则和内网穿透）。详细说明了每种方法的操作步骤，包括端口设置、命令示例和访问方式，涵盖了文件上传下载的完整流程。重点演示了如何通过不同技术实现内外网互通，特别是内网穿透和SSH端口转发的具体应用。

原创 matplotlib.pyplot无法正常显示--解决方案

【代码】matplotlib.pyplot无法正常显示--解决方案。

原创 AI面试问答

自然语言处理技术经历了从规则系统、统计方法到机器学习和深度学习的演进过程。早期N-gram模型基于词频统计，词袋模型通过特征向量实现文本分类但忽略语序，n-gram方法通过保留相邻词组合解决了这一问题。文本表示从稀疏的one-hot编码发展为Word2Vec等稠密向量，再到上下文相关的动态词表示。分词技术包括字符级、词级和子词级分词，中英文处理方式存在差异。现代NLP通过深度学习实现了更精准的语义捕捉，如Word2Vec利用CBOW和Skip-gram模型，以及基于上下文的动态词向量表示方法。

原创 windows安装openclaw

OpenClaw官网 https://openclaw.ai/windows下的linux。安装 OpenClaw。

原创 Agent skills

Node.js — Download Node.js®

原创 OpenClaw部署教程

停止 OpenClaw 网关服务。

原创 人工智能中常用的KL散度是什么？

总结起来啊，其实就是一句话，哪个分布在前，就关注谁的峰值多一点。这就好比生活中的一对，在评价相互关系时，每个人总对自己在意的地方给予更高的权重。结果呢，也常常完全不同，多一点理解，多一点换位思考，更有助于减少彼此之间的分歧，这也许就是KL散度给我们的启示。分布p相对于q的KL散度与q相对于p的KL散度是否相等呢？固定p不变，调整近似分布q，对它进行单峰拟合，前向散度变大，反向散度变小。q均值不变，方差变小，前向散度继续增大，反向散度变化不明显。改变均值，移动回来，前向散度减小，反向散度增大。

原创 git、gitee

本文介绍了使用Git进行版本控制的基本操作流程，包括：1）初始化本地仓库（git init）；2）配置用户信息；3）创建并编辑文件；4）提交更改（git add/commit）；5）查看状态（git status）；6）关联远程仓库（git remote add）；7）推送代码到Gitee平台（git push）。完整记录了从本地开发到代码上云的完整Git工作流程。

原创 豆包挨了三记闷棍，智谱用开源掀了桌子

10 天里，我见了大厂的围墙，也见了开源的破局；见了商业博弈，也见了技术潮水。24 年前微软骂 Linux 是癌，24 年后说爱 Linux。历史总相似，站对边，从来都不晚。智谱这次开源的 AutoGLM，不是一时冲动的 “掀桌”，而是给行业递上了一把 “钥匙”——32 个月打磨的核心模型、Phone Use 能力框架、覆盖 50 + 高频中文 App 的可跑通 Demo，甚至包括 Android 适配层与工具链，全量开放，还支持本地部署、数据不出设备，从根上解决了隐私顾虑。

原创 利用强化学习 Q-learning 玩 Atari 黑白棋游戏

本文实现了一个基于PyTorch的强化学习黑白棋游戏系统，主要包含以下改进： 框架迁移：将原TensorFlow实现重构为PyTorch版本，使用3层CNN+2层FC的网络结构处理8x8棋盘状态，输出64个位置的Q值。 环境适配： 自定义ReversiEnv环境类实现核心游戏逻辑 包含合法动作检测、棋子翻转、胜负判断等功能 无需Gym环境注册，直接实例化使用 智能体功能： 支持随机策略和Q学习策略 提供模型保存/加载接口 包含Bellman方程更新规则 可视化增强： 添加matplotlib动画录制功能 可

原创 web开发

JavaScript: 负责网页的行为(动作)CSS : 负责网页的表现(样式)HTML: 负责网页的结构。

原创 LangChain

LangChain

原创 人工智能数学

https://www.bilibili.com/video/BV1MP411r7sL/?share_source=copy_web&vd_source=c8a03e257b2ba777ecf56e018a79eea0

原创 1.python

2.注释.py3.变量.Py。

原创 为什么人工智能用Python？

你的 Python 代码，更像一个“指挥官”或者“遥控器”，它发号施令，说：“喂，那个谁（GPU），把这堆数据（Tensor），用那个叫’卷积’的方法，给我算 10 遍。Python 负责的是那个“搭架子”和“穿针引线”的活儿，最累最重的体力活，它早就外包给那些 C++ 和 CUDA 的“老哥”们了。对于想入行的新人来说，我的建议是：踏踏实实学好 Python，用好 Pandas、NumPy、Scikit-learn、PyTorch/TensorFlow 这些库，你就能解决 99% 的问题了。

原创 本科人工智能专业毕业生的破局就业路

近年来，人工智能（AI）作为引领新一轮科技革命和产业变革的战略性技术，已广泛渗透至各个领域，推动行业的智能化转型升级。随着 AI 技术的迅猛发展，市场对 AI 专业人才的需求呈现出爆发式增长态势。据相关数据显示，自 2017 年国务院发布《新一代人工智能发展规划》以来，我国人工智能相关企业数量急剧增加，截至 2025 年，已突破 5000 家，这直接带动了人才需求的飙升。2024 年，中国受访企业人工智能相关人才的招聘数量占总招聘数量的比例大幅提升，其中，29.39% 的企业该比例在 10%-20%，40.

原创 第14阶段 AI+Java项目：元宇宙AI教育平台

day01。

原创 第13阶段 AI项目3：人脸姿态识别（154/154）

01-人脸检测02-人脸姿态03-人脸多任务04-人脸识别。

原创 第12阶段 机器视觉（/154）

opencvvolov8。

原创 第11阶段 AI项目2：AI智能体-豆小包（127/154）

day01dayo2day03day04dayo5day06day07模型部署。

原创 第10阶段 自然语言处理（120/154）

day08 fasttext分类-词向量迁移。day09 迁移学习transformers。day01 NLP概述-文本预处理上。day05 注意力机制seq2seq。day06 注意力机制seq2seq。day11 bert模型简介和总结。day10 迁移学习案例实战。day03 RNN及其变体。day04 案例人名分类器。day02 文本预处理下。

原创 第9阶段 深度学习（109/154）

01-pytorch框架。

原创 第8阶段 AI项目1：金融风控（105/154）

05 业务指标计算案例 数据处理类型转换。10 业务指标计算 回收账单逾期情况统计。07 业务指标计算 90+逾期情况计算。06 业务指标计算案例 创建逾期字段。04 业务指标计算案例 数据介绍。08 业务指标计算 数据可视化。09 业务指标计算 计算入催率。03 金融风控相关术语介绍。11 风控业务运行介绍。

原创 第7阶段 数据处理与机器学习（94/154）

07-朴素贝叶斯和特征降维。08-聚类kmeans算法。09-支持向量机SVM。

原创 第6阶段 python基础与进阶（85/154）

day01dayo2day03day04day05day06day07day08。

原创 第5阶段 java项目2：保险（77/154）

02-保险基础数据-设计与开发。08-支付处理(一次性支付)09-支付处理(周期性扣款)11-数据中心-时序数据库。01-项目介绍&环境搭建。04-产品附件-对象存储。05-产品详情-性能优化。06-投保试算-保障类。

原创 第4阶段 微服务（66/154）

05-SpringCloud-限流与分布式事务。09-ElasticSearch-复合查询。04-SpringCloud-网关与配置。08-ElasticSearch-基础。03-SpringCloud-基础。06-RabbitMQ-基础。07-RabbitMQ-高级。

原创 第3阶段 java项目1：校园万能代（56/154）

day01 Gitday02day03day04day05day06day07day08dayo9day10。

原创 第2阶段 web开发(前端、后端、数据库)（46/154）

Day08-后端Web实战(java代码操作数据库)Day10-后端Web实战(多表操作&员工列表查询)Day02-前端Web-JavaScript。Day04-后端Web基础(Maven基础)Day06-后端Web实战(10C+DI)Day09-后端Web实战(部门管理开发)Day01-前端Web-HTML&CSS。Day05-后端Web基础(基础知识)Day03-前端Web-Vue-基础。Day07-后端Web实战(数据库)