- 博客(209)
- 收藏
- 关注
原创 matlab绘图(二)绘制三维图像
曲面图绘制(只需将mesh改为surf即可),这十张图片体现不同的颜色映射风格,标题为对应的colormap的值。对应列元素绘制三维曲线,曲线条数等于矩阵列数。由各划分点分别作平行于两坐标轴的直线,则得到二维矩形区域。surf用于绘制三维曲面图,各线条之间的补面用颜色填充。对于参数形式表示的三维曲线,还可以用简易绘图函数。组成一组曲线的坐标参数,选项的定义和。C(i,j)是Pij的颜色值。1.最基本的绘制三维曲线的函数。等函数就可以把这张曲面画出来。映射到曲面上,就得到曲面上的。表示的曲面,通常,先在。
2023-03-10 11:52:37
57334
6
原创 大模型评估实战指南:从 Perplexity 到 LLM-as-a-Judge,一文吃透评测全流程
做了一年多大模型应用开发,最深感受是:评估被严重忽视。多数团队靠“感觉”上线RAG系统,结果翻车。评测应从“我觉得行”转向“数据证明行”。当前评测正从饱和的静态基准(如MMLU)转向代码、智能体、长上下文等动态场景。本文构建“评测金字塔”——从低成本的困惑度(PPL)、BLEU/ROUGE(需中文分词处理),到标准基准(如SWE-bench、C-Eval),再到人工与LLM评判,层层递进。附可运行代码,助你搭建完整评估体系,让模型真正可信可用。
2026-10-09 21:15:53
352
原创 Python 装饰器详解
本文系统讲解 Python 装饰器的底层原理与实战应用,从函数一等公民、闭包、高阶函数出发,逐步深入装饰器核心机制,涵盖 *args/**kwargs、functools.wraps、带参装饰器、类装饰器、描述符与元类等进阶内容。通过可运行代码示例,揭示 @app.route()、@lru_cache 等框架装饰器的本质,并提供类型安全、异步支持及常见陷阱规避方案,助开发者掌握装饰器模式在 AOP、注册表等设计中的应用,实现优雅高效的代码重构。
2026-10-09 21:00:08
402
原创 增广拉格朗日法(ALM)从原理到实战:附 Python & MATLAB 完整实现
本文系统阐述增广拉格朗日法(ALM)的核心思想:通过在拉格朗日函数中添加二次罚项,实现无需罚参数趋于无穷即可获得精确可行解,并保持数值稳定性。相比传统罚函数法的病态问题,ALM利用乘子更新机制,结合内层优化与外层修正,实现超线性收敛。文章从拉格朗日乘子法出发,推导ALM原理,提供可运行的Python/MATLAB代码,通过三个算例验证其高效性,并揭示其与ADMM的深层联系,最后给出实用调参建议。
2026-10-07 18:44:58
371
原创 深入理解对偶单纯形法:原理推导与 Python/MATLAB 编程实现
本文从对偶视角系统阐述对偶单纯形法,揭示其在保持对偶可行性前提下恢复原始可行性的核心思想。通过对比原始与对偶单纯形法的迭代准则、主元选择及应用场景,推导出基于检验数与右端项的转轴规则,并给出完整的Python与MATLAB实现。数值实验验证了该方法在割平面法、灵敏度分析等场景中的高效性,凸显其作为现代优化求解器核心算法的重要地位。
2026-10-07 18:21:46
479
原创 图像压缩与编码
一张4000×3000的照片原始大小约36MB,经JPEG压缩后仅300KB,压缩比达120:1。这背后是图像压缩的精妙工程:通过去除空间冗余(相邻像素相似)、频谱冗余(频率能量集中)和视觉冗余(人眼不敏感信息),实现高效存储与传输。核心在于有损压缩——以量化为关键步骤,在保持视觉质量的前提下大幅减小文件体积。从JPEG到WebP、AVIF,压缩效率持续提升,本质是逼近香农提出的率失真理论极限。掌握图像压缩,不仅能优化带宽成本,更能深入理解现代视觉系统的核心逻辑。
2026-10-03 16:46:34
373
原创 图像变换:从齐次坐标到单应性
本文深入解析图像变换的核心原理,从齐次坐标、仿射与透视变换的数学基础,到单应性矩阵求解(DLT与SVD)、反向映射插值策略,手写实现warpAffine并结合文档扫描、AR贴图、全景拼接三大实战案例,完整呈现从理论到工程落地的全流程。附带高频踩坑指南与性能优化建议,助你真正理解“为何用”、“如何调”、“出错往哪查”,是掌握计算机视觉底层能力的关键一课。
2026-10-03 10:04:59
402
原创 图像预处理与增强:从像素调优到工业级 Pipeline
本文系统梳理图像预处理与增强的工程链路,揭示“输入质量决定模型上限”的核心逻辑。从色彩空间转换、几何校正到低光照增强、文档矫正等实战案例,结合可运行代码,涵盖预处理、画质增强与数据增强三大环节,附高频踩坑指南与性能优化建议,助力提升视觉模型准确率。
2026-10-02 17:50:31
351
原创 模型部署的「通用语」:ONNX 转换
本文系统讲解ONNX作为深度学习模型部署“通用语”的核心价值,针对训练与生产环境脱节的痛点,详述PyTorch/TensorFlow到ONNX的全流程转换方法,涵盖opset选择、动态维度处理、算子兼容性、数值对齐验证等关键环节,并提供YOLO、LLM等场景实战案例。结合ONNX Runtime性能调优、INT8量化、模型瘦身及跨平台部署(TensorRT/OpenVINO/Core ML/ORT Web/C++推理)策略,附15大踩坑解决方案与生产级脚本,助力算法模型高效落地。
2026-10-01 19:47:16
937
原创 AI 大模型算法岗面试题库
本文系统梳理大模型核心技术栈,涵盖深度学习基础、Transformer架构、预训练微调、RLHF对齐、推理优化、RAG/Agent、多模态及分布式训练等9大模块,含100+道精选题,每题附考点、参考答案与详细追问解析,并提供11段可运行代码。建议采用“自测→标记→二轮专攻”策略高效备考,特别强调Pre-LN、RMSNorm、AdamW等现代LLM核心设计原理与工程实践。
2026-10-01 10:51:15
357
原创 LoRA 微调完全指南:从低秩假设到工程落地
2021年,微软提出LoRA:基于“权重更新低秩”的假设,冻结大模型原始参数,仅训练两个小规模低秩矩阵,将175B模型的可训练参数降至3700万(约1/10000),显存需求降低3倍,且不增加推理延迟。五年间,LoRA演变为大模型生态基础设施,支撑稳定扩散、LLaMA-Factory、vLLM等主流框架。本文从数学推导、初始化策略、缩放因子设计出发,解析其核心思想——ΔW = BA并非近似,而是全新参数化;结合QLoRA的4bit量化与分页优化器,实现65B模型单卡部署;揭示多租户、热插拔等工程红利,并梳理
2026-09-30 14:04:21
496
原创 大模型训练的“三维立体战“:一文读懂3D并行技术
训练大模型需突破单卡瓶颈,3D并行策略融合数据、张量与流水线并行:数据并行通过复制模型分摊计算负载;张量并行将矩阵运算拆分至多卡,降低显存压力;流水线并行按层切分模型,提升资源利用率。三者协同实现万卡集群高效训练,显著缩短训练周期,是GPT-4等超大规模模型落地的核心技术支撑。
2026-09-30 10:47:42
375
原创 偏微分方程数值解:从理论到实现
偏微分方程是科学与工程计算的核心。从热传导、流体力学、电磁学到金融工程,PDE无处不在。然而,绝大多数PDE不存在解析解,必须依靠数值方法求解。本文将以几类经典PDE为载体,系统介绍主流数值方法:我们从最简单的一维稳态问题开始,逐步扩展到二维和时变问题。有限差分法的核心思想是:用差商代替微商,将连续的微分算子离散为代数方程组。对于一维二阶导数,中心差分格式(二阶精度)为:d2udx2∣xi≈ui+1−2ui+ui−1h2+O(h2)\frac{d^2 u}{dx^2}\bigg|_{x_i} \appr
2026-09-29 15:25:50
315
原创 图像分割全解析:从经典算法到深度学习的原理与实战(Python + MATLAB)
本文系统讲解图像分割的六大核心方法:从传统阈值(Otsu)、边缘(Canny)、区域(分水岭)、聚类(K-Means)、图割(GrabCut)到深度学习(U-Net、SAM),每种算法均配数学原理、Python与MATLAB代码实现。内容涵盖分割本质、分类体系、选型指南与工程实战经验,帮助读者深入理解并精准应用各类算法,实现像素级精准分割。
2026-09-29 12:41:32
396
原创 为什么现在的大模型主流采用 Decoder 架构,而不用 Encoder 架构?
为什么主流大模型采用 Decoder 架构而不用 Encoder?统一的目标与接口:CLM(预测下一个 token)用一个目标统一了几乎所有 NLP 任务,无需任务专用头。训练信号稠密:每个 token 都贡献损失,算力利用效率更高。与 Scaling Law 契合:简单、可预测、可持续扩展,"加数据加算力"即可受益。涌现能力绑定其上:上下文学习、少样本提示——大模型时代的核心范式——在 Decoder-only 上自然涌现。架构简洁 + 推理高效。
2026-09-28 20:24:14
391
原创 卷积神经网络(CNN)深度解析:从原理到实践
卷积神经网络(CNN)通过局部连接、权值共享和池化下采样,有效解决了全连接网络在图像处理中的参数爆炸与空间信息丢失问题。其核心在于卷积运算提取局部特征,结合激活函数引入非线性,并通过感受野实现对空间结构的深层理解。经典架构如AlexNet、VGG、ResNet等推动了计算机视觉发展,广泛应用于图像分类、目标检测等领域。1×1卷积与深度可分离卷积等创新进一步提升了效率。CNN亦拓展至NLP,实现文本特征提取。
2026-09-28 19:49:07
769
原创 边缘检测与水印去除:原理、算法与实现
本文从理论、算法与实践三个层面系统阐述了边缘检测与水印去除技术。在理论部分,详细推导了边缘检测的数学基础,深入剖析了 Sobel、Prewitt、Laplacian 以及 Canny 等经典算子的原理与特性,并系统梳理了水印去除的数学模型(加法模型、混合模型)及主流方法分类。在算法层面,重点论述了如何将边缘信息作为先验知识融入水印去除过程,提出了基于边缘引导的泊松修复框架,通过 Canny 边缘检测提取结构信息,进而指导修复区域的梯度传播与边界保持。
2026-09-27 10:21:27
316
原创 IDCNN+CRF 中文医学命名实体识别:从原理到代码的全面拆解
本文介绍一个基于IDCNN+CRF的中文医学命名实体识别项目,旨在从病历文本中高效提取“症状”与“疾病”实体。采用轻量级IDCNN替代传统BiLSTM,通过扩张卷积实现大感受野且推理速度快3-5倍;结合CRF层建模标签转移约束,提升序列标注精度。模型结构清晰,模块化设计,支持快速迁移至其他医疗领域,兼具效率与准确性,适用于实时辅助诊断等场景。
2026-09-27 09:35:30
476
原创 C# 编程入门指南
本文全面介绍了 C# 编程语言的过去、现在与未来。从诞生背景和二十余年的演进历程出发,深入剖析了 C# 的十大核心优势——包括优雅的语法设计、LINQ 数据查询、async/await 异步编程、Native AOT 原生编译等关键特性。文章覆盖游戏开发、Web 后端、桌面应用、移动开发、云原生、AI 机器学习、物联网等七大应用领域,并提供了从零到一的实战指南:.NET SDK 安装配置、VS Code 开发环境搭建、dotnet CLI 终端操作、三种 EXE 打包发布方式详解。
2026-09-27 08:49:26
317
原创 从 GRPO 到 GSPO:大模型强化学习算法的范式演进与工程实践
GRPO通过组内相对优势取代PPO的价值网络,显著降低显存开销,成为开源RL微调的事实标准。然而,Qwen团队在GSPO中指出,GRPO因将重要性采样权重误用于token级粒度,导致长序列训练时目标函数病态,引发模型崩溃。GSPO仅需将优化粒度从token级改为序列级,即实现根本修复,揭示“优化目标粒度必须匹配奖励粒度”的核心原则。该改进带来训练稳定性提升、基础设施简化与超参鲁棒性增强,推动多轮RL发展。同时,研究揭示RL主要提升Maj@K而非Pass@K,反映其强化的是推理路径的可靠性而非单一正确答案。
2026-09-26 23:09:43
559
原创 常微分方程数值解:从原理到代码实践
本文系统介绍常微分方程初值问题的数值解法,涵盖Euler、Runge-Kutta、Adams及刚性方程求解器等核心方法,并提供Python与MATLAB双版本可运行代码。从误差分析到稳定性原理,结合可视化对比,帮助学生、竞赛选手与工程师快速掌握高精度、高效求解技巧,实现理论与实践的无缝衔接。
2026-09-26 19:37:03
440
原创 DeepSeek-V4.1-Flash 深度拆解
DeepSeek-V4.1-Flash 通过 CED 架构与 CSA2 等创新,将 552B 模型的 KV Cache 降至仅 890 字节/token,较前代降低 75%。其核心在于:CED 实现 prefill 时仅激活一半参数,解码层直接复用编码器输出作为全局 KV;CSA2 则通过跨层 KV 复用与分层稀疏索引,大幅压缩存储与计算开销。该设计有效破解长上下文部署中显存、带宽与持久化存储三大瓶颈,为大模型在 Agent 场景下的高效推理提供了架构级突破。
2026-09-24 00:14:29
515
原创 FP16 训练后导出 ONNX 报错?记录纠错模型的部署踩坑与完整实战
本文以 ValueError: Input is not valid 报错为切入点,详解 MacBERT 中文纠错模型从 PyTorch 训练到 ONNX 导出、再通过 FastAPI 与 ONNX Runtime 部署上线的全流程。核心问题在于将 tokenizer 错误嵌入 forward 函数,导致 ONNX tracing 时传入 Tensor 而非字符串,引发报错。实为 FP16 的“烟雾弹”,本质是推理逻辑与模型结构分离不当。文中提供可复用代码,完整覆盖三模型(NER、SimCSE、MacBER
2026-09-22 18:36:21
288
原创 数值积分与数值微分:从梯形公式到 Gauss 求积
本文深入解析数值求积的核心思想:当牛顿-莱布尼茨公式失效时,用有限个函数值的加权和逼近积分。通过插值构造统一框架,揭示梯形、Simpson、Romberg与Gauss求积公式的内在逻辑。重点阐释代数精度、误差阶与节点优化的深层联系,揭示为何Gauss公式仅需5点即可超越Simpson的129点。结合实际案例与代码验证,帮助读者建立对“离散逼近连续”的直觉量感,掌握工程中高效、稳健的积分方法。
2026-09-22 11:56:34
212
原创 线性方程组的数值解法
本文系统介绍线性方程组数值解的十大核心算法,涵盖高斯消元、LU/Cholesky分解、QR分解及雅可比、共轭梯度等迭代法,每种算法均提供原理推导、复杂度分析、双语言实现与稳定性讨论,并结合工程场景(如有限元、流体力学、机器学习)展示应用价值。强调条件数对解精度的影响,对比直接法与迭代法适用边界,助力科研与工程人员掌握科学计算底层逻辑。
2026-09-21 22:51:10
179
原创 矩阵特征值与特征向量计算:从幂法到 QR 算法的完整实战
本文系统介绍特征值与特征向量的六类经典数值算法:幂法、反幂法、Rayleigh商迭代、Householder变换、QR算法与Jacobi方法,并提供可运行的Python与MATLAB实现。涵盖数学基础、收敛性分析及工程应用,适用于小规模精确计算与大规模稀疏矩阵求解,为PageRank、PCA、振动分析等场景提供高效数值工具。
2026-09-21 22:11:12
620
原创 非线性方程与方程组的数值解法
本文系统介绍五种经典非线性方程数值解法:二分法、不动点迭代、Newton法、割线法与拟Newton法,每种方法均提供Python与MATLAB实现,辅以收敛性分析与数值实验。针对工程、金融、机器学习等领域的复杂方程求解需求,文章强调数值方法的必要性,并通过代码实践帮助读者掌握算法原理与应用技巧。建议动手实现,深入理解不同方法的优劣与适用场景。
2026-09-20 20:57:05
269
原创 数值分析中的插值法:从拉格朗日到埃尔米特插值
本文系统介绍数值分析中三种经典插值方法:拉格朗日、牛顿与埃尔米特插值法,阐述其原理、优缺点及适用场景,并提供Python与MATLAB完整实现代码。通过可视化对比,揭示不同方法在精度、计算效率与稳定性上的差异,助力读者在科学计算与工程建模中合理选择插值策略。
2026-09-20 18:15:55
116
原创 90% 的 Python 开发者都踩过的路径坑:import 通了,为什么文件找不到?
Python 中存在四套独立的路径系统:当前工作目录(cwd)、sys.path、__file__ 和 sys.argv[0],它们互不干扰。import 依赖 sys.path,而 open() 等文件操作依赖 cwd,二者常导致“导入成功却文件找不到”的错觉。常见错误如误用 os.chdir() 切换目录后仍期望相对路径生效,或误以为 import 是相对于当前目录查找。关键在于理解:sys.path 控制模块导入,cwd 控制文件路径,两者分离。正确做法是使用 pathlib.Path(__file_
2026-09-19 23:09:59
164
原创 生产级医疗AI Agent:Multi-Agent RAG架构解析
本文分享一个生产级医疗健康AI Agent项目实战经验,基于Multi-Agent RAG架构,构建中西医融合的多模态问答系统。核心亮点包括:七层分层架构设计、四级Agent流水线(Router→Skills→Medical→Reflection)、Milvus混合检索(HNSW+BM25+RRF)、父子文档切分提升召回精度,以及ReAct+Reflection+Self-Correction的智能纠错机制。系统兼顾专业性、安全性与用户体验,支持语音对话与数据飞轮迭代,技术细节全面,助力开发者避坑提效。
2026-09-19 22:44:40
326
原创 从 0 到 1 构建生产级语音服务:解析 ChatPPT 的 voice_service.py
本文拆解 ChatPPT 语音服务模块 voice_service.py,从零构建支持 ASR/TTS 的自包含语音系统。通过 ffmpeg 实现多格式音频转码,采用二进制 WebSocket 协议(自定义 TLV 格式)高效流式传输语音数据,结合异步 I/O 与同步接口桥接,实现低延迟、高容错的语音交互能力。工程上注重安全(环境变量管理)、可维护性(分层架构)与兼容性(魔数检测、灵活解析),为 AIGC 应用提供可靠语音链路。
2026-09-18 13:03:22
287
原创 ChatPPT多智能体项目
本文基于LangGraph与多智能体架构打造的ChatPPT项目,实现语音/文本/文档输入下自动生成功能完整、配图精美、可扩展的PPT。系统通过7个分工明确的Agent(如总控、大纲生成、审阅、配图等)协同工作,采用规则+LLM混合决策的星型调度机制,确保流程稳定可控。借助共享状态机与条件边控制,实现审阅-修订闭环,并支持动图生成与PPTX导出。项目结构清晰,具备工程化落地能力,为AI驱动内容生成提供了可复用的范式。
2026-09-18 12:07:11
427
原创 RAG 优化实战:从精确召回、QA 生成到上下文压缩的全链路工程化方法
本文针对RAG应用中常见问题,基于真实实验代码,系统拆解四大优化环节:智能分块(结构感知、对话轮次切分)、QA生成优化、高级召回策略(父子文档、Agent分块)及后处理工程优化(重排序、上下文压缩)。提供可运行代码与调优建议,帮助开发者降低幻觉率、提升召回准确率、控制Token成本,实现高效落地。
2026-09-17 22:13:19
845
原创 注意力机制的进化:MHA → GQA → MLA → CSA → HCA
大模型注意力机制演进核心是“表达能力 vs 推理成本”的博弈。MHA 表达力最强但 KV Cache 最贵;GQA 共享头压缩宽度,折中省显存;MLA 低秩潜在向量再降 93% 缓存,保持多头多样性。CSA 转向长度压缩,4:1 分块+索引器稀疏检索,降低长上下文计算;HCA 激进 128:1 压缩,全量浏览历史,无需索引。两者交替堆叠,实现“局部细节+中程检索+全局粗粒”分层覆盖。演进从“每 token 变窄”跃迁至“上下文变短”,持续优化帕累托边界,支撑百万级上下文。
2026-09-04 21:41:49
432
原创 从零构建医学AI Agent核心工具链:知识检索、联网搜索到智能路由
本文深度剖析一套生产级Python RAG工具模块(tools.py),涵盖基于Milvus的异步混合检索(HNSW向量+BM25稀疏+RRF融合)、联网搜索封装及轻量智能URL提取。重点揭秘依赖注入、懒加载优化、基于bigram的微秒级相关性过滤,以及OpenAI函数调用集成范式。结合实战,分享TTFT从800ms降至200ms的调优历程,探讨可观测性、错误边界与工程鲁棒性。适合追求高性能检索与稳定工程落地的AI开发者,提供从设计哲学到代码细节的全维度解读。
2026-09-01 10:17:26
347
原创 构建智能Agent的记忆系统:三层记忆管理器设计
本文基于生产环境代码,深度剖析 Agent 记忆系统的三层设计:短期记忆(进程内 LRU + 滑动窗口,支撑多轮上下文)、长期记忆(Redis Hash + 7 天滑动 TTL,存储偏好与反思)、语义记忆(Milvus 向量检索,相似问题复用)。核心亮点包括:OrderedDict 零依赖实现 LRU、asyncio.to_thread 异步隔离、上下文指纹防缓存“串话”、反思学习(Reflection)的极简落地。
2026-09-01 10:06:38
480
原创 基于FastAPI + Milvus + DeepSeek构建的医学知识问答系统
本文介绍如何基于FastAPI、Milvus向量数据库(支持稠密+稀疏混合检索)和DeepSeek大语言模型,构建医学知识问答系统。系统采用智谱Embedding模型生成向量,通过RRF算法融合多路召回结果,并结合ParentDocumentRetriever策略处理长文档,确保上下文完整。API接收用户问题,检索相关文档后构建含角色约束和上下文标记的提示词,调用DeepSeek生成严谨回答。文章详细解析了环境配置、Milvus双实例设计、父子分割器、重排序逻辑及部署方式,并讨论了混合检索、父子策略等亮点,
2026-08-26 20:29:44
301
原创 强化学习工具函数详解:从经验回放到优势函数计算
本文解析了强化学习工具模块rl_utils.py,涵盖经验回放缓冲区(基于deque实现固定容量随机采样)、滑动平均平滑函数(处理边界、绘制稳定曲线)、在线策略(按轨迹更新)与离线策略(经验回放+小批量更新)两种训练模板,以及广义优势估计(GAE)的递归计算实现。各组件独立可复用,适配Gymnasium接口,可快速集成至PPO、DQN等算法,提升实验效率与代码可读性。适合RL开发者作为基础库参考。
2026-08-26 20:20:00
357
Linux常用命令汇总
2026-10-08
深入探索 x-transformers:一个全功能 Transformer 实现库的实战指南
2026-03-05
Python程序设计 复习资料
2026-03-04
AI面试实战:从NER到文本生成的技术全解析
2026-02-28
粒子群算法(PSO)优化BP神经网络:从原理到实战
2026-02-25
使用 Python + Tkinter 打造"猫狗大战"回合制策略游戏
2026-02-21
知识蒸馏实战:用ResNet50教师模型训练轻量级CNN学生模型实现CIFAR-10高效分类
2026-02-16
使用BEiT模型进行CIFAR-100图像分类:迁移学习实战指南
2026-02-15
基于 ResNet-50 的 CIFAR-10 图像分类实战:从 85% 到 96.44% 的优化之旅
2026-02-14
Vision Transformer (ViT) PyTorch 实现与 CIFAR-10 图像分类任务
2026-01-30
基于Inception-V3实现cifar-10数据集的分类任务
2026-01-12
《动手学深度学习》是一本面向实践的深度学习教材,旨在帮助读者通过亲手操作来深入理解和掌握深度学习的核心概念和技术 书中的内容涵盖了从基础知识到高级应用的广泛领域,是初学者和进阶者深入了解这一领域的宝贵
2025-09-02
Matlab与数学建模教程
2025-06-26
python字符串相关操作实例代码及案例
2025-04-03
基于偏微分方程的图像复原
2025-03-29
MATLAB常见绘图示例,二维,三维,柱状图,动态图
2025-03-20
页岩油四性潜力层判识工具
2024-12-25
pytorch深度学习资料
2024-06-10
泛函分析是数学中的一个分支领域,研究的是无限维空间上的函数和它们的性质 它结合了线性代数、实变函数论和拓扑学的概念与方法
2023-10-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅