【代码】langchain调用多模态大模型。

在创建虚拟环境之前首先我们需要打开命令终端：Win + R 输入cmd 或者直接打开Anaconda Prompt（Anaconda）查看当前存在的虚拟环境conda env list或者conda info -e创建虚拟环境conda create -n 环境名 python=X.X其中-n（–name）后为需要创建的虚拟环境的名称并在环境名的后面指定python的版本，比如：conda cre

TensorFlow2.X 搭建卷积神经网络（CNN），实现服装的分类识别。搭建的卷积神经网络是类似VGG的结构(卷积层与池化层反复堆叠，然后经过全连接层，最后用softmax映射为每个类别的概率，概率最大的即为识别结果)。

TensorFlow2.X 搭建卷积神经网络（CNN），实现人脸识别（可以识别自己的人脸哦！搭建的卷积神经网络是类似VGG的结构(卷积层与池化层反复堆叠，然后经过全连接层，最后用softmax映射为每个类别的概率，概率最大的即为识别结果)。

堆（heap）堆的概念：是完全二叉树；每个节点>=或<=孩子节点。条件二中分别对应：最大堆和最小堆。最大堆：最大值为堆顶元素，每个节点>=孩子节点。最小堆：最小值为堆顶元素，每个节点<=孩子节点。python中的堆python中只能直接创建最小堆。如果想要创建最大堆可以先将所有元素乘负一(取反)，然后最小堆化，取元素的时候再取反，这样相当于得到最大堆。应用：top – K、

辗转相除法数学原理辗转相除法也称欧几里得算法，是用来求两个正整数的最大公约数的算法。接下来我们用实例来解释一下。假如我们需要求12和21的最大公约数，用辗转相除法是这样实现的：21 / 12 = 1 （余 9）12 / 9=1（余 3）9 / 3 = 3 （余 0）至此，得到21与12的最大公约数为3（注意：这里的3是第二个式子取余得到的3，而非最后一个式子相除得到的），然后把两个数相乘再除以最大

TensorFlow2.X 搭建卷积神经网络（CNN），实现人脸识别（可以识别自己的人脸哦！搭建的卷积神经网络是类似VGG的结构(卷积层与池化层反复堆叠，然后经过全连接层，最后用softmax映射为每个类别的概率，概率最大的即为识别结果)。

提问：在我们计算某些数据标准差（或者方差）的时候，会发现有些公式分母是n，而有些公式的分母却是（n-1），那么到底哪个公式才是正确的呢？答案如果是算总体的标准偏差，分母就用n，这就是真实的标准偏差，属于描述统计。如果是算样本的标准偏差，无偏估计是n-1，有偏估计是n。毕竟样本只是用来估量总体的情况，属于推论统计，所以利用样本计算总体个体差异性时候通常会保守估计，除以n-1得出来的标准偏差会比除以n

from PIL import Imageimport osinput_train_path = r"E:\test\BelgiumTSC_Training\Training"output_train_path = r"E:\BelgiumTSC_JPG\Train_data"input_test_path = r"E:\test\BelgiumTSC_Testing\Testing"output

常见的数据类型载体listnp.arraytf.tensorlist: 可以存储不同数据类型，缺点不适合存储较大的数据，如图片np.array: 解决同类型大数据数据的载体，方便数据运算，缺点是在深度学习之前就设计好的，不支持GPUtf.tensor:更适合深度学习，支持GPUTensor是什么scalar: 1.1vector:[1.1] ,[1.1,2.2,……]matrix:[[1,2,3,