静心笃行。

2026年5月14日

摘要：一、低代码可视化工作流（拖拽生成，不用写代码）适合：业务、运营、快速搭流程、Coze 类场景工具核心特点 Coze 扣子自带可视化工作流画布，拖拽节点、大模型、API、条件判断，零代码生成 AI 工作流，最常用 Dify 和 Coze 一致，可视化编排工作流，支持 API、数据库、逻辑分支、阅读全文

posted @ 2026-05-14 21:31 静心笃行。阅读(104) 评论(0) 推荐(0)

【Ollama】CentOS 8.5 Ollama部署

摘要：下载 Ollama 文件 https://github.com/ollama/ollama/releases/download/v0.21.2/ollama-linux-amd64.tar.zst 安装 Ollama # 上传 tar.zst 到 Linux 服务器 ls ollama-linux- 阅读全文

posted @ 2026-05-14 21:28 静心笃行。阅读(42) 评论(0) 推荐(0)

2026年5月12日

【Python】函数记录

摘要： 1. enumerate(可迭代对象, 起始下标=0) 作用：遍历序列时，同时拿到下标索引 + 元素值。可迭代对象：list，tuple，str，set，dict，range，Dataset(PyTorch)，DataLoader(PyTorch) fruit_list = ["苹果", "香蕉阅读全文

posted @ 2026-05-12 20:55 静心笃行。阅读(26) 评论(0) 推荐(0)

【Python】私有属性"单下划线" 和 "双下划线"

摘要：一、单下划线 _attr（受保护，弱私有）写法：self._password 含义：约定内部使用，外部别碰；语法不拦截，仍可访问。示例： class User: def __init__(self): self._pwd = "123" # 受保护属性 u = User() print(u._p 阅读全文

posted @ 2026-05-12 15:50 静心笃行。阅读(51) 评论(0) 推荐(0)

【神经网络】grad_fn 和 grad

摘要： 1. grad_fn 它是动态计算图的一部分，记录了输入张量所执行的操作。用于在反向传播时追踪计算路径。（1）核心作用记录操作历史：它记录输入张量是通过什么运算(如加法，乘法，矩阵运算等)得到的。如 y = x + z; 那么 g.grad_fn 会指向一个 AddBackword0 对象阅读全文

posted @ 2026-05-12 11:44 静心笃行。阅读(48) 评论(0) 推荐(0)

【神经网络】前向传播和反向传播

摘要：【神经网络】前向传播和反向传播 1. 前向传播作用：从输入层开始，逐层计算到输出层，得到预测结果。过程：数据经过每一层的线性变换(权重 * 输入 + 偏置) 和非线性激活函数(如ReLU，Sigmoid)，最终输出预测值。附加任务：在训练时，还会根据预测值与真实标签计算损失函数（如交叉熵、均阅读全文

posted @ 2026-05-12 09:00 静心笃行。阅读(80) 评论(0) 推荐(0)

2026年5月11日

【PyTorch】张量转Numpy

摘要：【PyTorch】张量转Numpy 一、常用 4 种方式（按推荐优先级排序） 1. 最标准：.detach().numpy() ✅ 首选适合：有梯度、计算图里的张量 python 运行 import torch x = torch.randn(3,4, requires_grad=True) a 阅读全文

posted @ 2026-05-11 18:17 静心笃行。阅读(45) 评论(0) 推荐(0)

公告