黄笳倞-CSDN博客

原创 vs2022安装和使用教程（详细）

vs2022和vs2019一样强大，C/C++，Python，F#，ios，Android，Web，Node.js，Azure，Unity，HTML，JavaScript等开发都可以执行

2024-03-27 16:07:32 1386

原创深度学习的简介、领域、框架和实际应用概述

一、深度学习简介深度学习，英文名称为Deep Learning，是近几年人工智能领域的主要研究方向。深度学习的主要任务是通过构建深度卷积神经网络（Deep Neural Network，DNN）和采用大量样本数据作为输入，人们最终会得到一个具有强大分析能力和识别能力的模型，该模型包含了DNN的构成参数以应用于实际工作。由于深度学习依赖DNN这样一个参数量庞大且非...

2019-11-25 18:31:20 25382 29

原创 vs2017安装和使用教程（详细）

vs2017安装和使用教程（详细）

2019-03-26 21:15:56 786145 162

原创 vs2019安装和使用教程（详细）

vs2019安装和使用教程（详细）

2019-03-16 20:45:35 566678 137

原创 OpenVINO安装教程 npm版

现在你已经安装了OpenVINO npm软件包，你就可以运行自己的机器了学习应用程序！探索OpenVINO Node.js API，详细了解如何在Node.js应用程序中集成模型。

2024-04-18 16:22:52 283

现在您已经安装了 OpenVINO Runtime，可以运行自己的机器学习应用程序了！要了解有关如何在 OpenVINO 应用程序中集成模型的更多信息，请尝试一些教程和示例应用程序。在 Linux 上从 Conda 链接 OpenVINO 库时，请确保已安装必要的 Conda 编译器。您刚刚安装了 OpenVINO！重新激活 Conda 环境后，请确保所有必要的环境正确设置变量并继续链接 OpenVINO 库。从 Conda Forge 安装 OpenVINO™ Runtime。不支持 NPU 推理。

2024-04-18 16:08:20 562

原创 Pycharm各种版本下载地址，快来收藏吧！

目录一、免费版（社区版，不需要激活）二、专业版（需要激活）三、其他版本

2024-04-18 14:32:09 399

原创浅谈成为程序员后我明白的道理

作为程序员，我学会了如何主动地寻找学习资源，如编程书籍、在线教程和开发者社区，以不断提升自己的技能。总而言之，成为程序员后，我明白了编程是一个持续学习和解决问题的过程，需要不断提升自己的技能和知识，并与他人合作以完成项目。我也学会了编写高质量、可维护的代码，并具备自我学习和自我解决问题的能力。编程是一门持续学习的技能：作为程序员，我意识到编程是一个不断发展和变化的领域。我学会了编写清晰、结构良好、可重用的代码，并遵循代码规范和最佳实践，以提高代码的可维护性和可扩展性。

2024-04-18 13:58:46 139

原创 2023年图灵奖颁发给艾维·维格森（Avi Wigderson），浅谈其计算复杂性理论方面做出的重要贡献

他证明了许多经典问题的困难性，如图论中的图同构问题和图的色彩问题，以及组合优化中的旅行商问题。这些结果对于计算机科学的发展具有重要意义，因为它们帮助我们理解了一些经典问题的困难性，并帮助我们确定问题的边界。他的工作帮助我们更好地理解计算问题的困难性和难解性，并提供了设计更高效算法和构建更安全密码系统的关键洞察力。他证明了某些计算问题的难解性对于构建安全的密码系统至关重要。Avi Wigderson是一位以色列计算机科学家，他在计算复杂性理论方面做出了重要的贡献，并对现代计算产生了深远的影响。

2024-04-17 10:42:06 361

原创 Vanna-ai 大模型开源项目基于RAG的TextToSql框架安装和使用教程

您还可以将 SQL 查询添加到训练数据中。如果您已经有一些查询，这将很有用。您只需从编辑器中复制并粘贴这些内容即可开始生成新的 SQL。根据您的用例，您可能需要也可能不需要运行这些命令。有关详细信息，请参阅。根据您的用例，您可能需要也可能不需要运行这些命令。DDL 语句包含有关数据库中的表名、列、数据类型和关系的信息。如果您想在训练后了解它的工作原理，可以尝试这款。有时，您可能希望添加有关业务术语或定义的文档。有关所需数据库、LLM 等的详细信息，请参阅。显示这些陈述是为了让您了解它的工作原理。

2024-04-17 10:17:34 1034

原创浅谈程序员如何搞副业？

通过撰写博客、发表技术文章、参与技术社区的讨论等方式，积累自己的声誉和知名度，使自己的技术能力和专业水平得到认可。：在开源社区中积极参与并贡献自己的代码，通过建立良好的开源声誉，有机会获得开源项目的合作或赞助，从而带来额外的收入。总之，成功开展副业需要有良好的计划和管理，同时也要保持持续学习和提升自己的技术能力，以便在竞争激烈的市场中脱颖而出。：了解自己的副业产品或服务的目标市场和受众群体，明确他们的需求和痛点，以便更好地满足他们的需求并获得收入。

2024-04-15 09:37:54 433

原创浅谈普通人成为程序员的几个原因

对于那些喜欢面对挑战、不断学习的人来说，编程是一个理想的选择。通过不断解决问题和学习新技术，可以推动个人的成长和进步。通过编写代码，人们可以设计并开发应用程序、网站、游戏等，从而实现他们的创造力和创新。通过开发应用程序和软件解决现实世界的问题，可以改善人们的生活质量，推动科技进步，甚至改变整个行业的发展。每个人的动机和背景可能会有所不同，但总的来说，编程领域提供了许多机会和激励人心的理由，吸引着广大人员加入这个行业。拥有编程技能的人们往往能够获得较高的薪水，并有更广泛的就业机会。

2024-04-15 09:25:51 165

原创关系代数的五种基本运算及其符号和简单样例

选择（Selection）：从关系中选取满足指定条件的元组。投影（Projection）：从关系中选择指定的属性列，生成一个新的关系。并（Union）：将两个关系合并成一个关系，包含两个关系的所有元组。差（Difference）：从一个关系中删除另一个关系包含的元组，生成一个新的关系。笛卡尔积（Cartesian Product）：将两个关系的元组进行组合，生成一个新的关系，其中每个元组都包含了两个关系中的元组。

2024-04-03 16:25:44 234

原创浅谈零基础进入IT行业的一些方法和建议

最后，要保持热情和耐心，IT行业是一个需要不断学习和更新的领域，不断提升自己的技能和知识，才能在行业中获得成功。：考取一些与IT行业相关的证书，如计算机技术与应用（CTA）、计算机软件专业技术资格（SCJP）等。：利用网络资源学习和沟通，通过参与技术社区或者加入相关学习群组来与其他从业者互动。：了解计算机的原理和基本概念，包括计算机网络、数据结构、算法和操作系统等。：IT行业发展迅速，要不断学习新技术和趋势，保持自己的竞争力。：找到在IT行业有经验的人作为导师，获得指导和建议。

2024-04-03 09:32:48 506

原创机器学习中的GBDT模型及其优缺点(包含Python代码样例)

优点：高准确性：GBDT模型在训练集和测试集上都表现良好，可以处理高维度、稀疏特征以及非线性关系等复杂问题。强大的泛化能力：GBDT能够通过组合多个弱分类器来形成一个强分类器，减少过拟合的风险。可解释性：GBDT模型能够提供特征重要性排名，帮助我们了解哪些特征对于预测结果的贡献较大。对于缺失值的鲁棒性：GBDT能够自动处理缺失值，无需额外的处理步骤。缺点：训练时间较长：由于GBDT是一个串行算法，需要按顺序构建每棵决策树，因此训练时间较长。

2024-04-02 14:36:43 632

原创机器学习中的CatBoost模型及其优缺点(包含Python代码样例)

CatBoost是一种梯度提升决策树（Gradient Boosting Decision Tree）的集成模型。梯度提升是一种通过训练一系列弱学习器来构建一个强大的集成模型的技术。CatBoost是从XGBoost和LightGBM中发展而来的一种优化版本。CatBoost最独特的特点是它对类别型特征的处理方式。传统的梯度提升决策树通常需要将类别型特征转换为数值型特征，例如使用独热编码或者标签编码。

2024-04-02 13:08:12 686

原创 AI大模型和BI如何结合？

通过对海量数据进行建模和训练，AI大模型可以识别和学习数据中的模式、趋势和关联关系，从而提供更准确和精细的数据分析和预测结果。通过将AI大模型与BI工具结合，可以实现实时的数据可视化和报表生成，帮助企业更好地理解数据，发现问题和机会，并及时采取行动。通过对大量数据进行分析，AI大模型可以识别出不同的数据模式和关联，从而帮助企业发现新的商机、预测市场趋势和优化业务流程。通过结合大规模的数据和复杂的模型算法，AI大模型可以挖掘出更深层次的数据洞察，帮助企业识别潜在的风险和机会，优化决策和业务策略。

2024-04-01 17:14:45 390

原创浅谈AI技术创业有哪些机会？

AI技术创业指的是利用人工智能（Artificial Intelligence，AI）技术进行创业活动。人工智能是指计算机系统能够模拟和展现出人类智能的一种技术。在AI技术创业中，创业者利用AI技术来解决现实生活中的问题，开发新的产品或服务，并通过商业模式实现商业化。AI技术在各个领域都有广泛的应用，如机器学习、自然语言处理、计算机视觉、智能推荐等。创业者可以利用这些技术开发新的应用程序、软件系统、智能设备或者提供AI技术解决方案。

2024-04-01 10:45:32 331

原创 vs2022 开始自己的第一个C++程序

这是针对于以上安装教程的C++项目新建示例，与vs2019稍有不同，旨在示范从项目搭建到程序运行的简单流程，代码就是打印Hello World，适合初次使用vs2022的用户~

2024-04-01 10:14:04 755

原创 vs2022 开始自己的第一个Python程序

这是针对于vs2022安装和使用教程（详细）创建Python项目的简单示例，旨在示范从项目搭建到程序运行的简单流程，代码就是打印Hello World，适合初次使用vs2022的用户~

2024-04-01 09:31:23 708

原创机器学习中的XGBoost模型及其优缺点(包含Python代码样例)

XGBoost（eXtreme Gradient Boosting）是一种机器学习算法，用于解决分类和回归问题。它是基于梯度提升树（Gradient Boosting Decision Trees）方法的扩展，通过集成多个决策树模型来提高预测的准确性。XGBoost的主要特点包括：高性能：XGBoost使用了一系列的优化技术，例如并行处理，缓存优化和近似算法，使得其在大规模数据集上的训练速度更快。正则化：XGBoost提供了正则化参数来防止过拟合，包括控制树的复杂度和使用正则化项来控制权重的大小。

2024-03-29 20:17:14 1033

原创速成软件书：真的是神器吗？

要成为一名优秀的软件开发人员，还需要不断学习和实践。速成软件书可能在技术的广度上提供了一些帮助，但在深度上还是有限的。此外，软件开发的实际环境是多变的，速成软件书可能无法覆盖所有的情况和场景。个人认为，速成软件书在某些情况下可以起到一定的帮助作用，但并不能成为解决所有问题的神器。因此，速成软件书可以作为入门学习的工具之一，但不能成为唯一的学习途径。更重要的是，学习软件开发需要长期的积累和实践，不应只依赖于一本书籍。对于那些希望在短期内了解某种技术或掌握某种编程语言的人来说，这些书籍可能是有用的。

2024-03-29 10:32:15 177

原创粗略总结AI大模型学习需要了解的要点

AI大模型学习涵盖了数据收集与预处理、网络模型设计、训练与优化、分布式计算与并行训练、模型压缩与加速、迁移学习与自适应、模型评估与优化等多个方面。这些技术的进步和应用对于AI领域的发展具有重要意义。

2024-03-28 16:55:38 710

原创浅谈-程序员35岁面临失业风险需要注意什么？

互联网公司不愿意招收35岁以上的程序员主要是因为性价比问题。年龄大了，薪资要求通常较高，而加班时间可能较少。此外，互联网公司普遍认为没有35岁以上的中年人。35岁焦虑实际上并不仅仅是年龄问题。它源于个人的技术水平和薪资之间的不匹配。如果你的技术水平没有随着薪资的增长而提高，就会感到焦虑。如果你只是逻辑程序员，只会写业务逻辑而不涉及框架、底层或算法，那你可能会面临更大的淘汰风险。因此，持续学习和适应变化至关重要。

2024-03-28 14:56:59 287

原创全球首位AI程序员Devin诞生，以此谈谈AI对程序员的影响

全球首位 AI 程序员 Devin 是由初创公司 Cognition AI 创造的。这家公司成立仅四个月，却已经引起了广泛关注。Devin作为人工智能的代表，将展示出人工智能在编程领域的潜力和能力，激发程序员探索和应用人工智能技术的兴趣。这将可能引领一场新的技术革命，改变传统编程的方式和思维模式。

2024-03-28 14:12:41 693

原创机器学习中的LightGBM模型及其优缺点(包含Python代码样例)

LightGBM（Light Gradient Boosting Machine）是一种基于梯度提升（Gradient Boosting）算法的机器学习模型。它是由微软团队于2017年开发的，旨在解决大规模数据下的效率和准确性问题。LightGBM的原理如下：基于梯度提升：LightGBM使用梯度提升算法来训练多个弱分类器，每个弱分类器都试图学习最佳的预测函数来减少当前模型的残差。基于直方图的决策树算法：LightGBM使用直方图算法替代了传统的决策树算法。

2024-03-28 11:16:11 562

原创机器学习中的 K-Means算法及其优缺点(包含Python代码样例)

优点：实现简单，计算快速，适用于处理大规模数据集。可用于聚类分析，发现数据中的隐藏模式和组织结构。算法的结果具有可解释性，即每个样本点都属于唯一的一个聚类。缺点：需要预先指定聚类数量 K，这对于一些数据集来说可能是困难的，而错误的选择聚类数量可能导致结果不准确。对初始聚类中心的选择敏感，初始点的选择不同可能导致得到不同的聚类结果。对于非凸形状的聚类，K-均值算法可能表现不佳，会将非凸形状的聚类误认为多个凸形状的聚类。

2024-03-28 10:00:49 445

原创 vs2022 关于Python项目无法识别中文的解决方法

vs2022 关于Python项目无法识别中文的解决方法，非常简单

2024-03-27 17:13:48 291

原创 Python实现日期时间减法

利用Python语言实现日期时间减法，例如当前时间减去7天1小时30分40秒。

2024-03-26 16:26:52 395

原创 IDEA或Pycharm设置Python环境报Cannot set up a python SDK的某种解决方案——更换IDEA或Pycharm的版本

IDEA或Pycharm设置Python环境报Cannot set up a python SDK的某种解决方案——更换IDEA或Pycharm的版本

2024-03-26 11:01:12 499

原创【解决方法】No module named ‘sklearn.preprocessing._label‘

sckit-learn，版本>=0.22.X。

2021-01-14 17:57:51 10940 6

原创 CentOS 设置chrome浏览器桌面图标

#!/usr/bin/env xdg-open[Desktop Entry]BinaryPattern=chrome;MimeType=Name=chromeExec=/usr/bin/google-chrome --no-sandboxIcon=/opt/google/chrome/product_logo_32.pngType=ApplicationTerminal=0

2021-01-14 14:23:19 2418 1

原创【解决方法】CentOS服务器重启后，vncserver连接超时的问题

目录一、问题描述二、尝试的方法三、正确的方法一、问题描述修改了系统语言，应用汉化后重启，服务器连接超时二、尝试的方法rm -rf /tmp/.X11-unix/X1然后再启动vncsercer :1或systemctl start vncserver@:1.service还是连接超时三、正确的方法命令手动开启5900和5901端口iptables -I INPUT -p tcp --dport 5900 -j ACCEPTiptables

2021-01-13 13:56:11 3415 1

原创 CentOS Chrome浏览器缺失最小化和最大化按钮的解决方法

打开终端，输入命令gsettings set org.gnome.desktop.wm.preferences button-layout ':minimize,maximize,close'之后再次打开chrome可以发现最小化和最大化显示正常。

2021-01-12 16:41:10 3229 1

原创 python实现繁体中文和简体中文的互相转化

目录一、安装二、代码三、运行结果一、安装pip install zhconv二、代码transform2_zh_hant：转为繁体transform2_zh_hans：转为简体import zhconvdef transform2_zh_hant(string): new_str = zhconv.convert(string, 'zh-hant') return new_strdef transform2_zh_hans(string):

2020-12-29 11:20:55 4288 1

原创 Ubuntu20.04 安装chrome

目录一、选择安装位置二、下载三、安装chrome一、选择安装位置sudo mkdir /download_packagescd /download_packages二、下载Chrome32位版本：wgethttps://dl.google.com/linux/direct/google-chrome-stable_current_i386.debChrome64位版本：wgethttps://dl.google.com/linux/direc...

2020-12-21 13:18:45 3222 1

原创 Python cv2读取/存储图片中含中文路径失败的解决方法

目录一、问题二、代码一、问题cv2对于中文路径的图片读取值为None，可以采用cv2.imdecode和np.fromfile来读取，以避免中文路径的问题；cv2对于中文路径的图片存储失败，可以采用cv2.imencode和tofile来存储，以避免中文路径的问题；二、代码 """Load image""" img_np = cv2.imdecode(np.fromfile(image_path, dtype=np.uint8), -1) """Save

2020-11-13 19:48:00 3005 1

原创 Hadoop环境搭建测试以及MapReduce实例实现

首先我们启动eclipse需要管理员的权限，这样我们在运行这个程序时，避免了“无法访问”的错误。MapReduce实例实现的主要难点是代码的编写.希望各位既可以掌握Hadoop伪分布式的搭建过程，也熟悉一些Linux指令，锻炼动手能力。

2020-10-24 16:43:04 7931 7

原创 Python实现深度学习系列之【正向传播和反向传播】

前言在了解深度学习框架之前，我们需要自己去理解甚至去实现一个网络学习和调参的过程，进而理解深度学习的机理；为此，博主这里提供了一个自己编写的一个例子，带领大家理解一下网络学习的正向传播和反向传播的过程；除此之外，为了实现batch读取，我还设计并提供了一个简单的DataLoader类去模拟深度学习中数据迭代器的取样；并且提供了存取模型的函数；值得注意的是仅仅使用python实现，因此对于环境的需求不是很大，希望各位可以多多star我的博客和github，学习到更有用的知识！！目录

2020-10-22 16:21:14 6616 27