<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[lybigdate的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/lybigdate</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; lybigdate]]></copyright><item><title><![CDATA[多智能体设计范式学习]]></title><link>https://blog.csdn.net/lybigdate/article/details/155891949</link><guid>https://blog.csdn.net/lybigdate/article/details/155891949</guid><author>lybigdate</author><pubDate>Tue, 16 Dec 2025 14:22:05 +0800</pubDate><description><![CDATA[以此文来记录学习Agentic Design Patterns。]]></description><category></category></item><item><title><![CDATA[情报分析学习比赛准备]]></title><link>https://blog.csdn.net/lybigdate/article/details/152716645</link><guid>https://blog.csdn.net/lybigdate/article/details/152716645</guid><author>lybigdate</author><pubDate>Thu, 09 Oct 2025 19:39:13 +0800</pubDate><description><![CDATA[摘要：本文介绍使用八爪鱼和Python进行数据爬取的比赛准备方案。重点讲解五类任务实现：1）新闻网站数据采集（标题/时间/作者等）；2）微博关键词搜索（博文/互动数据），需优化字段定位处理展开文本；3）原创微博筛选技巧（添加ori参数）；4）百家号周更文章采集（通过时间触发器限制）。文章对比了八爪鱼（无代码友好但需付费）和Python（灵活免费）的适用场景，并附操作指南链接。]]></description><category></category></item><item><title><![CDATA[视觉学习yolo+OpenCV（电赛准备）]]></title><link>https://blog.csdn.net/lybigdate/article/details/149282120</link><guid>https://blog.csdn.net/lybigdate/article/details/149282120</guid><author>lybigdate</author><pubDate>Sun, 20 Jul 2025 22:45:24 +0800</pubDate><description><![CDATA[本文介绍了YOLO目标检测系统的安装配置与使用。首先详细说明了在Anaconda环境中安装YOLO和OpenCV的步骤，并分享了对默认设置的修改方法。其次，演示了如何使用预训练模型进行图片和视频检测，包括通过爬虫获取测试视频的过程。然后介绍了使用LabelMe工具标注自定义数据集的方法，以及将标注文件转换为YOLO格式进行模型训练的完整流程。最后展示了如何结合OpenCV实现实时视频流的YOLO检测。文章还提供了多个参考链接，方便读者进一步学习相关技术。]]></description><category></category></item><item><title><![CDATA[AnomalyGPT工业检测大模型 （Windows server2019）本地部署]]></title><link>https://blog.csdn.net/lybigdate/article/details/146377655</link><guid>https://blog.csdn.net/lybigdate/article/details/146377655</guid><author>lybigdate</author><pubDate>Thu, 20 Mar 2025 19:08:50 +0800</pubDate><description><![CDATA[是第一个基于大型视觉语言模型 （LVLM） 的工业异常检测 （IAD） 方法，无需手动指定阈值即可检测工业图像中的异常。现有的 IAD 方法只能提供异常分数，需要手动设置阈值，而现有的 LVLM 无法检测图像中的异常。AnomalyGPT 不仅可以指示异常的存在和位置，还可以提供有关图像的信息。]]></description><category></category></item><item><title><![CDATA[Git安装]]></title><link>https://blog.csdn.net/lybigdate/article/details/146374434</link><guid>https://blog.csdn.net/lybigdate/article/details/146374434</guid><author>lybigdate</author><pubDate>Wed, 19 Mar 2025 17:28:34 +0800</pubDate><description><![CDATA[由于本人的版本是Windows server2019版本，因此在官网选择选择选择自己的版本这个过程可能需要开vpn，等待下载完成即可。]]></description><category></category></item><item><title><![CDATA[数据预处理]]></title><link>https://blog.csdn.net/lybigdate/article/details/145862789</link><guid>https://blog.csdn.net/lybigdate/article/details/145862789</guid><author>lybigdate</author><pubDate>Wed, 26 Feb 2025 14:24:10 +0800</pubDate><description><![CDATA[这篇文章是针对提供的销售数据而做的，其中介绍一下这个数据，这个数据第一列是时间，第二列是销售量，也就算是单变量时间序列数据。但是有一些代码应用知识可以简单看看，这篇主要是为了做笔记用的。]]></description><category></category></item><item><title><![CDATA[cpp算法笔记]]></title><link>https://blog.csdn.net/lybigdate/article/details/145818216</link><guid>https://blog.csdn.net/lybigdate/article/details/145818216</guid><author>lybigdate</author><pubDate>Mon, 24 Feb 2025 00:12:36 +0800</pubDate><description><![CDATA[算法笔记]]></description><category></category></item><item><title><![CDATA[Ollama部署deepseek-r1蒸馏模型]]></title><link>https://blog.csdn.net/lybigdate/article/details/145393136</link><guid>https://blog.csdn.net/lybigdate/article/details/145393136</guid><author>lybigdate</author><pubDate>Wed, 29 Jan 2025 16:59:31 +0800</pubDate><description><![CDATA[是一款开源的大型语言模型（LLM）服务工具，旨在简化大语言模型的本地部署和使用流程。它支持在 Windows、Linux 和 macOS 上运行，能够快速部署包括 Llama、Falcon、Qwen 等在内的 1700+ 大语言模型，满足不同用户的需求。Ollama 提供了丰富的功能，包括本地运行、多模型支持、自定义模型配置、多 GPU 并行推理以及兼容 OpenAI 接口等。用户可以通过简单的命令行操作或图形界面进行模型的下载、启动和管理，同时还可以利用其 API 接口将模型集成到各种应用程序中。]]></description><category></category></item><item><title><![CDATA[2024Mathocup大数据资料整理（气象数据收集）]]></title><link>https://blog.csdn.net/lybigdate/article/details/143464721</link><guid>https://blog.csdn.net/lybigdate/article/details/143464721</guid><author>lybigdate</author><pubDate>Sun, 03 Nov 2024 14:36:11 +0800</pubDate><description><![CDATA[收集气候数据的一些小笔记]]></description><category></category></item><item><title><![CDATA[Anaconda安装+python修改环境路径+jupyter配置默认路径的笔记]]></title><link>https://blog.csdn.net/lybigdate/article/details/142414524</link><guid>https://blog.csdn.net/lybigdate/article/details/142414524</guid><author>lybigdate</author><pubDate>Sat, 21 Sep 2024 13:52:44 +0800</pubDate><description><![CDATA[这篇文章是自己在安装anaconda的时候的笔记小整理，之前也没有安装过python的同学看的，anaconda相较于其他的，方便管理python的配置环境，后面git别人的项目也基本上一个项目一个环境，发现anaconda在环境管理的便捷。anaconda好处的往这里看。]]></description><category></category></item><item><title><![CDATA[计组实验1（logisim）]]></title><link>https://blog.csdn.net/lybigdate/article/details/134408979</link><guid>https://blog.csdn.net/lybigdate/article/details/134408979</guid><author>lybigdate</author><pubDate>Wed, 15 Nov 2023 00:52:17 +0800</pubDate><description><![CDATA[现在需要你使用基础的门电路搭建这样一个电路，当输入S=0时，输出的O1等于输入的I1，输出的O2等于输入的I2。当输入S=1时，则交换两输出，即输出的O2等于输入的I1,输出的O1等于输入的I2。我们给它取名叫做swap电路。使用Logisim搭建一个swap并在下方提交。:     swap输入: I1(1bit), I2(1bit), S(1bit)输出: O1(1bit), O2(1bit)]]></description><category></category></item></channel></rss>