
HDBSCAN算法超参数说明
HDBSCAN算法超参数说明 适用对象:hdbscan 库(scikit-learn-contrib 实现)的 HDBSCAN 类。 注意:sklearn.cluster.HDBSCAN 与本文所述的 hdbscan 库在部分参数默认值与语义上存在差异(详见 §7 两个实现的差异)。 目录 算法简介 与 DBSCAN 的关键区别:没有 eps 完整参数签名 ...

HDBSCAN算法超参数说明 适用对象:hdbscan 库(scikit-learn-contrib 实现)的 HDBSCAN 类。 注意:sklearn.cluster.HDBSCAN 与本文所述的 hdbscan 库在部分参数默认值与语义上存在差异(详见 §7 两个实现的差异)。 目录 算法简介 与 DBSCAN 的关键区别:没有 eps 完整参数签名 ...

医学影像常见术语与应用场景 根据 RadiAnt DICOM Viewer 中文官网首页 的栏目与用语 整理、释义,建立影像阅片与 PACS 相关词汇表;在官网表述基础上做了归纳与延伸。非 RadiAnt 官方文档,亦 非 诊疗或产品使用手册。 目录 一、背景:首页在讲什么 二、核心系统名词 三、多模态 DICOM 类型 四、阅片基础操作 五、工作流场...

医学影像常见文件格式与查看工具 梳理临床与科研中常见的 医学影像文件格式(DICOM、NIfTI、NRRD、WSI 等):中文名称、结构特点、所含信息及常用查看工具。侧重 AI 与数据预处理 视角;非诊疗建议,临床以院内 PACS 规范为准。 目录 一、总览:临床与科研两条线 二、DICOM(医学数字成像与通信标准) 2.4 CT 与 MRI...

Atlas300I-Duo国产大模型部署与精度支持说明 适用于 Atlas 300I Duo 推理卡(Ascend 310P3),如 TaiShan 200 + 8×310P3(4 张 Duo / 8 Chip)。说明 FP16 / BF16 硬件约束、MindIE-LLM 国产模型(Qwen、GLM、Kimi)在 300I Duo 上的支持判读与部署速查。 一、硬件对算子精...

YOLO系列技术概览 梳理 YOLO(You Only Look Once) 系列名称含义、演进脉络、detect / segment / classify / pose 等任务差异,以及训练与推理流程、数据格式、指标与常见踩坑。工程实践以 Ultralytics(pip install ultralytics)为主线。 参考与延伸阅读: Ultralytics 中文文档...

LabelMe使用简介 LabelMe 是基于 Python + Qt 的图形化图像标注工具,支持多边形、矩形等形状,标注结果保存为 *.json。多数 YOLO 训练流程需再转为 images/ + labels/*.txt + dataset.yaml;本文介绍安装、基本标注流程,以及 LabelMe → YOLO 的常用转换工具与选型。 参考与延伸阅读: 开源主仓库...

大语言模型发展过程简介 仅整理记录到2026年。从 Transformer(2017)到 ChatGPT(2022)再到推理模型与 Agent(2024+),梳理大语言模型发展的关键转向:架构分叉、规模涌现、对齐与后训练、开源追赶、RAG 与系统化工程。不追求名词年表,而讲清主线。 原文作者:dongzhang84 / snowboat-blog 原文链接:ht...

BM25信息检索算法简介 BM25(Best Matching 25)是信息检索领域最经典的关键词排序算法之一,Elasticsearch 默认排序即采用 BM25。在 RAG 场景中,它常与向量检索组合做混合检索,弥补语义检索在专有名词、条款编号等字面匹配上的不足。本文介绍 BM25 的定位、相关性计算原理、流程示例及在 RAG 中的典型用法。 目录 1. BM25...

RAG准确性提高案例 面向不微调大模型、通过工程手段提升 RAG 准确率的落地复盘。场景为电力规程文档知识库问答,准确率从约 50% 提升至 88%,全程零模型微调。 原文作者:知乎用户 原文链接:https://www.zhihu.com/question/638730143/answer/2041228453932963535 原问题:如何在不微调的...

RNN和QKV区别 用「指代消解实验 → RNN 传话困境 → Attention 全场扫描 → Q/K/V 三分工 → 注意力公式」这条线,通俗说明 RNN 与 QKV(Self-Attention)在信息流动方式上的根本差异,以及 Q、K、V 为什么要拆成三个矩阵。 原文作者:最后的绅士 原文链接:https://www.zhihu.com/question...