ZHD的小窝

ZHD的小窝

行动起来，活在当下

累计撰写 108 篇文章
累计创建 55 个标签
累计收到 2 条评论

目录CONTENT

最新文章

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
- 60
- 0
- 0
- AI
2025-07-03
数据标注业内发展情况报告持续更新一、行业规模与增长态势截至2025年7月，中国数据标注行业持续保持高速增长态势。2023年市场规模已达约60.8亿元，同比增长19.69%；2024年预计扩展至77.3亿元，甚至可能突破130亿至180亿元；到2025年，市场规模有望达到200亿至300亿元。全球范围内，2024年数据标
- 2025-07-03
- 14
- 0
- 0
2025-06-26
自动驾驶端到端技术对数据标注的需求变化端到端一体化自动驾驶模型正引发整个行业数据标注范式的深刻变革。与传统模块化架构不同，端到端一体化模型将感知、预测、规划和控制整合为单一神经网络，直接从传感器输入映射到驾驶动作，这种架构的演进对数据标注提出了前所未有的新要求。本文将系统分析端到端一体化模型对数据标注的核心影响，并从标注类型、质量标准、
- 2025-06-26
- 26
- 0
- 0
- 智驾
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
- 41
- 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
- 38
- 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
- 59
- 0
- 0
- 算法
- AI
2025-04-24
智能驾驶中术语在智能驾驶领域，NOA、OD、LD 是常见的缩写术语，以下是它们的详细解释： 1. NOA（Navigate on Autopilot） • 全称：Navigate on Autopilot • 定义：由特斯拉（Tesla）推出的自动导航辅助驾驶功能，属于高级驾驶辅助系统（ADAS）。 • 功能：
- 2025-04-24
- 24
- 0
- 0
- 智驾
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
- 26
- 0
- 0
- 算法
- AI
2025-04-17
微积分中链式法则和反向传播微积分中链式法则和反向传播链式法则和反向传播是微积分和机器学习中的两个重要概念。链式法则是微积分中的一个基本求导法则，而反向传播则是深度学习中用于训练神经网络的关键算法。链式法则链式法则用于求复合函数的导数。假设有两个函数 y = f(u) 和 u = g(x)，那么复合函数 y = f(g(
- 2025-04-17
- 82
- 0
- 0
- 算法
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
- 25
- 0
- 0
- AI

1
2
3
4
5
...
11