# aimodel

**Repository Path**: gigy/aimodel

## Basic Information

- **Project Name**: aimodel
- **Description**: aimodel test
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: feature/uv
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-07-17
- **Last Updated**: 2026-07-18

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# config

uv 管理依赖，hatchling 构建依赖
```bash
# install uv
chmod +x install_dependencies.sh
./install_dependencies.sh

# download dependencies
uv sync

# run
cd src/medicine/pneumonial/
uv run PneumoniaImg.py


# uv dependencies
pip uninstall vllm
pip install vllm
```

# 活动1：
https://xiqinghong.pages.dev/path/archive/vscode-wsl/ anaconda中


test 1: 肺炎图像识别 [PneumoniaImg.py](src/medicine/pneumonial/PneumoniaImg.py)

test 2: web 应用
1. 图像处理WEB应用集成 https://docs.opencv.org/3.4/js_image_display.html
ref：https://docs.opencv.org/3.4/df/d24/tutorial_js_image_display.html
2. 语音识别移动应用集成
- [百度语音开放平台](https://ai.baidu.com/tech/speech) 创建语音识别应用，获取其 Token
- 新建 uni-app项目，`manifes.json`选择 `Speech(语音输入)`，输入 百度 Token。将内容复制到`pages-index-index.vue`，完成开发
- 发行-原生 APP-云打包
- 置入 Android 模拟器 测试
3. 汽车资讯分类解决方案实现
- 文章按标题自动推送到专栏下，涉及 文档-专栏 匹配
- [百度飞桨](https://ai.baidu.com/easydl/) 搭建`文本分类-单标签`模型，使用汽车相关的公开数据集，创建模型并训练
- 测试，页面输入文章标题，校验获取其分类结果
- 发布模型到公有云在线服务。
- 配置权限，输入个人应用中获取的Token，可看到服务详情
- 接口详情页可使用文档，COPY CURL，用于前端页面


Next:
- sklearn https://www.bilibili.com/video/BV1vJ41187hk/
- tensorflow2 https://www.bilibili.com/video/BV1Zt411T7zE/
- 深度学习原理(无框架，python实现) https://github.com/liuyongfeng/deep_learning_base_python
- 大模型 [BERT基础教程：Transformer大模型实战](https://github.com/Kensuke-Hinata/statistic/blob/master/AI/books/)
- pytorch，动手学深度学习 https://space.bilibili.com/1567748478

# 活动2:

https://xiqinghong.pages.dev/path/datawhale-AI3-reasoning/

[Reasoning](src/bigmodel/Reasoning.py)

```mermaid
graph TD
    A([开始]) --> B[读取输入文件]
    B --> C[初始化线程池]
    C --> D[[并发处理样本]]
    
    subgraph 样本处理流程
        D --> E[检查样本ID]
        E -->|新样本| F[生成提示模板]
        E -->|无ID/已处理| X[跳过处理]
        
        subgraph API调用模块
            F --> G{调用模型API}
            G -->|成功| H[提取答案]
            G -->|失败| I[重试机制]
            I -->|3次重试| J{仍失败?}
            J -->|是| K[设置默认答案A]
            J -->|否| G
        end
        
        H --> L[格式验证]
        L -->|格式正确| M[记录答案]
        L -->|格式错误| K
        K --> M
    end
    
    D --> N[等待所有线程完成]
    N --> Q[按ID排序]
    Q --> R[写入输出文件]
    R --> S([结束])
    
    style F fill:#99f,stroke:#333
```    

- [CatalyticReactPredict](src/chemistry/CatalyticReactPredict.py)
- [MarketGamePriceForecast](src/social/MarketGamePriceForecast.py)
- [SiRNADrugEffictPredict](src/medicine/siRNA/SiRNADrugEffictPredict.py)
- [ExtremePrecipitateForecast](src/earth/ExtremePrecipitateForecast.py) 数据文件大，不好拆分，没放，文件结构如下，其中，feature，groundtruth，test 所在目录是输入的数据集，文件源：http://competition.sais.com.cn/competitionDetail/532234/competitionData

```
// earth 下的目录结构
.
├── 160.pt 输出结果
├── ExtremePrecipitateForecast.py 代码
├── feature train_set，文件源 weather.round1.train.ft.2021.1.zip	 中的数据
│   └── 2021
│       └── 20210101-00
│           ├── 006.nc
│           ├── 012.nc
│           ├── 018.nc
│           ├── 024.nc
│           ├── 030.nc
│           ├── 036.nc
│           ├── 042.nc
│           ├── 048.nc
│           ├── 054.nc
│           ├── 060.nc
│           ├── 066.nc
│           └── 072.nc
├── groundtruth babel_set，文件源 weather.round1.train.gt.2019-2021.zip 中的数据
│   └── 2021.nc
├── model_weights.pth generated model
└── test test_set，文件源 weather.round1.test.zip 中的数据
    └── 160.pt
```

# 活动3: 模型/框架
- [natural-language-processiong.ipynb](src/lib-test/natural-language-processiong.ipynb)