- 博客(8)
- 收藏
- 关注
RSS订阅原创 零基础入门OpenCV：让Python帮你搞定图像处理，看完就能跑通第一个示例
如果你是显示视频，一般填1，就是等1毫秒，继续往下走。后来2000年发布了第一个正式版本，之后不断更新，支持了Python、Java、C++各种编程语言，现在最新的版本已经到4.x了，不仅支持传统的图像处理，还能和深度学习结合，调用训练好的深度学习模型做目标检测、图像分割，功能越来越强大。我们今天从介绍OpenCV，到环境搭建，再到跑通第一个完整的图片读写示例，已经把入门的第一步迈出去了，接下来就是多练手，找一个自己感兴趣的小需求，比如批量处理自己的照片，做个简单的人脸打卡，一步步来，很快就能上手。
2026-04-03 23:59:41
187
原创 零基础看懂计算机视觉：让机器像人一样“看见”世界，原来原理这么简单
举个生活化的类比：你可以把卷积核想象成我们戴的不同滤镜，不同滤镜能突出不同的内容：一个滤镜突出边缘，一个滤镜突出颜色，一个滤镜突出形状，一层一层滤镜用下来，简单的特征慢慢组合成复杂的特征——第一层找到边缘、线条，第二层把线条组合成耳朵、眼睛这些部件，第三层把部件组合成猫的形状，最后网络就能认出来“哦，这是一只猫”，整个过程全自动，不用人插手。计算机视觉的终极目标，就是让计算机能像人眼+人脑一样，看懂视觉世界：不仅能认出来是什么东西，还能知道东西在哪，长什么样，甚至能搞清楚场景里各个物体之间的关系。
2026-04-03 23:58:41
141
原创 零基础读懂神经网络：从原理到入门
一遍不行就来第二遍，给网络看成千上万张带标签的图片，一遍又一遍调整权重，慢慢的，损失就会越来越小，网络的预测准确率就越来越高了。2. 权重：你可能觉得天气最重要，朋友其次，门票影响不大，那我们就给天气分配0.6的权重，朋友分配0.3的权重，门票分配0.1的权重。神经网络也是一样，喂给它足够多的数据，它自己就能学会规律。这个过程叫做“梯度下降”，你可以把损失想象成一座山，我们站在山上，每次朝着下山方向走一小步，走的次数多了，总能走到山底——也就是损失最小的地方，这时候我们就得到了训练好的神经网络。
2026-04-02 23:32:49
228
原创 零基础读懂线性回归：从入门到应用，AI算法其实没那么难
梯度下降法不像最小二乘法直接出答案，它是一个迭代“试错”的过程，原理非常像下山：我们把损失函数想象成一座山，我们随机找一个起点（随机给w和b一个初始值），然后每次都朝着“下山最快的方向”走一小步，走一步再找方向，再走一步，重复这个过程，走得多了，总能走到山底，也就是损失最小的地方。对于零基础入门机器学习的同学来说，线性回归绝对是最好的起点：它能帮你建立“机器学习解决问题”的基本思维，理解什么是模型、什么是损失、什么是优化，把这些基础概念打扎实了，再去学逻辑回归、决策树、神经网络这些复杂算法，就会顺畅很多。
2026-04-02 23:31:59
229
原创 AI时代，哪些工作真的不会被替代？从技术边界帮你理清楚底层逻辑
再比如好的厨师：AI能帮你配菜谱，能告诉你放多少盐，但是真正好的厨师，炒菜的时候要根据火的大小、食材的新鲜程度、口感随时调整，颠锅的力度、翻炒的时机，这些都是练了十几年的手感，而且每个餐厅的灶火力不一样，每个批次的食材不一样，只有厨师能临场调整，机器人现在做不到这么灵活。再比如现在研发全新的癌症治疗方法，之前没有现成的路径，需要科学家不断提出假设，不断做实验验证，不断推翻重来，AI能帮你计算分子结构，能帮你筛选候选药物，但是提出全新的治疗思路，设计全新的实验路径，这些还是要靠人类科学家，AI做不了主导。
2026-03-31 23:40:50
298
原创 分清弱人工智能、强人工智能、超人工智能：别再混淆AI的三个阶段了
目前我们能看到最接近强人工智能的一些探索，就是GPT-4这类多模态大模型：它能看图片、能写代码、能做数学题、能聊天，一个模型能做很多完全不同的任务，看起来已经有点“通用”的样子，但本质还是统计拟合，没有真正的理解和自主意识，离真正的强人工智能还有很远的路要走。简单说就是，强人工智能的智能水平和人类没有本质区别，人类能做的脑力活动，它都能做，你让它写代码它能写，你让它做数学题它能做，你让它规划旅行它能规划，遇到全新的没见过的问题，它也能像人一样举一反三，自己学习解决，不需要针对特定任务重新训练。
2026-03-31 23:40:08
354
原创 一篇看懂AI发展70年：从天才猜想，到生成式AI爆发，零基础也能读明白
从GPT-1到GPT-2，再到GPT-3，模型越来越大，能力也越来越强，大家慢慢发现，当模型大到一定程度，数据多到一定程度，它居然会出现“涌现能力”——就是很多复杂的能力，比如逻辑推理、写代码、写文章，小模型根本不会，大模型突然就自己会了。那什么时候AI才找对了路呢？现在回头看，这群大佬确实吹了个大牛，但这次会议真的是AI的起点，当时参会的几个人，后来全成了AI领域的开山鼻祖：明斯基后来创立了MIT的AI实验室，西蒙和纽厄尔搞出了第一个AI推理程序，香农就是信息论的创始人，早就提出来计算机能下棋。
2026-03-30 00:12:14
303
原创 零基础看懂AI三大学派：原来AI的发展，是三种思路的碰撞与融合
需要大量的数据和算力，训练成本特别高；行为主义的思想其实最早来自心理学的行为主义学派：心理学里行为主义认为，人的智能不是天生的，也不是脑子里想出来的，而是来自“刺激-反应”，就是你不断和环境互动，做错了受到惩罚，做对了得到奖励，慢慢就学会了怎么在环境里做出正确的行为。现在我们说的深度学习，就是连接主义的典型技术：我们搭好很多层的人工神经网络，一层一层的神经元互相连接，输入大量的数据，然后用反向传播算法调整神经元之间的连接权重，让网络的预测误差越来越小，训练完之后，网络就学会了我们要的能力。
2026-03-30 00:10:49
393
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