群友说可以用这个：https://aplayer.js.org/#/zh-Hans/
我也试试。
自定义 HTML (head)写入：
html展开代码<link rel="stylesheet" href="https://cdn.jsdelivr.net/npm/aplayer/dist/APlayer.min.css">
<script src="https://cdn.jsdelivr.net/npm/aplayer/dist/APlayer.min.js"></script>
1、求取图像 breast 的阴图像。将得到的结果保存为 JPEG 格式。设置多个不同的质量因子，对比图像质量，并列表分析其与图像数据量之间的关系。 2、设计灰度映射函数，提升图像 pollen2 的对比度。 3、通过直方图均衡化，提升图像 pollen1、pollen2、pollen3 以及 pollen4 的对比度，画出对应的灰度映射函数，并作必要分析。 4、利用图像 test1 和 test2，测试不同像素补充方式对空域均值滤波结果的影响，并作必要分析。 5、利用图像 test3，测试不同模板大小对空域平滑结果的影响，并作必要分析。 6、对图像 ic 分别添加不同强度的高斯噪声和椒盐噪声，并分别利用空域均值滤波器和中值滤波器去噪。对比实验结果，并作必要分析。 7、利用拉普拉斯算子增强图像 moon 的细节。 8、求取图像 test4 的幅度谱，并用 log 函数进行动态范围调整，对比显示结果。 9、在离散傅里叶变换之前，先在图像的空域乘以-1的指数项：(-1)^(x+y)。重复任务 8 的过程，比较所得幅度谱的异同，简述理由。 10、将图像 test5 变换到频域，执行低通滤波。比较不同截止频率下的滤波效果；比较不同类型滤波器（理想、巴特沃斯、高斯）的滤波效果，并进行总结。设计陷波滤波器，与低通滤波的结果进行比较。 11、将图像 test6 的较亮区域变为半透明绿色，较暗区域保持不变，显示输出结果。 12、设计形态学算法填充 fill 中的黑色孔洞。 13、设计灰度形态学算法测定 wood 中粒子的主要尺寸。
你可以通过以下步骤在博客首页上添加音乐播放器并设置控件为悬浮播放按钮。以下代码分别放入你博客的自定义 CSS、自定义 Script、自定义 HTML (body) 中。
有用的信息
https://huggingface.co/Qwen/Qwen2-VL-7B-Instruct/discussions/2
https://github.com/hiyouga/LLaMA-Factory/blob/main/examples/train_lora/qwen2vl_lora_sft.yaml
https://qwen.readthedocs.io/en/latest/training/SFT/llama_factory.html
官网教程： https://zhuanlan.zhihu.com/p/695287607
官方文档：https://llamafactory.readthedocs.io/zh-cn/latest/
数据集如何构建：https://llamafactory.readthedocs.io/zh-cn/latest/getting_started/data_preparation.html
常用指令查询：https://github.com/hiyouga/LLaMA-Factory/tree/main/examples
Qwen2-VL，支持了利用LLaMA-Factory微调Qwen2-VL的语言模型。
cmake安装，如果需要的话，一般不要：
bash展开代码wget https://github.com/Kitware/CMake/releases/download/v3.26.1/cmake-3.26.1-Linux-x86_64.sh \
-q -O /tmp/cmake-install.sh \
&& chmod u+x /tmp/cmake-install.sh \
&& mkdir /opt/cmake-3.26.1 \
&& /tmp/cmake-install.sh --skip-license --prefix=/opt/cmake-3.26.1 \
&& rm /tmp/cmake-install.sh \
&& ln -s /opt/cmake-3.26.1/bin/* /usr/local/bin
torch==2.4.0 xformers==0.0.27.post2
bash展开代码pip3 install --no-cache-dir networkx==3.1 pip3 install --no-cache-dir torch==2.4.0 torchvision==0.19 torchaudio==2.4.0 xformers==0.0.27.post2 --index-url https://download.pytorch.org/whl/cu121 pip3 install --no-cache-dir git+https://github.com/huggingface/transformers@19e6e80e10118f855137b90740936c0b11ac397f \ && pip3 install --no-cache-dir accelerate \ && pip3 install --no-cache-dir qwen-vl-utils pip3 install --no-cache-dir --no-build-isolation flash-attn==2.6.1
Qwen2-VL效果之强
不得不说，Qwen2-VL在OCR、手写字体识别和印章识别上的表现相当出色。它自带文档信息排版功能，特别擅长识别图片中的内容。以下是模型仓库的链接：
- Qwen2-VL GitHub项目：Qwen2-VL
- Qwen2-VL-7B-Instruct Hugging Face模型仓库：Qwen2-VL-7B-Instruct
数据集：https://www.kaggle.com/datasets/ealaxi/paysim1/data
关于数据集
背景
在金融服务领域，特别是新兴的移动支付交易领域，缺乏公开可用的数据集。金融数据集对许多研究人员非常重要，尤其是对我们进行欺诈检测领域的研究人员而言。部分原因在于金融交易本质上具有隐私性，这导致没有公开可用的数据集。
1. 为 docker pull 配置proxy
当你需要通过 docker pull 命令从 Docker Hub 拉取镜像时，Docker 代理的设置由 systemd 接管。因此，需要通过以下步骤来配置代理：
https://software-dl.ti.com/msp430/msp430_public_sw/mcu/msp430/MSP430BaudRateConverter/index.html
文本会详细教学如何配置MSP430G2553单片机串口，找到最朴素的配置模板。
解决问题
展开代码# Role: MCU领域专家 ## Profile - author: LangGPT - version: 1.0 - language: 中文 - description: 作为一名单片机领域专家，精通STM32、51、MSP430等型号的单片机，能够准确识别用户问题涉及的单片机类型，并提供详细、深入的解答。
