二、PyTorch基础知识 本章的的内容包含如下：张量概念及特点、张量的运算、自动微分、并行计算简介以及并行计算加速设备。 2.1 张量 2.1.1 张量简介 张量就是“多维数组”，其中的元素的数据必须一致。它是 PyTorch 传输、存储和计算数据的统一标准载体。 无论在深度学习中处理的是什么数据，最终都会被转化成张量： 0维张量：标量（Scalar），就是一个独立的数字（如

Ubuntu20.04 LTS环境下 参考《本地微调DeepSeek-R1-8b模型.md》中章节“3.2 准备jupyter环境” Win11环境下 我安装了Anaconda3-2021.04-Windows-x86.exe，具体安装步骤参考（其实也无需怎么参考）：https://zhuanlan.zhihu.com/p/339736966 1C:\Users\syjiang>c

一、Anaconda的安装与配置 1.1 Anaconda的安装 Ubuntu 20.04.3 LTS下：安装anaconda ；win11下：略。 1.2 Anaconda中常用配置 虚拟python环境与包 1234567891011121314#1. 默认会创建一个base的虚拟python环境不一定符合需要。自定义创建虚拟python环境：conda create -n 环

一、赛事背景介绍 赛事（基于用户注册信息的关键词检测挑战赛"https://challenge.xfyun.cn/h5/detail?type=KDBURI&ch=2026dsDW2"）由科大讯飞发起，中国信息协会联合主办。此次 AI 夏令营活动“https://ailc.datawhale.cn/hall/group/100000933/task/100000792”由Datawh

一、安装与初识matplotlib 以下内容是自己入门matplotlib与简单使用matplotlib的记录。 Matplotlib 是 Python 中最核心、最老牌的数据可视化（绘图）基础库。 它就像是 Python 世界里的“数字画笔”，能够将 NumPy 数组或 Pandas 抽象的数据，转化为折线图、柱状图、散点图、3D 图等各种专业的静态、动态或交互式图表。它的设计理念深受

一、问题介绍 面对内容超繁杂、超多层的图（此处指的一般是定性示意图），使用AI大模型如Nano Banana Pro或2 目前也无法一步到位，甚至多步仍不能妥善绘制成功。这与此类大模型当前的能力上限有关。 以下提供两类处理办法。 二、处理办法 2.1 复杂图形绘制思路 降维切割 (模块化拆解) 当我们意识或发觉某张构架图内容超多超复杂时，可尽量将其分成几个子模块，比如：输入

一、章节脉络 本章的目标在于快速理解并上手以 Nano-Banana Pro 为代表（但有提到阿里云开发的Qwen-image-2.0模型及使用）的核心模型，并补齐在完整科研绘图流程中，生成前准备与生成后处理阶段可能会用到的关键工具，为后续学习方法论与动手实践做好铺垫。 细化点，本章主要内容是如下： 了解 Nano-Banana Pro 的多种官方及第三方接入方式 掌握 Gemin

一、开源项目及章节脉络图 开源项目链接： https://github.com/datawhalechina/happy-figure 这是HappyFigure的第一章内容，主要是进行了讲述了AI科研绘图是什么、为什么的相关内容，怎么样的相关内容将在后续章节中展开。 此本章的知识脉络图： HappyFigure 01章知识脉络图 二、01章节的主要内容 理解科研插图的

一、概况介绍 Claude Code CLI（此处以最新的Claude Code v2.1.186为例）中支持如下六种运行模式，每种模式在便捷性与管控性分别做了不同的权衡与取舍。下表（来自Claude Code官网）显示了在每种模式中 Claude 无需权限提示即可执行的操作。 Mode What runs without asking Best for