此分类用于记录吴恩达深度学习课程的学习笔记。 课程相关信息链接如下： 原课程视频链接：[双语字幕]吴恩达深度学习deeplearning.ai github课程资料，含课件与笔记:吴恩达深度学习教学资料 课程配套练习（中英）与答案：吴恩达深度学习课后习题与答案 本篇为第五课的第二周内容，2.4到2. ...

在使用 Cursor、ChatGPT 等 AI 编程工具的过程中，我逐渐意识到： 相比多轮对话不断修补需求，用更少的对话轮次一次性描述清楚核心需求， 反而更容易得到符合预期的实现。 本文结合实际使用经验，分析了对话轮次过多导致结果偏离的原因， 以及在什么情况下应当重新编辑问题而不是继续对话修补。 ...

在深度学习项目实践中，数据加载往往成为限制训练速度的关键瓶颈。当数据集规模达到数百万甚至数十亿样本时，传统的文件系统随机访问方式会导致I/O效率急剧下降，让昂贵的GPU资源处于闲置等待状态。WebDataset通过流式处理和顺序读取的设计理念，可以极大提升数据加载性能。 什么是WebDataset？ ...

大模型微调评测入门：看懂这些指标，才知道模型好不好 从“瞎评”到“精准评”：大模型微调核心评测指标全拆解 大家好，我是七七！最近后台收到很多粉丝的共性提问：“我用LoRA微调了Llama 2 7B模型做情感分析，怎么判断它好不好用？”“微调后的文案生成模型，凭感觉比原版好，但是怎么证明？” 这其实戳 ...

大模型微调的GPU选型，核心是“匹配场景+平衡成本”——个人追求性价比，团队兼顾稳定性，企业看重规模化。今天这篇文章，我就从三类GPU的核心差异、适配场景、实操选型三个维度，用大白话讲透选择逻辑，附实测数据和选型步骤，帮你不管是个人入门还是企业落地，都能选到最适合的GPU。 ...

不管是16G显卡的个人开发者，还是预算有限的小团队、追求ROI的企业，算力成本控制都是大模型落地的核心必修课。今天这篇文章，我就从微调、推理两个核心环节，拆解成本控制的底层逻辑和实操技巧，附16G显卡可直接套用的代码，帮你在不牺牲效果的前提下，把算力成本砍到最低。 ...

一、起点：从手动查找到一键问答 开发初期，我只是想解决自己的一个高频痛点：在写代码、看PDF、甚至答题时，经常需要复制一段文本 → 打开浏览器 → 打开AI对话页 → 粘贴 → 等待回复 → 再切回原窗口。这个过程重复、低效，且打断心流。 于是，第一个版本诞生了：一个简单的窗口程序，内置大模型调用， ...

1. 互动 1.1. 亲密无间且直觉化的交互体验从此成为衡量人机互动的黄金准则 1.2. 对于产品发明者来说，理解人与产品之间只能通过预先编程好的零散规则进行交流互动，这很重要 1.3. 作为消费者和设计师，我们成长的环境都让人理所当然地认为产品就是功能的集合 1.4. 在设计产品的过程中最好是放弃 ...

目录1.发展史2.斜杠命令 commands3.skill 技能包4.钩子 HOOK5. MCP 服务器6.插件 plugins7.子代理 SubAgents8.项目记忆文件 CLAUDE.md9.Plan模式暂时的结语 很少有人真的喜欢天天学新东西，我一个 java 技术栈的朋友，说我们怎么天天能 ...

本文介绍了一个基于YOLO算法的PCB板元器件检测系统，该系统可识别22种元器件，支持图片、视频、批量文件和摄像头实时检测。系统采用Python3.10开发，前端使用PyQt5，数据库为SQLite，集成了YOLOv5/v8/v11/v12等多种模型。通过对比测试显示，YOLO12n模型精度最高（m... ...

书接上回，这次学习一种更高级的模式：监督者模式。职场上的牛马们，大家回想一下，每次部门的OKR，是怎样层层拆解最终落地的？是不是得有一个大佬(即：监督者)，根据OKR先做拆解计划（plan)，然后把活儿派给各组去落地(action)，中间还会时不时的review？ 这个就叫做监督者模式。 仍然还是这 ...

1. 物体的表达方式 1.1. 随着产品变得更具有互动性和内容驱动性，例如亚马逊的Alexa或苹果的Siri，语音交互成为多模态系统的必要组成部分 1.2. 语音要素必须与灯光、非语音提示、动作等实体表达形式有机融合，构成统一的产品语义体系 2. 灯光 2.1. 一种可以改变产品整体外观的动态材料 ...

大模型从“瞎聊”到“干活”：指令微调核心逻辑全拆解 指令微调破局，让大模型从 “瞎聊” 变 “能干” 大家好，我是七七！刚入门大模型时，我总被一个问题困扰：明明Llama 2、Qwen这些模型能聊天说地，可一让它干具体活就掉链子——让它写电商文案，通篇空话套话；让它整理会议纪要，逻辑混乱漏重点；让它 ...

前面已经学习了 顺序、循环、条件分支、并行 这4种基本的工作流编排方式，利用这些可以组合出各种复杂的逻辑。下面将前面招聘的整个流程串起来，做一个相对比较完整的工作流： 宏观上，1-2-3是面向候选人的，4-5-6是面向公司招聘团队的。 一、定义Agent 1.1 CandidateWorkflow ...

企业大模型微调别盲目跟风！本文从ROI（投入产出比）出发，拆解微调的成本与收益，涵盖显性/隐性投入、商业收益量化、适用场景及4步测算法，附实用工具与案例，助企业避开烧钱陷阱，实现技术与生意的双赢。关注理性决策，让每一分投入都值得。 ...

背景与动机 现代软件项目广泛依赖开源库以避免重复开发，但库版本更新常引入破坏性变更，导致代码兼容性问题。手动适配这些更新需消耗大量开发者时间，且大型代码库中开发者易忽视更新警告或锁定旧版本，长期阻碍功能迭代、性能优化与安全修复。现有自动化方案未被广泛采用，而 LLM 在代码生成、程序修复等领域已展现 ...

5分钟掌握开源大模型选型核心：模型规模、任务适配性、许可协议、生态完善度四大维度，结合硬件与需求，16G显卡也能精准匹配Qwen、Mistral等模型，避坑提效，新手必看！ ...

目录1.首先是安装！2.配置代理3.上聚合站搞 API4.配置环境，自定义模型 API5.选择其他模型6.终于看到主界面了7.完成 首先，这个话题针对的大概率是 claude opus 4.5 模型 很难在国内被使用。这个很好解决，我肯定不会肉身在国内，冒险去花个几百块砸去 Anthropic 官网 ...

书接上回，简历评估完后，根据评估结果，如果合格，公司就该通知面试，否则回邮件拒绝。也就是今天要演示的“条件工作流”。下面定义这2个分支对应的Agent: 一、定义不同分支的Agent 1.1 EmailAssistant (发邮件拒绝候选人Agent) 1 public interface Emai ...

基于YOLO系列深度学习算法的昆虫识别系统，支持对33种昆虫（如星天牛属、剑尾蛾、橙粉蝶等）进行高精度识别。系统提供图片、视频、文件夹批量及摄像头实时检测功能，具备多模型切换、置信度调节、语音播报、结果保存与导出等交互模块。训练阶段采用6000张标注图片，YOLO12n模型在验证集上mAP达40.6... ...