手把手教你:基于深度学习的滚动轴承故障诊断|第 6 篇 · 一维卷积与残差模块:83% 到 95% 的原理拆解
本篇教程拆解滚动轴承故障诊断中一维卷积与残差模块的原理:单层 1D-CNN 测试准确率仅约 83%,分不清内圈与滚动体故障。残差连接通过输出 = F(x) + x 的捷径缓解梯度消失,使 5 个残差块的网络加深而不退化,准确率提升到 95%+。两个模型在相同数据、相同切分、相同评估下对比,唯一系统差别是是否加残差。
本篇教程拆解滚动轴承故障诊断中一维卷积与残差模块的原理:单层 1D-CNN 测试准确率仅约 83%,分不清内圈与滚动体故障。残差连接通过输出 = F(x) + x 的捷径缓解梯度消失,使 5 个残差块的网络加深而不退化,准确率提升到 95%+。两个模型在相同数据、相同切分、相同评估下对比,唯一系统差别是是否加残差。
作者在 AI Maker Summit 分享了团队在项目级 Harness Coding 上的实践:通用 Coding Agent 进入真实项目后,主要缺项目上下文、真实行动能力、运行结果反馈和完成标准四样东西。
作者整理了 8 个 GitHub 上值得安装的 Agent Skill 仓库,star 从 5 万到 30 万不等,覆盖约束写代码行为、前端设计、读懂老代码和笔记库操作四类需求。
推荐理由:作者逐一给出 8 个 Skill 仓库的定位、安装命令与适用场景,读者可按团队需求直接挑选试用。
OpenAI 构建了 Pando——一款 Git 兼容的后端,专为应对 Codex 所带来的开发规模而设计。该方案旨在支撑 Codex 推动下的大规模软件开发需求。
开源 Python 爬虫 Crawl4AI 可为 Amazon Bedrock Knowledge Bases 准备网页内容:爬取页面生成 Markdown 与元数据 sidecar 上传至 Amazon S3,再由知识库完成解析、分块、嵌入与检索。
作者 fork 了基于 Milkdown 和 Tauri 的开源 Markdown 编辑器 Typability,借助 CodeBuddy 和 DeepSeek-4.1-flash 以许愿式编程的方式从上游 0.4.1 一路改到 0.6.3,使其在自己的写作场景下可以替代 Typora。
这篇文章将注意力机制十余年的技术演进梳理为 5 大阶段,并汇总了 11 篇奠基论文及其核心突破。脉络从 RNN 时代的软寻址起源(Bahdanau Attention、Luong Attention),到 2017 年 Transformer 以多头自注意力抛弃循环结构实现并行训练。
Meta 发布 AI 存储架构蓝图,展示其数百 EB 规模的 BLOB Storage:以 Tectonic 为存储底座,富客户端 SDK 直连读取并配合多级缓存,平均缓存命中率 80%,平均数据加载时间下降 93%。JuiceFS 采用对象存储 + 独立元数据引擎 + 客户端架构,通过镜像文件系统、异步复制与分布式缓存支持跨地域访问,两者在数据与元数据分离、富客户端和缓存预热上高度相似。
作者在 Windows WSL 环境从零部署 ComfyUI 常驻推理服务,搭配 Qwen-Image 2.1 的 GGUF 量化模型,涵盖 Python 虚拟环境、torch 与 CUDA 版本匹配、ComfyUI-GGUF 节点安装、模型下载与 extra_model_paths.yaml 路径映射。
本篇教程以随机森林构建滚动轴承故障诊断的对照组基线,将每条 1000×2 的信号样本摊平为 2000 维特征,整体准确率约 0.73。模型由 50 棵决策树投票集成,配以 max_depth=5 等参数控制过拟合,无需显卡几秒即可跑出可靠基线。随机森林抓不住波形结构,73% 即为其表达能力上限,该基线正是为了衬托后续深度网络 95% 的准确率优势。
老张复盘制造企业 RAG 项目,指出独立向量库存在晚高峰同步延迟 40 分钟、行级权限出库即失效等痛点,主张向量索引、过滤、权限与事务在同一引擎内完成。电科金仓给出 1 亿条 768 维向量下 98% 召回率、峰值内存降低 95.4%、查询延迟降低 80% 的口径,对应金仓 AI 数据库的库内语义构建、计算推理与原生安全管控能力。选型应先看数据位置、权限强度与规模,核心业务数据优先库内。
作者系统梳理了从 0 搭建企业级知识库的完整技术方案,提出六层分层架构以及写路径、读路径、运维闭环三条流水线。选型上推荐混合检索(BM25 + 向量 + Rerank)而非纯向量,中小规模优先用 pgvector,Embedding 首选 BGE-M3,并强调权限必须在检索阶段下推、离线与在线处理同源、先建 20–50 条黄金评测集再优化。
NSGA-II 是在遗传算法基础上改进的多目标进化算法,通过快速非支配排序、拥挤度比较算子与精英策略寻找 Pareto 最优解集。其快速非支配排序将时间复杂度由 O(mN³) 降低到 O(mN²)。非支配排序负责划分个体优先层级,拥挤距离则维持同一非支配层内解的分布多样性。
13年Java老兵Rain上线免费技术网站javadashen.com,无广告无付费墙,以151个页面实战干货叫板“Java已死”。网站含146篇内容、八大板块,47+场景设计题直击中高级架构岗,封神项目207个测试用例全部通过。JDK 21虚拟线程实测1万并发任务约1秒跑完、平台线程约50秒,并给出Spring AI等4条Java转AI路径。
程序员晓凡用 AI Agent 工具 WorkBuddy 在没写一行代码的情况下开发了一款九宫格拼图微信小程序并成功上线,开发耗时不到 1 小时,备案审核足足等了 22 天。文章给出从想法确认、功能列表、原型图、代码生成到注册账号、提交审核、发布的完整流程,并提醒个人小程序认证费用为 30 元,第一次提交审核很可能不通过,可把驳回原因截图交给 WorkBuddy 修改后再次提交。
程序员Seven 完成 Java 后端社招首次跳槽,6 周内通过 505 次 Boss 沟通拿下 8 个 offer。其转化漏斗为 505 次沟通带来 115 次简历交换与 22 场一面,最终 offer 转化率 1.6%。作者还总结了用 codex 辅助面试准备、在职约面时间规划、大厂薪资涨幅卡 30% 的谈薪策略,以及大厂普遍保留手撕代码环节的招聘现状。
本项目把 VNCCS 的 3D 人偶姿势迁移能力移植到 Qwen-Image-2.1 管线,用 PoseStudio 渲染的姿势条件图加角色参考图加专用 LoRA,实现只换姿势、保留脸/发型/服装。
张善友通读了开源项目 SmartHaus(f2calv/SmartHaus)的源码:这套基于 .NET 10 的边缘智能家居系统把 KNX 总线、热泵、光伏等设备暴露为 69 个 MCP 工具,而大模型与代理编排被整体放在体系之外,交给外部 Agent Runtime 调用。
作者通过 perf 分析魔改 Android 系统刷机后发热严重、cpu7 内核态负载极高的问题,最终定位到 GPS 服务。采样 cpu7 堆栈并解析内核符号后发现,开销集中于 cpuidle_enter_state、finish_task_switch 等内核函数,loc-mq-thread 线程疯狂循环收发 socket。
仅持久化消息只保存了历史,不能让新进程接手未完成的工作;Durable Execution 还要保存运行起止、调用与结果的对应关系及重放策略,由恢复程序决定复用已有结果、安全重跑或暴露外部效果未知。
本篇逐行走读 data_load 预处理源码,把一整条 CWRU 振动信号切成一条条带标签的可训练样本。DE、FE 两路信号各自做 MinMax 归一化压到 0~1,逐点配对成双通道,再按每 1000 个点滑窗切分,并对每类固定抽取 1400 条以配平类别。
该演示基于 Gradio 6 构建,将 Vanilla / DeltaNet / GLA / GatedDeltaNet / KDA v1 / KDA v2 六种线性注意力 step 变体整合进 18 tab 的 Web UI,所有图表由 CPU 实时计算产出。
本文基于 Reverie(幻梦)源码,完整拆解了用 RAG 为 LLM 构建长期记忆系统的两条管线:写入时按情绪、关键词、重复等打分并经自治门分流到永久/长期/短期三层,检索时用向量召回、词法召回加融合打分(相似度×0.62、词法×0.16、重要度×0.08 等)选出最多 k 条、约 3600 字符的记忆注入 system prompt。
作者用 10 段文本、bge-m3 和 20 行裸 numpy 做完语义检索实验,再换 Chroma 同条件重跑,讲清 embedding 与向量数据库在本地大模型项目里承担的检索角色。
The Verge 编辑花 50 美元购入 Waveshare ESP32-S3 1.75C 触屏开发挂坠,接入 Meta 开源的 Muse AI 云端,并用 Claude Code 逐步重写固件,做出类似 Muse Charm 的 AI 宠物。
AI 原生财富管理公司 Arca 用智能体承担大部分长周期财务分析工作,但交易与资金划转始终由人类顾问完成。智能体任务最长可达 10 天,公司为此自建记忆系统跟踪每位客户的进展与责任分工,并基于内部 benchmark 自研模型路由 harness。
作者用 Trae + 火山 Agent Plan 的 DeepSeek V4.1 Flash 做 Vibe Coding,搭出一个仿 Alteryx 的个人数据工作台,底层工作流引擎用 DuckDB,每个节点执行完即生成中间表。
本篇教程深度解析 CWRU 轴承故障数据集并完成四类故障波形可视化。.mat 文件含驱动端 DE 与风扇端 FE 双通道振动信号及 RPM 转速记录,正常、内圈、滚动体、外圈四类波形差异肉眼可辨,构成可分类的物理前提。正式训练前需按清单下载正常与 12k 驱动端共 40 个 .mat 文件,并按四类目录归档核对。
自研漏洞挖掘 Agent 的核心架构是模型管判断、脚本管证据、机器管核对收口,擅长挖掘 JS 逆向相关的未授权敏感信息泄露。Agent 通过开工授权、登录落账、翻 JS、机械业务探索等流程构建业务地图,并以 L1-L5 证据五等级核验成果防止幻觉。同时建立修 bug 防回归机制,经失败用例复现、独立审查 diff 与金丝雀对照确保稳定运行。
FDE(现场部署工程师)是集AI项目售前、部署、开发、售后与客服于一身的角色,核心是让AI在企业落地实现降本增效。从业者需兼备软技能、行业知识与AI开发能力,可通过真实2B项目或工信部FDE证书(1980元/698元)证明能力。入行途径包括求职、接私活或在自有公司实践,流程涵盖实地调研、demo开发、测试改进与复盘。
这篇教程演示如何在 C# 中使用开源模型部署框架 DeploySharp 2.0.0 完成 YOLO26 目标检测,从空控制台项目、按场景安装四个 NuGet 包,到加载本地 ONNX 模型、复用内置解码器并绘制检测框。
作者系统讲解 Agent 执行系统的失败恢复方法,核心是工具幂等性、状态持久化与重试边界三者配合。文章区分了四类失败与 UNKNOWN 中间状态,给出稳定幂等键、操作台账字段、退避抖动、租约与 fencing 等设计要点,并用仅依赖标准库的 Python 示例演示响应丢失、进程退出、预算耗尽等场景的恢复协议。
推荐理由:文章把 Agent 失败恢复拆成幂等键、操作台账、重试边界与对账机制,并给出可复跑的 Python 实验代码,便于读者在自己的工具调用上落地验证。
线性注意力用核函数 + 递推状态把注意力复杂度从 O(T²) 降到 O(T),将历史信息压缩进固定大小的状态矩阵 S,不再随上下文增长保存完整 KV Cache。
作者借助 AI 编程完成鸿蒙电子书 APP 的 RTF 解析适配:先用豆包调研选定 LibreraReader + RtfParserKit 开源组合,再用 Trae 从 LibreraReader 源码剥离 RTF 解析代码并编译出 debug 安装包。
speech-to-speech-dotnet 是 huggingface/speech-to-speech 的 C# 行为等价重写(.NET 10,src 加 tests 约 4 万行),验收标准是可观察行为与上游一致而不是源码相似。
AWS 官方博客发布 Amazon Bedrock 端到端成本管理手册,提出归属、可观测、执行、优化、运营五阶段闭环。核心做法是用 IAM 主体标签和 CUR 2.0 把每笔推理成本归属到具体身份,通过共享网关按用户 assume role 解决共享角色归属丢失问题,并按监控告警、IAM 拒绝策略、网关同步拦截三档执行预算。
AWS 官方博客介绍了 Amazon Bedrock AgentCore runtime 的 Session endpoints:为每个智能体会话生成带鉴权的 URL,将 HTTP 与 WebSocket 请求转发到会话内允许的端口,使编程智能体编辑的网页在浏览器中无需刷新即可更新。
推荐理由:原文逐步演示了如何用 Session endpoints 在浏览器中实时预览智能体构建的网页,读者可把这套带鉴权的端口转发机制迁移到自己的智能体调试流程。
ChatGPT 桌面应用现已可在 AWS GovCloud (US) 中通过 Amazon Bedrock 使用,提供 Work 与 Codex 两种组件接入 OpenAI 前沿模型。模型推理经 us-gov-west-1 的 Amazon Bedrock Mantle 端点路由,可由 IAM 和现有网络控制治理,数据留在所选区域。按 token 计费、无席位许可,并支持零数据留存(ZDR)。
作者(NVIDIA 员工)为万圣节搭建了 MonsterHouse:一个会听会说的暴躁鬼屋投影,跑在单台工作站上。
作者为企业级 SaaS 测试平台 AITest 放弃 Pytest,基于 FastAPI + 异步 Celery 自研了模板方法 + 策略模式的测试执行引擎。Pytest 静态依赖 .py 文件、难以推送 WebSocket 实时进度、与异步架构冲突,也无法支撑未来 AI 智能体经 MCP 协议动态调用技能。AITest V1.0 已发布,含 36 张表的架构文档与基础骨架源码均已开源分享。