学习与项目记录 · 2026
我是 ITKNOW。这里记录人工智能、计算机视觉和嵌入式工程方面的学习、实验和小成果。
01 / SELECTED WORK
从手写数字和目标检测，到比赛中的动作识别，再到嵌入式和硬件。页面上的数字尽量注明出处。
用深度图和红外图做训练、验证、错误分析和离线推理。试过的模型有 R(2+1)D、Swin、MViT、X3D、TSM、UniFormer 和 C3D。
318/466。方案多次按验证集挑选，存在选择偏差。隐藏测试结果未知，官方 Linux 环境尚未验证。
查看实验与源码 ↗
对照实验中的训练曲线，来自实际运行记录。
用 PyTorch 写了一个小型 CNN，练习数据加载、训练循环、模型保存和重新加载。
调用 Ultralytics 官方预训练模型，对官方示例图像做检测，查看类别、置信度和边界框。
STM32F103 工程，包含信号处理、显示、按键和校准逻辑。已通过编译，并做了主机端软件测试。
MORE FROM OTHER WORKSPACES
下面是其他工作区里的工程记录。
使用 Java、WebView 和原生小组件。做过 217 天排课逻辑对照，尚未完成真机验证。
查看记录 ↗C# 窗口状态检测、动画覆盖和异常重启流程。
查看记录 ↗原理图、PCB 和几何间距检查。尚需原生 ERC/DRC 与实物验收。
查看记录 ↗纯 C 的测量算法和合成信号测试，是信号测量工程的早期版本。
查看记录 ↗做了 LoRA 微调、本地推理，并用留出数据做对照评估。实际效果还需要试用。
查看记录 ↗GPIO、ADC、PWM、I²C、UART、定时器等 28 组用户代码摘录。
查看记录 ↗这里不只写最后的结果，也写做到这一步的过程。学习从 Python 和 C 语言开始，之后接触神经网络、视频识别和硬件程序。项目里使用 AI 辅助学习、编写和验证。页面尽量保留实验条件、代码和已知局限。
02 / THE LEARNING PATH
下面是已经整理的练习和材料。材料放在这里，并不表示课程已经学完。
Python 基础、C 语言、命令行、VS Code，以及读取文件和排查错误。
PYTHON · C · GIT从 NumPy、图像和张量开始，学习卷积、梯度、训练循环和 LIF 神经元。
NUMPY · PYTORCH · SNN整理数据，比较模型，查看准确率和 Macro F1，并记录失败和局限。
DATA · METRICS · EVALUATION整理依赖、离线推理和复现说明，同时做 STM32 程序和软件测试。
INFERENCE · EMBEDDED已整理 13 节课程和参考答案。学习讨论目前进行到张量和自动求导。
打开学习材料 ↗03 / OPEN NOTEBOOK
笔记里保留实验方法、对照条件和尚未解决的问题，不只放结果最好的一次。
代码、实验和其他项目可以在 GitHub 上查看。
打开 GitHub ↗