首页
我的动态
我的摄影集
关于我
ZHD的小窝
行动起来，活在当下
累计撰写
105
篇文章
累计创建
55
个标签
累计收到
1
条评论
栏目
目 录
CONTENT
AI-ZHD的小窝
以下是
AI
相关的文章
2025-08-27
Chroma 问题解决
在做 RAG 时，采用了Chroma 向量数据库，在调试过程中出现：Collection expecting embedding with dimension of 4096 错误 这个问题是使用向量数据库（如 Milvus、Pinecone、Chroma 等）时非常典型的报错。我们来详细拆解一下。
2025-08-27
19
0
0
AI
2025-08-08
RAG 原理
当你向 RAG 系统提出一个问题，系统会: 使用 Embedding 模型 将问题转换为向量。 在向量数据库中检索语义相近的文本片段(chunk)，完成初步筛选。 然后使用
2025-08-08
6
0
0
AI
2025-08-08
Reranking（重排序）模型
Reranking（重排序）模型是信息检索、推荐系统、自然语言处理（如问答系统、机器翻译）等领域的核心技术之一，其核心目标是对初始候选结果列表进行二次排序，以提升最终结果的相关性、准确性或用户满意度。以下是关于 Reranking 模型的详细解析： 一、核心概念 初始候选列表： 由第一阶段模型（如检
2025-08-08
3
0
0
AI
2025-08-08
Embedding 模型
Embedding 模型是一种将高维离散数据（如文本、图像、音频等）转换为低维连续向量（即嵌入向量）的机器学习模型。这些向量能够捕捉数据的语义、结构或特征信息，使得相似或相关的数据在向量空间中距离更近，从而便于计算机进行高效处理和分析。以下是关于 Embedding 模型的详细解析： 一、核心概念
2025-08-08
7
0
0
AI
2025-07-09
忘记Open WebUI的用户名和密码
背景 本人使用Mac电脑，在本地安装了Ollama和Open webUI （使用pip方式），但是过一段时间后重启了webUI 发现需要输入用户和密码，但是太长时间没有登录，导致用户名和密码忘记了，本篇文章介绍如何重置密码（找回是不可能了，因为加密了） 第一步：找到webUI安装位置 pip sho
2025-07-09
13
0
0
AI
2025-06-09
AI大模型学习之路（六）
阶段1：基础知识储备 第五课：概率论基础及其在模型训练中的应用 学习目标 掌握常见概率分布（高斯、伯努利）的定义与性质。 理解贝叶斯定理及其在分类任务中的应用。 学会极大似然估计（MLE）的原理与计算方法。 实战：用MLE求解线性回归参数，对比梯度下降结果。 1. 概率分布 (1) 高斯分布（正态分
2025-06-09
14
0
0
AI
算法
2025-05-19
AI大模型学习之路（五）
阶段1：基础知识储备 第四课：信息论基础及其应用 学习目标 理解信息熵、交叉熵与KL散度的定义与物理意义。 掌握交叉熵作为分类任务损失函数的设计原理。 学会用PyTorch实现交叉熵损失函数。 实战：用交叉熵损失训练逻辑回归模型。 1. 信息熵（Entropy） (1) 定义 信息熵：度量随机变量的
2025-05-19
15
0
0
算法
AI
2025-05-19
AI大模型学习之路（四）
阶段1：基础知识储备 第三课：微积分基础 学习目标 理解导数与偏导数的定义及其几何意义。 掌握链式法则在神经网络反向传播中的应用。 学会梯度下降法的原理与实现。 实战：用梯度下降法优化线性回归模型。 1. 导数与偏导数 (1) 导数（Derivative） 定义：函数在某一点的瞬时变化率 f'(x)
2025-05-19
41
0
0
算法
AI
2025-04-17
示例：简单神经网络中的链式法则与反向传播
示例：简单神经网络中的链式法则与反向传播 网络结构： 输入： x = 2 线性层： z = w \cdot x + b （参数： w = 1 , b = 0 ） 激活函数：Sigmoid a = \sigma(z) = \frac{1}{1 + e^{-z}} 损失函数：平方损失 L = (a
2025-04-17
16
0
0
算法
AI
2025-04-16
AI大模型学习之路（三）
阶段1：基础知识储备 第二课：概率与统计基础 学习目标 掌握概率的基本概念：条件概率、贝叶斯定理、独立事件。 理解常见概率分布（二项分布、正态分布）及其应用。 学会最大似然估计（MLE）的基本思想。 实战：用Python模拟概率实验并可视化结果。 1. 概率基础 (1) 概率的定义 • 概率：描述事
2025-04-16
14
0
0
AI
1
2
