yanghusu的博客

原创 实验6 体验图像生成大模型

原创 【无标题】

个数字，每个数字只能向下或向右下移动。我们需要找到从顶部（第1行）到底部（第R行）的一条路径，使得路径上的数字之和最大。因此，我们可以从底部开始向上递推，逐步更新每个位置的最大路径和，最终顶部的数字即为答案。时（递归终止条件），直接将圆盘从 A 移动到 C 即可。时（递归终止条件），直接将圆盘从 A 移动到 C 即可。该方法高效且易于理解，适用于行数较大的情况（如题目中。）的值即为从顶部到底部的最大路径和。，其最大路径和等于自身加上。数字金字塔的结构是：第。

原创 光的折射控制器网页（完整HTML代码）

/escapeShell></think_never_used_51bce0c785ca2f68081bfa7d91973934>### 光的折射控制器网页（HTML代码）文件后，直接在浏览器中打开即可运行演示。

原创 纯文本任务体验结果

本文对比测试了文心一言和ChatGPT在15项任务中的表现，包括11项纯文本任务（逻辑推理、历史知识、创作等）和4项多模态任务（平面设计、图像生成与识别）。结果显示：在纯文本任务中，两模型均表现优异，ChatGPT在复杂推理任务中略胜一筹；多模态方面，文心一言可直接生成图像，ChatGPT需借助外部工具。两模型均存在记忆能力有限的问题。实验表明，不同模型各有所长，可根据具体需求选择使用。

原创 Python | OpenCV | 图像处理 | 入门实验 | 对比度增强 | 裁剪

cv2.error: (-215:Assertion failed) 路径中文或图片没读到 换英文路径，确认 robot.jpg 存在。裁剪正中 200×200 roi = img[h//2-100:h//2+100, w//2-100:w//2+100]黑白复古风 加一行 gray = cv2.cvtColor(enhanced, cv2.COLOR_BGR2GRAY)print(f'✅ 已生成：{os.path.abspath(out)}')

原创 似然函数，最大函数与生成模型的关系

似然函数”是尺子，“最大似然”是目标，所有生成模型——无论叫 GAN、VAE、扩散还是流模型——表面花样不同，骨子里都在用不同“算法路线”逼近这同一目标，只是有人偷偷改尺子、有人换优化器、有人干脆把尺子藏起来。│ ┌----------------- 精确 MLE ----------------┐。②.最大似然是理想，算法只在乎“能不能算”——能算就硬算，算不动就玩下界，下界也不要就换散度。似然函数 —— 尺子 → 有的直接量，有的量“下界”，有的干脆不量但结果对齐。

原创 5 类主流深度生成模型（GAN、自回归、扩散、VAE、标准化流）各自“最拿手的生产/工业场景”各列 1–2 个真实可落地的例子，方便直接“对号入座”。

② 光学镜片疵病根因定位：RealNVP 把抛光参数→疵病分布双向映射，现场出现新疵病时，反向采样 10 000 组参数，90% 落在“抛光液 pH<8.5”区间，锁定根因。① 航空叶片 X 射线“伪缺陷”生成：DDPM 用 120 张真实裂纹片训练，生成 5 000 张高分辨率 DR 图，解决裂纹样本稀缺问题，NDT 检测漏检率降 45%。① 锂电池分容曲线异常：Glow 模型在 1 200 条正常曲线上训练，测试曲线负对数似然 > 阈值即判为“分容异常”，漏报率 0.6%，比 OC-SVM 低 2×。

原创 房价预测py

plt.scatter(data.loc[:,'人均收入'],data.loc[:,'价格'])plt.scatter(data.loc[:,'平均房龄'],data.loc[:,'价格'])plt.scatter(data.loc[:,'面积'],data.loc[:,'价格'])X = data.drop(['价格'],axis=1)print("数据集中的前10条记录:")y = data.loc[:,'价格']#建立多因子回归模型 并且训练。

原创 人工智能发展历史进程

人工智能发展历程