lucky_lyovo
码龄4年
求更新 关注
提问 私信
  • 博客：52,977
    52,977
    总访问量
  • 44
    原创
  • 250
    粉丝
  • 42
    关注
IP属地以运营商信息为准，境内显示到省（区、市），境外显示到国家（地区）
IP 属地：浙江省
加入CSDN时间： 2022-12-09
博客简介：

2201_75762674的博客

查看详细资料
个人成就
  • 获得781次点赞
  • 内容获得8次评论
  • 获得791次收藏
  • 博客总排名1,308,474名
创作历程
  • 44篇
    2025年
成就勋章

TA关注的专栏 1

TA关注的收藏夹 0

TA关注的社区 3

TA参与的活动 0

兴趣领域 设置
  • Python
    python
  • 人工智能
    opencv机器学习图像处理聚类分类
创作活动更多

【多重好礼】鸿蒙心迹 · 开发录原创征稿活动

鸿蒙开发者的实战经验，值得被记录。从踩坑排查到项目复盘，从工具脚本到学习笔记，每一段真实的开发经历，都是社区最宝贵的技术资产。「鸿蒙心迹 · 开发录」正式启航，不限主题、随时可写，只要是鸿蒙开发相关的真实经验都欢迎投稿。 本活动为 [HarmonyOS 7.0 创新内容共创季](https://builderx.csdn.net/activity-site/harmonyos/activity2026)双轨征文之一，与[「共创季 · 稿事节」](https://harmonyosdev.csdn.net/6a97f0de2b83d06f0ecadec5.html)深度征文互补——「稿事节」写深度技术长文，「开发录」写日常开发实战笔记。 「开发录」每月一期，12月截止，本季共三期，投稿即有机会获得京东卡、CSDN博客流量券、亿万Token、社区定制周边好礼！

268人参与 去参加
  • 最近
  • 文章
  • 专栏
  • 代码仓
  • 资源
  • 收藏
  • 关注/订阅/互动
更多

  • 最近

  • 文章

  • 专栏

  • 代码仓

  • 资源

  • 收藏

  • 关注/订阅/互动

  • 社区

  • 帖子

  • 问答

  • 课程

  • 视频

搜索 取消

Neo4j--登录及简单操作

（1） Neo4j的底层是JAVA，所以需要依赖JDK，安装任意版本的即可。（2） 安装Neo4j，可以自行在网上找资源（3）在cmd中安装Windows-service 服务，允许Neo4j服务在Windows系统后台启动指令： neo4j windows-service install（4）启动服务：neo4j start。
原创
博文更新于 2025.09.11 ·
1983 阅读 ·
27 点赞 ·
0 评论 ·
23 收藏

LangChain基础

检索器：负责从存储系统中获取相关文档的核心组件，为问答系统、聊天机器人等应用提供知识检索能力。
原创
博文更新于 2025.09.08 ·
1208 阅读 ·
27 点赞 ·
0 评论 ·
20 收藏

大模型微调---LoRA、QLoRA

LoRA微调是一种高效微调方式，它不直接更新模型的所有参数，而是引用低秩矩阵来对预训练模型进行适应，从而减少训练参数量和计算开销。
原创
博文更新于 2025.08.24 ·
1548 阅读 ·
14 点赞 ·
0 评论 ·
10 收藏

大模型部署

可以选择多种平台，如deepseek、openAI、qwen等等，这里以deepseek示例。
原创
博文更新于 2025.08.21 ·
1392 阅读 ·
13 点赞 ·
1 评论 ·
12 收藏

自然语言处理NLP---预训练模型与 BERT

预训练模型（Pretrained Model）：在大规模数据上提前训练好模型，让模型先学习这些大数据的通用信息，掌握一般的特征或知识。然后再迁移到具体的任务中，无需重新从0开始训练。注意：这些数据集是没有标签的，进行的是无监督学习。预训练模型总结来的两个重要思想就是预训练和微调。预训练模型的杰出代表：ChatGPT、BERT。
原创
博文更新于 2025.08.17 ·
928 阅读 ·
11 点赞 ·
0 评论 ·
19 收藏

transformer基础

transformer也是基于编码器和解码器构造而成的，transformer完全摒弃了递归结构，这意味着不存在梯度消失或梯度爆炸的问题，同时也使得模型能够更容易学习长距离的依赖关系。它的结构树如下：粉色部分是只能使用编码器encoder的部分模型，可用于特征提取、图像理解；绿色部分为是同时使用了编码器（Encoder）和解码器（Decoder）部分的模型，这一类模型通常用于机器翻译；蓝灰色部分是只能使用解码器decoder的部分模型，可用于补全对话、文本生成。
原创
博文更新于 2025.08.12 ·
1133 阅读 ·
15 点赞 ·
0 评论 ·
12 收藏

自然语言翻译--seq2seq

该模型是基于encoder和decoder框架的神经网络模型。encoder是编码器，主要负责将序列编码为固定长度的隐藏状态，简单理解可以理解为它负责将每个词变为向量并压缩为一个上下文向量。decoder是解码器，它根据编码器encoder的隐藏状态逐步生成目标序列，简单理解为输出序列。
原创
博文更新于 2025.08.05 ·
449 阅读 ·
4 点赞 ·
0 评论 ·
5 收藏

YOLO系列--YOLOV1

优点：（1）计算速度快，计算简单；（2）背景误检率低，避免产生背景错误。缺点：（1）定位精度低：分类结果是正确的，但是边界框画的不准确；（2）每一个网格单元只能预测一个类别；（3）小物体检测效果一般。
原创
博文更新于 2025.07.29 ·
888 阅读 ·
8 点赞 ·
0 评论 ·
10 收藏

YOLO--目标检测基础

NMS（Non-Maxmum suppression）非极大值抑制：是目标检测目标库后处理的方法。它的出现主要是为了解决对同一个检测目标出现多个目标框的问题。如图，在最后的结果中，我们往往只需要一个最终的，最准确的目标框，所以NMS就发挥了很大的作用。3.2运算流程（1）设置IoU（目标框置信度阈值），一般设为0.5，小于这个值的框会被过滤，一般是用来过滤网格中心Bounding Box中没有预测到目标的目标框；（2）根据置信度进行降序排列候选框；
原创
博文更新于 2025.07.29 ·
1115 阅读 ·
30 点赞 ·
0 评论 ·
24 收藏

Python--文件操作

绝对路径是开始的一条完整路径。比如：C:\users\T\test\1.txt一般是用的反斜杠，在程序中使用该路径通常需要添加反斜杠或者r，让它不发生转义。
原创
博文更新于 2025.07.25 ·
523 阅读 ·
5 点赞 ·
0 评论 ·
10 收藏

OpenCV图片颜色识别

在图像处理中，最常见的就是RGB颜色空间。RGB颜色空间是我们接触最多的颜色空间，RGB代表红色（Red）、绿色（Green）和蓝色（Blue），这三种颜色通过不同强度的光的组合来创建其他颜色。RGB颜色模型基于笛卡尔坐标系， 黑色位于原点处，白色位于离原点最远的角上。因为黑色在RGB三通道中表现为（0，0，0），所以映射到这里就是原点；而白色是（255，255，255），所以映射到这里就是三个坐标为最大值的点。三原色红绿蓝分别为（255，0，0），（0，255，0），（0，0，255）位于三个角。
原创
博文更新于 2025.07.25 ·
1662 阅读 ·
20 点赞 ·
0 评论 ·
26 收藏

OpenCV形态学变换

卷积核，主要是奇数矩阵，为了有一个中心点，偶数矩阵找不到中心点。它的出现就是为了遍历图像中每一个像素点的位置，通过计算后得到一个新值替代原来的值，从而修改图像的形状。图中的每一个像素点都要作为中心点遍历，与定义的核进行计算。（1）腐蚀操作就是使用核在二值图（或者灰度图）上从左上角到右下角滑动，每一个像素点都要作为一次中心点。（2）在滑动过程中，令核值为1的区域与被覆盖的原图矩阵区域相乘，得到最小值，将最小值作为原像素点的新值。（3）相当于黑色变多，前景为白色的部分被腐蚀。
原创
博文更新于 2025.07.25 ·
902 阅读 ·
15 点赞 ·
0 评论 ·
15 收藏

OpenCV二值化实验

自行设置一个阈值和一个最大值，将灰度图中每一个像素的值与阈值进行比较，小于等于阈值的像素点全部设置为0，大于阈值的像素被设置为最大值maxval。自行设置一个阈值和一个最大值，将灰度图中每一个像素的值与阈值进行比较，大于阈值的像素点全部设置为0，小于等于阈值的像素被设置为最大值maxval。自行设置一个阈值和一个最大值，将灰度图中每一个像素的值与阈值进行比较，小于等于阈值的像素点全部设置为0，大于阈值的像素不变。即黑的地方越黑。
原创
博文更新于 2025.07.25 ·
891 阅读 ·
25 点赞 ·
0 评论 ·
28 收藏

OpenCv图像和灰度实验

一系列像素组合到一起就形成了完整的图像，在计算机中，图像以像素的形式存在并采用二进制格式进行存储。
原创
博文更新于 2025.07.25 ·
560 阅读 ·
8 点赞 ·
0 评论 ·
16 收藏

OpenCV绘制几何图形

（3）显示图片：cv2.imshow('Window_name',img) cv2.waitKey(0)（3）显示图片：cv2.imshow('Window_name',img) cv2.waitKey(0)（3）显示图片：cv2.imshow('Window_name',img) cv2.waitKey(0)（3）显示图片：cv2.imshow('Window_name',img) cv2.waitKey(0)（1）读出图片：cv2.imread('path')
原创
博文更新于 2025.07.25 ·
1220 阅读 ·
27 点赞 ·
0 评论 ·
13 收藏

循环神经网络--LSTM模型

所用的数据集是关于酒店的中文评价，数据量为5265条，其中2822条好评，其余的均为差评。我们目的就是利用LSTM和全连接实现自定义网络结构对数据集进行训练，然后实现中文评论的情感分析，分析评论是正面的还是负面的。
原创
博文更新于 2025.07.25 ·
1275 阅读 ·
19 点赞 ·
0 评论 ·
26 收藏

循环神经网络--NLP基础

大致了解了NLP的简单术语，以及如何通过嵌入层实现对文本进行向量化，还可以利用现成模型word2vec对单词向量化。主要是了解一下大致知识就行，过过代码就可以了。本节内容要求没有严格。
原创
博文更新于 2025.07.22 ·
1200 阅读 ·
30 点赞 ·
0 评论 ·
13 收藏

卷积神经网络--网络性能提升

1.提升模型准确率；2.提高计算速度，加快收敛；3.提高模型对为止数据的泛化能力。
原创
博文更新于 2025.07.17 ·
1261 阅读 ·
11 点赞 ·
2 评论 ·
18 收藏

卷积神经网络-卷积的分类

卷积是图像处理中最核心的操作之一，其本质是通过（像素值乘积之和），实现对图像特征的提取、增强或抑制。
原创
博文更新于 2025.07.17 ·
1287 阅读 ·
11 点赞 ·
0 评论 ·
19 收藏

卷积神经网路--训练可视化

TensorBoard 是一个强大的可视化工具，专为深度学习设计，用于监控和理解训练过程。
原创
博文更新于 2025.07.17 ·
1208 阅读 ·
8 点赞 ·
0 评论 ·
29 收藏
加载更多