本文介绍了一个基于纯前端技术的3D粒子手势交互系统，采用Three.js+MediaPipe实现电影级视觉效果。系统支持6万粒子高精度渲染、UE4级泛光效果，通过摄像头实时手势识别实现手掌开合缩放和移动旋转控制。项目采用模块化设计，包含粒子生成、3D渲染、手势识别和UI控制四大核心模块，使用CSS变量和毛玻璃效果打造现代化控制面板。关键技术包括自定义Shader粒子材质、MediaPipe手势检测

本项目基于PaddlePaddle框架开发了一个中文新闻标题分类系统，采用BiLSTM模型实现端到端文本分类。系统亮点包括：字粒度编码降低未登录词影响，引入Dropout等正则化技术防止过拟合，支持财经、房产等10类新闻分类，测试准确率达90.59%。项目提供完整的训练评估流程、混淆矩阵可视化以及Tkinter图形化预测界面，模块化设计便于扩展。实验表明，针对短文本特性，BiLSTM能有效捕捉标题

本项目基于YOLOv8轻量级图像分类模型，实现了猫狗二分类任务的全流程开发。通过搭建PyTorch+CUDA环境，利用本地数据集训练出准确率达95.9%的轻量化模型（仅3MB），并开发了tkinter可视化界面。项目采用迁移学习技术，仅7轮训练即达到理想效果，充分发挥了RTX4060显卡的并行计算优势。同时解决了PyTorch版本兼容、Windows路径等常见问题。最终成果包括高效识别模型和易用的