第一个 Skill
让我们暂时忘掉复杂的创建过程，先从 使用一个现成的 Skill 开始，感受它带来的便利。 本文的演示基于 Claude Code，如果你还没安装，可以参考我们的 Claude Code 教程。 创建 Skill 目录 Skills 存放在 ~/.claude/…
Skills 目录结构
理解 Skill 的目录结构和运行机制，是构建可维护、可复用 AI Agent 能力的基础。 本文从零开始拆解一个标准 Skill 的目录结构、各文件作用和完整工作流程。 什么是 Skill Skill 是一个独立的能力单元，用来完成某…
Skills 基本结构
Skills 的核心本质，是给 AI 制定标准化执行流程的操作指引，规则一经编写完成，就能像程序函数一样，被反复调用、直接复用。 Skills 以 Markdown 文本载体存储，本身不直接执行功能。 Skills 按需加载、渐进式调用…
Skills 简介
Skills 是一个开放格式，用于为 AI 代理添加专业技能和知识。 通过 Skills，你可以将特定领域的专业知识、工作流程和最佳实践封装成可重用的技能包，让 AI 代理在需要时自动调用。 在学习 Skills 之前，我们先搞清…
PyTorch 数据转换
在 PyTorch 中，数据转换（Data Transformation） 是一种在加载数据时对数据进行处理的机制，将原始数据转换成适合模型训练的格式，主要通过 torchvision.transforms 提供的工具完成。 数据转换不仅可以实现基本的…
PyTorch 数据集
在深度学习任务中，数据加载和处理是至关重要的一环。 PyTorch 提供了强大的数据加载和处理工具，主要包括： torch.utils.data.Dataset：数据集的抽象类，需要自定义并实现 __len__（数据集大小）和 __getitem__（…
PyTorch 循环神经网络（RNN）
循环神经网络（Recurrent Neural Networks, RNN）是一类神经网络架构，专门用于处理序列数据，能够捕捉时间序列或有序数据的动态信息，能够处理序列数据，如文本、时间序列或音频。 RNN 在自然语言处理（NLP）、语…
PyTorch 卷积神经网络
PyTorch 卷积神经网络 (Convolutional Neural Networks, CNN) 是一类专门用于处理具有网格状拓扑结构数据（如图像）的深度学习模型。 CNN 是计算机视觉任务（如图像分类、目标检测和分割）的核心技术。 下面这张图…
PyTorch 线性回归
线性回归是最基本的机器学习算法之一，用于预测一个连续值。它是一种简单且常见的回归分析方法，目的是通过拟合一个线性函数来预测输出。 对于一个简单的线性回归问题，模型可以表示为： y 是预测值（目标值）。 …
PyTorch 数据处理与加载
在 PyTorch 中，处理和加载数据是深度学习训练过程中的关键步骤。 为了高效地处理数据，PyTorch 提供了强大的工具，包括 torch.utils.data.Dataset 和 torch.utils.data.DataLoader，帮助我们管理数据集、批量加载…
PyTorch 第一个神经网络
本章节我们将介绍如何用 PyTorch 实现一个简单的前馈神经网络，完成一个二分类任务。 以下实例展示了如何使用 PyTorch 实现一个简单的神经网络进行二分类任务训练。 网络结构包括输入层、隐藏层和输出层，使用了 Re…
PyTorch 神经网络基础
神经网络是一种模仿人脑处理信息方式的计算模型，它由许多相互连接的节点（神经元）组成，这些节点按层次排列。 神经网络的强大之处在于其能够自动从大量数据中学习复杂的模式和特征，无需人工设计特征提取器。 随…
陕ICP备10001693号
Copyright © 要快网