苯人这次的项目如标题所示，是将 Langchain+Neo4j+Agent 结合的案例，关于电商销售的。随着电商行业的不断发展，平台积累了庞大的用户、商品与交易数据。如何从这些复杂数据中快速挖掘有价值的信息，满足用户个性化的消费需求，已经成为一个重要课题。传统的数据库查询方式操作复杂，用户往往需要专业知识才能获取所需信息，缺乏灵活性与智能化。本项目基于，结合大语言模型的自然语言处理能力，构建了一个

苯人这次的项目如标题所示，是将 Langchain+Neo4j+Agent 结合的案例，关于电商销售的。随着电商行业的不断发展，平台积累了庞大的用户、商品与交易数据。如何从这些复杂数据中快速挖掘有价值的信息，满足用户个性化的消费需求，已经成为一个重要课题。传统的数据库查询方式操作复杂，用户往往需要专业知识才能获取所需信息，缺乏灵活性与智能化。本项目基于，结合大语言模型的自然语言处理能力，构建了一个

目录一、数据处理1、读取原始文件2、清洗数据3、分词4、构建词典并保存5、把每条文本编码成数字列表6、固定长度二、设置数据集、数据加载器三、构建模型结构四、配置具体模型参数与训练细节五、开始训练并保存六、模型测试（测试集）七、单条评论测试（可选）又做了一个小案例，刚好来复盘一下，是关于分析酒店评论的好坏，首先原始数据集如下：前面一列是标签，1代表好评，0代表差评，后面的是评论内容，一共有5000多

RGB颜色空间是我们接触最多的颜色空间，是一种用于表示和显示彩色图像的一种颜色模型，R代表红色（Red），G代表绿色（Green），B代表蓝色（Blue），这三种颜色通过不同强度的光的组合来创建其他颜色，广泛应用于我们的生活中，比如电视、电脑显示屏等。掩膜（Mask）是一种在图像处理中常见的操作，它选择性地遮挡图像的某些部分，以实现特定任务的目标，通常是一个二值化图像，并且与原图像的大小相同，其中

苯人的项目是基于CNN实现香蕉成熟度的小颗粒度分类，针对六种不同状态（新鲜成熟的、新鲜未熟的、成熟的、腐烂的、过于成熟的、生的）进行高精度视觉识别。由于香蕉的成熟度变化主要体现在颜色渐变、斑点分布及表皮纹理等细微差异上，传统图像处理方法难以准确区分。因此，本项目通过构建深层CNN模型，利用卷积层的局部特征提取能力捕捉香蕉表皮的细微变化，并结合高阶特征融合技术提升分类精度。

六、Encoder 编码器编码器模块是 Transformer 的输入处理核心，它由词嵌入层、位置编码层以及多个相同结构的编码器子层组成，其作用是词嵌入层负责将离散的 token 映射为连续的向量表示；位置编码用于引入位置信息，使得模型在没有循环结构的前提下仍然能捕捉序列顺序。每个编码器子层内部包括一个多头自注意力机制（用于提取序列中不同位置之间的依赖关系）和一个前馈神经网络（用于增强每个位置的表

这篇主要讲一下Transformer 框架搭建流程，苯人总结了一套：Dataprocess 数据处理 --》Position位置编码 --》Mask掩码 --》MHA多头注意力机制 --》FFN前馈神经网络 --》Encoder编码器 --》Decoder解码器 --》Transformer 模型构建 --》模型训练 --》模型预测。