MCP（Model Context Protocol，模型上下文协议）是由Anthropic公司提出的一种开源协议，旨在让AI模型能够无缝连接外部工具和资源，就像一把“万能钥匙”，打通了AI与现实世界的交互通道。MCP发布于2024年11月，但起初并未引起太多关注，随着今年智能体（Agent）技术的爆发式发展，MCP逐渐成为开发者关注的焦点。今年2月，Cursor宣布支持MCP功能，进一步推动了这

通过这个用ResNet50进行对中药材的种类及品阶进行12分类的项目，学习mindspore AI框架的使用和深度学习任务的一般流程，熟悉如何通过深度学习的方式来拟合数据，处理生产生活中的问题，为AI赋能的时代贡献点滴实践。

现阶段，项目的架构流程已经跑通，接下来重点要做的是模型调优，以及优化前段展示等工作，希望基于本项目，可以带动大家学习人工智能NLP领域的兴趣和积极性，一起完善、共建这个项目，开发一个app来实现个性化的歌词生成！

通过这个用ResNet50进行对中药材的种类及品阶进行12分类的项目，学习mindspore AI框架的使用和深度学习任务的一般流程，熟悉如何通过深度学习的方式来拟合数据，处理生产生活中的问题，为AI赋能的时代贡献点滴实践。

DeepSeek通过其创新的架构设计，为人工智能的发展贡献了显著价值。首先，它引入了多Token预测机制，提高了模型在处理复杂数据时的效率和准确性。其次，DeepSeek的MOE架构无需负载均衡，简化了模型训练流程，降低了计算资源的消耗。最后，通过结合KV Cache的MLA技术，DeepSeek显著提升了推理速度，使得AI应用在实时性要求高的场景下更具可行性。这些创新不仅推动了AI技术的进步，也

DeepSeek通过其创新的架构设计，为人工智能的发展贡献了显著价值。首先，它引入了多Token预测机制，提高了模型在处理复杂数据时的效率和准确性。其次，DeepSeek的MOE架构无需负载均衡，简化了模型训练流程，降低了计算资源的消耗。最后，通过结合KV Cache的MLA技术，DeepSeek显著提升了推理速度，使得AI应用在实时性要求高的场景下更具可行性。这些创新不仅推动了AI技术的进步，也

DeepSeek通过其创新的架构设计，为人工智能的发展贡献了显著价值。首先，它引入了多Token预测机制，提高了模型在处理复杂数据时的效率和准确性。其次，DeepSeek的MOE架构无需负载均衡，简化了模型训练流程，降低了计算资源的消耗。最后，通过结合KV Cache的MLA技术，DeepSeek显著提升了推理速度，使得AI应用在实时性要求高的场景下更具可行性。这些创新不仅推动了AI技术的进步，也

TextCNN 是一种经典的文本分类模型，其核心思想是将卷积神经网络应用于文本数据，通过提取局部特征实现高效的文本分类任务。TextCNN 在情感分析、推荐系统、语义匹配等领域有广泛的应用，具有高效性、局部特征提取能力和灵活性等优势。

Conformer：在Transformer中嵌入卷积模块（如Convolution Module），利用CNN提取局部声学特征，同时保留自注意力的全局建模能力。技术演进主线：从CTC的序列对齐，到注意力机制的上下文建模，再到Conformer的全局-局部特征融合，语音识别逐步向高效、高精度、低延迟方向发展。RNN-T：在CTC基础上引入预测网络（语言模型）和联合网络，允许每帧生成多个符号，支持实

语义分割在深度学习与人工智能领域占据重要地位。它是计算机视觉的核心任务之一，能够将图像像素级地划分为不同语义类别，为理解图像内容提供关键支持。在自动驾驶中，可精准识别道路、车辆、行人等元素，保障行车安全；在医学影像分析中，能准确分割器官和病变区域，辅助疾病诊断。此外，它还广泛应用于机器人视觉、卫星图像分析等领域，推动人工智能向更精准、更智能的方向发展，是实现智能视觉感知的关键技术。