余翔洋（Young），浙江大学岩土工程方向博士研究生，研究聚焦于物理信息神经网络（PINN）在多场耦合岩土问题中的应用。
博客记录研究笔记与工程实践，欢迎交流（留言板）。
基于 Google Gemini 的个人大语言模型：Young’s LLM
（访问速度受网络环境影响，请确认具有合法的境外网络访问权限）
交互式教学页面：卷积算子交互实验台
（浏览器端完成图像卷积计算：载入图像后施加经典卷积核，逐点展开乘加过程，逐像素追溯输出的感受野来源，并对多张特征图执行加权合成、池化与上采样，用于建立从单个卷积核到 U-Net 编码-解码结构的直观理解；结果可导出为 PNG，图像不上传服务器）
普通傅里叶变换是酉变换，信息完全保存，逆变换可精确重建原信号。由此常引出一个疑问：既然信息一比特未丢，为何仍存在”测不准”？本文的结论是，测不准原理约束的不是信息总量，而是信息的局部可读性。须强调的是，酉性只属于普通傅里叶变换——其加窗版本（短时傅里叶变换）与小波变换都只是等距算子而非酉算子：保范但不满射，而值域的再生核结构恰好给出了测不准原理在时频域最精确的表述。文中先给出 Heisenberg–Weyl 不等式及其证明，继而从相位斜率、幅值谱时序不变性与值域再生核三条机制说明可逆性为何不提供局部可读性，最后以一个跨频段双任务算例验证小波变换的优势边界，并导出一个可直接计算的方法选择判据。
基于 RK3588 开发板的四轮麦克纳姆轮机器人，支持同一 WiFi 下任意设备（手机、平板、电脑）通过网页浏览器远程控制，集成热成像温度采集、六轴 IMU 监测、USB 摄像头实时回传，前端页面适配移动端触屏。项目开源在 GitHub：Yu-Xiang-Yang/rk3588-multimodal-mecanum。
在RK3588 Buildroot系统上部署Python应用时，手动操作步骤繁琐且容易出错——需要通过adb逐一上传文件、安装依赖、配置init.d自启动脚本。为此我写了一套一键部署工具，支持PowerShell和Git Bash，通过一条命令完成从上传到自启动配置的全部流程。项目开源在GitHub：Yu-Xiang-Yang/deploy。
采用的是正点原子店里买的RK3588带显示屏的板子，买来的时候已经装好了linux buildroot系统，我重新烧录过ubuntu的试过，但是他们店里提供的ubuntu烧录的版本缺少太多东西，所以又重新烧录回了linux buildroot系统。
本次通过usb插口直接连接板子，该计算板实际上有多个摄像头插口，原理大同小异，第三章讲述如何在接显示屏的情况下实时显示录取的视频流。第四章讲述如何捕捉帧图像并储存以便用于后续边缘计算
由于超算无法连接到网上环境，通过pip 或者conda 的直接下载包的方式失效。以下提供几种方式。主流的方式应该是在本地docker 创建一个镜像，直接在超算运行镜像环境，这种方法是运行环境最稳定的，缺点是docker的安装和学习 需要一些成本，同时docker hub的国内链接受到网络环境影响，很难下载镜像，在2024.11.7我曾试图在超算上下载image自己改环境，在下载到5gb大小的时候失败，应该是超算做了下载文件大小的限制（2025.3更新，可以通过使用终端命令来上传和下载文件，没有文件大小限制）。
本内容仅针对pytorch和JAX环境的超算使用和安装，tensorflow用户可以借鉴使用（因为tensorflow往往要cuda和tf版本一一对应，有些时候可能不是环境安装问题而是版本对应问题），其他大语言模型机器学习包（例如libcuda.so）可能对cuda的版本和cuda driver的版本有要求，请联系管理员更新cuda和cuda driver。
对于简单使用者来说，如果不考虑配置各种不同环境，这里有一种更简单的方案,直接连接外部网络，缺什么包就直接
pip install，两行代码即可搞定–>如何让超算使用本地VPN流量成功连接Claude Code
作为物理内嵌神经网络的预备知识和各种神经网络算法的鼻祖，学习全连接神经网络（Fully Connected Neural Network, FCNN）是非常有必要的。本篇文章将介绍全连接神经网络的基本结构、前向传播和反向传播算法，帮助读者理解神经网络的工作原理。
1 / 2
