精选作品
研究、小组合作与独立开发——并附上背景说明,以展示哪些是我的贡献、哪些是共同完成的。
用于 MNIST 的 CUDA C++ k-NN 分类器,在 10,000 张图像的测试集上达到 96.65% 的准确率。
Vue.js、Element UI 和 ECharts 仪表盘,后端为 RESTful ASP.NET,在 Flextronics 担任 Engineering Technician 期间构建。内部工具;未公开部署。
一个目前正在进行中的检索增强生成演示。详情和结果将在准备就绪后补充。
Qingze Luo
安全 · 隐私 · 软件
点击或按任意键跳过