计算机组成原理：Cache 高速缓存复习笔记
1. Cache 高速缓存基础
基于 LLaMA-Factory 多模态大模型微调步骤和效果
在实际场景中，对垂直领域的图像识别一般以小样本训练的小模型为主，小模型实时性高，算力消耗少，更适合边缘端的实时检测，大模型准确率高，但是需要强大的算力支持，所以可以将小模型与大模型结合以提高检测效果。 本文在 Ubuntu 系统上使用消费级显卡 3060，在小样本集上完成基于千问多模态大模型实际场景
机器学习基础_十七_聚类-k均值
1. 引言 聚类（clustering）是一种无监督学习方法，主要任务是将数据集划分成组，这些组叫作簇（cluster），尽可能使得一个簇内的数据点非常相似且不同簇内的数据点非常不同。与分类算法类似，聚类算法为每个数据点分配（或预测）一个数字，表示这个点属于哪个簇，但不同的是聚类无需预先标注数据而是
机器学习：线性回归、决策树、随机森林、LightGBM 模型的 SHAP 和 LIME 可解释性分析对比详解
1- 引言 在机器学习领域，模型可解释性已成为越来越重要的研究方向。随着复杂模型如深度学习和集成学习的广泛应用，理解模型如何做出决策变得至关重要。本文将深入探讨四种常见机器学习模型（线性回归、决策树、随机森林和LightGBM）的可解释性分析方法，重点介绍SHAP和LIME两种主流可解释性技术，并通
机器学习__SVM支持向量机
1- 引言 支持向量机(Support Vector Machine, SVM) 是一种基于统计学习理论的监督学习算法，在分类和回归问题中都有广泛应用。本文将系统介绍 SVM 的核心思想、数学原理、工程实践以及前沿进展，帮助读者全面理解这一强大的机器学习算法。 2- SVM 的本质与核心思想
国外网友的简单3步_用Prompt来写Prompt_超简单
[!info] 阅读导览 全文 4 节：第一步：询问 ChatGPT 获取专业词汇（1.1）→ 第二步：基于词汇生成专业 Prompt（1.2，含"开启新对话"重要提示）→ 第三步：使用 GPT 提示词优化器（1.3）→ 总结（1.4） flowchart LR
A[第一步<br>询问 Ch
国内首个 LangGraph Agent 模板！Multi-Agent框架最优解
大模型落地，要么做 workflow、要么做 agent，而无论哪一种，全都离不开框架。 而毫无疑问，LangGraph 是构建 Agent 系统的最主流框架之一。 它不仅支持循环、条件分支，能处理复杂流程；对应用流程和状态有细粒度控制；有内置持久性功能，跨交互保持上下文；支持人工干预；还能实时流输
谷歌Nano_Banana_AI生图模型实测
1. 谷歌 Nano Banana AI 生图模型实测报告 1.1. 文章概述 本文是对谷歌最新发布的 AI 图像生成模型 “Nano Banana”（正式名称：Gemini 2.5 Flash Image Preview）的深度实测体验报告。 作者通过 10 个具体案例，展示了该模型在图像生成、编
