随笔档案「2025年6月」 - chester·chen

pytorch入门 - GoogLeNet神经网络

摘要：GoogLeNet 是 Google 在 2014 年 ILSVRC（ImageNet Large Scale Visual Recognition Challenge）比赛中提出的一种深度卷积神经网络模型，其关键创新在于引入了 Inception 模块，大大提高了网络的参数利用率与计算效率。本文阅读全文

posted @ 2025-06-26 10:27 chester·chen 阅读(930) 评论(0) 推荐(0)

AI大模型应用开发入门-LangChain实现文档总结

摘要：一、整体思路长网页文本往往超过 LLM 单次处理的 token 限制，我们需要设计一个 map-reduce 流水线来拆分、局部总结、归并：加载网页内容拆分成可控大小的 chunk 对每个 chunk 做初步总结 (map) 汇总所有初步总结 (reduce) 如有需要递归 reduce 直到阅读全文

posted @ 2025-06-24 10:36 chester·chen 阅读(791) 评论(0) 推荐(0)

pytorch入门 - 基于AlexNet神经网络实现猫狗大战

摘要：基于之前的博客 pytorch入门 - AlexNet神经网络，并借助Kaggle 的 Dogs vs Cats Redux 数据集，实现一个基于 AlexNet 的二分类模型识别猫与狗。完整流程涵盖数据准备、归一化、模型定义、训练增强、验证并可视化结果。一、数据集准备与预处理 import o 阅读全文

posted @ 2025-06-23 09:11 chester·chen 阅读(707) 评论(0) 推荐(0)

AI大模型应用开发-用LangChain构建PAL应用：SQL的生成与执行

摘要：PAL（Program-Aided Language models）思想成为大模型 Agent 领域的重要范式。核心思路是 LLM 只负责语言任务，复杂的逻辑/计算交由程序执行。通过合理设计 prompt，模型生成代码/SQL/逻辑描述，外部程序再执行，得到结果后反馈给 LLM，LLM 再生成最阅读全文

posted @ 2025-06-19 13:10 chester·chen 阅读(681) 评论(0) 推荐(1)

AI大模型应用开发-用LangChain构建带Agen流程的RAG系统

摘要：随着大模型（LLM）能力越来越强，RAG（Retrieval Augmented Generation，检索增强生成）技术成为增强大模型知识准确性的关键手段。通过检索实时数据、外部文档，模型能回答更多基于事实的问题，降低“幻觉”概率。而 LangChain 的 LangGraph 能将 LLM、阅读全文

posted @ 2025-06-17 15:03 chester·chen 阅读(978) 评论(0) 推荐(0)

AI大模型应用开发入门-LangChain开发RAG增强检索生成

摘要：检索增强生成（RAG）是一种结合“向量检索”与“大语言模型”的技术路线，能在问答、摘要、文档分析等场景中大幅提升准确性与上下文利用率。本文将基于 LangChain 构建一个完整的 RAG 流程，结合 PGVector 作为向量数据库，并用 LangGraph 构建状态图控制流程。大语言模型初始阅读全文

posted @ 2025-06-15 08:28 chester·chen 阅读(759) 评论(0) 推荐(2)

pytorch入门 - VGG16神经网络

摘要：1.VGG16背景介绍 VGG16是由牛津大学Visual Geometry Group(VGG)在2014年提出的深度卷积神经网络模型，它在当年的ImageNet图像分类竞赛中取得了优异成绩。 VGG16的主要贡献在于展示了网络深度(层数)对模型性能的重要性，通过使用多个小尺寸(3×3)卷积核堆叠阅读全文

posted @ 2025-06-14 09:58 chester·chen 阅读(1539) 评论(0) 推荐(0)

AI大模型应用开发入门-LangChain开发Agent

摘要：基于 LangChain 和 GPT-4o-mini 的大模型智能体开发实战近年来，大模型能力的持续突破，使得构建智能代理（Agent）系统成为开发者追逐的热点。本文将以 LangChain 框架为核心，结合 GPT-4o-mini 模型，通过接入工具与消息修剪策略，实现一个具备记忆、调用搜索、阅读全文

posted @ 2025-06-13 12:08 chester·chen 阅读(1105) 评论(1) 推荐(0)

AI大模型应用开发入门-LangChain开发聊天机器人ChatBot

摘要：在大模型应用开发中，状态管理和对话追踪是不可忽视的重要能力，尤其在需要保存上下文、重放对话或进行异步处理时尤为关键。今天我们来演示如何用 LangChain + OpenAI 的 GPT 模型 + PostgreSQL 搭建一个具备消息存储能力的聊天机器人。技术栈 LangChain（阅读全文

posted @ 2025-06-12 10:54 chester·chen 阅读(1036) 评论(0) 推荐(1)

pytorch入门 - AlexNet神经网络

摘要：AlexNet背景 AlexNet是2012年由Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton提出的深度卷积神经网络架构。它在ImageNet大规模视觉识别挑战赛(ILSVRC)中取得了突破性成绩，将top-5错误率从26%降低到了15.3%，这一成就阅读全文

posted @ 2025-06-11 08:56 chester·chen 阅读(822) 评论(0) 推荐(0)

pytorch入门 - 修改huggingface大模型配置参数

摘要：介绍 Hugging Face的Transformers库提供了大量预训练模型，但有时我们需要修改这些模型的默认参数来适应特定任务。本文将详细介绍如何修改BERT模型的最大序列长度(max_position_embeddings)参数，并解释相关原理和实现细节。原理 BERT等Transform 阅读全文

posted @ 2025-06-10 10:16 chester·chen 阅读(706) 评论(0) 推荐(0)

pytorch入门 - 微调huggingface大模型

摘要：在自然语言处理(NLP)领域，预训练语言模型如BERT已经成为主流。HuggingFace提供的Transformers库让我们能够方便地使用这些强大的模型。本文将详细介绍如何使用PyTorch微调HuggingFace上的BERT模型，包括原理讲解、代码实现和逐行解释。 1. 微调原理 1.1 阅读全文

posted @ 2025-06-06 19:19 chester·chen 阅读(767) 评论(0) 推荐(0)

pytorch入门 - LetNet5神经网络

摘要：1.LetNet5简介 LeNet5是由Yann LeCun等人在1998年提出的一种卷积神经网络架构，主要用于手写数字识别。它是早期卷积神经网络的成功应用之一，为现代深度学习模型奠定了基础。LeNet5的名字来源于其发明者LeCun和网络层数(5层)。 LeNet5的主要特点包括：使用卷积层提取阅读全文

posted @ 2025-06-05 14:51 chester·chen 阅读(758) 评论(0) 推荐(3)