- 博客(5)
- 收藏
- 关注
RSS订阅原创 Python openpyxl 自动化办公全攻略：从基础到 Pandas 联动
本文介绍了使用openpyxl库实现Excel自动化处理的核心技巧。通过员工调薪审批案例，详细讲解了从数据导入、格式美化到逻辑处理的全流程：包括创建工作簿、设置行列格式、应用条件格式、添加批注和公式等。文章强调Excel自动化不仅需要数据计算能力（Pandas/Numpy），更需要专业的视觉呈现（openpyxl），并提供了最佳实践工作流。最后总结了内存优化、样式继承等注意事项，帮助开发者提升Excel处理效率和专业度。
2026-01-14 19:44:19
781
原创 JavaScript DOM 核心操作全攻略：从基础到性能优化
本文系统介绍了DOM操作的核心技巧与性能优化策略。主要内容包括：1）精准选择元素的方法对比及实时集合的注意事项；2）内容与属性的安全操作，区分property与attribute；3）样式控制的进阶技巧；4）高效节点操作方法如DocumentFragment；5）事件委派的最佳实践；6）性能优化关键点如读写分离；7）XSS安全防范措施。文章强调DOM操作的核心在于最小化重排、善用事件冒泡、警惕安全隐患，并推荐使用classList、dataset等现代API。通过具体代码示例，帮助开发者从"能用&
2026-01-11 13:18:32
1047
原创 Spring Boot自动配置机制深度解析：从启动流程到条件化装配原理
本文深入解析SpringBoot自动配置机制，回答了三个核心问题：1）自动配置由@EnableAutoConfiguration在容器初始化阶段触发；2）通过META-INF/spring.factories发现候选配置类，再由@Conditional条件动态筛选；3）采用"用户优先"原则，当用户未配置时才提供默认实现。文章详细拆解了AutoConfigurationImportSelector的工作流程，阐述了条件注解体系（如@ConditionalOnClass）如何实现智能装配，并
2026-01-10 15:44:48
1059
原创 200行代码带你模仿ChatGPT手撸微型NanoChat
本文介绍了一个基于PyTorch实现的微型语言模型NanoChat。文章从原理入手，说明大模型本质是概率预测器，通过Transformer架构捕捉文字间联系。详细展示了代码实现过程，包括数据处理、模型组件构建（自注意力机制、前馈网络等）、主模型封装以及训练推理流程。该模型采用字符级预测，在普通笔记本电脑即可完成训练，具有完全透明、配置灵活的特点。最后解析了模型运行机制并提供了初学者避坑指南。通过200行代码实现了一个具备Transformer核心架构的微型大模型，帮助读者理解GPT类模型的基本原理。
2026-01-01 14:00:16
843
原创 Transformer 如何“思考”？用PyTorch手搓一个可训练的微型大模型
本文从工程角度解析大模型的本质：Transformer通过预测下一个token的概率分布产生"思考"效果。文章介绍了三种token处理方式（字符级、单词级、子词级），其中子词级（BPE）是主流方案。作者用PyTorch实现了一个微型Transformer模型，包含多头注意力、多层Decoder和完整训练流程。模型通过多层概率变换产生"推理感"，而Chain-of-Thought现象只是模型强化了高概率输出路径。大模型的"思考"本质上是大规模toke
2025-12-31 15:47:43
852
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