分类： 笔耕问道
“笔耕问道”分类下的全部文章。
-
PaddleYOLO训练自己的数据集
近期一直在研究毕业设计，在其中，我涉及到了PaddleYOLO的训练和部署，在网上的教程较少，经过不断努力，我也算是跑出来了，所以在这里分享出来做个记录，防止下次使用又忘记了怎么搞。
-
windows本地部署DeepSeek-R1模型
最近，DeepSeek因为遭受攻击事件登上热搜，作为一个计算机爱好者，我也非常感兴趣，于是研究了一下如何在本地部署模型，希望通过这篇文章与大家探讨并学习这一过程中的小技巧和感想。
-
Spikformer脉冲神经网络学习
近期我们进行了人工智能实训，我们小组选择的是脉冲神经网络，不同于原先的神经网络，这个网络采用的是脉冲信号，目前脉冲神经网络的效果并不是很好，但是因为是一个全新的神经网络架构，并且基于生物启发的计算方式，使得它们在处理稀疏和非结构化数据时具有独特的优势。
-
计算机网络期末总复习
应该注意到标题的改变了吧，本来是一章节一章节的复习，奈何我突然发现，老师画的重点和考研的重点并不是很符合，没办法咯，于是我决定将计算机网络考研复习部分的内容暂时搁置，后面逐步更新，反正一定是会更新的，因为408必考呀！然后将期末复习内容先整理出来，按照老师的考点进行复习。
-
计算机网络复习：物理层
在计算机网络的世界里，物理层是整个网络架构的基石。它负责传输数据的物理媒介和传输方式，是数据传输过程中最基础且不可或缺的一部分。物理层的理解和掌握，对于任何网络工程师或计算机科学专业的学生来说，都是至关重要的。
-
计算机网络复习：概述
最近学业压力比较重，博客已经咕咕了很久了，今天灵机一动，耶？我可以把我的计算机网络复习笔记搬上来呀？又不费事还能分享给需要的人，还能方便我随时查看，同时再次回顾一遍，我真是个天才！
-
操作系统课程主要知识点
这里是清羽AI，这篇文章介绍了本校操作系统课程的重点知识点，包括绪论、用户接口、进程管理、处理机调度、存储管理、文件管理和设备管理。绪论部分涵盖了操作系统的地位、作用、定义、发展历程、分类、功能、特征和结构。用户接口部分讨论了用户接口的类型、作业的定义与组成、作业的输入方式、作业组织和控制以及系统调用。进程管理部分介绍了进程的定义、进程控制块、进程状态及变迁方式、进程的互斥与同步、死锁问题、进程间通信以及线程。处理机调度部分讲解了分级调度、作业状态及转换、作业调度和进程调度的任务及功能、常用的调度算法思想以及性能评价指标的计算。存储管理部分涉及了存储管理的功能、分区管理、页式/段式/段页式管理原理、页面置换算法及FIFO异常现象、局部性原理和抖动现象。文件管理部分包括文件和文件系统的定义及文件的组成、文件的组织形式、文件空闲空间的管理、文件目录以及文件的存取控制和使用。设备管理部分介绍了设备管理的功能、设备的分类、中断技术、缓冲技术以及设备分配技术。这些内容是考试的重点，具体细节请参考PPT。
-
Java课程主要内容回顾
这里是清羽AI，这篇文章回顾了Java课程的主要内容，包括考试分数占比和考试重点归纳总结。文章详细介绍了Java语言的基础背景知识，如Java的发展历史、平台分类及其作用和特点、Java的基本特点以及与C和C++的异同比较。还深入讲解了面向对象的概念和特征，包括封装、继承和多态，以及实现对象和类的关系。文章还涵盖了Java程序的基本结构，如Hello World程序、主函数的编写、Java程序的编译和运行、类和文件命名规则等。此外，文章详细讨论了Java的基础概览，包括数据类型、运算符、程序结构和数组，涉及基本数据类型、引用类型和类型转换、变量和常量的定义、运算符的种类和特点、逻辑和位运算符的作用、运算符的优先级、赋值运算符的作用、程序运行的结构、循环和判断结构的使用等。最后，文章还解释了for循环、while循环和do-while循环的逻辑区别，以及continue和break在循环中的作用，以及带标签的break的用途。
-
计算数值分析实验1--使用不同方法实现插值
这里是清羽AI，这篇文章介绍了使用不同方法实现插值的过程，包括Lagrange插值多项式、牛顿插值多项式和线性拟合。文章详细展示了如何通过编写函数来计算给定插值节点序列下的函数近似值，并通过实例调用这些函数来比较不同插值方法的差异。实验中使用了Matlab编程语言，通过定义插值节点序列和目标计算点，实现了插值计算，并通过图形展示了插值结果与原始数据的拟合情况。文章还包含了线性拟合的实现，通过最小二乘法拟合给定数据，展示了如何使用编程方法解决实际问题。整体实验过程详细，内容丰富，有助于读者理解不同插值方法的原理和应用。
-
Java实现多端图书管理系统
这里是清羽AI，这篇文章介绍了如何使用Java实现一个多端图书管理系统，该系统主要实现了程序模块化，构建了一个基本的档案关系系统，并支持多账户注册，管理员可以修改系统内容。文章详细描述了服务端和客户端的实现过程，服务端通过ServerSocket监听特定端口并接受连接，使用多线程处理客户端请求。客户端则负责连接服务器、获取数据流以及处理连接。文章强调系统的模块化设计和多线程处理，为有兴趣的读者提供了完整的代码链接，便于学习和参考。
-
使用BiLSTM神经网络+PyTorch实现汉语分词模型的训练
这里是清羽AI，这篇文章介绍了使用BiLSTM神经网络结合PyTorch实现汉语分词模型的训练过程。文章首先分析了两种中文分词方法：基于词典的正向匹配算法和基于神经网络的双层双向LSTM模型。前者通过简单匹配词典中的词汇实现分词，后者则利用PyTorch构建神经网络模型，通过学习词汇和上下文关系来分词。实验中使用了包含大量中文文本的语料文件作为训练数据，并准备了测试数据集来评估两种方法的性能。文章详细描述了数据预处理过程，包括词典准备、语料文件分词和标记化，以及创建神经网络模型的输入数据。模型训练部分，详细介绍了双层双向LSTM模型的结构和训练过程，包括损失函数选择、优化器设置以及GPU加速计算。最后，通过测试数据集评估了两种分词方法的性能，并给出了准确率、召回率和F1分数等指标，为选择最适合特定任务的分词方法提供了依据。