- 博客(78)
- 收藏
- 关注
RSS订阅原创 Function Calling：让大模型学会调用外部工具
摘要：本文介绍了大语言模型Function Calling的3个实用案例。案例1展示如何通过天气查询工具弥补模型实时信息短板；案例2演示从自然语言中提取结构化JSON数据；案例3则通过多工具协作（地址转坐标+POI搜索）解决复杂问题。每个案例包含完整代码实现，展示了如何让大语言模型在需要时主动调用外部函数，实现"思考+执行"的闭环。（150字）
2026-03-27 15:38:51
295
原创 LangChain：构建RAG智能问答系统
本文介绍了基于RAG（检索增强生成）技术构建问答系统的完整流程。通过阿里云通义千问模型，演示了从PDF文档加载、文本分割、向量嵌入到向量数据库检索的实现步骤。文章详细讲解了使用LangChain框架的PyPDFLoader加载PDF文档，RecursiveCharacterTextSplitter进行文本分块，DashScopeEmbeddings生成文本向量，以及FAISS向量数据库的构建和检索过程。最后展示了如何将这些组件整合成带记忆功能的对话系统，并可通过Streamlit构建Web应用。该方案有效解
2026-03-27 09:44:34
450
原创 用 LangChain 构建 LLM 应用：从模型调用到输出解析
本文介绍了使用LangChain框架开发大语言模型应用的6个实战案例，包括：1）基础模型调用；2）Prompt模板管理；3）批量翻译任务处理；4）Few-shot提示示例；5）结构化输出解析。所有代码基于通义千问模型，通过OpenAI兼容接口实现。文章详细展示了如何使用LangChain的标准化组件（如ChatPromptTemplate、FewShotChatMessagePromptTemplate等）快速构建AI应用，包括角色设定、提示词复用、示例引导和结果格式化等功能。通过Jupyter Noteb
2026-03-26 12:58:23
498
原创 GitHub入门协作
本文介绍了Git分支管理和GitHub协作开发的完整流程。在分支管理部分，详细讲解了分支概念、常用类型（主分支、开发分支等）、核心操作命令（创建/切换/合并分支）、冲突解决方法以及提交规范。GitHub协作部分则重点阐述了Fork工作流、同步上游仓库的两种方式、Pull Request提交流程以及Code Review机制。全文提供了清晰的命令行示例和实用场景说明，帮助开发者掌握团队协作开发的核心技能。
2026-03-26 12:50:16
459
原创 YOLO目标检测算法简介
本文系统介绍了YOLO系列目标检测算法的发展历程。从YOLO V1的突破性单阶段检测思想，到V2引入批量归一化、锚框等改进，再到V3采用多尺度检测和Logistic分类器。V4融合了注意力机制、多种IoU损失等先进技术，V5则侧重工程实现，提供易用的训练部署流程。文章详细解析了各版本网络结构、损失函数设计、性能评估指标(mAP、FPS等)及创新点，展现了YOLO算法在保持实时性的同时不断提升检测精度的演进路径。
2026-03-12 20:26:28
561
原创 GitHub入门
本文介绍了GitHub的基础使用与Git协作开发技巧。主要内容包括：GitHub核心功能解析（代码托管、版本管理、团队协作等）、账号注册与SSH密钥配置流程、仓库创建与代码提交操作指南、Git分支管理策略（创建/切换/合并分支、冲突解决）以及提交规范建议。文章强调Git与GitHub的区别与联系，并提供详细的操作命令和实用配置建议，帮助开发者快速掌握这一协作开发平台的核心功能，提升团队协作效率。
2026-03-09 20:47:37
608
原创 PyQt5入门实践：三个小项目
本文介绍了四个基于PyQt5的GUI开发项目：价格预测器、摄像头控制器、视频播放器和计算器。价格预测器通过机器学习模型预测生猪价格，摄像头控制器实现实时视频采集与显示，视频播放器具备快慢放功能，计算器完成基础运算。每个项目均包含UI设计和核心功能实现，展示了PyQt5在界面开发、图像处理、多媒体控制等方面的应用。这些案例体现了PyQt5结合Python简洁性和Qt强大功能的优势，为GUI开发提供了实用参考。
2026-03-06 12:32:53
205
原创 PyQt5 开发环境搭建与基本窗口控件介绍
本文介绍了PyQt5的安装配置及Qt Designer常用控件。安装PyQt5可通过pip指令完成，建议使用清华镜像源加速下载。配置PyCharm外部工具时需设置工作目录和Python解释器路径。Qt Designer界面包含多个控件组：按钮组（如Push Button）、输入控件组（如Line Edit和Text Edit）和数据显示控件（如Label）。其中Text Edit支持富文本编辑，可通过样式表修改字体格式。这些控件为GUI开发提供了基础功能模块。
2026-03-02 20:59:40
264
原创 基于MediaPipe的多模态人体关键点检测与手势识别
本文实现了一个基于MediaPipe的手势识别系统，包含数据采集、特征提取、模型训练和实时识别四个模块。系统通过摄像头捕捉手部21个关键点的三维坐标，构建63维特征向量，使用KNN、SVM等传统机器学习算法进行训练，最终部署到实时视频流中实现动态手势识别。关键参数包括手部检测置信度0.7、最大检测手数2等，平衡了准确性和实时性。系统可识别拳头、张开手等5种基本手势，为手势交互应用提供完整解决方案。
2026-02-26 18:38:11
666
原创 基于 LSTM 的中文情感分类项目解析
该项目实现了一个基于TextRNN的中文微博情感分类系统，将文本情感分为喜悦、愤怒、厌恶和低落四类。核心流程包括：1）构建4760个高频词的词表，过滤低频词；2）将文本统一处理为70个字符的固定长度，不足补零，超长截断；3）使用字符级分词将文本转换为词向量序列；4）通过TextRNN模型学习文本特征与情感标签的映射关系。系统采用80-10-10的比例划分训练、验证和测试集，支持GPU加速训练，为中文短文本情感分析提供了有效解决方案。
2026-02-05 21:05:41
989
原创 人脸多特征实时检测实例
本文介绍了一个基于计算机视觉的人脸分析系统，通过深度学习模型实现实时人脸检测、性别识别和年龄预测。系统采用OpenCV的DNN模块加载预训练模型，包括人脸检测模型（TensorFlow格式）和性别/年龄分类模型（Caffe格式）。核心技术流程包括：1) 使用blobFromImage进行图像预处理；2) 执行模型推理获取检测结果；3) 对输出进行置信度过滤和坐标转换；4) 添加中文标签显示功能。系统可实时处理视频流，在检测到人脸后自动分析性别和年龄，并将结果可视化标注在画面中。
2026-02-02 20:47:08
845
原创 基于PyTorch的语言模型实现详解
本文介绍了一个基于N-Gram的神经网络语言模型实现。首先从文本文件读取数据并预处理，构建词汇表和训练数据。模型采用嵌入层、投影层和输出层的架构设计，使用Adam优化器和负对数似然损失进行训练。训练过程包括200个epoch，记录损失值以监控进度。最后，模型可以基于给定上下文预测下一个单词。该方法简单有效，适合英文文本处理，通过调整超参数如上下文长度和嵌入维度，可平衡模型复杂度和预测效果。
2026-02-01 20:26:17
830
原创 基于dlib与OpenCV的人脸检测与特征点标定技术实践
本文介绍了使用dlib库进行人脸检测和特征点定位的方法。主要内容包括：1）dlib库的安装配置；2）静态图像人脸检测实现；3）实时视频中对比OpenCV和dlib检测效果；4）68点面部关键点定位技术；5）实时面部轮廓绘制方法。关键技术点涉及HOG特征检测、Haar级联分类器、面部特征点预测模型等，提供了完整的代码示例和参数说明，适用于人脸识别、表情分析等应用场景。
2026-01-31 20:18:17
988
原创 OpenCV 学习：人脸识别与表情检测
本文介绍了基于OpenCV的人脸检测与识别技术，主要包括静态图像和实时视频流中的人脸检测、微笑检测以及LBPH和EigenFace两种人脸识别方法。在静态图像检测中，通过Haar特征分类器实现人脸定位，关键参数包括缩放比例(scaleFactor)、邻近矩形数(minNeighbors)和最小尺寸(minSize)。实时视频检测通过摄像头捕获画面进行连续处理。此外，文章展示了在人脸检测基础上结合微笑检测的技术，并详细介绍了LBPH和EigenFace两种识别算法的实现，包括训练过程、预测方法和参数设置。这些
2026-01-30 20:19:52
1107
原创 基于 OpenCV 的身份证号码识别系统详解
本文介绍了一个基于OpenCV的身份证号码识别系统，主要包含三个模块：核心工具函数、数字模板提取和身份证号码识别。系统首先通过轮廓检测和排序从模板图像中提取标准数字（0-9），然后使用模板匹配方法识别身份证图像中的号码。关键步骤包括图像灰度化、二值化、轮廓检测与筛选，以及数字区域的标准化处理。该系统实现了身份证号码的自动定位和识别功能，适用于身份证信息自动化处理场景。
2026-01-29 20:07:23
639
原创 OpenCV 学习：从光流跟踪到艺术风格迁移
本文介绍了三种基于OpenCV的计算机视觉技术应用。首先展示了光流法运动轨迹跟踪，结合Shi-Tomasi角点检测和Lucas-Kanade光流法实现物体运动追踪；其次演示了深度学习艺术风格迁移，通过预训练模型将普通照片转换为艺术风格作品；最后提供了实时目标跟踪方案，使用CSRT跟踪器在视频流中持续定位目标。文中包含完整的Python代码实现，涵盖图像预处理、模型加载、实时处理等关键步骤，并配有参数说明和效果展示图，为计算机视觉应用开发提供了实用参考。
2026-01-28 18:48:28
1670
原创 OpenCV 学习：文档扫描与视频运动检测与跟踪
本文介绍了三种计算机视觉处理技术：文档扫描矫正、视频运动检测和特定物体提取。文档扫描通过边缘检测、轮廓查找和透视变换实现自动矫正；视频运动检测采用背景建模和形态学处理来跟踪运动物体；特定物体提取则通过边缘检测和轮廓分析完成目标分割。文中详细解析了各技术的核心代码，包括图像预处理、轮廓检测、透视变换等关键步骤的实现方法，并配有示意图说明处理效果。这些技术可广泛应用于文档数字化、安防监控和物体识别等领域。
2026-01-27 17:42:40
1108
原创 OpenCV 学习：图像拼接与答题卡识别的实现
答题卡识别系统通过计算机视觉技术自动批改选择题，流程包括图像预处理、透视矫正、轮廓检测和答案判断。图像拼接是将多张有重叠区域的图片合成一张全景图的过程，核心技术包括特征点检测、匹配和透视变换。：检测关键点并计算描述符。：创建SIFT检测器。
2026-01-26 17:48:07
1200
原创 OpenCV学习：从角点检测到特征匹配
本文介绍了两种图像特征检测方法及其应用。首先详细讲解了Harris角点检测原理与实现，包括关键参数解析和角点标记方法。其次介绍了SIFT特征提取流程，分析了关键点属性和描述符计算。最后基于特征匹配构建了一个指纹验证系统，使用FLANN匹配器进行特征点匹配，并通过Lowe's比率测试筛选优质匹配点。实验结果表明，该方法能有效区分不同指纹，实现身份认证功能。文中提供了完整的代码实现和参数解析，为图像特征检测与匹配提供了实用参考。
2026-01-25 19:44:19
1244
原创 OpenCV部分操作介绍
通过这些系统的图像处理技术，我们可以实现从基础的图像操作到高级的特征分析，为计算机视觉应用奠定坚实基础。在图像处理中，经常需要对图像进行缩放操作。
2026-01-21 20:29:02
719
原创 使用 OpenCV 实现银行卡卡号识别
本文提出了一种基于OpenCV的银行卡号识别方法，采用两阶段处理流程：首先预处理OCR-A模板图像建立数字特征库，然后对银行卡图像进行灰度转换、形态学处理和轮廓分析定位卡号区域。通过模板匹配实现数字识别，并依据首位数字判断银行卡类型。该方法利用顶帽操作突出数字区域，通过闭操作连接分散数字点，结合轮廓筛选和标准化模板匹配，实现了较高精度的银行卡号自动识别。实验表明，该系统能有效处理不同背景的银行卡图像，为金融自动化服务提供了实用解决方案。
2026-01-19 19:00:22
1539
原创 对矿物数据多模型分类性能分析
本文介绍了矿物分类任务中的多种机器学习与深度学习模型实现方法。首先导入数据处理、传统机器学习（逻辑回归、随机森林、朴素贝叶斯、SVM、AdaBoost、XGBoost）和深度学习（PyTorch）相关库，加载预处理后的训练与测试数据集。随后详细阐述了6种传统机器学习模型的参数配置与性能表现，包括线性模型、集成方法和概率分类器。最后设计了两类神经网络架构：全连接网络（FCN）和一维卷积网络（1D-CNN），用于处理结构化特征数据。所有模型均通过分类报告评估性能，为矿物分类任务提供了完整的机器学习解决方案。
2026-01-18 18:37:55
914
原创 矿物数据预处理与缺失值填充
本文介绍了一套完整的矿物分类数据处理流程，重点解决数据缺失和类别不平衡两大挑战。流程包含数据清洗、缺失值填充、标准化处理和类别平衡等关键步骤，详细解析了六种缺失值填充方法（完整数据保留、均值、中位数、众数、线性回归和随机森林填充）的实现原理和适用场景。通过代码示例展示了数据标准化和不同填充策略的具体应用，为矿物分类任务提供了系统化的数据处理解决方案。文章强调数据预处理对模型性能的重要影响，并提供了可复用的函数库实现。
2026-01-15 21:21:52
1139
原创 基于 OpenCV 的模板匹配技术实例
本文介绍了OpenCV中的模板匹配技术，详细解析了cv2.matchTemplate()函数及其六种匹配方法。文章展示了完整的代码实现流程，包括图像读取、模板匹配、结果分析和可视化。重点说明了不同匹配方法的特点，以及如何使用minMaxLoc()函数确定最佳匹配位置，最后通过绘制矩形框标记匹配区域。归一化相关系数匹配法（TM_CCOEFF_NORMED）被推荐为实际应用中的首选方法。
2026-01-13 21:09:20
743
原创 基于 OpenCV 的图像边缘检测与轮廓分析
本文介绍了图像处理中的边缘检测和轮廓分析方法。边缘检测部分详细讲解了Sobel、Scharr、Laplacian和Canny四种算子，包括原理、参数说明和代码实现。轮廓分析部分涵盖轮廓提取、绘制、特征计算（面积、周长）、排序筛选以及几何特征（外接圆/矩形）等操作，并介绍了轮廓近似方法以简化形状。通过示例代码展示了各算法的实际应用，帮助理解不同方法的特点和适用场景，为图像分析和计算机视觉任务提供了实用技术参考。
2026-01-12 20:03:56
1737
2
原创 基于贝叶斯的评论分类实例
本文介绍了一个基于朴素贝叶斯的中文文本情感分析流程。首先使用jieba分词对原始差评和好评数据进行分词处理，通过去除停用词进行数据清洗。然后构建带标签的训练集，使用CountVectorizer提取1-3gram特征。采用多项式朴素贝叶斯分类器进行模型训练，最终实现对文本情感倾向的预测。实验结果表明该方法能有效区分好评（标签0）和差评（标签1），并提供了新样本预测的完整流程，包括分词、停用词处理、特征转换和模型预测等步骤。
2026-01-11 18:51:21
364
原创 基于 OpenCV 的图像形态学与边缘检测
本文介绍了图像处理中的形态学操作和边缘检测技术。主要内容包括：1）图像腐蚀与膨胀操作，通过结构元素消除或扩大图像特征；2）开运算与闭运算的组合应用，用于平滑轮廓或填补空洞；3）梯度运算和顶帽/黑帽变换，分别用于边缘提取和细节增强；4）Sobel算子边缘检测，通过一阶导数实现水平和垂直边缘检测；5）图像边界填充技术，处理卷积操作时的边界问题。文中提供了详细的参数说明和Python代码示例，展示了各操作的实际效果和应用场景。这些基础图像处理技术为后续高级分析提供了重要支持。
2026-01-10 20:02:38
1232
原创 基于 TF-IDF 的《红楼梦》分卷文本关键词提取分析
本文介绍了《红楼梦》文本分析的预处理与关键词提取流程。首先对原著进行分卷处理，过滤无关信息并拆分为独立文件；随后使用jieba分词工具结合自定义词典进行分词，并过滤停用词。在关键词提取阶段，采用TF-IDF算法计算各回词语权重，通过排序提取每回前10个核心关键词。该方法有效实现了对古典文学文本的结构化处理与内容特征提取，为后续文本挖掘提供了基础。实验结果表明，该方法能准确识别各回核心内容与人物关系。
2026-01-09 20:02:20
569
原创 基于PyTorch的CBOW模型实现与词向量生成
Word2Vec的CBOW模型通过上下文词预测中心词，生成低维稠密词向量。模型包含输入层、投影层和输出层，使用负对数似然损失和Adam优化器进行训练。相比Skip-gram，CBOW训练更快，通过聚合上下文信息实现多对一预测。预处理阶段需构建词汇表、上下文窗口和向量化函数，最终可提取词向量用于语义分析等NLP任务。代码实现展示了如何将文本转为索引、构建训练样本及模型训练过程。
2026-01-08 20:40:26
1692
原创 了解 PyTorch 学习率调整和迁移学习
本文介绍了深度学习中的学习率调整策略与迁移学习技术。学习率调整包括有序调整（StepLR、CosineAnnealingLR等）、自适应调整（ReduceLROnPlateau）和自定义调整方法。迁移学习利用预训练模型（如ResNet）加速训练，通过冻结初始层、修改输出层并逐步解冻微调来实现。文章提供了PyTorch代码示例，展示了如何加载预训练模型、调整网络结构、设置优化器和学习率调度器，以及实施迁移学习的完整流程。这些技术能显著提高模型训练效率和性能，特别适用于数据有限的应用场景。
2026-01-07 19:58:39
1666
原创 OpenCV图像处理部分基础操作
本文介绍了OpenCV图像处理的基础操作，主要包括四个部分：1) 图像像素操作，包括区域打码和复制；2) 图像缩放方法，支持指定尺寸或缩放因子；3) 图像运算操作，包括加法、加权运算等；4) 图像平滑处理技术，涵盖均值滤波、方框滤波和高斯滤波等去噪方法。文中提供了详细的Python代码示例和参数说明，演示了如何实现常见的图像处理功能，适合OpenCV初学者学习基础图像处理技术。
2026-01-06 19:21:06
869
原创 了解 TF-IDF
TF-IDF是一种经典的文本统计方法，通过结合词频（TF）和逆文档频率（IDF）评估词语重要性。TF衡量词语在单文档中的出现频率，IDF反映词语在整个文档集中的稀有程度。两者相乘得到TF-IDF值，数值越高表示词语区分能力越强。该方法广泛应用于关键词提取、文本分类等场景，但存在忽略词序、语义等局限性，需配合预处理步骤使用。
2025-12-31 23:03:57
1001
原创 基于 PyTroch 的卷积神经网络在图像分类中应用与实践
本文介绍了卷积神经网络（CNN）在图像分类中的应用与实践。详细阐述了CNN基础架构，包括三个卷积块的设计、参数配置及特征提取机制。通过数据预处理流程和多种增强策略（随机旋转、翻转、色彩调整等）提升模型鲁棒性。采用Adam优化器和交叉熵损失函数进行模型训练与优化，实现自动学习层次化特征。实验结果表明，该CNN模型能够高效完成图像分类任务，并通过模型保存机制保留最佳性能状态。
2025-12-30 20:30:58
1040
原创 了解卷积神经网络
本文系统介绍了卷积神经网络（CNN）的基本结构、工作原理及经典模型。CNN由卷积层、池化层和全连接层组成，通过卷积核提取局部特征，池化层降采样增强鲁棒性。其工作原理包括图像表示、特征提取与感受野概念。经典模型如LeNet、AlexNet、VGGNet、GoogLeNet、ResNet和DenseNet在结构创新上各具特色，推动了CNN在图像识别等领域的成功应用。
2025-12-29 19:47:04
986
原创 基于 Python 使用 SVM、K-means与DBSCAN
本文介绍了三种机器学习算法的实现与应用：支持向量机（SVM）、K-means聚类和DBSCAN密度聚类。SVM部分详细讲解了线性核函数的使用、参数调优（如正则化参数C的选择）以及标准化处理和交叉验证方法。K-means部分重点阐述了通过轮廓系数确定最佳聚类数的方法，并展示了可视化过程。DBSCAN部分则强调了数据标准化的重要性，解析了邻域半径(eps)和最小样本数(min_samples)参数的影响。三种算法均提供了完整的代码实现流程和评估方法，包括分类报告、轮廓系数计算和噪声点分析，为不同机器学习任务提供
2025-12-28 19:01:07
946
1
原创 SVM、K-means与DBSCAN 算法简介
本文介绍了三种机器学习算法：支持向量机（SVM）、K-means聚类和DBSCAN聚类。SVM是一种监督学习算法，通过寻找最优超平面实现分类，涉及惩罚参数C和核函数选择。K-means是无监督聚类算法，通过迭代优化簇中心来最小化平方误差和，关键参数为簇数K。DBSCAN是基于密度的聚类算法，根据邻域半径eps和最小样本数min_samples自动划分任意形状的簇并识别噪声点。三种算法分别适用于分类、常规聚类和密度聚类任务。
2025-12-27 21:35:30
926
原创 OpenCV 入门：图像与视频的基础操作
本文介绍了OpenCV的基础操作，包括环境准备、图像处理和视频处理。首先通过pip安装OpenCV并检查版本，然后详细讲解图像读取、显示和属性获取方法。图像处理部分涵盖裁剪、通道分离与合并等操作，并演示颜色过滤效果。视频处理部分说明如何从文件或摄像头捕获视频流，进行帧读取和灰度转换，最后强调资源释放的重要性。通过代码示例和参数解析，帮助读者快速掌握OpenCV的基础功能。
2025-12-26 20:23:23
1561
原创 PyTorch：基于MNIST的手写数字识别
本文介绍了使用PyTorch框架构建深度学习模型处理MNIST手写数字识别的完整流程。首先配置开发环境并加载MNIST数据集，通过DataLoader实现批量处理。设计了一个包含多个全连接层的神经网络模型，使用Sigmoid激活函数。详细说明了训练和评估过程，包括损失函数(CrossEntropyLoss)和优化器(SGD)的选择。实验结果表明，该模型在MNIST数据集上取得了较好的分类效果。整个过程展示了PyTorch框架在深度学习任务中的典型应用方法。
2025-12-25 20:42:26
951
原创 搭建PyTorch深度学习GPU开发环境（含CUDA、PyTorch、Vision及Audio库）
本文详细介绍了在Windows系统上搭建支持GPU加速的PyTorch深度学习环境的完整流程。主要内容包括：理解CUDA、PyTorch、torchvision和torchaudio等核心组件的作用；通过nvidia-smi确认显卡驱动版本并安装匹配的CUDA工具包；使用pip安装与CUDA版本兼容的PyTorch及相关库；最后通过Python代码验证安装是否成功，特别是检查CUDA是否可用。文章还提供了常见问题的解决方案，如命令不识别、CUDA不可用等问题。该指南为深度学习开发者提供了清晰的环境配置参考。
2025-12-24 21:00:00
1553
原创 深度学习入门
本文介绍了深度学习的基础概念与关键技术。首先阐述了深度学习作为机器学习分支的核心地位及其应用价值。随后详细讲解了神经网络的基本构成，包括神经元、权重计算和激活函数的作用。接着从感知器过渡到多层感知器，分析了隐藏层的意义和结构设计要点。重点说明了神经网络的训练方法，涵盖损失函数、梯度下降算法和反向传播机制。最后讨论了防止过拟合的正则化技术及学习率优化策略。全文系统性地梳理了深度学习的基础理论和实现方法。
2025-12-23 20:17:34
947
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