学前导读

qq_41957502 2023-09-12 17:19:29

课时名称	课时知识点
学前导读	展示一下将要实现的效果，让大家有一个总体认知

...全文

231 1 打赏收藏举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

等待的树 2024-04-01

打赏
举报

回复

课件在哪可以下载

版本控制的起源现在的软件项目通常是由一个研发小组共同分析、设计、编码、维护以及测试的. 针对团队开发需要解决以下问题: 备份多个版本费时间、费空间; 难于恢复至以前的正确版本; 难于解决代码冲突困难; 难于追溯问题代码的修改人和修改时间; 无法进行权限控制; 项目版本发布困难. 源代码管理工具就是为了解决上述问题而应运而生的常见的版本控制工具: CVS 1990年诞生...

MyBatis Plus 是一个 MyBatis 的增强工具，它的目标是简化 MyBatis 的开发，提高开发效率。MyBatis Plus 提供了很多开箱即用的功能，如 CRUD 接口、分页插件、性能分析插件、代码生成器等，让开发者可以更加专注于业务逻辑的实现。主要功能特点：无侵入：在 MyBatis 基础上增强，不做任何修改，引入它不会对现有工程产生影响。低损耗：启动即会自动注入基本 CURD，性能无损耗，直接面向对象操作。强大的 CRUD 操作。

本文系统解析了AI Agent的核心概念与开发逻辑，指出Agent的本质是“以大模型为核心，结合工具、状态管理与执行机制的智能体系统”。相较于传统大模型仅生成文本，Agent能自主规划、调用外部工具、动态决策并完成复杂任务。文章强调，学习Agent应从Python入手，掌握ToolCalling、AgentLoop、State/Memory等核心机制，理解其运行闭环，并重视Prompt设计、可观测性（Tracing）与生产级考量（如Human-in-the-loop、超时控制）。最终倡导建立“Agent思维

对设计模式的简单理解: “不懂”为什么要把那么简单的东西搞得那么复杂。(各种继承，组合，还有接口等等，听上去就觉得恐怖了·····) 这应该是跟你敲得代码还比较少，或者你所开发的项目规模不够大，不够复杂有关(你还没有经历过修改和维护一个巨型项目额经验)；随着软件开发经验的增加才开始明白我所看到的“复杂”恰恰就是设计模式的精髓所在，我所理解的“简单”就是一把钥匙开一把锁的模式，...

文末附数据集可视化效果图。【数据集概况】 · 检测类别（中文）：[护栏(bollard)] · 训练集：2239 张 · 验证集：640 张 · 测试集：320 张 · 总计：3199 张城市街道护栏目标检测数据集... 【训练曲线与评估图】【模型训练配置】参数 | 值模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备【关键指标汇总】训练了 94 个 epoch，最终轮指标：指标 | 数值 mAP50 | **0.7341** mAP50-95 | 0.3921 Precision | 0.7873 Recall | 0.6713 train/box_loss | 1.5260 train/cls_loss | 0.8206 val/box_loss | 1.7977 val/cls_loss | 1.1156 【训练过程分析】 94 轮训练后 mAP50 为 0.7341，模型基本收敛但还有提升余地。Loss 曲线下降正常，后期趋于平缓。mAP50-95 为 0.3921，和 mAP50 差距 0.34，定位精度是主要短板。【模型性能评估】 Precision 0.7873、Recall 0.6713，精度高于召回，存在一定漏检。【预测效果展示】验证集预测效果一般，大部分目标能被检出，但存在部分漏检或框边缘贴合度不足的情况。【改进建议】 1. 增强难例挖掘：在大规模数据中筛选误检、漏检样本做针对性增强。 2. 提升输入分辨率：640 对定位精度支撑不足，尝试 800 或 1024 改善 mAP50-95。 3. 调优 NMS 和置信度阈值：当前精召偏低，适当调整过滤阈值平衡输出质量。【预测效果展示】

李书赟的课程社区_NO_1

1

社区成员

14

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章