- 博客(23)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 RAG 评估指标：Retrieval、Generation 与端到端质量衡量
RAG（检索增强生成）不仅要回答“生成得好不好”，还要回答“检索得准不准”。任一环节掉链子，最终答案都会失真。因此业界常将 检索器（R） 与 生成器（G） 分别度量，再用端到端指标把关整体体验。
2025-07-23 09:14:52
684
原创 vLLM 原理深度解析(PagedAttention , Continuous Batching等)、vLLM代码Qwen实战
对vLLM 原理详细解析，包括PagedAttention , Continuous Batching等模块的解读，并附录了vLLM代码Qwen实战案例。
2025-07-14 16:45:31
952
原创 LoRA 原理图文详解、基于 ms-swift 的 Qwen 系列模型轻量级LoRA微调实战
通过图文描述详细介绍了LoRA的原理，深入浅出易于理解。在介绍原理的基础上，基于ms-swift对qwen2-7b的LoRA微调案例进行了介绍。
2025-07-14 14:56:44
940
原创 思维链COT（Chain-of-Thought）全解析：原理、范式、写法与实战案例。
本文系统解析思维链（Chain-of-Thought, CoT）：将“显式展示推理步骤”作为提示与训练范式，解释其通过减少跳步错误、对齐解释性语料分布、便于验证与工具插入来显著提升逻辑/数学/多步规划能力的机理；梳理 Zero-shot、Few-shot、自一致（Self-Consistency）、ReAct、Tree-of-Thought 等主流扩展；
2025-07-14 13:55:09
1795
原创 【手把手从零实现】Qwen2.5-VL：环境配置/功能实验（图片识别理解、目标检测、文字OCR、文档解析、视频理解）/模型微调(MS-Swift 和 LLaMA-Factory)
Qwen2.5-VL（阿里通义千问最新视觉语言家族）在 图像理解、检测框、OCR、表格解析、视频理解 等方面给出“开箱即用”的接口，3B 模型就很能打。本博客介绍Qwen2.5-vl的使用和微调等。
2025-07-14 11:13:44
3436
1
原创 yolov12介绍(Area Attention，R‑ELAN，FlashAttention‑Driven，DFL v2详解)
介绍yolov12模型，解析yolov12的核心模块：Area Attention，R‑ELAN，FlashAttention‑Driven，DFL v2等等。
2025-07-11 13:36:27
683
原创 Ultralytics 家族(yolov5/yolov8/yolov11)介绍之三：yolov11详解 (yolov11与yolov8对比介绍，详解C2PSA模块和C3k2模块)
YOLO11 是 Ultralytics 于 2024 年下半年发布的最新一代多任务视觉模型。它在保持 YOLOv8 基本架构的同时，通过 C3k2 轻量残块、C2PSA 空间注意力 等新组件，实现更高map和更快推理速度。
2025-07-11 13:35:41
761
原创 Ultralytics 家族(yolov5/yolov8/yolov11)介绍之二：yolov8详解
备注：准备梳理 Ultralytics 家族的 YOLOv5 → YOLOv8 → YOLO11的演进脉络，本文主要介绍yolov8，同时对yolov5和yolov8两个版本进行对比分析。
2025-07-11 13:34:44
915
原创 Ultralytics 家族(yolov5/yolov8/yolov11)介绍之一：yolov5详解(后续会对比介绍v8和v11)
准备梳理 Ultralytics 家族的 YOLOv5 → YOLOv8 → YOLO11的演进脉络，首先介绍yolov5。
2025-07-11 13:33:40
1094
原创 目标检测四：Transformer 检测模型详解（DETR 系列）
基于 Transformer 的检测模型，以 DETR（Detection Transformer） 为起点，梳理其核心思想、代表改进（Deformable/Conditional/DAB/DN/Anchor/Group/RT-DETR 等）以及工程实践。
2025-07-11 13:32:32
853
原创 目标检测一：“它是什么”，“它能做什么”
本文系统梳理目标检测：定义其为“分类+定位”的组合任务，解释与分类、语义/实例分割的差异；说明典型输出格式与坐标规范；概述主流数据集与标注方式；讲解IoU、mAP等评估指标及速度要求；按时代回顾从传统特征、两阶段/单阶段、Anchor‑Free到Transformer与多模态大模型的技术演进；从阶段、锚框、骨干、监督信号与场景五个维度给出算法流派全景；最后指出长尾、小目标、遮挡、实时性、开放词汇与端到端等挑战与趋势，并为后续RCNN、YOLO、DETR专题做铺垫。
2025-07-11 13:27:08
201
原创 多模态大模型：CLIP、ALBEF、BLIP、BLIP-2、GLIP、GroundingDINO
对CLIP、ALBEF、BLIP、BLIP-2、GLIP、GroundingDINO等模型进行概括性介绍
2023-12-11 19:35:34
969
原创 OCR 分割流派小模型 ：PSENet、PAN、DBNet
本文聚焦于“分割（Segmentation-based）”思路的场景文本检测，主要介绍psenet、panet、dbnet等模型。
2021-09-26 11:18:21
267
原创 （附完整python源码）基于tensorflow、opencv的入门案例_发票识别三：发票数据集制作和cnn网络训练
1.字符分割2.字符识别
2018-05-14 20:17:29
12099
20
原创 （附完整python源码）基于tensorflow、opencv的入门案例_发票识别一：关键区域定位
分为两篇博客：发票识别一、发票识别二1.发票识别一：1.1从一张发票照片精确“发票号码”、“发票代码”所在区域2.发票识别二： 将发票代码分割成单个数字，然后用神经网络进行逐个识别...
2018-05-11 21:26:59
25699
6
原创 传统cv目标检测---rcnn系列---yolov1和v2---ssd
本文梳理目标检测算法发展脉络，从传统计算机视觉时期的滑动窗口方法，过渡到深度学习时代的重要演进。内容涵盖R-CNN系列模型带来的突破，以及随后提出的高效框架如SSD与Yolo系列。
2018-05-10 17:58:33
4191
原创 （python源码）小案例：归一化_零均值的作用
归一化_零均值的作用1.通过一个简单的小案例讲解下，为什么归一化后，训练速度会增加。2. 案例很简单，将蓝色的小正方行通过旋转、缩放后变换为红色正方形。变量（Variable）：旋转角度angle_、缩放系数scale_。3.直接上图，说出迭代的结论3.1 下面两幅图为“变量与loss的关系图”，一系列的黑点代表变量的迭代过程，一个红点代表最优loss位置。3.2 该图表示“没有进行归一化”， ...
2018-04-28 21:23:26
3832
原创 （C++源码,详细注解）pso粒子群算法的调参技巧及改进方法
粒子群算法的调参技巧及改进方法C++源码实现1 基本粒子群算法简单介绍1.1 粒子群算法（ Particle Swarm Optimization, PSO）是一种典型的群体智能算法。最早是由美国心理学家Eberhart和电气工程师Kennedy于1995年提出，是一种模拟鸟类群体觅食行为的仿生智能计算方法。鸟群在整个搜寻的过程中，通过相互传递各自的信息，让其他的鸟知道自己的位置，同时也将最优解的...
2018-04-27 14:42:34
7088
6
原创 （python源码，详细注解 ）多目标粒子群算法 mopso
1 本代码功能用多目标粒子群算法（mopso）寻找pareto最优解集2 算法介绍2.1 简单步骤：(1)初始化群体粒子群的位置和速度，计算适应值(2)根据pareto支配原则，计算得到Archive 集(存放当前的非劣解)(3)计算pbest(4)计算Archive集中的拥挤度(5)在Archive集选择gbest(6)更新粒子的速度、位置、适应值(7)更新Archive集（还要注意防止溢出）(...
2018-04-07 18:51:34
50865
72
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人