2025-06-03
深度学习
00

匈牙利算法是做什么的?通俗解释

匈牙利算法(Hungarian Algorithm)是一种用来解决**"最佳分配问题"的数学方法。它的核心任务是:"如何用最低成本,把N个任务分配给N个人,让总成本最小?"**(或者反过来,让收益最大)。

2025-06-02
深度学习
00

的问题:

1. OpenPose的输入和输出形状

输入形状:

cpp
展开代码
// 从 src/openpose/net/netCaffe.cpp:218 可以看到 if (inputData.getNumberDimensions() != 4 || inputData.getSize(1) != 3) error("The Array inputData must have 4 dimensions: [batch size, 3 (RGB), height, width].");

输入张量形状: [batch_size, 3, height, width]

  • batch_size: 批次大小,通常为1
  • 3: RGB三通道
  • height, width: 图像的高度和宽度
2025-06-02
深度学习
00

CDP:共识驱动传播人脸聚类方法

摘要

CDP(Consensus-Driven Propagation)是一种高效的大规模无标签人脸聚类方法。该方法通过投票机制和图传播算法,实现对人脸特征的快速准确聚类。CDP具有线性时间复杂度,能够处理大规模数据集,并在保持高精度的同时提供出色的聚类性能。

2025-06-02
深度学习
00

1. 人脸检测方法数量和类型

InsightFace主要包含3种核心人脸检测方法:

1.1 RetinaFace (CVPR 2020)

  • 架构: 基于FPN的单阶段检测器
  • 特点: 同时预测人脸边界框和5个关键点
  • 骨干网络: ResNet50/ResNet152/MobileNet0.25
  • 性能: WiderFace验证集 Easy 96.5, Medium 95.6, Hard 90.4
2025-06-02
深度学习
00

U-Net 2015 :编码器-解码器结构、跳跃连接。

HRNet 2019 : 设计用于需要高分辨率特征的任务.

  • 高分辨率主干( 网络从头到尾都维持一个高分辨率的特征流,而不是像U-Net那样先降维再升维。)
  • 多尺度特征融合
    • 不同分辨率的特征流之间通过上采样和下采样操作进行交互,实现信息的跨尺度传递。

image.png

2025-06-02
深度学习
00
2025-05-30
深度学习
00

介绍

这是一个大模型机器人的试验尝试。效果预期就是可以将大模型引入QQ对话。

效果就是:让自己的QQ成为一个机器人客服,别人发消息给自己的QQ,自己的QQ自动就回复别人了,回复依靠的是大模型的语言能力。

项目在这里:https://astrbot.app/deploy/astrbot/docker.html#%E4%BD%BF%E7%94%A8-docker-%E9%83%A8%E7%BD%B2-astrbot

AstrBot 结合 NapCat 做QQ机器人, AstrBot 也可以结合其他消息中间件,做别的平台的机器人,比如微信、QQ、飞书、钉钉。

2025-05-30
深度学习
00

下载模型:

sh
展开代码
modelscope download Qwen/Qwen3-32B --local_dir ./Qwen/Qwen3-32B

部署:

bash
展开代码
# 拉取最新的 docker pull lmsysorg/sglang:v0.4.6.post1-cu121 # 启动服务 docker run -d --gpus '"device=0,1,2,3"' --shm-size=32g \ -v ./Qwen/Qwen3-32B:/model \ -p 8055:8000 \ -e PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True \ lmsysorg/sglang:v0.4.6.post1-cu121 python3 -m sglang.launch_server --model-path /model --host 0.0.0.0 --port 8000 --mem-fraction-static 0.9 --tensor-parallel-size 4 --context-length 40960 --served-model-name "gpt" --api-key "abc"
2025-05-30
建站教程
00

客制化里面加ccs:

ccs
展开代码
.snow-container { position: fixed; top: 0; left: 0; width: 100%; height: 100%; pointer-events: none; z-index: -1; overflow: hidden; } .snowflake { position: absolute; will-change: transform; user-select: none; text-shadow: 0 0 6px rgba(255, 255, 255, 0.7); /* 确保GPU加速 */ transform: translate3d(0, 0, 0); backface-visibility: hidden; }
2025-05-30
建站教程
00

如何搭建一个自己的博客,下面是我这个博客搭建的过程:


1. 选定博客框架:VanBlog 二次开发版

  • 核心优势
    使用基于 VanBlog 的二次开发版本(xxddccaa/vanblog),集成以下特性:

    • 开箱即用:Docker Compose 一键部署,降低环境依赖复杂度。
    • 性能优化:完整标题显示、后台列表换行支持、代码块折叠功能、Admin免登录,提升用户体验。
    • 安全性:默认关闭评论系统(符合公安备案要求),集成 Mermaid 图表支持。
  • 代码结构

    bash
    展开代码
    ├── packages/ │ ├── admin # 后台管理界面(Ant Design Pro) │ ├── website # 前端页面(Next.js + Tailwind CSS) │ ├── server # 后端服务(NestJS + MongoDB) │ └── waline # 可选评论系统 └── docker-compose.yml # 容器化编排

    注意:使用这个 docker compose.yaml 文件即可使用 docker compose 一键部署: https://github.com/xxddccaa/vanblog/blob/master/docker-compose/docker-compose.yml