- 博客(25)
- 收藏
- 关注
RSS订阅原创 问题本记录（1）：mac有网络但打不开网页
此学习类别，仅作为小许的问题本，方便后续再次遇到相关问题进行查看。选择这个新建的位置，Wi-Fi显示已连接就 万事大吉啦啦啦。
2024-08-09 17:27:14
182
原创 学习记录（12）：优先级队列算法
优先级队列支持多种操作，包括添加元素（enqueue）、删除最大（或最小）元素（dequeue）、查看队列头部元素（front）、检查队列是否为空（isEmpty）、获取队列长度（size）以及以字符串形式展示队列内容（toString）等。：优先级队列是一种特殊的队列数据结构，它按照元素的优先级顺序进行处理，最高优先级的元素最先被处理。在优先级队列中，元素的出队顺序不是按照它们进入队列的顺序（如普通队列中的FIFO原则），优先级队列算法是一种特殊类型的队列，其中的元素根据其优先级进行排序。
2024-08-08 22:30:28
199
原创 学习记录（11）：训练图片分类的算法
目前，图像分类领域的最先进算法主要集中在深度学习模型，特别是卷积神经网络（CNN）和变换器（Transformer）架构上。选择合适的模型需要根据具体的应用场景、数据规模、计算资源等因素来决定。对于大规模数据集和高性能需求，可以考虑使用Vision Transformer（ViT）或Swin Transformer等变换器架构；对于资源受限的环境，可以考虑使用MobileNet或EfficientNet等轻量级模型。
2024-08-05 22:15:32
628
原创 学习记录（10）：减少LLM的幻觉
这三种方法的结合，显著提升了LLM在处理不熟悉查询时的准确性和可靠性，减少了幻觉现象，增强了模型的整体性能和用户信任度。随着人工智能技术的不断进步，这些策略有望进一步发展和完善，为提高语言模型的可靠性提供关键支持。
2024-08-04 21:24:05
723
原创 学习记录（9）：Prompt提示词技巧
今天学习的是这篇文章↓原文：转自公主号“博金斯的AI笔记”—《4篇Prompt论文的提示词技巧, 3 个 GPTs 实例测试》
2024-08-02 19:46:20
564
原创 学习记录（8）：RAG and PAL and ReAct
咱就是说 习惯了做笔记不做笔记 这知识真的是一点记不住啊（实则是脑子笨0.o那咱就狠狠的来记住这个知识点0.o参考学习：B站GenJi是真想教会你-《【包教包会】一条视频速通AI大模型原理》
2024-08-01 13:17:13
949
原创 学习记录（7）：具身智能综述总结
今天学习的是这篇文章↓原文：转自公主号“具身智能之心”—《具身智能有哪些细分研究方向？综述总结！这篇综述是“Aligning Cyber Space with Physical World：A Comprehensive Survey on Embodied AI”本综述涵盖了代表性的。
2024-07-31 17:37:50
777
原创 学习记录（6）：10个最受欢迎的开源Agent项目
SuperAGI可自定义模型、知识库和工具superAGI要比上面提到的哪个都成熟，目前已经有了根据superAGI开发的商用产品了，可惜就是国外的，对国产模型和应用支持不好。国产想要可自定义模型、知识库和工具，可以去看fastGPT，虽然主要是针对知识库调用的，也是有自定义模型、工具甚至sop自定义的，我个人部署过，效果要比autoGen、agents好多了，提供、生成和部署自主 AI agent使用工具调用无缝运行并发代理图形用户界面操作控制台多向量数据库多模式代理。
2024-07-29 11:51:49
685
原创 学习记录（5）：态势感知中的“态”、“势”、“感”、“知”
今天学习的是这篇文章↓原文：转自公主号“人机与认知实验室”—《态势感知中的“态”、“势”、“感”、“知”》
2024-07-27 14:24:13
573
原创 学习记录（4）：具身人工智能和相关问题讨论
具身人工智能（Embodied AI）是实现通用人工智能（AGI）的关键，旨在连接虚拟与现实世界。《知识点补充：具身人工智能 AND 通用人工智能》具身人工智能（Embodied Artificial Intelligence）指的是一种人工智能系统，它不仅依赖于计算机程序和算法，还与其所处的物理环境进行交互。具身人工智能的关键在于“具身性”，即人工智能系统具备实体，能够通过传感器和执行器与现实世界进行互动。
2024-07-26 21:37:33
632
原创 学习记录（2）：大模型二次开发基本思路
(Continue PreTraining)增量预训练在大模型整个流程中，增量预训练是属于后期预训练（Post-pretraining）的范畴。Post-pretraining（后期预训练）是一种在模型的初始预训练和最终微调之间进行的训练方法。这种方法通常用于进一步适应模型以处理特定类型的数据或任务。以下是详细介绍，参考了之前对SFT和RLHF的描述方式：1、后期预训练（Post-pretraining）Post-pretraining是在通用预训练模型的基础上。
2024-07-24 12:10:51
983
原创 讲座记录（1）
随着科技的不断进步，建筑行业正迎来前所未有的数字化变革。本演讲将阐述BIM（建筑信息模型）和生成式AI（人工智能）在这一进程中扮演的重要角色。BIM技术通过创建和管理建筑物的数字化表示，极大地提升了项目的可视化、协同和管理能力。生成式AI作为一种先进的技术，通过利用算法和机器学习，能够自动生成设计方案、优化施工计划并实时解决工程中的复杂问题。BIM和生成式AI的结合，将为工程管理带来全新的变革。通过BIM平台提供的精确数据和生成式AI的智能分析，工程项目将实现更高水平的自动化和智能化。
2024-06-13 16:14:49
735
原创 混合现实技术文档：Azure数字孪生（2）
这样，你可以在后续教程中重用已配置的 Azure 数字孪生实例和相关的 Azure 资源，避免重复配置的工作。这是一个彻底的清理步骤，将移除资源组及其内所有的资源，包括 Azure 数字孪生实例。在本教程中，我们将详细探讨如何在 Azure 数字孪生中创建和管理数字孪生实例及其关系，并利用查询功能来获取环境信息。以下步骤将带你完成创建数字孪生实例，建立关系，以及查询数字孪生的过程。在开发过程中，与 Azure 数字孪生服务的交互包括上传模型、捕获错误，以及在此基础上创建数字孪生实例。
2024-06-12 16:22:50
1555
原创 混合现实技术文档：Azure数字孪生（1）
利用 Azure 数字孪生的强大功能，您可以根据特定需求构建定制的连接解决方案，这些解决方案具备以下特点：任意环境：无论是复杂的工业设施、智能建筑、农业生产基地，还是广阔的城市景观，Azure 数字孪生都能够进行精准建模。可缩放且安全：平台提供高效的可扩展性和顶级的安全措施，确保无论环境规模多大，数据都能被可靠地捕获和处理。IoT 设备集成：通过 Azure 数字孪生，您可以将各种 IoT 设备无缝集成到数字模型中，实现设备间的互联互通。
2024-06-05 19:34:50
803
原创 混合现实技术文档：Azure空间定位点
通过利用 Azure 空间定位点，开发人员能够在混合现实平台上实现空间感知，精确指定兴趣点，并从支持的设备中重新调用这些兴趣点。通过这一功能，开发者能够在虚拟环境中定义和管理关键的空间位置，不仅提升了应用程序的互动性和用户体验，还增强了现实与虚拟世界的结合能力。开发人员可以将多个空间定位点连接在一起，创建一个关系网络。总结来说，Azure 空间定位点不仅为开发人员提供了强大的工具和技术支持，使其能够创建高效且互动的混合现实应用，还通过其跨平台的兼容性和精确的空间感知功能，显著提升了用户体验和应用价值。
2024-06-04 19:27:19
845
原创 工业级AR设备（主要为国产）
文章目录一、设备比选（相关参数）二、AR/VR设备划分及优缺点一、设备比选（相关参数）二、AR/VR设备划分及优缺点
2024-05-30 13:48:09
164
原创 HoloLens 2 开发指南（1）
HoloLens 是一款先进的混合现实设备，它利用周围环境的光线和声音来创建沉浸式的全息场景和物体。这些全息图像不仅看起来像真实物体，还能够与真实世界进行互动。通过精准地响应用户的凝视、手势和语音指令，HoloLens 提供了一种全新的交互方式。用户可以在自己的周围环境中，如办公室、家庭或户外场所，自由地设计和定位这些数字化的物体。借助这种技术，HoloLens 能够识别环境中的物理表面和空间布局，使全息图像能够与周围环境的墙壁、桌面甚至人物进行逼真的交互。
2024-05-28 22:21:56
1068
原创 混合现实技术文档：关键技术 (6)
用户可以针对传入的设备数据运行自定义函数，利用平台的高级计算功能来提升设备任务的自定义性和自动化水平。这种灵活的数据处理能力使得用户能够根据实时数据做出快速决策，自动调整系统运行参数，从而提升整体操作效率和响应速度。例如，在智能工厂场景中，根据生产线上的实时数据自动调整机器的工作状态，以达到最优生产效率。总的来说，Azure 数字孪生通过这些先进的功能，为企业提供了一个强大的工具，以科技手段提升物理空间的智能化管理和操作效率，支持企业在数字化转型的道路上迈出坚实的步伐。数字孪生图 3。
2024-05-27 14:33:52
958
原创 混合现实技术文档：关键技术 (5)
Azure 机器学习 Studio（经典）是 Microsoft 提供的一项服务，它装备了丰富的机器学习算法库，支持开发者在数据的输入、输出、准备和可视化等方面的需求。Azure 通知中心是 Microsoft 提供的一项服务，它使开发者能够发送个性化的推送通知到各种平台的用户，并完全基于云端操作。经过训练的模型可以用来识别类似的对象，无论是通过 Microsoft HoloLens 的摄像头捕获的，还是通过连接到电脑的沉浸式（VR）头盔获取的。这样的处理不仅优化了视觉效果，也极大地提升了用户的互动体验。
2024-05-26 17:24:37
793
原创 混合现实技术文档：关键技术 (4)
与增强的环境应用不同，混合环境应用程序可能只关心环境，以最好地利用其构成来鼓励特定用户的行为（例如，鼓励移动或探索），或者通过将元素替换为其他元素来进行改变。与混合环境应用不同，一旦Windows Mixed Reality标识用户的空间，沉浸式环境应用可能会完全忽略用户的当前环境，并将其替换为自己的整个股票。每个空间图面描述了小空间中的实际表面，表示为附加到世界锁定的空间坐标系统的三角形网格。利用空间映射，可以将对象放置在真实的表面上，这有助于在用户的世界中定位对象，并利用真实的深度提示。
2024-05-23 19:17:43
1890
4
原创 混合现实技术文档：关键技术 (3)
如果你有一个高度动态的全息图（例如，人物围绕用户附近的墙壁或浮动 UI），最好跳过本地空间锚，并直接在由以下各项提供的固定的引用框架中放置全息影像。在可视化方面，尽管空间映射可视化可用于环境的实时反馈，但在很多情况下，平面和watertight对象的简单性提供了更高的性能或视觉质量。此外，空间映射返回的图面总数受内部空间缓存的限制，而场景理解的空间映射网格版本可以访问未缓存的空间映射数据。这些定位点后面的传感器数据将永久保留，以允许你的应用程序在将来的会话中查找该定位点，这将减少用于跟踪其他锚点的空间。
2024-05-22 16:03:28
635
原创 混合现实技术文档：关键技术 (2)
应用程序可以在体验开始时对空间映射数据进行分析，以决定是否需要用户采取额外步骤来提高数据的完整性和质量。哪些区域需要成为体验的一部分。用户应从何处开始改善数据质量。如何进行“良好”扫描，包括评估平整度、与实际墙壁的距离等，需要向用户显示或告知具体的评估标准。此外，开发者应实现一个反馈循环，允许在扫描或浏览阶段更新空间映射数据。在很多情况下，最好具体指导用户需要执行的操作，如查看家具或天花板，以获取必要的扫描质量。这种方法不仅优化了数据收集过程，还提高了用户体验的质量和可靠性。
2024-05-20 19:34:48
682
原创 混合现实技术文档：关键技术 (1)
此预测算法采取近似值。相反，如果观看无穷远的对象（在正常视场中大约 6 米或更远），双眼的视线将变得平行，而眼睛的晶状体会调节到无穷远。当对全息影像的位置和方向或任何其他几何（如看光或手的位置） hand positions 的推理时，Windows 将提供各种真实的坐标系统，在这些系统中可以表示几何（称为空间坐标系统）。通过将定位点保存到应用商店，你的用户可以放置单独的全息影像，或放置一个工作区，应用将在该工作区中放置其各种全息影像，然后在其预期的位置找到这些全息影像，这超出了应用的多种用途。
2024-05-09 14:32:51
835
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