在阅读本篇博客之前希望你在LSTM方面有一定的知识储备，熟悉LSTM网络的内部结构，方便更好的理解pytorch中有关LSTM相关的api。一、参数理解这里我根据lstm的结构定义了一些参数，参数具体含义可以看注释batch_size = 10 #每个batch的大小seq_len = 2000 #模仿输入到LSTM的句子长度input_size = 30 #lstm中输入的维度hidden_si

最近在使用pytorch中的一维卷积来对文本进行处理，进行文本分类任务，查阅了网上相关的博客还有api这里做一个总结。一维卷积，顾名思义就是在一维空间上进行卷积，通常用来处理时序的数据，卷积的过程如下图。进行卷积的数据形状为[batch_size,seq_len,embedding_dim]，经过卷积以后变成了[batch_size,out_channels,sql_len-kernel_size

最近在学习pytorch也是正式从tensorflow转移到pytorch，因为很多论文的源码给出的都是pytorch为了方便自己学习比较新的模型和算法也是在不停的学习中，废话不多说正式开始今天的教程，之前给tensorflow挖的坑有时间了也会填上。这次使用的数据集比较大我也是放在了百度云盘需要的朋友可以自行获取，链接：https://github.com/JohnLeek/DeepLearni

max和argmax名字上看起来很相似但是却大有不同max_num,index = torch.max(tensor,dim=?)会在指定的维度上返回最大的数以及其索引如下b = torch.tensor([[[3, 2], [1, 4]], [[5, 6], [7, 8]]])print(b)max_num,index = torch.max(b,dim=2)print(max_num)prin

首先在官网下载anaconda环境，这里需自行解决，安装过程需要注意的就是勾选添加至环境变量。接下来正式开始简单使用介绍，anaconda为我们提供了一个虚拟的python环境，所以我们可以随心所欲的在不同版本之间切换。在下载好conda以后我们就可以创建一个属于自己的虚拟环境，这里你需要记得你的conda装在哪里了，我的位置是D:\Anaconda，为什么要记住呢，因为后续创建的虚...

最好用的win10环境下ensorflow2.0 CPU/GPU安装1、确保你的电脑安装了anaconda，如果没有参考我的这篇博客https://blog.csdn.net/JohnLeeK/article/details/995823552、对你的anaconda还有pip换源（非必要，可以跳过），这一步只是增加下载速度，参考我的这篇博客https://blog.csdn.ne...

本文探讨了从单Agent到多Agent协同工作的演进，重点解决三个核心问题：JSON Schema膨胀、工具选择困难和权限安全问题。作者提出将大Agent拆分为多个专家（搜索、工具、记忆）加调度员的分层架构，通过硬隔离而非软约束确保安全。系统引入人工审批机制处理不可逆操作，采用CompletableFuture实现异步等待，并支持用户中断。技术实现上选用SSE协议进行流式通信。该设计既提升了复杂任

本文介绍了从大语言模型(LLM)到智能代理(Agent)的ReAct推理模式原理，是文章末尾项目的开篇内容。初学者建议认真阅读基础概念

MCP协议：Agent工具的标准化解决方案 MCP协议旨在统一Agent工具的接入标准，解决当前工具生态碎片化问题。

本文探讨了可插拔Skill系统的设计哲学，解决了Agent工具系统的灵活性问题。