chenwh_123

摘要： 基于AI-使用DeepEval评测自己构建的RAG系统（一） 的基础上，让AI帮忙分析了存在的问题和需要优化改进点，按照问题优先级列出，先重点关注高优先级的，清单如下： 一、高优先级问题 1. 安全性问题 - API密钥硬编码 ：现在通过环境变量或配置文件获取API密钥，避免了硬编码的安全风险。 A 阅读全文

摘要： 1.使用tensorflow加载数据，并进行数据的预处理 import tensorflow as tf from sklearn.model_selection import train_test_split import numpy as np # 1. 加载数据（TF 2.x 方式） (x_t 阅读全文

摘要： tensorflow简介 是由 Google Brain 团队开发的开源机器学习框架，广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台，用于构建和训练各种机器学习模型。 核心概念： 张量(Tensor): 多维数组，是 TensorFlow 中的基本数据单位 计算图(Computation 阅读全文

摘要： 一、先理解RAG和DeepEval的底层逻辑 1.DeepEval是一个LLM评估框架，类似于"AI版的Pytest"，专门用于测试和评估LLM应用的输出质量。它支持评估AI回答的准确性、幻觉程度、相关性等指标。 项目地址：https://deepeval.com/docs/getting-star 阅读全文

摘要： 一、闭包基础概念 1.1 什么是闭包？ 闭包是指内部函数引用了外部函数的变量，并且外部函数返回内部函数的一种编程结构。 # 1.1.1 最简单的闭包 def outer_function(msg): """外部函数""" message = msg # 外部函数的变量 def inner_funct 阅读全文

摘要： 1.使用tensorflow加载数据，并进行数据的预处理 import tensorflow as tf #使用keras加载数据集，每个图像都表示为28*28的数字，而不是尺寸784的一维数组 fashion_mnist = tf.keras.datasets.fashion_mnist.load 阅读全文

摘要： 本文演示如何使用逻辑回归对鸢尾花数据集进行分类： 注：使用scikit-learn的逻辑回归 1.数据下载 # 导入必要的库 import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.dat 阅读全文

摘要： 我们使用的mnist数据集，这是一组由高中生和美国人口普查局的员工手写的70000个数字图像。这个集合已经被研究如此之多，以此通常被称为机器学习的“hello world”。7万张图片，每个图片有784个特征，因为每个图像都是28×28像素，每个特征只代表一个像素的强弱，从0到255。 一. 训练二 阅读全文

摘要： 在机器学习中，我们经常提到最常见的监督学习任务是回归（预测值）和分类（分类），目前在AI这么火的环境下，在模型的训练阶段如何评估这两大类任务的模型在数据集上的预测精度，即在评估阶段，如何反映模型在验证集/测试集上的实际表现呢？ 啥是模型性能度量指标呢？评估模型在单个数据集上的预测准确性与模型拟合效果 阅读全文

摘要： 背景：访问iOS真机都需要在手机上先安装agent（源码地址：https://github.com/AirtestProject/IOS-Tagent），下载完成agent后，在Xcode中启动iOS-agent报如下错 Failed to create provisioning profile. 阅读全文