AI学习之基础数学：特征分解-线性代数在AI大模型中的核心工具

Ne0inhk

— 2 min read
AI学习之基础数学：特征分解-线性代数在AI大模型中的核心工具

🧑 博主简介：ZEEKLOG博客专家、ZEEKLOG平台优质创作者，高级开发工程师，数学专业，10年以上C/C++, C#, Java等多种编程语言开发经验，拥有高级工程师证书；擅长C/C++、C#等开发语言，熟悉Java常用开发技术，能熟练应用常用数据库SQL server,Oracle,mysql,postgresql等进行开发应用，熟悉DICOM医学影像及DICOM协议,业余时间自学JavaScript,Vue,qt,python等，具备多种混合语言开发能力。撰写博客分享知识，致力于帮助编程爱好者共同进步。欢迎关注、交流及合作，提供技术支持与解决方案。
技术合作请加本人wx（注明来自ZEEKLOG）：xt20160813
在这里插入图片描述

特征分解：线性代数在AI大模型中的核心工具

人工智能（AI）大模型的理论基础建立在线性代数、概率统计和微积分之上，其中线性代数通过向量、矩阵和变换提供了处理高维数据的强大工具。在线性代数中，特征分解（Eigenvalue Decomposition）是一个核心概念，广泛应用于数据降维、模型优化和动态系统分析等AI场景。本文将深入讲解特征分解的概念、原理、数学推导及其在AI大模

Read more

前端Vue如何对接unet后端？跨域CORS配置实战教程

前端Vue如何对接unet后端？跨域CORS配置实战教程 1. 教程目标与背景 你是否正在开发一个前端项目，想要把真人照片一键变成卡通头像？最近很多开发者都在尝试用 UNet人像卡通化模型 实现这个功能。而科哥基于阿里达摩院的 DCT-Net 模型搭建了一个本地运行的 WebUI 工具，支持单图/批量处理、风格调节、高清输出等功能。 但问题来了：这个后端服务默认只在 localhost:7860 提供接口，而你的 Vue 项目通常运行在 localhost:8080 或 3000 端口上。这就导致了经典的“跨域问题”——浏览器直接报错： Access to fetch at 'http://localhost:7860/predict' from origin 'http://localhost:8080&

By Ne0inhk
Flutter for OpenHarmony：web 拥抱 Web 标准的桥梁（Wasm GC 与 DOM 互操作） 深度解析与鸿蒙适配指南

Flutter for OpenHarmony：web 拥抱 Web 标准的桥梁（Wasm GC 与 DOM 互操作） 深度解析与鸿蒙适配指南

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.ZEEKLOG.net 前言 随着 Flutter 3.x 全面拥抱 Wasm（WebAssembly），Dart 团队推出了全新的 package:web 来取代老旧的 dart:html。 package:web 是基于最新的 JS Interop 机制构建的，它不仅性能更好，而且兼容 Wasm GC 标准。 虽然这个库通过名字看是为 “Web” 平台的，但对于 OpenHarmony 开发者来说，了解它有着特殊的意义： 1. 混合开发：鸿蒙原生支持 ArkWeb (WebView)，在 Flutter 中通过 JS互操作与 Web 页面交互是常见需求。 2.

By Ne0inhk
基于YOLOv8/YOLOv10/YOLOv11/YOLOv12与SpringBoot的行人车辆检测系统（DeepSeek智能分析+web交互界面+前后端分离+YOLO数据

基于YOLOv8/YOLOv10/YOLOv11/YOLOv12与SpringBoot的行人车辆检测系统（DeepSeek智能分析+web交互界面+前后端分离+YOLO数据

一、 摘要 摘要： 随着城市化进程的加速和智能交通系统的普及，高效、准确的行人与车辆目标检测成为智慧城市、自动驾驶及公共安全等领域的关键技术。传统视频监控方法依赖于人工筛查，存在实时性差、易漏检和成本高昂等问题。本研究设计并实现了一个基于深度学习与Web技术的实时行人车辆检测与分析系统。系统核心集成当前最前沿的YOLOv8、YOLOv10、YOLOv11及YOLOv12四种目标检测算法，构建了一套可灵活切换、性能优异的检测引擎，专门针对“行人”和“车辆”两类目标进行精准识别与定位。系统采用前后端分离架构，后端基于SpringBoot框架构建，提供了RESTful API接口；前端提供直观的交互界面，实现了用户管理、多模态检测（图像、视频、实时摄像头）与全流程数据追溯。创新性地集成DeepSeek大型语言模型，可为检测场景提供智能语义分析与报告生成，提升了系统的决策支持能力。系统将全部检测记录与用户数据持久化存储于MySQL数据库，并通过可视化图表展示检测统计结果。经测试，系统在5607张图像数据集上表现稳定，实现了从算法应用到业务管理的完整闭环，为相关领域提供了可部署、易扩展的一体化

By Ne0inhk
Flutter 三方库 flutter_dropzone 的鸿蒙化适配指南 - 掌握万物皆可拖拽的资源流转技术、助力鸿蒙大屏与 Web 应用构建极致直观的文件导入与交互体系

Flutter 三方库 flutter_dropzone 的鸿蒙化适配指南 - 掌握万物皆可拖拽的资源流转技术、助力鸿蒙大屏与 Web 应用构建极致直观的文件导入与交互体系

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 flutter_dropzone 的鸿蒙化适配指南 - 掌握万物皆可拖拽的资源流转技术、助力鸿蒙大屏与 Web 应用构建极致直观的文件导入与交互体系 前言 在 OpenHarmony 鸿蒙应用全场景覆盖、特别是适配鸿蒙桌面模式（Desktop Mode）、折叠屏大屏交互及鸿蒙 Web 版推送的工程实战中，“文件拖拽（Drag and Drop）”已成为提升生产力效率的标配功能。用户希望能够像在 PC 上一样，直接将图片或文档拖入应用窗口即可完成上传。如何实现这种跨越边界的直观交互？flutter_dropzone 作为一个专注于“拖放区域感知与文件流提取”的库，旨在为鸿蒙开发者提供一套标准的拖放治理方案。本文将详述其在鸿蒙端的实战技法。 一、原原理分析 / 概念介绍 1.1 基础原理 flutter_dropzone

By Ne0inhk