- 博客(55)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 【Random Matrices】第一章-随机矩阵入门
本文介绍了随机矩阵理论中的三大经典系综（GOE、GUE、GSE），通过具体示例展示了非对称随机矩阵和对称化矩阵的特征值分布特点。首先展示了一个6×6高斯随机矩阵的复数特征值分布，验证了Girko圆律现象；随后通过对称化矩阵得到实数特征值，引出GOE系综。文章详细对比了三大系综的核心区别，包括矩阵类型、元素要求、变换不变性和特征值分布范围，并通过Python代码进行验证。特别解析了GUE系综的厄米特矩阵特性，说明其特征值必为实数的数学原理。
2025-12-24 16:48:19
181
原创 【软考高项】第六章-第一节 PMBOK的发展
【软考达人刷题】本文整理了软考高级项目管理师考试中关于PMBOK的核心考点、易错点及备考策略，特别针对第4版教材的新增内容进行详细解析，帮助考生高效备考。
2025-12-04 23:18:28
339
原创 【LLM】开源项目 minimind 从0开始自己训练
MiniMind是一个轻量级Transformer模型项目，提供稠密模型和MoE混合专家模型两种架构。该开源项目提供完整的训练流程，支持单卡/多卡DDP分布式训练，使用SwanLab可视化工具。快速开始需克隆仓库、安装Python 3.10+环境、下载约2.8GB数据集。
2025-11-27 15:22:03
368
原创 【AI Agent】入门、学习、求职
本文系统梳理了AI Agent开发的核心技术体系，涵盖框架应用（LangChain/LlamaIndex等）、架构设计（多Agent协作/状态管理）、性能优化（KV缓存/RAG检索）、模型集成（GPT/LLaMA微调）及部署方案（Docker/vLLM）。重点提出外存扩展、错误学习、动态约束等创新方法，并强调Prompt工程、工作流设计、多模态处理等实战能力。对开发者的要求包括：框架熟练度（至少掌握1种主流工具）、系统思维（高并发/兼容性设计）、学术功底（顶会论文/竞赛成绩）及工程能力（全链路实现）。
2025-10-23 17:28:22
1158
原创 【扩散模型】Flow Matching 零基础自学
Flow Matching是一种通过常微分方程(ODE)实现生成建模的方法。它学习一个随时间变化的向量场，将简单分布(如高斯噪声)逐步转化为复杂数据分布(如图片或文本嵌入)。该方法通过训练向量场V_t来拟合目标流U_t，将期望转化为积分形式，并利用条件概率将当前状态x_t指向初始状态x_0的方向。核心思想是构建一个从噪声到数据的连续变换过程，通过解ODE实现样本生成。
2025-10-04 00:22:24
208
原创 【论文写作】如何用Latex正确写参考文献
BibTeX是一种与LaTeX配合使用的文献管理格式，用于生成文献目录。使用时需创建与.tex文件同目录的.bib文件，通过Google学术可直接复制BibTeX条目。在LaTeX文档中，用\cite{}引用文献，\bibliographystyle{}设置格式，\bibliography{}指定.bib文件路径。编译后参考文献列表将出现在指定位置。整个过程包括：创建.bib文件、添加引用条目、设置格式和路径，最后通过\cite命令引用文献。
2025-09-22 20:33:28
355
原创 【读研必备】连接实验室服务器与模型训练
本文介绍了服务器连接、环境配置和模型训练的实用指南。主要内容包括：1) 通过SSH配置文件连接服务器，使用VSCode或命令行测试连接；2) 安装Conda并配置清华镜像源，创建Python虚拟环境并安装PyTorch；3) 使用tmux管理训练会话，实现后台运行和断线重连；4) 查看进程信息的命令技巧，包括Python进程监控和GPU使用情况检查。文章提供了从服务器连接到深度学习训练的全套操作流程，适合需要远程使用GPU服务器的研究人员。
2025-09-22 19:20:52
212
原创 【Python 算法】动态规划
本博客笔记内容来源于灵神，视频链接如下：https://www.bilibili.com/video/BV16Y411v7Y6?
2025-03-31 20:40:32
380
原创 【考研】计算机网络
本文主要介绍了计算机网络体系结构中的物理层和数据链路层核心概念。物理层负责比特流传输，涉及传输介质（双绞线、光纤等）、信号编码（曼彻斯特编码等）和复用技术（FDM/TDM/CDM）。数据链路层分为点对点协议、局域网协议和无线协议，重点阐述了交换机三种转发方式和冲突域概念（16端口交换机有16个冲突域）。网络层部分介绍了IP地址分类、子网划分（CIDR表示法）及广播地址计算（主机号全1）。全文通过图文结合方式系统讲解了计算机网络的基础知识体系。
2025-03-30 17:33:30
1267
原创 创建Node（express）项目的一般步骤
执行：Set-ExecutionPolicy -Scope CurrentUser -ExecutionPolicy RemoteSigned。npm : 无法将“npm”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。创建Node（express）项目的步骤。
2025-03-10 20:30:33
415
原创 【Web开发】一步一步详细分析使用Bolt.new生成的简单的VUE项目
这是一个bolt.new生成的Vue小项目，让我们来一步一步了解其架构，学习Vue开发，并。框架:Vue 3: 用于构建用户界面。TypeScript: 提供类型安全和更好的开发体验。Vite: 用于快速构建和开发主界面如下：首先分析接下来，我们分析接下来，我们分析登录界面其中，在 src/views/Login.vue 文件中，的作用是将用户重定向到应用的主页（根路径）。接下来，我们分析路由逻辑当用户访问 / 路径时，Layout.vue 组件会被渲染。使用。
2025-01-23 23:20:46
1051
原创 【Web开发】使用cursor开发
3.中间的 join waitlist板块只需要全部做成居中，并且有边框和背景（毛玻璃透明效果);4.下方的social link list，放置nuxt/icon中对应的合适icon即可。1.最上面的waitlist label无需交互，只需要有边框和背景（毛玻璃透明效果)，waitlist文案前添加一个小icon;的标题需要粗体字、给一个半透明效果（70%);简单美化后：（cursor提示：请简化一下页面）完成表格制作后，点击收集回复，复制链接到代码中。接下来，继续进行开发！
2025-01-11 18:51:19
1212
原创 【并行程序设计基础】基础知识与期末复习
互斥量（Mutex）是互斥锁（Mutual Exclusion）的简称，用来保护共享资源，在同一时间只能有一个线程访问该资源。Mutex是最基本的一种同步机制。pthread_mutex_lock: 用于对互斥锁上锁，阻止其他线程访问临界区。pthread_mutex_unlock: 用于对互斥锁解锁，允许其他线程访问临界区。pthread_mutex_init: 初始化互斥量。pthread_mutex_destroy: 销毁互斥量。
2025-01-04 10:50:29
904
原创 【深度学习】零基础介绍循环神经网络(RNN)
循环神经网络（RNN, Recurrent Neural Network）是一种特殊的神经网络，用于处理和分析序列数据（比如时间序列、文本、语音等）。它的特别之处在于，它能够“记住”之前的信息并用来处理当前的数据，这使得它比普通的前馈神经网络（比如卷积神经网络 CNN）更适合处理时间序列数据。很多实际问题中，当前的输入往往和之前的数据有关系，比如：语音识别：一个单词的发音会受到前后音节的影响。语言翻译：一个句子的理解不仅要看当前的词，还要结合前面的词。
2024-12-18 17:51:43
2134
原创 【深度学习】 零基础介绍卷积神经网络(CNN)
卷积神经网络（CNN，Convolutional Neural Network）是深度学习中的一种神经网络，特别擅长处理图像和视频等有空间结构的数据。假设我们在做一个“照片分类”的任务，比如判断一张照片中是猫还是狗。下面用一个通俗的例子来解释CNN的工作原理。看图的方式：模拟人眼当我们看一张图片时，并不是从头到尾一口气看完的，而是我们的眼睛会专注于某个小区域，然后逐渐移到其他地方。CNN就是模仿这种“局部视野”的方式来处理图像。它通过滑动一个小窗口（称为“卷积核”）来查看图片的不同部分。卷积层（Convo
2024-12-15 21:48:30
1882
原创 【操作系统】期末复习
本文摘要： 并发与并行：并发是时间间隔内多事件发生，并行是同一时刻多事件发生。 操作系统设计：实时系统优先考虑实时性和可靠性；批处理系统存在CPU利用率低、无交互的缺点。 进程管理：进程是程序执行的动态实体，含代码段、数据段和进程控制块；基本状态包括就绪、执行、阻塞（非挂起）。状态转换错误示例：执行态因时间片用完应转就绪态而非阻塞态。 同步机制：信号量初值不可为0（B错误）；管程是静态同步机制（E错误）；P/V操作中，信号量为负时阻塞进程。 死锁：必要条件含互斥、不可抢占等；预防措施不包括破坏互斥条件（A错
2024-06-23 18:18:28
1077
原创 【算法题解】关于DFS的经典题目与分析
如果输入矩阵中藏有“DSWYBS”，则输出三行，第一行和第二行分别是首字母D的下标和末字母S的下标，先行下标后列下标，以一个空格间隔。n−皇后问题是指将 n 个皇后放在 n×n 的国际象棋棋盘上，使得皇后不能相互攻击到，即任意两个皇后都不能处于同一行、同一列或同一斜线上。对于给定的矩阵，请判断其中是否藏有“DSWYBS”，如果有，给出首末两个字母的下标并计算密码；如果没有，打印一行“DSWYBS”。第一行给出两个整数M、N（均不大于15、不小于4），接下来M行，每行有N个字母或数字，以换行结束。
2024-06-14 20:50:48
1153
原创 【Django】开发个人博客系统
使用Django开发个人博客系统，博客系统包括用户（博主）注册和登录、博主资料信息、图片墙功能、留言板功能、文章列表、文章正文内容和Admin后台系统。
2024-05-27 15:23:27
1276
原创 【Django】从零开始学Django【2】
标签是对模板上下文进行控制输出，它是以{% tag%}表示的，其中tag是标签的名称，Django内置了许多模板标签，比如{% if %}（判断标签）{% for %}（循环标签）或{% url %}（路由标签）# for标签，支持嵌套，myList可为列表、元组或某个对象# item可自定义命名，代表当前循环的数据对象# {% endfor %}是循环区域终止符，代表这区域的代码由标签for输出{{ item }}# if标签，支持嵌套# 判断条件符与上下文之间使用空格隔开，否则程序会抛出异常。
2024-05-27 13:36:39
1163
原创 【人工智能】模型性能评估
混淆矩阵(Confusion Matrix）TP(真阳性)：预测为阳性，且预测正确。TN(真阴性)：预测为阴性，且预测正确。FP(伪阳性)：预测为阳性，但预测错误，又称型一误差(Type I Error)，或α误差。FN(伪阴性)：预测为阴性，但预测错误，又称型二误差(Type II Error)，或β误差有了TP/TN/FP/FN之后，我们就可以定义各种效能衡量指标，常见的有四种：准确率 精确率 召回率 F1。
2024-05-24 20:14:31
559
原创 【Django】从零开始学Django【1】
index的urls.pyre_path('(?路由的正则表达式是由路由函数re_path定义的，其作用是对路由变量进行截取与判断，正则表达式是以小括号为单位的，每个小括号的前后可以使用斜杠或者其他字符将其分隔与结束。以上述代码为例，分别将变量year、month和day以斜杠隔开，每个变量以一个小括号为单位，在小括号内，可分为3部分，以(?P[0-9]{4})为例：●?P是固定格式，字母P必须为大写● year为变量名。
2024-05-24 19:22:35
492
原创 【深度学习】ONNX介绍
ONNX 是一种用于表示深度学习模型的开放格式，使得不同深度学习框架（如 PyTorch、TensorFlow、Caffe2 等）之间的模型能够相互交换。
2024-05-24 17:20:07
710
原创 【深度学习】多层感知器MLP模型对 MNIST 数据集中的手写数字进行分类
变量，用于累计所有批次的损失之和，这里的train_loss是所有批次的损失之和，所以计算全部样本的平均损失时需要除以总批次数，correct是预测正确的样本总数，计算整个epoch总体正确率，需要除以样本总数量。，本质上就是对全部输入加权求和，它要求输入数据集的形状为一维的，如果使用批量运算，则增加一个batch维，也就是需要输入数据是二维的形状，第一维是batch维，第二维是数据特征，即(batch_size,feature_length)形式。最后输出 “Done!，以及模型和优化器的初始化。
2024-05-23 21:22:49
932
原创 【人工智能】数据分析与机器学习——泰坦尼克号的数据处理
1912年4月15日，泰坦尼克号在首次航行期间撞上冰山后沉没，船上共有2224名乘客和乘务人员，最终有1502人遇难。沉船导致大量伤亡的重要原因之一是，没有足够的救生艇给乘客和船员。虽然从这样的悲剧性事故中幸存下来有一定的运气因素，但还是有一定规律可循的，一些人，比如妇女、儿童和上层人士，比其他人有更高的存活可能性。泰坦尼克号事件留下了“弥足珍贵”的数据记录。如前所述，乘客的幸存率存在一定的规律，因此这些数据记录集成了Kaggle上流行的入门机器学习的数据集。
2024-05-20 12:07:15
2151
2
原创 【人工智能】图像数据预处理
OpenCV的全称是：Open Source Computer Vision Library。OpenCV是一个基于（开源）发行的跨平台，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
2024-05-19 20:41:42
1951
原创 【人工智能】数据清洗和预处理
插值是一种离散函数逼近的重要方法，它可通过拟合函数在有限个点处的取值状况，估算出函数在其他点（缺失值）处的近似值。如果你没有设置inplace=True，那么原始的df将保持不变，默认为False，并且fillna()将返回一个新的、填充了缺失值的DataFrame。比如，对于数值型空缺，我们可以使用众数、均值、中位数填充。用每一列的均值来替换DataFrame df 中的所有缺失值，并且这个更改会直接在原始的DataFrame上进行。① 处理数据集中的缺失值，对于数据集中的缺失值，以其所在列的。
2024-05-19 18:29:52
593
原创 【python爬虫】爬取豆瓣前250电影信息并保存在csv和excel中(附源码)
【代码】【python爬虫】爬取豆瓣前250电影信息并保存在csv和excel中(附源码)
2024-03-19 22:26:27
738
原创 【前端】静态个人网站页面布局模板(附源码)
* 响应式布局 - 当屏幕的宽度小于 400 像素时，使导航链接堆叠而不是并排 *//* 响应式布局 - 当屏幕的宽度小于 800 像素时，使两列堆叠而不是并排 *//* 创建两个不相等的彼此并排的浮动列 *//* 设置 topnav 链接的样式 *//* 页眉/Blog 标题 *//* 改变鼠标悬停时的颜色 *//* 设置上导航栏的样式 *//* 为文章添加卡片效果 *//* 清除列之后的浮动 */
2024-03-12 20:30:10
3988
原创 【python词云】根据文本生成简单词云图片(以豆瓣电影250为例，附源码)
douban.png图片是代码运行后自动生成的，且每次运行后词云图为文件但是内容不同。先在内置终端中安装模块。
2024-03-07 20:36:03
642
1
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