sync(latex): 从 Word 同步第二章和附录内容
- ch02: 第5节重写为"环境-智能体框架"，新增表2.1/2.2和图2.1 - ch01: 补充 Garrity 引用来源 - 全部附录(ap01-ap09)从 Word 重新转换，修复 \sub 等转换错误 - 新增 ch13 结语占位、上下篇分隔页 Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
This commit is contained in:
@@ -1,2 +1,2 @@
|
||||
\chapter{附录}
|
||||
|
||||
\chapter*{附录}
|
||||
\addcontentsline{toc}{chapter}{附录}
|
||||
|
||||
@@ -1,18 +1,18 @@
|
||||
\chapter{附录1：计算机基础与编程环境}
|
||||
\chapter{计算机基础与编程环境}
|
||||
|
||||
本附录介绍计算机的基本构成、操作系统常见操作、程序设计语言的概念、Python编程语言的系统学习指南，以及机器学习与深度学习的实践入门。
|
||||
|
||||
\subsubsection{计算机的基本构成与操作系统常见操作}
|
||||
\subsection{计算机的基本构成与操作系统常见操作}
|
||||
|
||||
\paragraph{计算机基本构成}
|
||||
\subsubsection{计算机基本构成}
|
||||
|
||||
了解计算机的基本组成有助于理解AI程序运行时的资源需求。
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2194}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2599}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.3778}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2368}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.3026}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.4342}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
组件
|
||||
@@ -33,11 +33,12 @@ GPU & 图形处理器，并行计算 & 深度学习训练与推理的核心硬
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
\paragraph{操作系统常见操作}
|
||||
\subsubsection{操作系统常见操作}
|
||||
|
||||
本书以 macOS/Linux 为主要环境，Windows 用户推荐使用 WSL2（Windows Subsystem for Linux）。
|
||||
本书以 macOS/Linux 为主要环境，Windows 用户推荐使用 WSL2（Windows
|
||||
Subsystem for Linux）。
|
||||
|
||||
\subparagraph{文件与目录操作：}
|
||||
\paragraph{文件与目录操作：}
|
||||
|
||||
\emph{\# 查看当前路径}\\
|
||||
pwd\\
|
||||
@@ -56,7 +57,7 @@ cp file.txt backup.txt\\
|
||||
mv old.txt new.txt\\
|
||||
rm unwanted.txt
|
||||
|
||||
\subparagraph{环境与进程管理：}
|
||||
\paragraph{环境与进程管理：}
|
||||
|
||||
\emph{\# 查看系统资源}\\
|
||||
top \emph{\# CPU和内存使用}\\
|
||||
@@ -67,17 +68,18 @@ nvidia-smi \emph{\# GPU状态（NVIDIA显卡）}\\
|
||||
brew install xxx \emph{\# macOS Homebrew}\\
|
||||
apt install xxx \emph{\# Ubuntu/Debian}
|
||||
|
||||
\paragraph{硬件资源推荐}
|
||||
\subsubsection{硬件资源推荐}
|
||||
|
||||
\textbf{本地GPU配置}： - GPU：RTX 3060 (12GB) 或更高 - 内存：16GB+ - 存储：至少100GB SSD
|
||||
\textbf{本地GPU配置}： - GPU：RTX 3060 (12GB) 或更高 - 内存：16GB+ -
|
||||
存储：至少100GB SSD
|
||||
|
||||
\textbf{云平台}：
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2003}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1245}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1185}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2639}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1528}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1528}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
平台
|
||||
@@ -97,9 +99,11 @@ AutoDL & 按时计费 & 中期项目 \\
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
\paragraph{软件安装与运行}
|
||||
\subsubsection{软件安装与运行}
|
||||
|
||||
\textbf{“安装”的本质就是}：把编译好的二进制文件放到 PATH 某个目录下，让 shell 能找到它。例如git的安装和使用： \textbf{总结：三层抽象}
|
||||
\textbf{``安装''的本质就是}：把编译好的二进制文件放到 PATH
|
||||
某个目录下，让 shell 能找到它。例如git的安装和使用：
|
||||
\textbf{总结：三层抽象}
|
||||
|
||||
┌─────────────────────────────────────────────┐\\
|
||||
│ 用户层：brew install git / git clone │ ← 你看到的\\
|
||||
@@ -111,23 +115,26 @@ AutoDL & 按时计费 & 中期项目 \\
|
||||
│ 硬件层：CPU 执行指令、网卡收发数据、磁盘写入 │ ← 物理上发生了什么\\
|
||||
└─────────────────────────────────────────────┘
|
||||
|
||||
所以整个链条是：\textbf{包管理器下载编译好的二进制 → 放到 PATH 目录 → shell 通过 PATH 找到它 → execve 加载到内存 →}
|
||||
所以整个链条是：\textbf{包管理器下载编译好的二进制 → 放到 PATH 目录 →
|
||||
shell 通过 PATH 找到它 → execve 加载到内存 →}
|
||||
|
||||
\textbf{二进制内部调用 OS API 完成实际工作}。没有任何“魔法”，本质上就是文件操作和进程管理的组合。
|
||||
\textbf{二进制内部调用 OS API
|
||||
完成实际工作}。没有任何“魔法”，本质上就是文件操作和进程管理的组合。
|
||||
|
||||
\subsubsection{程序设计语言与软件开发}
|
||||
\subsection{程序设计语言与软件开发}
|
||||
|
||||
\paragraph{什么是程序设计语言}
|
||||
\subsubsection{什么是程序设计语言}
|
||||
|
||||
计算机只能执行由0和1组成的\textbf{机器码}（machine code），但人类直接阅读和编写机器码极其困难。程序设计语言就是人与计算机之间的桥梁------用人类可读的语法表达逻辑，再通过特定工具转换为机器可执行的指令。
|
||||
计算机只能执行由0和1组成的\textbf{机器码}（machine
|
||||
code），但人类直接阅读和编写机器码极其困难。程序设计语言就是人与计算机之间的桥梁——用人类可读的语法表达逻辑，再通过特定工具转换为机器可执行的指令。
|
||||
|
||||
从底层到高层的演进：
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1185}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2548}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.4249}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1429}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.3506}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.4805}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
层级
|
||||
@@ -147,7 +154,7 @@ AutoDL & 按时计费 & 中期项目 \\
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
\paragraph{编译型与解释型语言}
|
||||
\subsubsection{编译型与解释型语言}
|
||||
|
||||
高级语言需要转换为机器码才能运行，根据转换方式的不同，分为两大类：
|
||||
|
||||
@@ -175,16 +182,17 @@ Ruby：Web开发（Ruby on Rails）
|
||||
|
||||
特点：开发灵活、调试方便，但运行速度通常慢于编译型语言。
|
||||
|
||||
\textbf{混合模式}：Java 采用“编译为字节码 → 虚拟机解释执行”的混合方式，兼顾了跨平台和性能。
|
||||
\textbf{混合模式}：Java 采用“编译为字节码 →
|
||||
虚拟机解释执行”的混合方式，兼顾了跨平台和性能。
|
||||
|
||||
\paragraph{常见编程语言概览}
|
||||
\subsubsection{常见编程语言概览}
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.1266}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.0951}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.3546}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.3258}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.1512}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.1047}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.3605}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.3605}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
语言
|
||||
@@ -200,7 +208,8 @@ Ruby：Web开发（Ruby on Rails）
|
||||
\bottomrule\noalign{}
|
||||
\endlastfoot
|
||||
Python & 解释型 & AI、数据科学、自动化 & 本书主要编程语言 \\
|
||||
C/C++ & 编译型 & 操作系统、嵌入式、高性能计算 & 深度学习框架的底层实现 \\
|
||||
C/C++ & 编译型 & 操作系统、嵌入式、高性能计算 &
|
||||
深度学习框架的底层实现 \\
|
||||
Java & 混合型 & 企业应用、Android开发 & 大数据处理（Hadoop/Spark） \\
|
||||
JavaScript & 解释型 & 网页前端、Node.js后端 & Web可视化、交互设计 \\
|
||||
Shell/Bash & 解释型 & 命令行脚本、系统管理 & 自动化任务、环境管理 \\
|
||||
@@ -208,15 +217,19 @@ SQL & 声明式 & 数据库查询 & 数据管理与提取 \\
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
\textbf{命令行界面（CLI）}：CLI（Command Line Interface）是通过文本命令与计算机交互的方式。终端中输入的每一条命令（如 ls、git commit）本质上都是调用某个程序。掌握 CLI 是进行AI开发的基础技能，许多工具（如 conda、pip、git）主要通过命令行操作。
|
||||
\textbf{命令行界面（CLI）}：CLI（Command Line
|
||||
Interface）是通过文本命令与计算机交互的方式。终端中输入的每一条命令（如
|
||||
ls、git commit）本质上都是调用某个程序。掌握 CLI
|
||||
是进行AI开发的基础技能，许多工具（如
|
||||
conda、pip、git）主要通过命令行操作。
|
||||
|
||||
\paragraph{软件开发基本概念}
|
||||
\subsubsection{软件开发基本概念}
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1379}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.3042}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.5579}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1327}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.3186}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.5310}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
概念
|
||||
@@ -229,18 +242,21 @@ SQL & 声明式 & 数据库查询 & 数据管理与提取 \\
|
||||
\endhead
|
||||
\bottomrule\noalign{}
|
||||
\endlastfoot
|
||||
集成开发环境 & IDE & 集成代码编辑、调试、运行的开发工具（如 VS Code、PyCharm） \\
|
||||
集成开发环境 & IDE & 集成代码编辑、调试、运行的开发工具（如 VS
|
||||
Code、PyCharm） \\
|
||||
编译器 & Compiler & 将源代码翻译为机器码的程序 \\
|
||||
解释器 & Interpreter & 逐行读取并执行源代码的程序 \\
|
||||
调试器 & Debugger & 帮助定位和修复代码错误的工具 \\
|
||||
包管理器 & Package Manager & 管理第三方库的安装和更新（如 pip、conda、npm） \\
|
||||
API & Application Programming Interface & 程序之间交互的接口（如调用AI模型的API） \\
|
||||
包管理器 & Package Manager & 管理第三方库的安装和更新（如
|
||||
pip、conda、npm） \\
|
||||
API & Application Programming Interface &
|
||||
程序之间交互的接口（如调用AI模型的API） \\
|
||||
开源 & Open Source & 源代码公开，可自由使用和修改 \\
|
||||
版本控制 & Version Control & 管理代码的修改历史（如 Git） \\
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
\paragraph{Python环境配置}\label{pythonux73afux5883ux914dux7f6e}
|
||||
\subsubsection{Python环境配置}
|
||||
|
||||
Python是本书使用的核心编程语言，以下介绍环境搭建方法。
|
||||
|
||||
@@ -248,10 +264,10 @@ Anaconda vs Miniconda
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.1265}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.1092}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.1422}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.1599}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.1165}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.0971}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.1262}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.6408}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
工具
|
||||
@@ -266,8 +282,10 @@ Anaconda vs Miniconda
|
||||
\endhead
|
||||
\bottomrule\noalign{}
|
||||
\endlastfoot
|
||||
Anaconda & \textasciitilde500MB & 预装常用库 & \href{https://www.anaconda.com/download}{anaconda.com} \\
|
||||
Miniconda & \textasciitilde50MB & 精简安装 & \href{https://docs.conda.io/en/latest/miniconda.html}{docs.conda.io} \\
|
||||
Anaconda & \textasciitilde500MB & 预装常用库 &
|
||||
\href{https://www.anaconda.com/download}{anaconda.com} \\
|
||||
Miniconda & \textasciitilde50MB & 精简安装 &
|
||||
\href{https://docs.conda.io/en/latest/miniconda.html}{docs.conda.io} \\
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
@@ -285,15 +303,18 @@ conda install numpy pandas scipy\\
|
||||
\# 4. 安装深度学习框架\\
|
||||
pip install torch torchvision
|
||||
|
||||
\subsubsection{Python编程语言}\label{pythonux7f16ux7a0bux8bedux8a00}
|
||||
\subsection{Python编程语言}
|
||||
|
||||
\subparagraph{Python概述与特点}\label{pythonux6982ux8ff0ux4e0eux7279ux70b9}
|
||||
\paragraph{Python概述与特点}
|
||||
|
||||
Python由Guido van Rossum于1991年发布，以”优雅”\,”简洁”\,”可读性强”为设计哲学。它是当前AI和数据科学领域使用最广泛的编程语言。
|
||||
Python由Guido van
|
||||
Rossum于1991年发布，以“优雅”\,``简洁“``可读性强”为设计哲学。它是当前AI和数据科学领域使用最广泛的编程语言。
|
||||
|
||||
\textbf{核心特点}： - 语法简洁，接近自然语言，入门门槛低 - 丰富的第三方库生态（AI、数据处理、Web等） - 跨平台运行（Windows、macOS、Linux） - 活跃的开源社区支持
|
||||
\textbf{核心特点}： - 语法简洁，接近自然语言，入门门槛低 -
|
||||
丰富的第三方库生态（AI、数据处理、Web等） -
|
||||
跨平台运行（Windows、macOS、Linux） - 活跃的开源社区支持
|
||||
|
||||
\subparagraph{基础语法}
|
||||
\paragraph{基础语法}
|
||||
|
||||
变量与数据类型
|
||||
|
||||
@@ -304,7 +325,8 @@ chapter\_count = 26 \emph{\# 整数 int}\\
|
||||
is\_published = True \emph{\# 布尔值 bool}\\
|
||||
\strut \\
|
||||
\emph{\# 查看类型}\\
|
||||
print(type(name)) \emph{\# \textless class \textquotesingle str\textquotesingle\textgreater{}}
|
||||
print(type(name)) \emph{\# \textless class
|
||||
\textquotesingle str\textquotesingle\textgreater{}}
|
||||
|
||||
字符串操作
|
||||
|
||||
@@ -332,7 +354,7 @@ print(len(title)) \emph{\# 长度}
|
||||
\strut \\
|
||||
\emph{\# 好的注释解释"为什么"，而不是"做什么"}
|
||||
|
||||
\subparagraph{数据结构}
|
||||
\paragraph{数据结构}
|
||||
|
||||
列表（List）
|
||||
|
||||
@@ -387,10 +409,9 @@ rgb = (255, 128, 0)
|
||||
|
||||
\begin{enumerate}
|
||||
\def\labelenumi{\arabic{enumi}.}
|
||||
\tightlist
|
||||
\item
|
||||
\begin{verbatim}
|
||||
g, b = rgb
|
||||
\end{verbatim}
|
||||
g, b = rgb
|
||||
\end{enumerate}
|
||||
|
||||
集合（Set）
|
||||
@@ -404,7 +425,7 @@ tools\_b = \{"Figma", "Blender", "Rhino"\}\\
|
||||
print(tools\_a \& tools\_b) \emph{\# 交集: \{"Figma"\}}\\
|
||||
print(tools\_a \textbar{} tools\_b) \emph{\# 并集}
|
||||
|
||||
\subparagraph{控制流}
|
||||
\paragraph{控制流}
|
||||
|
||||
条件判断
|
||||
|
||||
@@ -446,9 +467,10 @@ squares.append(x ** 2)\\
|
||||
squares = {[}x ** 2 \textbf{for} x \textbf{in} range(10){]}\\
|
||||
\strut \\
|
||||
\emph{\# 带条件过滤}\\
|
||||
even\_squares = {[}x ** 2 \textbf{for} x \textbf{in} range(10) \textbf{if} x \% 2 == 0{]}
|
||||
even\_squares = {[}x ** 2 \textbf{for} x \textbf{in} range(10)
|
||||
\textbf{if} x \% 2 == 0{]}
|
||||
|
||||
\subparagraph{函数与模块}
|
||||
\paragraph{函数与模块}
|
||||
|
||||
定义函数
|
||||
|
||||
@@ -484,25 +506,19 @@ train\_model(100, optimizer="SGD", lr=0.1)
|
||||
|
||||
\textbf{import} pandas \textbf{as} pd
|
||||
|
||||
\begin{verbatim}
|
||||
\end{verbatim}
|
||||
|
||||
\emph{\# 从模块中导入特定功能}
|
||||
|
||||
\textbf{from} pathlib \textbf{import} Path
|
||||
|
||||
\textbf{from} collections \textbf{import} Counter
|
||||
|
||||
\begin{verbatim}
|
||||
\end{verbatim}
|
||||
|
||||
\emph{\# 安装第三方库（在终端中执行）}
|
||||
|
||||
\begin{verbatim}
|
||||
\begin{lstlisting}
|
||||
# pip install numpy pandas matplotlib
|
||||
\end{verbatim}
|
||||
\end{lstlisting}
|
||||
|
||||
\subparagraph{3.6 文件读写}
|
||||
\paragraph{3.6 文件读写}
|
||||
|
||||
\emph{\# 读取文件}
|
||||
|
||||
@@ -518,9 +534,6 @@ content = f.read()
|
||||
|
||||
print(line.strip())
|
||||
|
||||
\begin{verbatim}
|
||||
\end{verbatim}
|
||||
|
||||
\emph{\# 写入文件}
|
||||
|
||||
\textbf{with} open("output.txt", "w", encoding="utf-8") \textbf{as} f:
|
||||
@@ -529,46 +542,35 @@ f.write("分析结果\textbackslash n")
|
||||
|
||||
f.write(f"准确率: \{acc:.4f\}\textbackslash n")
|
||||
|
||||
\begin{verbatim}
|
||||
\end{verbatim}
|
||||
|
||||
\emph{\# 读写JSON（AI应用中常用的数据格式）}
|
||||
|
||||
\textbf{import} json
|
||||
|
||||
\begin{verbatim}
|
||||
\end{verbatim}
|
||||
|
||||
data = \{"model": "ResNet", "accuracy": 0.96\}
|
||||
|
||||
\begin{verbatim}
|
||||
\end{verbatim}
|
||||
|
||||
\emph{\# 写入JSON}
|
||||
|
||||
\textbf{with} open("result.json", "w") \textbf{as} f:
|
||||
|
||||
json.dump(data, f, indent=2)
|
||||
|
||||
\begin{verbatim}
|
||||
\end{verbatim}
|
||||
|
||||
\emph{\# 读取JSON}
|
||||
|
||||
\textbf{with} open("result.json", "r") \textbf{as} f:
|
||||
|
||||
\begin{verbatim}
|
||||
\begin{lstlisting}
|
||||
loaded = json.load(f)
|
||||
\end{verbatim}
|
||||
\end{lstlisting}
|
||||
|
||||
\subparagraph{面向对象编程基础}
|
||||
\paragraph{面向对象编程基础}
|
||||
|
||||
面向对象编程（OOP）是Python的重要范式，许多AI库都基于OOP设计。
|
||||
|
||||
\textbf{class} NeuralNetwork:\\
|
||||
\emph{"""简单的神经网络类"""}\\
|
||||
\strut \\
|
||||
\textbf{def} \_\_init\_\_(self, input\_size, hidden\_size, output\_size):\\
|
||||
\textbf{def} \_\_init\_\_(self, input\_size, hidden\_size,
|
||||
output\_size):\\
|
||||
\emph{"""初始化网络结构"""}\\
|
||||
self.input\_size = input\_size\\
|
||||
self.hidden\_size = hidden\_size\\
|
||||
@@ -578,7 +580,8 @@ self.loss\_history = {[}{]}\\
|
||||
\textbf{def} forward(self, x):\\
|
||||
\emph{"""前向传播"""}\\
|
||||
\emph{\# 这里简化为概念演示}\\
|
||||
\textbf{return} f"输出: 输入\{x\}经过\{self.hidden\_size\}个隐藏层神经元"\\
|
||||
\textbf{return} f"输出:
|
||||
输入\{x\}经过\{self.hidden\_size\}个隐藏层神经元"\\
|
||||
\strut \\
|
||||
\textbf{def} train(self, data, epochs=10):\\
|
||||
\emph{"""训练网络"""}\\
|
||||
@@ -588,13 +591,14 @@ self.loss\_history.append(loss)\\
|
||||
print(f"Epoch \{epoch+1\}, Loss: \{loss:.4f\}")\\
|
||||
\strut \\
|
||||
\emph{\# 创建实例}\\
|
||||
model = NeuralNetwork(input\_size=784, hidden\_size=128, output\_size=10)\\
|
||||
model = NeuralNetwork(input\_size=784, hidden\_size=128,
|
||||
output\_size=10)\\
|
||||
\strut \\
|
||||
\emph{\# 使用}\\
|
||||
output = model.forward({[}0.5, 0.3, 0.8{]})\\
|
||||
model.train(data=None, epochs=5)
|
||||
|
||||
\paragraph{核心科学计算库}
|
||||
\subsubsection{核心科学计算库}
|
||||
|
||||
NumPy：数值计算基础
|
||||
|
||||
@@ -615,7 +619,7 @@ print(np.mean(x)) \emph{\# 均值}\\
|
||||
print(np.std(x)) \emph{\# 标准差}\\
|
||||
print(np.max(x)) \emph{\# 最大值}
|
||||
|
||||
\subparagraph{Pandas：数据处理}\label{pandasux6570ux636eux5904ux7406}
|
||||
\paragraph{Pandas：数据处理}
|
||||
|
||||
\textbf{import} pandas \textbf{as} pd\\
|
||||
\strut \\
|
||||
@@ -634,9 +638,10 @@ df = df.dropna() \emph{\# 删除缺失值}\\
|
||||
print(df.describe()) \emph{\# 描述性统计}\\
|
||||
\strut \\
|
||||
\emph{\# 筛选数据}\\
|
||||
filtered = df{[}df{[}\textquotesingle accuracy\textquotesingle{]} \textgreater{} 0.9{]}
|
||||
filtered = df{[}df{[}\textquotesingle accuracy\textquotesingle{]}
|
||||
\textgreater{} 0.9{]}
|
||||
|
||||
\subparagraph{Matplotlib：数据可视化}\label{matplotlibux6570ux636eux53efux89c6ux5316}
|
||||
\paragraph{Matplotlib：数据可视化}
|
||||
|
||||
\textbf{import} matplotlib.pyplot \textbf{as} plt\\
|
||||
\strut \\
|
||||
@@ -651,16 +656,16 @@ plt.title(\textquotesingle Training Loss Curve\textquotesingle)\\
|
||||
plt.savefig(\textquotesingle loss\_curve.png\textquotesingle, dpi=150)\\
|
||||
plt.show()
|
||||
|
||||
\subsubsection{AI工具库速查与模型资源}\label{aiux5de5ux5177ux5e93ux901fux67e5ux4e0eux6a21ux578bux8d44ux6e90}
|
||||
\subsection{AI工具库速查与模型资源}
|
||||
|
||||
\paragraph{工具库速查}
|
||||
\subsubsection{工具库速查}
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.1422}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.1383}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.3840}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.3081}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.1340}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.1443}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.4227}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.2784}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
类别
|
||||
@@ -676,17 +681,22 @@ plt.show()
|
||||
\bottomrule\noalign{}
|
||||
\endlastfoot
|
||||
计算机视觉 & OpenCV & pip install opencv-python & 图像处理、视频分析 \\
|
||||
目标检测 & Ultralytics & pip install ultralytics & YOLO目标检测、实例分割 \\
|
||||
图像生成 & Diffusers & pip install diffusers & Stable Diffusion模型调用 \\
|
||||
Agent开发 & LangChain & pip install langchain langchain-openai & LLM应用开发框架 \\
|
||||
目标检测 & Ultralytics & pip install ultralytics &
|
||||
YOLO目标检测、实例分割 \\
|
||||
图像生成 & Diffusers & pip install diffusers & Stable
|
||||
Diffusion模型调用 \\
|
||||
Agent开发 & LangChain & pip install langchain langchain-openai &
|
||||
LLM应用开发框架 \\
|
||||
Agent开发 & LangGraph & pip install langgraph & 状态机式Agent开发 \\
|
||||
数据检索 & LlamaIndex & pip install llama-index & 数据索引与检索（RAG） \\
|
||||
数据检索 & LlamaIndex & pip install llama-index &
|
||||
数据索引与检索（RAG） \\
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
\paragraph{模型资源}
|
||||
\subsubsection{模型资源}
|
||||
|
||||
\subparagraph{\texorpdfstring{Hugging Face：\href{https://huggingface.co/}{huggingface.co}}{Hugging Face：huggingface.co}}\label{hugging-facehuggingface.co}
|
||||
\paragraph{\texorpdfstring{Hugging
|
||||
Face：\href{https://huggingface.co/}{huggingface.co}}{Hugging Face：huggingface.co}}\label{hugging-facehuggingface.co}
|
||||
|
||||
功能：模型仓库、数据集、Spaces在线演示
|
||||
|
||||
@@ -694,9 +704,9 @@ Agent开发 & LangGraph & pip install langgraph & 状态机式Agent开发 \\
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1421}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2163}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.3845}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1625}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2750}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.5375}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
任务
|
||||
@@ -709,24 +719,25 @@ Hugging Face ID
|
||||
\endhead
|
||||
\bottomrule\noalign{}
|
||||
\endlastfoot
|
||||
文生图 & Stable Diffusion XL & stabilityai/stable-diffusion-xl-base-1.0 \\
|
||||
文生图 & Stable Diffusion XL &
|
||||
stabilityai/stable-diffusion-xl-base-1.0 \\
|
||||
目标检测 & YOLOv8 & Ultralytics \\
|
||||
语义分割 & SAM & segment-anything \\
|
||||
大语言模型 & Llama 3 & meta-llama/Meta-Llama-3-8B \\
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
\subsubsection{4 机器学习与深度学习入门教程}
|
||||
\section{机器学习与深度学习入门教程}
|
||||
|
||||
本节通过一个完整的实践流程，带领读者从数据准备到模型训练，体验机器学习和深度学习的核心步骤。
|
||||
|
||||
\paragraph{机器学习 vs 深度学习}
|
||||
\subsubsection{机器学习 vs 深度学习}
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1185}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.4054}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.3778}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1358}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.4198}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.4198}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
维度
|
||||
@@ -747,15 +758,15 @@ Hugging Face ID
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
\paragraph{scikit-learn：机器学习实践}\label{scikit-learnux673aux5668ux5b66ux4e60ux5b9eux8df5}
|
||||
\subsubsection{scikit-learn：机器学习实践}
|
||||
|
||||
scikit-learn是Python最经典的机器学习库，提供了丰富的算法和工具。
|
||||
|
||||
\subparagraph{安装}
|
||||
\paragraph{安装}
|
||||
|
||||
pip install scikit-learn
|
||||
|
||||
\subparagraph{完整示例：鸢尾花分类}
|
||||
\paragraph{完整示例：鸢尾花分类}
|
||||
|
||||
\textbf{import} numpy \textbf{as} np
|
||||
|
||||
@@ -763,7 +774,8 @@ pip install scikit-learn
|
||||
|
||||
\textbf{from} sklearn \textbf{import} datasets
|
||||
|
||||
\textbf{from} sklearn.model\_selection \textbf{import} train\_test\_split
|
||||
\textbf{from} sklearn.model\_selection \textbf{import}
|
||||
train\_test\_split
|
||||
|
||||
\textbf{from} sklearn.preprocessing \textbf{import} StandardScaler
|
||||
|
||||
@@ -773,9 +785,10 @@ pip install scikit-learn
|
||||
|
||||
\textbf{from} sklearn.ensemble \textbf{import} RandomForestClassifier
|
||||
|
||||
\textbf{from} sklearn.metrics \textbf{import} accuracy\_score, classification\_report
|
||||
\textbf{from} sklearn.metrics \textbf{import} accuracy\_score,
|
||||
classification\_report
|
||||
|
||||
\paragraph{}\label{section-6}
|
||||
\subsubsection{}\label{section}
|
||||
|
||||
\emph{\# 1. 加载数据}
|
||||
|
||||
@@ -787,22 +800,16 @@ y = iris.target \emph{\# 标签：三种鸢尾花}
|
||||
|
||||
print(f"数据集大小: \{X.shape\}, 类别数: \{len(np.unique(y))\}")
|
||||
|
||||
\begin{verbatim}
|
||||
\end{verbatim}
|
||||
|
||||
\emph{\# 2. 划分训练集和测试集}
|
||||
|
||||
X\_train, X\_test, y\_train, y\_test = train\_test\_split(
|
||||
|
||||
\begin{verbatim}
|
||||
\begin{lstlisting}
|
||||
X, y, test_size=0.3, random_state=42
|
||||
\end{verbatim}
|
||||
\end{lstlisting}
|
||||
|
||||
)
|
||||
|
||||
\begin{verbatim}
|
||||
\end{verbatim}
|
||||
|
||||
\emph{\# 3. 数据标准化}
|
||||
|
||||
scaler = StandardScaler()
|
||||
@@ -811,9 +818,6 @@ X\_train = scaler.fit\_transform(X\_train)
|
||||
|
||||
X\_test = scaler.transform(X\_test)
|
||||
|
||||
\begin{verbatim}
|
||||
\end{verbatim}
|
||||
|
||||
\emph{\# 4. 训练多个模型并比较}
|
||||
|
||||
models = \{
|
||||
@@ -826,9 +830,9 @@ models = \{
|
||||
"随机森林": RandomForestClassifier(n\_estimaors=100),
|
||||
\end{quote}
|
||||
|
||||
\begin{verbatim}
|
||||
\begin{lstlisting}
|
||||
}
|
||||
\end{verbatim}
|
||||
\end{lstlisting}
|
||||
|
||||
\textbf{for} name, model \textbf{in} models.items():
|
||||
|
||||
@@ -848,20 +852,21 @@ y\_pred = best\_model.predict(X\_test)
|
||||
|
||||
print("\textbackslash n分类报告:")
|
||||
|
||||
\begin{verbatim}
|
||||
\begin{lstlisting}
|
||||
print(classification_report(y_test, y_pred, target_names=iris.target_names))
|
||||
\end{verbatim}
|
||||
\end{lstlisting}
|
||||
|
||||
\subparagraph{机器学习工作流总结}
|
||||
\paragraph{机器学习工作流总结}
|
||||
|
||||
数据收集 → 数据预处理 → 特征工程 → 划分训练/测试集\\
|
||||
→ 选择模型 → 训练 → 评估 → 调优 → 部署
|
||||
|
||||
\paragraph{PyTorch：深度学习实践}\label{pytorchux6df1ux5ea6ux5b66ux4e60ux5b9eux8df5}
|
||||
\subsubsection{PyTorch：深度学习实践}
|
||||
|
||||
PyTorch是当前研究和实验中最流行的深度学习框架，以动态计算图和Pythonic API著称。
|
||||
PyTorch是当前研究和实验中最流行的深度学习框架，以动态计算图和Pythonic
|
||||
API著称。
|
||||
|
||||
\subparagraph{张量（Tensor）基础}
|
||||
\paragraph{张量（Tensor）基础}
|
||||
|
||||
张量是PyTorch的核心数据结构，类似于NumPy数组，但可以在GPU上运算。
|
||||
|
||||
@@ -884,7 +889,7 @@ arr = np.array({[}1, 2, 3{]})\\
|
||||
tensor = torch.from\_numpy(arr) \emph{\# NumPy → Tensor}\\
|
||||
back = tensor.numpy() \emph{\# Tensor → NumPy}
|
||||
|
||||
\subparagraph{自动求导（Autograd）}
|
||||
\paragraph{自动求导（Autograd）}
|
||||
|
||||
PyTorch的autograd模块可以自动计算梯度，是训练神经网络的核心。
|
||||
|
||||
@@ -898,7 +903,7 @@ y = x ** 2 + 3 * x + 1 \emph{\# y = x² + 3x + 1}\\
|
||||
y.backward()\\
|
||||
print(f"dy/dx = \{x.grad\}") \emph{\# 应为 2x + 3 = 7（x=2时）}
|
||||
|
||||
\subparagraph{完整示例：手写数字识别}
|
||||
\paragraph{完整示例：手写数字识别}
|
||||
|
||||
以下是一个完整的神经网络训练流程，使用经典的MNIST数据集。
|
||||
|
||||
@@ -910,33 +915,31 @@ print(f"dy/dx = \{x.grad\}") \emph{\# 应为 2x + 3 = 7（x=2时）}
|
||||
|
||||
\textbf{from} torchvision \textbf{import} datasets, transforms
|
||||
|
||||
\subparagraph{}\label{section-7}
|
||||
\paragraph{}\label{section-4}
|
||||
|
||||
\emph{\# 1. 数据准备}
|
||||
|
||||
transform = transforms.Compose({[}
|
||||
|
||||
\begin{verbatim}
|
||||
\begin{lstlisting}
|
||||
transforms.ToTensor(), # 转为张量
|
||||
\end{verbatim}
|
||||
\end{lstlisting}
|
||||
|
||||
transforms.Normalize((0.1307,), (0.3081,)) \emph{\# 标准化}
|
||||
|
||||
{]})
|
||||
|
||||
train\_dataset = datasets.MNIST(\textquotesingle./data\textquotesingle, train=True, download=True, transform=transform)
|
||||
train\_dataset = datasets.MNIST(\textquotesingle./data\textquotesingle,
|
||||
train=True, download=True, transform=transform)
|
||||
|
||||
test\_dataset = datasets.MNIST(\textquotesingle./data\textquotesingle, train=False, transform=transform)
|
||||
test\_dataset = datasets.MNIST(\textquotesingle./data\textquotesingle,
|
||||
train=False, transform=transform)
|
||||
|
||||
\begin{verbatim}
|
||||
\end{verbatim}
|
||||
train\_loader = torch.utils.data.DataLoader(train\_dataset,
|
||||
batch\_size=64, shuffle=True)
|
||||
|
||||
train\_loader = torch.utils.data.DataLoader(train\_dataset, batch\_size=64, shuffle=True)
|
||||
|
||||
test\_loader = torch.utils.data.DataLoader(test\_dataset, batch\_size=1000)
|
||||
|
||||
\begin{verbatim}
|
||||
\end{verbatim}
|
||||
test\_loader = torch.utils.data.DataLoader(test\_dataset,
|
||||
batch\_size=1000)
|
||||
|
||||
\emph{\# 2. 定义模型}
|
||||
|
||||
@@ -952,42 +955,30 @@ self.fc2 = nn.Linear(128, 64) \emph{\# 隐藏层 → 隐藏层}
|
||||
|
||||
self.fc3 = nn.Linear(64, 10) \emph{\# 隐藏层 → 输出层（10个数字）}
|
||||
|
||||
\begin{verbatim}
|
||||
\end{verbatim}
|
||||
|
||||
\textbf{def} forward(self, x):
|
||||
|
||||
\begin{verbatim}
|
||||
\begin{lstlisting}
|
||||
x = x.view(-1, 28 * 28) # 展平图像
|
||||
\end{verbatim}
|
||||
\end{lstlisting}
|
||||
|
||||
x = torch.relu(self.fc1(x)) \emph{\# ReLU激活}
|
||||
|
||||
x = torch.relu(self.fc2(x))
|
||||
|
||||
\begin{verbatim}
|
||||
\begin{lstlisting}
|
||||
x = self.fc3(x) # 输出层不加激活
|
||||
\end{verbatim}
|
||||
\end{lstlisting}
|
||||
|
||||
\textbf{return} x
|
||||
|
||||
\begin{verbatim}
|
||||
\end{verbatim}
|
||||
|
||||
model = Net()
|
||||
|
||||
\begin{verbatim}
|
||||
\end{verbatim}
|
||||
|
||||
\emph{\# 3. 定义损失函数和优化器}
|
||||
|
||||
criterion = nn.CrossEntropyLoss()
|
||||
|
||||
optimizer = optim.Adam(model.parameters(), lr=0.001)
|
||||
|
||||
\begin{verbatim}
|
||||
\end{verbatim}
|
||||
|
||||
\emph{\# 4. 训练}
|
||||
|
||||
\textbf{for} epoch \textbf{in} range(5):
|
||||
@@ -998,25 +989,26 @@ total\_loss = 0
|
||||
|
||||
\textbf{for} batch\_x, batch\_y \textbf{in} train\_loader:
|
||||
|
||||
\begin{verbatim}
|
||||
\begin{lstlisting}
|
||||
optimizer.zero_grad() # 清零梯度
|
||||
output = model(batch_x) # 前向传播
|
||||
\end{verbatim}
|
||||
\end{lstlisting}
|
||||
|
||||
loss = criterion(output, batch\_y) \emph{\# 计算损失}
|
||||
|
||||
\begin{verbatim}
|
||||
\begin{lstlisting}
|
||||
loss.backward() # 反向传播
|
||||
optimizer.step() # 更新参数
|
||||
\end{verbatim}
|
||||
\end{lstlisting}
|
||||
|
||||
total\_loss += loss.item()
|
||||
|
||||
print(f"Epoch \{epoch+1\}, Loss: \{total\_loss/len(train\_loader):.4f\}")
|
||||
print(f"Epoch \{epoch+1\}, Loss:
|
||||
\{total\_loss/len(train\_loader):.4f\}")
|
||||
|
||||
\begin{verbatim}
|
||||
\begin{lstlisting}
|
||||
# 5. 测试
|
||||
\end{verbatim}
|
||||
\end{lstlisting}
|
||||
|
||||
model.eval()
|
||||
|
||||
@@ -1036,12 +1028,11 @@ total += batch\_y.size(0)
|
||||
|
||||
correct += (predicted == batch\_y).sum()
|
||||
|
||||
\begin{verbatim}
|
||||
|
||||
\begin{lstlisting}
|
||||
print(f"\n测试准确率: {correct/total:.2%}")
|
||||
\end{verbatim}
|
||||
\end{lstlisting}
|
||||
|
||||
\paragraph{使用预训练模型}
|
||||
\subsubsection{使用预训练模型}
|
||||
|
||||
在实际应用中，通常不需要从头训练模型，而是使用预训练模型进行微调或直接推理。
|
||||
|
||||
@@ -1055,37 +1046,32 @@ print(f"\n测试准确率: {correct/total:.2%}")
|
||||
classifier = pipeline("sentiment-analysis")\\
|
||||
result = classifier("This design is amazing!")\\
|
||||
print(result)\\
|
||||
\emph{\# {[}\{\textquotesingle label\textquotesingle: \textquotesingle POSITIVE\textquotesingle, \textquotesingle score\textquotesingle: 0.9998\}{]}}\\
|
||||
\emph{\# {[}\{\textquotesingle label\textquotesingle:
|
||||
\textquotesingle POSITIVE\textquotesingle,
|
||||
\textquotesingle score\textquotesingle: 0.9998\}{]}}\\
|
||||
\strut \\
|
||||
\emph{\# 图像分类}\\
|
||||
image\_classifier = pipeline("image-classification")\\
|
||||
result = image\_classifier("building.jpg")\\
|
||||
print(result)\\
|
||||
\emph{\# {[}\{\textquotesingle score\textquotesingle: 0.92, \textquotesingle label\textquotesingle: \textquotesingle palace\textquotesingle\}, ...{]}}
|
||||
\emph{\# {[}\{\textquotesingle score\textquotesingle: 0.92,
|
||||
\textquotesingle label\textquotesingle:
|
||||
\textquotesingle palace\textquotesingle\}, ...{]}}
|
||||
|
||||
\subparagraph{使用Ultralytics YOLO}
|
||||
\paragraph{使用Ultralytics YOLO}
|
||||
|
||||
\emph{\# 安装: pip install ultralytics}
|
||||
|
||||
\textbf{from} ultralytics \textbf{import} YOLO
|
||||
|
||||
\begin{verbatim}
|
||||
\end{verbatim}
|
||||
|
||||
\emph{\# 加载预训练模型}
|
||||
|
||||
model = YOLO("yolov8n.pt")
|
||||
|
||||
\begin{verbatim}
|
||||
\end{verbatim}
|
||||
|
||||
\emph{\# 目标检测}
|
||||
|
||||
results = model("street\_photo.jpg")
|
||||
|
||||
\begin{verbatim}
|
||||
\end{verbatim}
|
||||
|
||||
\emph{\# 查看结果}
|
||||
|
||||
\textbf{for} result \textbf{in} results:
|
||||
@@ -1100,16 +1086,17 @@ conf = float(box.conf{[}0{]})
|
||||
|
||||
label = model.names{[}cls{]}
|
||||
|
||||
\begin{verbatim}
|
||||
\begin{lstlisting}
|
||||
print(f"检测到: {label}, 置信度: {conf:.2f}")
|
||||
\end{verbatim}
|
||||
\end{lstlisting}
|
||||
|
||||
\paragraph{GPU加速}\label{gpuux52a0ux901f}
|
||||
\subsubsection{GPU加速}
|
||||
|
||||
深度学习训练在GPU上可以快数十倍。PyTorch的GPU使用非常简洁：
|
||||
|
||||
\emph{\# 检查GPU是否可用}\\
|
||||
device = torch.device("cuda" \textbf{if} torch.cuda.is\_available() \textbf{else} "cpu")\\
|
||||
device = torch.device("cuda" \textbf{if} torch.cuda.is\_available()
|
||||
\textbf{else} "cpu")\\
|
||||
print(f"使用设备: \{device\}")\\
|
||||
\strut \\
|
||||
\emph{\# 将模型和数据移动到GPU}\\
|
||||
@@ -1121,15 +1108,17 @@ batch\_x = batch\_x.to(device)\\
|
||||
batch\_y = batch\_y.to(device)\\
|
||||
\emph{\# ... 后续训练代码不变}
|
||||
|
||||
在没有本地GPU的情况下，可以使用 \href{https://colab.research.google.com/}{Google Colab} 免费使用云端GPU运行上述代码。
|
||||
在没有本地GPU的情况下，可以使用
|
||||
\href{https://colab.research.google.com/}{Google Colab}
|
||||
免费使用云端GPU运行上述代码。
|
||||
|
||||
\paragraph{学习路径建议}
|
||||
\subsubsection{学习路径建议}
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1657}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.3204}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2490}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1327}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2478}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.6018}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
阶段
|
||||
@@ -1143,12 +1132,13 @@ batch\_y = batch\_y.to(device)\\
|
||||
\bottomrule\noalign{}
|
||||
\endlastfoot
|
||||
入门 & Python基础 + NumPy/Pandas & 本附录 §3 \\
|
||||
机器学习 & scikit-learn实践 & \href{https://scikit-learn.org/stable/tutorial/}{scikit-learn官方教程} \\
|
||||
深度学习基础 & PyTorch入门 + MLP & \href{https://pytorch.org/tutorials/}{PyTorch官方教程} \\
|
||||
机器学习 & scikit-learn实践 &
|
||||
\href{https://scikit-learn.org/stable/tutorial/}{scikit-learn官方教程} \\
|
||||
深度学习基础 & PyTorch入门 + MLP &
|
||||
\href{https://pytorch.org/tutorials/}{PyTorch官方教程} \\
|
||||
计算机视觉 & CNN + 图像分类/检测 & 本书第三篇 + CS231n \\
|
||||
自然语言处理 & Transformer + LLM & 本书第四篇 + CS224n \\
|
||||
生成式AI & Diffusion + AIGC工具 & 本书第五篇 \\
|
||||
前沿探索 & Agent + 具身智能 & 本书第六篇 \\
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
|
||||
@@ -1,26 +1,29 @@
|
||||
\chapter{附录2：Vibe Coding与工具链}
|
||||
\chapter{Vibe Coding与工具链}
|
||||
|
||||
本附录介绍Vibe Coding的概念与实践，以及VsCode、Claude Code、Markdown/Obsidian、Git/GitHub等核心工具的使用方法。
|
||||
本附录介绍Vibe Coding的概念与实践，以及VsCode、Claude
|
||||
Code、Markdown/Obsidian、Git/GitHub等核心工具的使用方法。
|
||||
|
||||
\subsubsection{Vibe Coding的概念与工具}\label{vibe-codingux7684ux6982ux5ff5ux4e0eux5de5ux5177}
|
||||
\section{Vibe Coding的概念与工具}
|
||||
|
||||
\paragraph{什么是Vibe Coding}
|
||||
\subsubsection{什么是Vibe Coding}
|
||||
|
||||
传统编程：\textbf{明确需求 → 设计算法 → 编写代码}
|
||||
|
||||
Vibe Coding：\textbf{模糊想法 → AI辅助 → 迭代完善}
|
||||
|
||||
Vibe Coding是一种以AI为核心的编程新模式：开发者用自然语言描述意图，AI生成代码，再通过迭代对话逐步完善。对于编程经验较少的设计专业读者而言，这种模式大幅降低了技术门槛------不需要记住语法细节，只需要清楚地表达“想要什么”。
|
||||
Vibe
|
||||
Coding是一种以AI为核心的编程新模式：开发者用自然语言描述意图，AI生成代码，再通过迭代对话逐步完善。对于编程经验较少的设计专业读者而言，这种模式大幅降低了技术门槛——不需要记住语法细节，只需要清楚地表达“想要什么”。
|
||||
|
||||
\paragraph{工作流程}
|
||||
\subsubsection{工作流程}
|
||||
|
||||
\begin{enumerate}
|
||||
\def\labelenumi{\arabic{enumi}.}
|
||||
\tightlist
|
||||
\item
|
||||
\textbf{描述意图}：用自然语言说明需求
|
||||
\end{enumerate}
|
||||
|
||||
“帮我创建一个简单的图像分类模型”
|
||||
``帮我创建一个简单的图像分类模型''
|
||||
|
||||
\begin{enumerate}
|
||||
\def\labelenumi{\arabic{enumi}.}
|
||||
@@ -33,21 +36,22 @@ Vibe Coding是一种以AI为核心的编程新模式：开发者用自然语言
|
||||
\textbf{迭代优化}：通过对话逐步改进
|
||||
\end{enumerate}
|
||||
|
||||
“把隐藏层改成128个神经元”
|
||||
``把隐藏层改成128个神经元''
|
||||
|
||||
\begin{enumerate}
|
||||
\def\labelenumi{\arabic{enumi}.}
|
||||
\setcounter{enumi}{4}
|
||||
\tightlist
|
||||
\item
|
||||
\textbf{理解学习}：阅读AI生成的代码，理解实现原理
|
||||
\end{enumerate}
|
||||
|
||||
\paragraph{实践技巧}
|
||||
\subsubsection{实践技巧}
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 2\tabcolsep) * \real{0.1184}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 2\tabcolsep) * \real{0.3905}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 2\tabcolsep) * \real{0.1528}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 2\tabcolsep) * \real{0.4583}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
技巧
|
||||
@@ -65,14 +69,14 @@ Vibe Coding是一种以AI为核心的编程新模式：开发者用自然语言
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
\paragraph{工具生态}
|
||||
\subsubsection{工具生态}
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.1982}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.1475}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.2970}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.2366}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.2375}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.1625}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.3125}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.2625}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
工具
|
||||
@@ -95,13 +99,14 @@ Replit Agent & 在线平台 & 端到端开发 & 小型项目、学习实验 \\
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
\subsubsection{Claude Code简介与使用}\label{claude-codeux7b80ux4ecbux4e0eux4f7fux7528}
|
||||
\section{Claude Code简介与使用}
|
||||
|
||||
\paragraph{什么是Claude Code}
|
||||
\subsubsection{什么是Claude Code}
|
||||
|
||||
Claude Code是Anthropic推出的命令行AI编程工具（CLI），能够直接在终端中理解项目上下文、读写文件、执行命令，实现端到端的AI辅助开发。它也提供VSCode扩展，可以在编辑器中无缝使用。
|
||||
Claude
|
||||
Code是Anthropic推出的命令行AI编程工具（CLI），能够直接在终端中理解项目上下文、读写文件、执行命令，实现端到端的AI辅助开发。它也提供VSCode扩展，可以在编辑器中无缝使用。
|
||||
|
||||
\paragraph{安装与配置}
|
||||
\subsubsection{安装与配置}
|
||||
|
||||
\emph{\# 安装（需要 Node.js 18+）}\\
|
||||
npm install -g @anthropic-ai/claude-code\\
|
||||
@@ -112,24 +117,29 @@ claude
|
||||
|
||||
启动后进入交互式对话界面，直接用自然语言描述需求即可。
|
||||
|
||||
\paragraph{核心使用方式}
|
||||
\subsubsection{核心使用方式}
|
||||
|
||||
\textbf{对话式开发}：用自然语言描述任务，Claude Code会自动读取相关文件、编写代码、执行测试。
|
||||
\textbf{对话式开发}：用自然语言描述任务，Claude
|
||||
Code会自动读取相关文件、编写代码、执行测试。
|
||||
|
||||
\textgreater{} 帮我创建一个数据预处理的Python脚本，读取CSV文件并清洗缺失值
|
||||
\textgreater{}
|
||||
帮我创建一个数据预处理的Python脚本，读取CSV文件并清洗缺失值
|
||||
|
||||
\textbf{文件操作}：Claude Code可以直接读取、创建和编辑项目中的文件，每次修改前会征得确认。
|
||||
\textbf{文件操作}：Claude
|
||||
Code可以直接读取、创建和编辑项目中的文件，每次修改前会征得确认。
|
||||
|
||||
\textbf{命令执行}：可以请求Claude Code运行终端命令，如安装依赖、运行脚本等。
|
||||
\textbf{命令执行}：可以请求Claude
|
||||
Code运行终端命令，如安装依赖、运行脚本等。
|
||||
|
||||
\paragraph{VSCode中的Claude Code}\label{vscodeux4e2dux7684claude-code}
|
||||
\subsubsection{VSCode中的Claude
|
||||
Code}
|
||||
|
||||
Claude Code提供VSCode扩展，在编辑器中获得同样的AI辅助能力：
|
||||
|
||||
\begin{enumerate}
|
||||
\def\labelenumi{\arabic{enumi}.}
|
||||
\item
|
||||
在VSCode扩展商店搜索 ``Claude Code'' 并安装
|
||||
在VSCode扩展商店搜索 ``Claude Code“ 并安装
|
||||
\item
|
||||
打开项目文件夹
|
||||
\item
|
||||
@@ -138,9 +148,10 @@ Claude Code提供VSCode扩展，在编辑器中获得同样的AI辅助能力：
|
||||
在编辑器中选中代码后，可以直接向Claude提问或请求修改
|
||||
\end{enumerate}
|
||||
|
||||
\textbf{常用场景}： - 选中一段代码，请求“解释这段代码” - 选中函数，请求“添加错误处理” - 在Claude面板中输入“帮我写单元测试”
|
||||
\textbf{常用场景}： - 选中一段代码，请求”解释这段代码“ -
|
||||
选中函数，请求”添加错误处理” - 在Claude面板中输入”帮我写单元测试”
|
||||
|
||||
\paragraph{典型项目工作流}
|
||||
\subsubsection{典型项目工作流}
|
||||
|
||||
\textbf{推荐项目结构}：
|
||||
|
||||
@@ -154,7 +165,7 @@ project/\\
|
||||
├── requirements.txt \# 依赖列表\\
|
||||
└── README.md \# 项目说明
|
||||
|
||||
\subparagraph{开发流程：}
|
||||
\paragraph{开发流程：}
|
||||
|
||||
\emph{\# 1. 创建环境}\\
|
||||
conda create -n myproject python=3.10\\
|
||||
@@ -169,15 +180,15 @@ claude\\
|
||||
\emph{\# 4. 保存环境}\\
|
||||
conda env export \textgreater{} environment.yml
|
||||
|
||||
\subsubsection{Markdown语法及Obsidian工具}\label{markdownux8bedux6cd5ux53caobsidianux5de5ux5177}
|
||||
\subsection{Markdown语法及Obsidian工具}
|
||||
|
||||
\paragraph{Markdown简介}\label{markdownux7b80ux4ecb}
|
||||
\subsubsection{Markdown简介}
|
||||
|
||||
Markdown是一种轻量级标记语言，用纯文本格式编写文档，可以方便地转换为HTML、PDF等格式。它的语法简洁直观，是技术文档、笔记、学术写作的常用工具。
|
||||
|
||||
本书全部内容即使用Markdown编写。
|
||||
|
||||
\paragraph{基础语法}
|
||||
\subsubsection{基础语法}
|
||||
|
||||
\textbf{标题}：
|
||||
|
||||
@@ -189,9 +200,13 @@ Markdown是一种轻量级标记语言，用纯文本格式编写文档，可以
|
||||
|
||||
\textbf{文本格式}：
|
||||
|
||||
*斜体* **加粗** ***粗斜体*** \textasciitilde\textasciitilde 删除线\textasciitilde\textasciitilde{} \textless{}\textbf{u}\textgreater 下划线\textless/\textbf{u}\textgreater{} \emph{\textbf{`行内代码`}} \textbf{==高亮文本==} \_\_\_分隔线
|
||||
*斜体* **加粗** ***粗斜体***
|
||||
\textasciitilde\textasciitilde 删除线\textasciitilde\textasciitilde{}
|
||||
\textless{}\textbf{u}\textgreater 下划线\textless/\textbf{u}\textgreater{}
|
||||
\textbf{\emph{`行内代码`}} \textbf{==高亮文本==} \_\_\_分隔线
|
||||
|
||||
包含反引号的代码：当代码本身包含反引号时，使用两个反引号包围，使用 `code` 这样的格式
|
||||
包含反引号的代码：当代码本身包含反引号时，使用两个反引号包围，使用
|
||||
`code` 这样的格式
|
||||
|
||||
\textbf{列表}： 列表可以嵌套使用
|
||||
|
||||
@@ -201,50 +216,55 @@ Markdown是一种轻量级标记语言，用纯文本格式编写文档，可以
|
||||
|
||||
\begin{enumerate}
|
||||
\def\labelenumi{\arabic{enumi}.}
|
||||
\tightlist
|
||||
\item
|
||||
有序列表项1
|
||||
\end{enumerate}
|
||||
|
||||
\begin{verbatim}
|
||||
\begin{lstlisting}
|
||||
2. 有序列表项2
|
||||
\end{verbatim}
|
||||
\end{lstlisting}
|
||||
|
||||
- {[} {]} 未完成的任务
|
||||
|
||||
\begin{verbatim}
|
||||
\begin{lstlisting}
|
||||
- [x] 已完成的任务
|
||||
\end{verbatim}
|
||||
\end{lstlisting}
|
||||
|
||||
\textbf{链接与图片}：
|
||||
|
||||
{[}链接文字{]}(https://example.com) \textless!-\/- 行内链接 -\/-\textgreater{}\\
|
||||
{[}链接文字{]}(https://example.com) \textless!-\/- 行内链接
|
||||
-\/-\textgreater{}\\
|
||||
{[}链接文字{]}{[}1{]} \textless!-\/- 参考式链接 -\/-\textgreater{}\\
|
||||
{[}跳转到基础{]}(\#基础) \textless!-\/- 锚点链接 -\/-\textgreater{}\\
|
||||
\strut \\
|
||||
{[}1{]}: https://www.example.com \textless!-\/- 参考链接定义 -\/-\textgreater{}\\
|
||||
{[}1{]}: https://www.example.com \textless!-\/- 参考链接定义
|
||||
-\/-\textgreater{}\\
|
||||
\strut \\
|
||||
!{[}图片说明{]}(image.png) \textless!-\/- 基本图片 -\/-\textgreater{}\\
|
||||
*图7.8 路杀动物* \textless!-\/- 图片下方用斜体作为图注 -\/-\textgreater{}\\
|
||||
*图7.8 路杀动物* \textless!-\/- 图片下方用斜体作为图注
|
||||
-\/-\textgreater{}\\
|
||||
\strut \\
|
||||
\textless!-\/- 图片居中对齐并指定宽度 -\/-\textgreater{}\\
|
||||
\textless div align="center"\textgreater{}\\
|
||||
\textless img src="image.png" alt="说明" style="width:10cm;"/\textgreater{}\\
|
||||
\textless img src="image.png" alt="说明"
|
||||
style="width:10cm;"/\textgreater{}\\
|
||||
\textless p\textgreater\textless em\textgreater 图片标题\textless/em\textgreater\textless/p\textgreater{}\\
|
||||
\textless/div\textgreater{}
|
||||
|
||||
\textbf{代码块}：
|
||||
|
||||
\emph{\textbf{```python}}\\
|
||||
\textbf{\emph{```python}}\\
|
||||
print("Hello, World!")\\
|
||||
\emph{\textbf{```}}
|
||||
\textbf{\emph{```}}
|
||||
|
||||
带行号的代码区块（需要渲染器支持，如 Docusaurus、VuePress）：
|
||||
|
||||
\emph{\textbf{```javascript linenums="1"}}\\
|
||||
\emph{\textbf{function greet(name) \{}}\\
|
||||
\emph{\textbf{console.log(`Hello, \$\{name\}!{\kern0pt}`);}}\\
|
||||
\emph{\textbf{\}}}\\
|
||||
\emph{\textbf{```}}
|
||||
\textbf{\emph{```javascript linenums="1"}}\\
|
||||
\textbf{\emph{function greet(name) \{}}\\
|
||||
\textbf{\emph{console.log(`Hello, \$\{name\}!{\kern0pt}`);}}\\
|
||||
\textbf{\emph{\}}}\\
|
||||
\textbf{\emph{```}}
|
||||
|
||||
表格：
|
||||
|
||||
@@ -255,7 +275,8 @@ print("Hello, World!")\\
|
||||
对齐方式：:-\/-\/- 左对齐，:-\/-\/-: 居中，-\/-\/-: 右对齐：
|
||||
|
||||
\textbar{} 左对齐 \textbar{} 居中对齐 \textbar{} 右对齐 \textbar{}\\
|
||||
\textbar{} :-\/-\/-\/-\/- \textbar{} :-\/-\/-\/-\/-\/-: \textbar{} -\/-\/-\/-\/-: \textbar{}\\
|
||||
\textbar{} :-\/-\/-\/-\/- \textbar{} :-\/-\/-\/-\/-\/-: \textbar{}
|
||||
-\/-\/-\/-\/-: \textbar{}\\
|
||||
\textbar{} 内容 \textbar{} 内容 \textbar{} 100 \textbar{}
|
||||
|
||||
\textbf{注记}： 输入后在Obsidian编辑器中会自动弹出添加注记模块
|
||||
@@ -275,63 +296,63 @@ print("Hello, World!")\\
|
||||
\textgreater{} - 了解项目背景和目标\\
|
||||
\textgreater{} - 掌握核心功能特性
|
||||
|
||||
\subparagraph{图表绘制（Mermaid）：}
|
||||
\paragraph{图表绘制（Mermaid）：}
|
||||
|
||||
使用 ```mermaid 代码块，部分渲染器（GitHub、Typora、Obsidian）支持：
|
||||
|
||||
流程图：
|
||||
|
||||
\emph{\textbf{```mermaid}}
|
||||
\textbf{\emph{```mermaid}}
|
||||
|
||||
\emph{\textbf{graph LR}}
|
||||
\textbf{\emph{graph LR}}
|
||||
|
||||
\begin{enumerate}
|
||||
\def\labelenumi{\Alph{enumi}.}
|
||||
\item
|
||||
\emph{\textbf{{[}开始{]} -\/-\textgreater{} B\{条件判断\}}}
|
||||
\textbf{\emph{{[}开始{]} -\/-\textgreater{} B\{条件判断\}}}
|
||||
\item
|
||||
\emph{\textbf{-\/-\textgreater\textbar 是\textbar{} C{[}执行操作1{]}}}
|
||||
\textbf{\emph{-\/-\textgreater\textbar 是\textbar{} C{[}执行操作1{]}}}
|
||||
\item
|
||||
\emph{\textbf{-\/-\textgreater\textbar 否\textbar{} D{[}执行操作2{]}}}
|
||||
\textbf{\emph{-\/-\textgreater\textbar 否\textbar{} D{[}执行操作2{]}}}
|
||||
\item
|
||||
\emph{\textbf{-\/-\textgreater{} E{[}结束{]}}}
|
||||
\textbf{\emph{-\/-\textgreater{} E{[}结束{]}}}
|
||||
\item
|
||||
\emph{\textbf{-\/-\textgreater{} E}}
|
||||
\textbf{\emph{-\/-\textgreater{} E}}
|
||||
\end{enumerate}
|
||||
|
||||
\emph{\textbf{```}}
|
||||
\textbf{\emph{```}}
|
||||
|
||||
时序图：
|
||||
|
||||
\emph{\textbf{```mermaid}}\\
|
||||
\emph{\textbf{sequenceDiagram}}\\
|
||||
\emph{\textbf{participant 用户}}\\
|
||||
\emph{\textbf{participant 系统}}\\
|
||||
\emph{\textbf{用户-\textgreater\textgreater 系统: 登录请求}}\\
|
||||
\emph{\textbf{系统-\/-\textgreater\textgreater 用户: 返回结果}}\\
|
||||
\emph{\textbf{```}}
|
||||
\textbf{\emph{```mermaid}}\\
|
||||
\textbf{\emph{sequenceDiagram}}\\
|
||||
\textbf{\emph{participant 用户}}\\
|
||||
\textbf{\emph{participant 系统}}\\
|
||||
\textbf{\emph{用户-\textgreater\textgreater 系统: 登录请求}}\\
|
||||
\textbf{\emph{系统-\/-\textgreater\textgreater 用户: 返回结果}}\\
|
||||
\textbf{\emph{```}}
|
||||
|
||||
甘特图：
|
||||
|
||||
\emph{\textbf{```mermaid}}\\
|
||||
\emph{\textbf{gantt}}\\
|
||||
\emph{\textbf{title 项目计划}}\\
|
||||
\emph{\textbf{dateFormat YYYY-MM-DD}}\\
|
||||
\emph{\textbf{section 设计}}\\
|
||||
\emph{\textbf{需求分析 :done, 2024-01-01, 15d}}\\
|
||||
\emph{\textbf{section 开发}}\\
|
||||
\emph{\textbf{编码实现 :active, 2024-01-16, 30d}}\\
|
||||
\emph{\textbf{```}}
|
||||
\textbf{\emph{```mermaid}}\\
|
||||
\textbf{\emph{gantt}}\\
|
||||
\textbf{\emph{title 项目计划}}\\
|
||||
\textbf{\emph{dateFormat YYYY-MM-DD}}\\
|
||||
\textbf{\emph{section 设计}}\\
|
||||
\textbf{\emph{需求分析 :done, 2024-01-01, 15d}}\\
|
||||
\textbf{\emph{section 开发}}\\
|
||||
\textbf{\emph{编码实现 :active, 2024-01-16, 30d}}\\
|
||||
\textbf{\emph{```}}
|
||||
|
||||
饼图：
|
||||
|
||||
\emph{\textbf{```mermaid}}\\
|
||||
\emph{\textbf{pie}}\\
|
||||
\emph{\textbf{title 市场份额}}\\
|
||||
\emph{\textbf{"Chrome" : 65}}\\
|
||||
\emph{\textbf{"Safari" : 15}}\\
|
||||
\emph{\textbf{"其他" : 20}}\\
|
||||
\emph{\textbf{```}}
|
||||
\textbf{\emph{```mermaid}}\\
|
||||
\textbf{\emph{pie}}\\
|
||||
\textbf{\emph{title 市场份额}}\\
|
||||
\textbf{\emph{"Chrome" : 65}}\\
|
||||
\textbf{\emph{"Safari" : 15}}\\
|
||||
\textbf{\emph{"其他" : 20}}\\
|
||||
\textbf{\emph{```}}
|
||||
|
||||
\textbf{数学公式}：
|
||||
|
||||
@@ -355,31 +376,43 @@ a & b \\
|
||||
c & d
|
||||
\end{pmatrix}\]
|
||||
|
||||
\paragraph{Obsidian：Markdown笔记工具}\label{obsidianmarkdownux7b14ux8bb0ux5de5ux5177}
|
||||
\subsubsection{Obsidian：Markdown笔记工具}
|
||||
|
||||
\href{https://obsidian.md/}{Obsidian} 是一款基于Markdown的知识管理工具，适合构建个人知识库和笔记系统。
|
||||
\href{https://obsidian.md/}{Obsidian}
|
||||
是一款基于Markdown的知识管理工具，适合构建个人知识库和笔记系统。
|
||||
|
||||
\textbf{核心特性}： - \textbf{本地存储}：所有笔记以Markdown文件保存在本地，数据完全自主 - \textbf{双向链接}：用 {[}{[}笔记名{]}{]} 在笔记之间建立链接，形成知识网络 - \textbf{图谱视图}：可视化笔记之间的关联关系 - \textbf{插件生态}：丰富的社区插件扩展功能（如日历、看板、模板等） - \textbf{实时预览}：编辑Markdown时实时渲染效果
|
||||
\textbf{核心特性}： -
|
||||
\textbf{本地存储}：所有笔记以Markdown文件保存在本地，数据完全自主 -
|
||||
\textbf{双向链接}：用 {[}{[}笔记名{]}{]}
|
||||
在笔记之间建立链接，形成知识网络 -
|
||||
\textbf{图谱视图}：可视化笔记之间的关联关系 -
|
||||
\textbf{插件生态}：丰富的社区插件扩展功能（如日历、看板、模板等） -
|
||||
\textbf{实时预览}：编辑Markdown时实时渲染效果
|
||||
|
||||
\textbf{使用建议}： - 用Obsidian打开本教材的根目录，即可获得完整的阅读与编辑体验 - 建议安装“目录”插件，方便在长文档中快速导航 - 利用双向链接功能，将学习笔记与教材内容关联起来
|
||||
\textbf{使用建议}： -
|
||||
用Obsidian打开本教材的根目录，即可获得完整的阅读与编辑体验 -
|
||||
建议安装“目录”插件，方便在长文档中快速导航 -
|
||||
利用双向链接功能，将学习笔记与教材内容关联起来
|
||||
|
||||
\subsubsection{Git版本管理与GitHub协作}\label{gitux7248ux672cux7ba1ux7406ux4e0egithubux534fux4f5c}
|
||||
\subsection{Git版本管理与GitHub协作}
|
||||
|
||||
\paragraph{为什么需要版本管理}
|
||||
\subsubsection{为什么需要版本管理}
|
||||
|
||||
在项目开发过程中，文件会不断修改。版本管理工具可以： - 记录每一次修改的内容和时间 - 随时回退到之前的任意版本 - 多人协作时避免互相覆盖
|
||||
在项目开发过程中，文件会不断修改。版本管理工具可以： -
|
||||
记录每一次修改的内容和时间 - 随时回退到之前的任意版本 -
|
||||
多人协作时避免互相覆盖
|
||||
|
||||
Git是当前最流行的分布式版本管理系统。
|
||||
|
||||
\paragraph{Git基础操作}\label{gitux57faux7840ux64cdux4f5c}
|
||||
\subsubsection{Git基础操作}
|
||||
|
||||
\subparagraph{初始化仓库：}
|
||||
\paragraph{初始化仓库：}
|
||||
|
||||
\emph{\# 在项目目录中初始化Git}\\
|
||||
cd my\_project\\
|
||||
git init
|
||||
|
||||
\subparagraph{日常三步曲：}
|
||||
\paragraph{日常三步曲：}
|
||||
|
||||
\emph{\# 1. 查看当前修改状态}\\
|
||||
git status\\
|
||||
@@ -407,11 +440,15 @@ git log -\/- filename.md\\
|
||||
\emph{\# 恢复某个文件到指定版本}\\
|
||||
git checkout abc1234 -\/- filename.md
|
||||
|
||||
\paragraph{GitHub：云端协作平台}\label{githubux4e91ux7aefux534fux4f5cux5e73ux53f0}
|
||||
\subsubsection{GitHub：云端协作平台}
|
||||
|
||||
\href{https://github.com/}{GitHub} 是基于Git的代码托管平台，提供云端存储和协作功能。
|
||||
\href{https://github.com/}{GitHub}
|
||||
是基于Git的代码托管平台，提供云端存储和协作功能。
|
||||
|
||||
\textbf{核心概念}： - \textbf{仓库（Repository）}：项目的存储空间，包含所有文件和历史记录 - \textbf{远程同步}：将本地仓库推送到GitHub，或从GitHub拉取更新 - \textbf{协作}：多人通过分支和合并协同工作
|
||||
\textbf{核心概念}： -
|
||||
\textbf{仓库（Repository）}：项目的存储空间，包含所有文件和历史记录 -
|
||||
\textbf{远程同步}：将本地仓库推送到GitHub，或从GitHub拉取更新 -
|
||||
\textbf{协作}：多人通过分支和合并协同工作
|
||||
|
||||
\textbf{常用操作}：
|
||||
|
||||
@@ -426,13 +463,13 @@ git pull
|
||||
|
||||
\textbf{本书的Git管理}：
|
||||
|
||||
本书内容即通过Git进行版本管理。每个章节的修改都有完整的提交记录，可以通过 git log 查看内容的演变历史。
|
||||
本书内容即通过Git进行版本管理。每个章节的修改都有完整的提交记录，可以通过
|
||||
git log 查看内容的演变历史。
|
||||
|
||||
\paragraph{推荐工作流}
|
||||
\subsubsection{推荐工作流}
|
||||
|
||||
对于设计专业的学习和研究项目，建议采用以下简化工作流：
|
||||
|
||||
编写/修改文档 → git add → git commit → git push
|
||||
|
||||
每次完成一个阶段性工作（如写完一节内容、完成一次实验）后提交一次，附上简洁的说明。这样既保留了完整的历史记录，也不会因为误操作而丢失工作成果。
|
||||
|
||||
|
||||
@@ -1,16 +1,16 @@
|
||||
\chapter{附录3：学术论文撰写工作流}
|
||||
\chapter{学术论文撰写工作流}
|
||||
|
||||
本附录介绍文献检索管理、论文写作工具、AI辅助写作流程及引用格式规范。
|
||||
|
||||
\subsection{文献检索与管理}
|
||||
\section{文献检索与管理}
|
||||
|
||||
\subsubsection{检索平台}
|
||||
\subsection{检索平台}
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1899}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1965}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2117}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1979}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1771}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.6042}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
平台
|
||||
@@ -23,19 +23,21 @@
|
||||
\endhead
|
||||
\bottomrule\noalign{}
|
||||
\endlastfoot
|
||||
Google Scholar & 综合学术搜索 & \href{https://scholar.google.com/}{scholar.google.com} \\
|
||||
Google Scholar & 综合学术搜索 &
|
||||
\href{https://scholar.google.com/}{scholar.google.com} \\
|
||||
arXiv & AI领域预印本 & \href{https://arxiv.org/}{arxiv.org} \\
|
||||
Semantic Scholar & AI辅助文献搜索 & \href{https://www.semanticscholar.org/}{semanticscholar.org} \\
|
||||
Semantic Scholar & AI辅助文献搜索 &
|
||||
\href{https://www.semanticscholar.org/}{semanticscholar.org} \\
|
||||
CNKI & 中文学术文献 & \href{https://www.cnki.net/}{cnki.net} \\
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
\subsubsection{文献管理工具}
|
||||
\subsection{文献管理工具}
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 2\tabcolsep) * \real{0.1184}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 2\tabcolsep) * \real{0.3303}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 2\tabcolsep) * \real{0.1528}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 2\tabcolsep) * \real{0.4028}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
工具
|
||||
@@ -52,20 +54,21 @@ EndNote & 功能全面、与Word深度集成 \\
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
\subsection{论文写作工具}
|
||||
\section{论文写作工具}
|
||||
|
||||
\subsubsection{LaTeX}\label{latex}
|
||||
\subsection{LaTeX}\label{latex}
|
||||
|
||||
学术排版的行业标准，适合公式密集的论文。
|
||||
|
||||
\begin{itemize}
|
||||
\item
|
||||
\textbf{在线编辑}：\href{https://www.overleaf.com/}{Overleaf} --- 无需本地安装，支持协作
|
||||
\textbf{在线编辑}：\href{https://www.overleaf.com/}{Overleaf} ---
|
||||
无需本地安装，支持协作
|
||||
\item
|
||||
\textbf{本地编辑}：TeX Live + VSCode LaTeX Workshop 插件
|
||||
\end{itemize}
|
||||
|
||||
\subsubsection{Markdown + Pandoc}\label{markdown-pandoc}
|
||||
\subsection{Markdown + Pandoc}\label{markdown-pandoc}
|
||||
|
||||
轻量级写作方案，适合课程报告和技术文档。
|
||||
|
||||
@@ -73,12 +76,13 @@ EndNote & 功能全面、与Word深度集成 \\
|
||||
pandoc paper.md -o paper.docx\\
|
||||
pandoc paper.md -o paper.pdf -\/-pdf-engine=xelatex
|
||||
|
||||
\subsection{AI辅助写作流程}\label{aiux8f85ux52a9ux5199ux4f5cux6d41ux7a0b}
|
||||
\section{AI辅助写作流程}
|
||||
|
||||
\begin{enumerate}
|
||||
\def\labelenumi{\arabic{enumi}.}
|
||||
\item
|
||||
\textbf{文献综述}：使用 ChatGPT/Claude 快速了解研究领域的核心文献和发展脉络
|
||||
\textbf{文献综述}：使用 ChatGPT/Claude
|
||||
快速了解研究领域的核心文献和发展脉络
|
||||
\item
|
||||
\textbf{大纲生成}：通过AI辅助梳理论文结构和逻辑框架
|
||||
\item
|
||||
@@ -89,9 +93,9 @@ pandoc paper.md -o paper.pdf -\/-pdf-engine=xelatex
|
||||
|
||||
注意：AI辅助写作应遵循学术诚信原则，AI生成的内容需人工审核和改写，核心观点和论证应由作者独立完成。
|
||||
|
||||
\subsection{引用与格式规范}
|
||||
\section{引用与格式规范}
|
||||
|
||||
\subsubsection{常用引用格式}
|
||||
\subsection{常用引用格式}
|
||||
|
||||
\begin{itemize}
|
||||
\item
|
||||
@@ -102,7 +106,7 @@ pandoc paper.md -o paper.pdf -\/-pdf-engine=xelatex
|
||||
\textbf{GB/T 7714}：中国国家标准
|
||||
\end{itemize}
|
||||
|
||||
\subsubsection{BibTeX示例}\label{bibtexux793aux4f8b}
|
||||
\subsection{BibTeX示例}
|
||||
|
||||
@article\{vaswani2017attention,\\
|
||||
title=\{Attention is all you need\},\\
|
||||
@@ -111,4 +115,3 @@ journal=\{NeurIPS\},\\
|
||||
volume=\{30\},\\
|
||||
year=\{2017\}\\
|
||||
\}
|
||||
|
||||
|
||||
@@ -1,10 +1,10 @@
|
||||
\chapter{附录4：网络、网站与在线可视化}
|
||||
\chapter{网络、网站与在线可视化}
|
||||
|
||||
本附录介绍网络基础知识、网站搭建入门，以及在线数据可视化的工具与方法。
|
||||
|
||||
\subsection{网络基础知识}
|
||||
\section{网络基础知识}
|
||||
|
||||
\subsubsection{互联网与Web}
|
||||
\subsection{互联网与Web}
|
||||
|
||||
互联网（Internet）是由全球计算机互相连接而成的网络。Web（万维网）是运行在互联网上的信息系统，通过浏览器访问网页来获取信息。
|
||||
|
||||
@@ -12,8 +12,8 @@
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 2\tabcolsep) * \real{0.1617}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 2\tabcolsep) * \real{0.6553}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 2\tabcolsep) * \real{0.1733}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 2\tabcolsep) * \real{0.8000}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
概念
|
||||
@@ -33,28 +33,31 @@ API & 应用程序接口，程序之间交换数据的标准方式 \\
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
\subsubsection{前端与后端}
|
||||
\subsection{前端与后端}
|
||||
|
||||
一个完整的Web应用由前端和后端两部分组成：
|
||||
|
||||
用户浏览器（前端） ←→ 服务器（后端） ←→ 数据库\\
|
||||
HTML/CSS/JS Python/Node.js MySQL/PostgreSQL
|
||||
|
||||
\textbf{前端}：用户在浏览器中看到和操作的界面，使用 HTML、CSS、JavaScript 构建。
|
||||
\textbf{前端}：用户在浏览器中看到和操作的界面，使用
|
||||
HTML、CSS、JavaScript 构建。
|
||||
|
||||
\textbf{后端}：运行在服务器上的程序，处理数据逻辑、存储和检索，可以用 Python（Flask/Django/FastAPI）、Node.js、Java 等实现。
|
||||
\textbf{后端}：运行在服务器上的程序，处理数据逻辑、存储和检索，可以用
|
||||
Python（Flask/Django/FastAPI）、Node.js、Java 等实现。
|
||||
|
||||
\subsubsection{API与数据交互}\label{apiux4e0eux6570ux636eux4ea4ux4e92}
|
||||
\subsection{API与数据交互}
|
||||
|
||||
API（Application Programming Interface）是程序之间通信的接口。在AI应用中，调用大语言模型、获取在线数据等操作都通过API完成。
|
||||
API（Application Programming
|
||||
Interface）是程序之间通信的接口。在AI应用中，调用大语言模型、获取在线数据等操作都通过API完成。
|
||||
|
||||
\textbf{RESTful API 基本概念}：
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1134}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1185}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2835}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1250}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1528}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.3472}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
方法
|
||||
@@ -84,12 +87,15 @@ data = response.json() \emph{\# 将返回的JSON解析为Python字典}\\
|
||||
print(data)\\
|
||||
\strut \\
|
||||
\emph{\# POST请求示例}\\
|
||||
payload = \{"prompt": "设计一个现代风格的客厅", "model": "stable-diffusion"\}\\
|
||||
response = requests.post("https://api.example.com/generate", json=payload)
|
||||
payload = \{"prompt": "设计一个现代风格的客厅", "model":
|
||||
"stable-diffusion"\}\\
|
||||
response = requests.post("https://api.example.com/generate",
|
||||
json=payload)
|
||||
|
||||
\subsubsection{JSON数据格式}\label{jsonux6570ux636eux683cux5f0f}
|
||||
\subsection{JSON数据格式}
|
||||
|
||||
JSON（JavaScript Object Notation）是Web上最常用的数据交换格式，几乎所有API都使用JSON传递数据。
|
||||
JSON（JavaScript Object
|
||||
Notation）是Web上最常用的数据交换格式，几乎所有API都使用JSON传递数据。
|
||||
|
||||
\{\\
|
||||
"model": "ResNet",\\
|
||||
@@ -112,16 +118,16 @@ json\_str = json.dumps(data, indent=2)\\
|
||||
\emph{\# JSON字符串 → Python字典}\\
|
||||
parsed = json.loads(json\_str)
|
||||
|
||||
\subsection{网站搭建入门}
|
||||
\section{网站搭建入门}
|
||||
|
||||
\subsubsection{静态网站与动态网站}
|
||||
\subsection{静态网站与动态网站}
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.1187}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.3546}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.2633}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.2366}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.1222}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.3444}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.2556}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 6\tabcolsep) * \real{0.2556}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
类型
|
||||
@@ -136,12 +142,14 @@ parsed = json.loads(json\_str)
|
||||
\endhead
|
||||
\bottomrule\noalign{}
|
||||
\endlastfoot
|
||||
静态网站 & 页面内容固定，无需服务器处理 & HTML/CSS/JS & 作品集、项目文档 \\
|
||||
动态网站 & 内容根据请求动态生成 & 前端 + 后端 + 数据库 & 在线工具、数据平台 \\
|
||||
静态网站 & 页面内容固定，无需服务器处理 & HTML/CSS/JS &
|
||||
作品集、项目文档 \\
|
||||
动态网站 & 内容根据请求动态生成 & 前端 + 后端 + 数据库 &
|
||||
在线工具、数据平台 \\
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
\subsubsection{静态网站快速搭建}
|
||||
\subsection{静态网站快速搭建}
|
||||
|
||||
对于设计专业的学生，最实用的方式是使用静态网站生成器搭建项目展示或文档站点。
|
||||
|
||||
@@ -174,9 +182,9 @@ mkdocs build
|
||||
即可通过 https://username.github.io/repo 访问
|
||||
\end{enumerate}
|
||||
|
||||
\subsubsection{HTML/CSS/JavaScript 速览}\label{htmlcssjavascript-ux901fux89c8}
|
||||
\section{HTML/CSS/JavaScript 速览}
|
||||
|
||||
\paragraph{HTML：页面结构}\label{htmlux9875ux9762ux7ed3ux6784}
|
||||
\subsubsection{HTML：页面结构}
|
||||
|
||||
\textless!DOCTYPE html\textgreater{}\\
|
||||
\textless{}\textbf{html}\textgreater{}\\
|
||||
@@ -187,11 +195,12 @@ mkdocs build
|
||||
\textless{}\textbf{h1}\textgreater 设计作品集\textless/\textbf{h1}\textgreater{}\\
|
||||
\textless{}\textbf{p}\textgreater 欢迎来到我的作品展示页面\textless/\textbf{p}\textgreater{}\\
|
||||
\textless{}\textbf{img} src="design.jpg" alt="设计作品"\textgreater{}\\
|
||||
\textless{}\textbf{a} href="https://example.com"\textgreater 了解更多\textless/\textbf{a}\textgreater{}\\
|
||||
\textless{}\textbf{a}
|
||||
href="https://example.com"\textgreater 了解更多\textless/\textbf{a}\textgreater{}\\
|
||||
\textless/\textbf{body}\textgreater{}\\
|
||||
\textless/\textbf{html}\textgreater{}
|
||||
|
||||
\paragraph{CSS：页面样式}\label{cssux9875ux9762ux6837ux5f0f}
|
||||
\subsubsection{CSS：页面样式}
|
||||
|
||||
body \{\\
|
||||
\textbf{font-family}: "Helvetica", sans-serif;\\
|
||||
@@ -205,22 +214,23 @@ h1 \{\\
|
||||
\textbf{text-align}: center;\\
|
||||
\}
|
||||
|
||||
\paragraph{JavaScript：页面交互}\label{javascriptux9875ux9762ux4ea4ux4e92}
|
||||
\subsubsection{JavaScript：页面交互}
|
||||
|
||||
\emph{// 点击按钮时显示消息}\\
|
||||
document.getElementById("myButton").addEventListener("click", \textbf{function}() \{\\
|
||||
document.getElementById("myButton").addEventListener("click",
|
||||
\textbf{function}() \{\\
|
||||
alert("按钮被点击了！");\\
|
||||
\});
|
||||
|
||||
\subsubsection{前端框架简介}
|
||||
\subsection{前端框架简介}
|
||||
|
||||
对于更复杂的Web应用，可以使用前端框架提升开发效率：
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1107}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.3071}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.3379}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1667}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.3750}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.4028}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
框架
|
||||
@@ -245,36 +255,34 @@ Streamlit & Python编写Web应用 & AI模型展示、数据分析仪表板 \\
|
||||
|
||||
\begin{enumerate}
|
||||
\def\labelenumi{\arabic{enumi}.}
|
||||
\tightlist
|
||||
\item
|
||||
title("图像分类演示")
|
||||
\end{enumerate}
|
||||
|
||||
st.write("上传一张图片，AI将识别其中的内容")
|
||||
|
||||
\begin{verbatim}
|
||||
\end{verbatim}
|
||||
|
||||
uploaded\_file = st.file\_uploader("选择图片", type={[}"jpg", "png"{]})
|
||||
|
||||
\textbf{if} uploaded\_file:
|
||||
|
||||
st.image(uploaded\_file, caption="上传的图片")
|
||||
|
||||
\begin{verbatim}
|
||||
\begin{lstlisting}
|
||||
st.write("分类结果：建筑（置信度 95%）")
|
||||
\end{verbatim}
|
||||
\end{lstlisting}
|
||||
|
||||
\emph{\# 安装并运行}\\
|
||||
pip install streamlit\\
|
||||
streamlit run app.py
|
||||
|
||||
\subsubsection{网站部署方式}
|
||||
\subsection{网站部署方式}
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.3137}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2835}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1185}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.3889}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.3472}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1528}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
方式
|
||||
@@ -294,13 +302,13 @@ Hugging Face Spaces & 适合AI模型演示 & 免费额度 \\
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
\subsection{在线数据可视化}
|
||||
\section{在线数据可视化}
|
||||
|
||||
\subsubsection{为什么需要数据可视化}
|
||||
\subsection{为什么需要数据可视化}
|
||||
|
||||
设计领域的AI研究和实践经常涉及数据展示：训练损失曲线、模型性能对比、空间数据分析结果等。数据可视化将抽象的数字转化为直观的图形，帮助理解和决策。
|
||||
|
||||
\subsubsection{Python可视化库}\label{pythonux53efux89c6ux5316ux5e93}
|
||||
\subsection{Python可视化库}
|
||||
|
||||
Matplotlib：基础绑图
|
||||
|
||||
@@ -308,21 +316,27 @@ Matplotlib：基础绑图
|
||||
\strut \\
|
||||
\emph{\# 折线图}\\
|
||||
epochs = range(1, 11)\\
|
||||
train\_loss = {[}0.9, 0.6, 0.4, 0.25, 0.15, 0.1, 0.07, 0.05, 0.04, 0.03{]}\\
|
||||
val\_loss = {[}0.85, 0.65, 0.45, 0.35, 0.28, 0.25, 0.24, 0.23, 0.23, 0.24{]}\\
|
||||
train\_loss = {[}0.9, 0.6, 0.4, 0.25, 0.15, 0.1, 0.07, 0.05, 0.04,
|
||||
0.03{]}\\
|
||||
val\_loss = {[}0.85, 0.65, 0.45, 0.35, 0.28, 0.25, 0.24, 0.23, 0.23,
|
||||
0.24{]}\\
|
||||
\strut \\
|
||||
plt.figure(figsize=(8, 5))\\
|
||||
plt.plot(epochs, train\_loss, \textquotesingle b-o\textquotesingle, label=\textquotesingle Train Loss\textquotesingle)\\
|
||||
plt.plot(epochs, val\_loss, \textquotesingle r-s\textquotesingle, label=\textquotesingle Val Loss\textquotesingle)\\
|
||||
plt.plot(epochs, train\_loss, \textquotesingle b-o\textquotesingle,
|
||||
label=\textquotesingle Train Loss\textquotesingle)\\
|
||||
plt.plot(epochs, val\_loss, \textquotesingle r-s\textquotesingle,
|
||||
label=\textquotesingle Val Loss\textquotesingle)\\
|
||||
plt.xlabel(\textquotesingle Epoch\textquotesingle)\\
|
||||
plt.ylabel(\textquotesingle Loss\textquotesingle)\\
|
||||
plt.title(\textquotesingle Training vs Validation Loss\textquotesingle)\\
|
||||
plt.title(\textquotesingle Training vs Validation
|
||||
Loss\textquotesingle)\\
|
||||
plt.legend()\\
|
||||
plt.grid(True, alpha=0.3)\\
|
||||
plt.savefig(\textquotesingle loss\_comparison.png\textquotesingle, dpi=150, bbox\_inches=\textquotesingle tight\textquotesingle)\\
|
||||
plt.savefig(\textquotesingle loss\_comparison.png\textquotesingle,
|
||||
dpi=150, bbox\_inches=\textquotesingle tight\textquotesingle)\\
|
||||
plt.show()
|
||||
|
||||
\paragraph{Seaborn：统计可视化}\label{seabornux7edfux8ba1ux53efux89c6ux5316}
|
||||
\subsubsection{Seaborn：统计可视化}
|
||||
|
||||
基于Matplotlib，提供更美观的统计图表。
|
||||
|
||||
@@ -333,11 +347,13 @@ plt.show()
|
||||
data = np.random.randn(10, 10)\\
|
||||
corr = np.corrcoef(data)\\
|
||||
\strut \\
|
||||
sns.heatmap(corr, annot=True, cmap=\textquotesingle coolwarm\textquotesingle)\\
|
||||
plt.title(\textquotesingle Feature Correlation Heatmap\textquotesingle)\\
|
||||
sns.heatmap(corr, annot=True,
|
||||
cmap=\textquotesingle coolwarm\textquotesingle)\\
|
||||
plt.title(\textquotesingle Feature Correlation
|
||||
Heatmap\textquotesingle)\\
|
||||
plt.savefig(\textquotesingle heatmap.png\textquotesingle, dpi=150)
|
||||
|
||||
\paragraph{Plotly：交互式可视化}\label{plotlyux4ea4ux4e92ux5f0fux53efux89c6ux5316}
|
||||
\subsubsection{Plotly：交互式可视化}
|
||||
|
||||
支持鼠标悬停、缩放、导出等交互操作，适合Web展示。
|
||||
|
||||
@@ -351,15 +367,15 @@ title="Iris Dataset Scatter Plot")\\
|
||||
fig.write\_html("scatter.html") \emph{\# 导出为网页}\\
|
||||
fig.show()
|
||||
|
||||
\subsubsection{在线可视化工具}
|
||||
\subsection{在线可视化工具}
|
||||
|
||||
无需编程，通过网页界面即可创建可视化：
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1646}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.3405}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2036}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1667}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.3039}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.5098}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
工具
|
||||
@@ -372,23 +388,28 @@ fig.show()
|
||||
\endhead
|
||||
\bottomrule\noalign{}
|
||||
\endlastfoot
|
||||
Observable & JavaScript驱动的交互式笔记本 & \href{https://observablehq.com/}{observablehq.com} \\
|
||||
Flourish & 拖拽式数据可视化，模板丰富 & \href{https://flourish.studio/}{flourish.studio} \\
|
||||
Datawrapper & 适合制作新闻级图表 & \href{https://www.datawrapper.de/}{datawrapper.de} \\
|
||||
Tableau Public & 强大的商业智能可视化 & \href{https://public.tableau.com/}{public.tableau.com} \\
|
||||
ECharts & 百度开源的交互式图表库 & \href{https://echarts.apache.org/}{echarts.apache.org} \\
|
||||
Observable & JavaScript驱动的交互式笔记本 &
|
||||
\href{https://observablehq.com/}{observablehq.com} \\
|
||||
Flourish & 拖拽式数据可视化，模板丰富 &
|
||||
\href{https://flourish.studio/}{flourish.studio} \\
|
||||
Datawrapper & 适合制作新闻级图表 &
|
||||
\href{https://www.datawrapper.de/}{datawrapper.de} \\
|
||||
Tableau Public & 强大的商业智能可视化 &
|
||||
\href{https://public.tableau.com/}{public.tableau.com} \\
|
||||
ECharts & 百度开源的交互式图表库 &
|
||||
\href{https://echarts.apache.org/}{echarts.apache.org} \\
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
\subsubsection{地理空间可视化}
|
||||
\subsection{地理空间可视化}
|
||||
|
||||
设计领域经常涉及地理和空间数据的可视化：
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1113}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.3837}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2364}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1667}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.4583}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2917}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
工具
|
||||
@@ -425,12 +446,12 @@ icon=folium.Icon(color="blue", icon="info-sign")\\
|
||||
\emph{\# 保存为网页}\\
|
||||
m.save("map.html")
|
||||
|
||||
\subsubsection{可视化设计原则}
|
||||
\subsection{可视化设计原则}
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 2\tabcolsep) * \real{0.2361}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 2\tabcolsep) * \real{0.6363}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 2\tabcolsep) * \real{0.2838}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 2\tabcolsep) * \real{0.6892}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
原则
|
||||
@@ -448,4 +469,3 @@ m.save("map.html")
|
||||
交互增强 & 在线可视化支持筛选、缩放、悬停查看详情 \\
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
|
||||
@@ -1,14 +1,14 @@
|
||||
\chapter{附录5：在线学习资源}
|
||||
\chapter{在线学习资源}
|
||||
|
||||
本附录整理AI学习过程中常用的在线课程、技术博客与文档、以及公开数据集。
|
||||
|
||||
\subsection{推荐课程}
|
||||
\section{推荐课程}
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2921}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1101}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2141}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2182}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1000}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.6636}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
名称
|
||||
@@ -21,21 +21,27 @@
|
||||
\endhead
|
||||
\bottomrule\noalign{}
|
||||
\endlastfoot
|
||||
CS231n：计算机视觉 & Stanford & \href{http://cs231n.stanford.edu/}{cs231n.stanford.edu} \\
|
||||
Fast.ai：实用深度学习 & fast.ai & \href{https://course.fast.ai/}{course.fast.ai} \\
|
||||
吴恩达深度学习专项课 & Coursera & \href{https://www.coursera.org/specializations/deep-learning}{coursera.org} \\
|
||||
CS224n：NLP与深度学习 & Stanford & \href{https://web.stanford.edu/class/cs224n/}{web.stanford.edu} \\
|
||||
李宏毅机器学习 & YouTube & \href{https://www.youtube.com/c/HungyiLeeNTU}{youtube.com} \\
|
||||
CS231n：计算机视觉 & Stanford &
|
||||
\href{http://cs231n.stanford.edu/}{cs231n.stanford.edu} \\
|
||||
Fast.ai：实用深度学习 & fast.ai &
|
||||
\href{https://course.fast.ai/}{course.fast.ai} \\
|
||||
吴恩达深度学习专项课 & Coursera &
|
||||
\href{https://www.coursera.org/specializations/deep-learning}{coursera.org} \\
|
||||
CS224n：NLP与深度学习 & Stanford &
|
||||
\href{https://web.stanford.edu/class/cs224n/}{web.stanford.edu} \\
|
||||
李宏毅机器学习 & YouTube &
|
||||
\href{https://www.youtube.com/c/HungyiLeeNTU}{youtube.com} \\
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
\subsection{博客与文档}
|
||||
\section{博客与文档}
|
||||
|
||||
\begin{itemize}
|
||||
\item
|
||||
\href{https://lilianweng.github.io/}{Lil'Log} - AI深度技术文章
|
||||
\item
|
||||
\href{https://jalammar.github.io/illustrated-transformer/}{The Illustrated Transformer} - 可视化原理解析
|
||||
\href{https://jalammar.github.io/illustrated-transformer/}{The
|
||||
Illustrated Transformer} - 可视化原理解析
|
||||
\item
|
||||
\href{https://distill.pub/}{Distill.pub} - 交互式可视化论文
|
||||
\item
|
||||
@@ -46,13 +52,13 @@ CS224n：NLP与深度学习 & Stanford & \href{https://web.stanford.edu/class/cs
|
||||
\href{https://python.langchain.com/}{LangChain文档}
|
||||
\end{itemize}
|
||||
|
||||
\subsection{数据集}
|
||||
\section{数据集}
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1735}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1185}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1987}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1928}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1325}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.6506}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
数据集
|
||||
@@ -65,10 +71,12 @@ CS224n：NLP与深度学习 & Stanford & \href{https://web.stanford.edu/class/cs
|
||||
\endhead
|
||||
\bottomrule\noalign{}
|
||||
\endlastfoot
|
||||
ImageNet & 图像分类 & \href{https://www.image-net.org/}{image-net.org} \\
|
||||
ImageNet & 图像分类 &
|
||||
\href{https://www.image-net.org/}{image-net.org} \\
|
||||
COCO & 目标检测 & \href{https://cocodataset.org/}{cocodataset.org} \\
|
||||
MNIST & 手写数字 & \href{http://yann.lecun.com/exdb/mnist/}{yann.lecun.com} \\
|
||||
OpenStreetMap & 地图数据 & \href{https://www.openstreetmap.org/}{openstreetmap.org} \\
|
||||
MNIST & 手写数字 &
|
||||
\href{http://yann.lecun.com/exdb/mnist/}{yann.lecun.com} \\
|
||||
OpenStreetMap & 地图数据 &
|
||||
\href{https://www.openstreetmap.org/}{openstreetmap.org} \\
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
|
||||
@@ -1,10 +1,10 @@
|
||||
\chapter{附录6：其他资源}
|
||||
\chapter{其他资源}
|
||||
|
||||
本附录整理AIGC工具、设计领域AI工具，以及设计AI相关的学术期刊与会议。
|
||||
|
||||
\subsection{AIGC工具}\label{aigcux5de5ux5177}
|
||||
\section{AIGC工具}
|
||||
|
||||
\subsubsection{Stable Diffusion}\label{stable-diffusion}
|
||||
\subsection{Stable Diffusion}\label{stable-diffusion}
|
||||
|
||||
\textbf{WebUI}：\href{https://github.com/AUTOMATIC1111/stable-diffusion-webui}{Automatic1111}
|
||||
|
||||
@@ -14,20 +14,23 @@
|
||||
|
||||
\textbf{from} diffusers \textbf{import} StableDiffusionPipeline\\
|
||||
\strut \\
|
||||
pipe = StableDiffusionPipeline.from\_pretrained("runwayml/stable-diffusion-v1-5")\\
|
||||
image = pipe("a photo of an astronaut riding a horse on mars").images{[}0{]}
|
||||
pipe =
|
||||
StableDiffusionPipeline.from\_pretrained("runwayml/stable-diffusion-v1-5")\\
|
||||
image = pipe("a photo of an astronaut riding a horse on
|
||||
mars").images{[}0{]}
|
||||
|
||||
\subsubsection{Midjourney}\label{midjourney}
|
||||
\subsection{Midjourney}\label{midjourney}
|
||||
|
||||
\textbf{平台}：Discord \textbf{文档}：\href{https://docs.midjourney.com/}{docs.midjourney.com}
|
||||
\textbf{平台}：Discord
|
||||
\textbf{文档}：\href{https://docs.midjourney.com/}{docs.midjourney.com}
|
||||
|
||||
\subsection{设计领域AI工具}
|
||||
\section{设计领域AI工具}
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1790}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2364}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1779}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2111}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2333}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.5333}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
工具
|
||||
@@ -40,18 +43,23 @@ image = pipe("a photo of an astronaut riding a horse on mars").images{[}0{]}
|
||||
\endhead
|
||||
\bottomrule\noalign{}
|
||||
\endlastfoot
|
||||
Midjourney & 图像生成与创意探索 & \href{https://www.midjourney.com/}{midjourney.com} \\
|
||||
Stable Diffusion & 本地可控图像生成 & \href{https://stability.ai/}{stability.ai} \\
|
||||
ControlNet & 精确结构控制 & \href{https://arxiv.org/abs/2302.05543}{arxiv.org} \\
|
||||
Midjourney & 图像生成与创意探索 &
|
||||
\href{https://www.midjourney.com/}{midjourney.com} \\
|
||||
Stable Diffusion & 本地可控图像生成 &
|
||||
\href{https://stability.ai/}{stability.ai} \\
|
||||
ControlNet & 精确结构控制 &
|
||||
\href{https://arxiv.org/abs/2302.05543}{arxiv.org} \\
|
||||
Figma AI & 界面设计辅助 & \href{https://www.figma.com/}{figma.com} \\
|
||||
Galileo AI & 界面布局生成 & \href{https://www.usegalileo.ai/}{usegalileo.ai} \\
|
||||
Planner 5D & 室内设计自动生成 & \href{https://planner5d.com/}{planner5d.com} \\
|
||||
Galileo AI & 界面布局生成 &
|
||||
\href{https://www.usegalileo.ai/}{usegalileo.ai} \\
|
||||
Planner 5D & 室内设计自动生成 &
|
||||
\href{https://planner5d.com/}{planner5d.com} \\
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
\subsection{学术期刊与会议}
|
||||
\section{学术期刊与会议}
|
||||
|
||||
\subsubsection{设计AI相关期刊}
|
||||
\subsection{设计AI相关期刊}
|
||||
|
||||
\begin{itemize}
|
||||
\item
|
||||
@@ -62,7 +70,7 @@ Planner 5D & 室内设计自动生成 & \href{https://planner5d.com/}{planner5d.
|
||||
Automation in Construction
|
||||
\end{itemize}
|
||||
|
||||
\subsubsection{设计AI相关会议}
|
||||
\subsection{设计AI相关会议}
|
||||
|
||||
\begin{itemize}
|
||||
\item
|
||||
@@ -72,4 +80,3 @@ Planner 5D & 室内设计自动生成 & \href{https://planner5d.com/}{planner5d.
|
||||
\item
|
||||
eCAADe
|
||||
\end{itemize}
|
||||
|
||||
|
||||
@@ -1,4 +1,3 @@
|
||||
\chapter{附录7：参考文献}
|
||||
\chapter{参考文献}
|
||||
|
||||
本部分整理教材中引用的论文、书籍和在线资源。
|
||||
|
||||
|
||||
@@ -1,14 +1,14 @@
|
||||
\chapter{附录8：关键术语表}
|
||||
\chapter{关键术语表}
|
||||
|
||||
本附录按章节整理书中涉及的关键中英文术语。
|
||||
|
||||
\subsection{第二章}
|
||||
\section{第二章}
|
||||
|
||||
{\def\LTcaptype{none} % do not increment counter
|
||||
\begin{longtable}[]{@{}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1635}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2921}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.5444}}@{}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.1597}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.2605}}
|
||||
>{\raggedright\arraybackslash}p{(\linewidth - 4\tabcolsep) * \real{0.5630}}@{}}
|
||||
\toprule\noalign{}
|
||||
\begin{minipage}[b]{\linewidth}\raggedright
|
||||
中文
|
||||
@@ -23,7 +23,8 @@
|
||||
\endlastfoot
|
||||
数据模态 & Data Modality & 信息的存在形式，如文本、图像、三维等 \\
|
||||
线性回归 & Linear Regression & \(y = ax + b\) 形式的函数拟合 \\
|
||||
多元回归 & Multiple Regression & 多输入变量的线性模型 \(y = \sum a_{i}x_{i} + b\) \\
|
||||
多元回归 & Multiple Regression & 多输入变量的线性模型
|
||||
\(y = \sum a_{i}x_{i} + b\) \\
|
||||
多层感知机 & Multi-Layer Perceptron (MLP) & 最基础的前馈神经网络结构 \\
|
||||
前向传播 & Forward Propagation & 数据从输入层到输出层的计算过程 \\
|
||||
激活函数 & Activation Function & 引入非线性的函数，如ReLU、Sigmoid \\
|
||||
@@ -37,12 +38,15 @@
|
||||
迁移学习 & Transfer Learning & 将一个任务学到的知识迁移到新任务 \\
|
||||
基础模型 & Foundation Model & 在大规模数据上预训练的大型通用模型 \\
|
||||
涌现能力 & Emergent Abilities & 模型规模大到一定程度后出现的新能力 \\
|
||||
缩放定律 & Scaling Law & 模型性能与规模（数据量、参数量、计算量）之间的关系规律 \\
|
||||
环境-智能体-任务 & Environment-Agent-Task & AI实践的三元框架：环境提供操作空间，智能体执行任务，任务定义目标 \\
|
||||
Vibe Coding & Vibe Coding & 感觉驱动编程，用自然语言描述需求让AI生成代码的编程范式 \\
|
||||
全连接层 & Fully Connected Layer & 每个神经元与上一层所有神经元相连的网络层 \\
|
||||
缩放定律 & Scaling Law &
|
||||
模型性能与规模（数据量、参数量、计算量）之间的关系规律 \\
|
||||
环境-智能体-任务 & Environment-Agent-Task &
|
||||
AI实践的三元框架：环境提供操作空间，智能体执行任务，任务定义目标 \\
|
||||
Vibe Coding & Vibe Coding &
|
||||
感觉驱动编程，用自然语言描述需求让AI生成代码的编程范式 \\
|
||||
全连接层 & Fully Connected Layer &
|
||||
每个神经元与上一层所有神经元相连的网络层 \\
|
||||
预训练 & Pre-training & 在大规模数据上的初始训练阶段 \\
|
||||
微调 & Fine-tuning & 在特定任务数据上对预训练模型进行适配训练 \\
|
||||
\end{longtable}
|
||||
}
|
||||
|
||||
|
||||
@@ -1,8 +1,9 @@
|
||||
\chapter{附录9：Tips}
|
||||
\chapter{Tips}
|
||||
|
||||
\begin{itemize}
|
||||
\item
|
||||
用AI学习AI，大大减少了学习的时间和难度：例如markdown等语法，只需要学习两部分内容：1）掌握经常性的手动输入需要的内容，例如\#，- 等，2）了解剩余的语法的大致机制，例如图片插入可以使用html语法，公式排版使用的是Latex语法，具体实现时让AI撰写。
|
||||
用AI学习AI，大大减少了学习的时间和难度：例如markdown等语法，只需要学习两部分内容：1）掌握经常性的手动输入需要的内容，例如\#，-
|
||||
等，2）了解剩余的语法的大致机制，例如图片插入可以使用html语法，公式排版使用的是Latex语法，具体实现时让AI撰写。
|
||||
\item
|
||||
有任何不懂的问题，直接问AI，如Claude code等CLI Agent以及在线等的大模型
|
||||
\end{itemize}
|
||||
|
||||
Reference in New Issue
Block a user