NewBee快速上手 OpenAI Codex：从安装到完成第一个代码任务

原创 已于 2026-06-15 11:08:11 修改 · 174 阅读 · 2 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测
标签
#人工智能 #科技 #安全 #python #自动化
于 2026-06-15 11:00:27 首次发布

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ，讲透 AI 如何接管脏活累活

一键订阅

以下是一版内容依据 OpenAI 官方 Codex Quickstart、CLI、IDE Extension、Cloud/Web 与配置文档整理：Codex 可在 App、IDE、CLI 和 Cloud/Web 中使用；CLI 可本地读取、修改、运行项目代码；IDE 扩展支持 VS Code、Cursor、Windsurf 等环境；CLI/IDE 的配置主要通过 ~/.codex/config.toml 管理。(OpenAI开发者)

新手如何快速上手 OpenAI Codex：从安装到完成第一个代码任务

摘要

Codex 是 OpenAI 推出的 AI 编程助手，可以帮助开发者阅读代码、生成代码、修复 Bug、重构项目、运行测试，并根据项目上下文给出修改建议。和普通聊天式问答不同，Codex 更偏向“代码代理”：它不仅能回答问题，还能在指定项目目录中理解代码结构、编辑文件、执行命令，并输出可审查的改动。

本文面向第一次接触 Codex 的开发者，介绍 Codex 的基本概念、常见使用入口、安装方式、第一次任务示例、提示词写法以及使用时的注意事项。

一、Codex 是什么？

简单理解，Codex 是一个面向软件开发场景的 AI Coding Agent。它可以读取你的项目文件，理解项目结构，并根据你的自然语言指令完成代码相关任务。

它常见的能力包括：

  1. 解释陌生项目的整体结构；
  2. 根据需求生成新功能代码；
  3. 定位并修复 Bug；
  4. 重构已有代码；
  5. 生成单元测试；
  6. 阅读报错日志并给出修复方案；
  7. 执行命令、运行测试并根据结果继续修改。

如果把普通 ChatGPT 当作“问答式编程助手”，那么 Codex 更像是“可以进入你的项目目录实际工作的开发助手”。

二、Codex 适合哪些人？

Codex 不只适合专业程序员，也适合以下几类用户：

第一类是正在学习编程的新手。你可以让 Codex 解释项目结构、说明函数作用、分析报错原因。

第二类是需要提高开发效率的程序员。你可以让它帮你完成重复性任务，例如补充测试、修改接口字段、统一代码风格、排查运行错误。

第三类是科研、数据分析或自动化办公用户。即使你不是职业开发者，也可以让 Codex 帮你写 Python 脚本、处理表格、生成小工具。

第四类是项目维护者。对于历史项目、多人协作项目或遗留系统，Codex 可以帮助你快速理解代码组织方式和潜在问题。

三、Codex 的几种使用方式

目前 Codex 常见入口主要有四种：桌面 App、IDE 扩展、命令行 CLI、Web/Cloud 版本。

1. Codex App

Codex App 是桌面端应用，适合希望在图形界面中管理多个任务的用户。它适合处理本地项目，也适合同时开启多个 Codex 任务线程。

适合人群：

  • 不习惯纯命令行；
  • 希望在图形界面中审查修改；
  • 需要同时处理多个项目任务。

2. Codex IDE 扩展

Codex IDE 扩展适合在 VS Code、Cursor、Windsurf 等编辑器中使用。它可以直接出现在编辑器侧边栏，与当前打开的代码文件结合使用。

适合人群：

  • 日常主要使用 VS Code 或 Cursor；
  • 希望一边看代码一边让 Codex 修改；
  • 希望使用当前文件、选中代码、项目上下文来提问。

3. Codex CLI

Codex CLI 是命令行版本，可以在终端中运行。它适合喜欢命令行工作流的开发者，也适合服务器、Linux、自动化脚本等场景。

进入项目目录后运行：

codex

然后就可以让 Codex 分析当前目录、修改文件、运行命令。

4. Codex Web / Cloud

Codex Web 或 Cloud 适合把任务委托给云端环境。它可以连接 GitHub 仓库，在云端执行任务，并生成可审查的改动或 Pull Request。

适合人群：

  • 希望 Codex 在云端处理较长任务；
  • 需要和 GitHub 仓库结合；
  • 希望把修复 Bug、补测试、重构等任务交给代理处理。

四、环境准备

开始使用前，建议准备以下环境：

1. 一个可登录的 ChatGPT / OpenAI 账号
2. Git
3. VS Code、Cursor 或其他常用 IDE
4. Node.js 或 Homebrew，可选，用于部分安装方式
5. 一个本地代码项目

如果你是 Windows 用户，建议提前准备好 PowerShell。如果你经常开发 Linux 项目，也可以使用 WSL2。

如果你是 macOS 或 Linux 用户，可以直接使用终端安装和运行 Codex CLI。

五、安装 Codex CLI

1. macOS / Linux 安装方式

在终端中执行：

curl -fsSL https://chatgpt.com/codex/install.sh | sh

安装完成后，进入你的项目目录：

cd your-project
codex

第一次运行时，Codex 会要求你登录。你可以选择使用 ChatGPT 账号登录，也可以根据需要使用 API Key。

2. Windows 安装方式

在 PowerShell 中执行：

powershell -ExecutionPolicy ByPass -c "irm https://chatgpt.com/codex/install.ps1 | iex"

安装完成后，同样进入项目目录：

cd your-project
codex

3. 使用 npm 安装

如果你已经安装 Node.js，也可以使用 npm：

npm install -g @openai/codex

然后运行：

codex

4. 使用 Homebrew 安装

macOS 用户也可以使用 Homebrew：

brew install --cask codex

六、安装 Codex IDE 扩展

如果你主要使用 VS Code、Cursor 或 Windsurf，建议优先安装 IDE 扩展。

基本步骤如下：

  1. 打开 VS Code 或 Cursor；
  2. 进入扩展市场；
  3. 搜索 Codex；
  4. 安装 OpenAI Codex 扩展；
  5. 重启编辑器；
  6. 在侧边栏打开 Codex；
  7. 登录 ChatGPT 账号；
  8. 打开一个项目文件夹，开始提问。

安装完成后，你可以直接在编辑器中让 Codex 查看当前项目。例如：

请阅读当前项目，说明它的主要目录结构、启动方式和核心模块。

或者：

请分析当前文件的主要功能，并指出是否存在明显的逻辑问题。

七、第一次使用 Codex：从理解项目开始

新手不要一上来就让 Codex 大规模修改代码。更推荐先让它理解项目。

例如，进入项目根目录后运行：

codex

然后输入：

请先不要修改代码。请阅读当前项目，说明：
1. 项目的主要功能是什么；
2. 入口文件在哪里；
3. 主要目录分别负责什么；
4. 如何在本地启动；
5. 你认为我接下来应该先阅读哪些文件。

这个提示词有两个关键点：

第一，明确要求“先不要修改代码”。
第二，让 Codex 先解释项目结构，而不是直接动手。

这样可以降低误操作风险，也能帮助你判断 Codex 是否真正理解了项目。

八、让 Codex 修复一个 Bug

假设你的项目运行时报错，可以把报错信息交给 Codex：

运行项目时报错如下：

[在这里粘贴完整报错日志]

请你分析报错原因，并在最小改动范围内修复问题。修改前请先说明你的判断，修改后请运行相关测试或启动命令验证。

比较推荐的表达方式是：

请使用最小改动修复，不要重构无关代码。

这句话非常重要。因为 AI 代码助手有时会倾向于“顺手优化”其他地方，而这可能引入新的风险。对于修 Bug 场景，最小改动通常更安全。

九、让 Codex 新增一个功能

如果你要新增功能，可以这样写需求：

请在当前项目中新增一个用户登录接口，要求如下：

1. 接口路径：POST /api/login
2. 请求参数：username、password
3. 参数不能为空
4. 登录成功返回 token
5. 登录失败返回明确错误信息
6. 请保持当前项目已有代码风格
7. 修改完成后说明你改了哪些文件
8. 如项目已有测试框架，请补充对应测试

好的 Codex 提示词应该包含：

  1. 功能目标；
  2. 输入参数；
  3. 输出结果；
  4. 异常处理；
  5. 代码风格要求；
  6. 测试要求；
  7. 修改范围限制。

不要只写：

帮我写一个登录功能。

这种提示太模糊，Codex 可能需要猜测你的框架、数据库、鉴权方式和接口规范，最终结果容易偏离预期。

十、让 Codex 生成测试

Codex 很适合补充单元测试。可以这样写：

请为当前项目的用户模块补充单元测试，要求：

1. 优先覆盖已有核心函数；
2. 不修改业务逻辑；
3. 使用项目当前已有测试框架；
4. 覆盖正常输入、异常输入、边界条件；
5. 修改完成后运行测试，并根据测试结果继续修正。

如果你只想让它生成测试文件，可以补充：

只新增或修改测试文件，不要改动业务代码。

这可以有效控制修改范围。

十一、让 Codex 重构代码

重构类任务要特别谨慎。推荐先让 Codex 给出方案，再决定是否执行。

可以这样写：

请分析当前项目中 service 层代码是否存在重复逻辑。先不要修改代码，只输出重构建议，包括：

1. 哪些代码重复；
2. 为什么需要重构；
3. 建议抽象成哪些函数或类；
4. 可能影响哪些模块；
5. 重构风险是什么。

确认方案后，再输入：

按照刚才的方案进行重构。要求：
1. 保持对外接口不变；
2. 不改变原有业务逻辑；
3. 修改后运行测试；
4. 输出本次修改文件列表和验证结果。

这种“两阶段工作流”更适合真实项目。

十二、Codex 提示词模板

下面给出几个常用模板。

1. 项目理解模板

请阅读当前项目，先不要修改代码。请说明：
1. 项目用途；
2. 技术栈；
3. 入口文件；
4. 核心模块；
5. 本地启动方式；
6. 主要配置文件；
7. 你建议我优先阅读的文件。

2. Bug 修复模板

以下是报错日志：

[粘贴完整日志]

请分析原因并修复。要求：
1. 使用最小改动；
2. 不重构无关代码；
3. 修改前说明判断；
4. 修改后运行测试或启动命令验证；
5. 输出修改文件列表。

3. 新功能开发模板

请为当前项目新增以下功能：

功能目标：
[描述功能]

具体要求：
1. [要求1]
2. [要求2]
3. [要求3]

限制条件：
1. 保持现有代码风格；
2. 不修改无关模块；
3. 如有测试框架，请补充测试；
4. 修改完成后说明改动内容和验证方式。

4. 代码审查模板

请审查当前分支的代码改动，重点关注：
1. 逻辑错误；
2. 边界条件；
3. 异常处理；
4. 安全风险；
5. 性能问题；
6. 是否缺少测试。

请按严重程度排序输出问题，并给出修改建议。

5. 重构建议模板

请分析当前模块是否有重构空间。先不要修改代码，只输出：
1. 当前代码问题；
2. 推荐重构方案；
3. 影响范围；
4. 风险点；
5. 是否值得现在重构。

十三、基础配置：config.toml

Codex CLI 和 IDE 扩展通常会读取用户目录下的配置文件：

~/.codex/config.toml

你可以在其中配置默认模型、审批策略、沙箱权限等。

一个示例配置如下：

model = "gpt-5.5"
approval_policy = "on-request"
sandbox_mode = "workspace-write"
model_reasoning_effort = "high"

其中：

approval_policy = "on-request"

表示 Codex 在执行部分操作时会请求用户确认。

sandbox_mode = "workspace-write"

表示 Codex 可以在当前工作区写入文件，但不会随意操作系统其他目录。

新手建议不要一开始就开启过高权限。尤其是涉及删除文件、批量重构、运行危险命令时，一定要先审查 Codex 的操作。

十四、使用 Codex 的安全建议

1. 先提交 Git 再让 Codex 修改

在让 Codex 改代码前，建议先提交一次 Git：

git status
git add .
git commit -m "checkpoint before codex changes"

这样即使 Codex 改错了，也可以快速回退。

2. 不要直接让 Codex 大范围重构

不要一开始就说：

帮我优化整个项目。

这种需求范围太大，风险较高。更推荐按模块拆分：

请只分析 user 模块，不要修改其他模块。

3. 审查每一次修改

Codex 输出的代码不一定总是正确。你仍然需要检查：

  1. 是否符合业务逻辑；
  2. 是否引入新 Bug；
  3. 是否破坏原有接口；
  4. 是否泄露敏感信息；
  5. 是否通过测试。

4. 不要粘贴敏感信息

不要把真实密码、API Key、数据库连接串、用户隐私数据直接交给 Codex。必要时应使用脱敏数据。

5. 小步提交

推荐工作流是：

提出小任务 -> Codex 修改 -> 人工审查 -> 运行测试 -> Git 提交

不要让 Codex 一次性完成过多任务。

十五、一个完整实战示例

假设我们有一个 Flask 项目，目录结构如下：

my-flask-demo/
├── app.py
├── requirements.txt
├── templates/
├── static/
└── tests/

现在想让 Codex 帮我们添加一个健康检查接口。

可以输入：

请在当前 Flask 项目中新增一个健康检查接口：

1. 路径为 GET /health
2. 返回 JSON：{"status": "ok"}
3. 不影响已有接口
4. 如果项目已有测试框架，请补充测试
5. 修改完成后运行测试
6. 输出修改文件列表

Codex 可能会修改 app.py，添加如下逻辑：

@app.route("/health", methods=["GET"])
def health():
    return {"status": "ok"}

如果项目中已有测试，它还可能新增测试文件，例如：

def test_health(client):
    response = client.get("/health")
    assert response.status_code == 200
    assert response.json == {"status": "ok"}

最后你需要人工检查：

git diff
pytest

确认无误后提交：

git add .
git commit -m "add health check endpoint"

十六、Codex 和普通 ChatGPT 写代码有什么区别？

普通 ChatGPT 更像是“你把问题复制过去，它给你答案”。
Codex 更像是“它进入你的项目目录，结合真实文件上下文完成任务”。

区别主要体现在：

对比项普通 ChatGPTCodex
是否能读取项目文件需要手动粘贴可以读取工作区
是否能修改代码不能直接修改本地文件可以生成并应用修改
是否能运行命令通常不能可以在授权范围内运行
是否适合真实项目维护适合辅助分析更适合完整开发工作流
是否需要审查需要更需要

所以 Codex 并不是替代程序员，而是提高程序员处理重复性开发任务的效率。

十七、常见问题

1. Codex 会不会乱改我的代码？

有可能，所以要使用 Git checkpoint，并限制任务范围。新手建议多使用“先分析，不要修改代码”这种提示词。

2. Codex 写的代码一定正确吗？

不一定。Codex 可以显著提高开发效率，但它生成的代码仍然需要人工审查和测试验证。

3. 我应该用 CLI 还是 IDE 扩展？

如果你习惯 VS Code 或 Cursor，优先使用 IDE 扩展。
如果你习惯终端、服务器或自动化脚本，可以使用 CLI。
如果你希望任务在云端执行，可以使用 Codex Web / Cloud。

4. Codex 适合新手吗？

适合，但新手不要完全依赖它。更推荐把它当成“代码讲解老师”和“辅助开发助手”，同时自己理解每一次修改。

5. Codex 可以处理中文提示词吗？

可以。实际使用中，中文描述需求通常没有问题。但对于变量名、接口路径、错误日志、技术术语，建议保持原文，避免翻译导致歧义。

十八、推荐的新手学习路线

第一阶段：让 Codex 解释项目，不修改代码。
第二阶段：让 Codex 修复小 Bug，并审查 diff。
第三阶段：让 Codex 补充测试。
第四阶段：让 Codex 开发小功能。
第五阶段：让 Codex 做局部重构。
第六阶段：结合 GitHub、CI 和 Cloud 工作流处理更复杂任务。

不要一开始就追求“全自动开发”。更合理的方式是把 Codex 融入现有开发流程，让它承担重复性、结构化、可验证的任务。

总结

Codex 的核心价值不在于“替你写几行代码”，而在于它可以结合项目上下文，完成从理解代码、修改代码到运行验证的一整套开发流程。

对于新手，建议记住三条原则：

第一，先让 Codex 理解项目，再让它修改代码。
第二，每次只交给它一个明确、可验证的小任务。
第三，所有修改都要经过 Git diff、测试和人工审查。

只要掌握这套工作流，Codex 就能成为一个非常高效的 AI 编程助手，帮助你更快理解项目、更快定位问题、更快完成开发任务。

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ，讲透 AI 如何接管脏活累活

一键订阅
猎嘤一号
关注
OpenAI Codex 入门使用教程
热门推荐
牛奶夹心巧克力
06-29 2万+
Codex是OpenAI推出的云端AI编程智能体，基于codex-1模型，专为软件开发任务优化。2025年6月更新后，Codex已向ChatGPT Plus用户开放，支持多方案代码生成、并行任务处理和智能代码理解，能够显著提升开发效率。下期将推出一篇详细的实战教程，欢迎持续关注。
智谱 GLM-5.2 开源登顶、科创板向 AI 大模型开门、沪指收复 4100 点
weixin_45526015的博客
06-17 3399
**今天你必须知道的 3 件事：** > ① 智谱 GLM-5.2 正式上线开源，Code Arena 全球可用模型排名第一 > ② 科创板上市标准扩围至 AI 大模型行业，未盈利 AI 公司上市通道打开 > ③ A 股沪指收复 4100 点，科创 50 暴涨 4.69%，半导体全面爆发
蓝牙+WiFi 融合产品调研：智能体脂秤
朝气蓬勃
06-17 2147
本文系统介绍了智能体脂秤的产品概况、硬件架构设计、软件架构设计、关键技术挑战及解决方案。产品方面，概述了主流型号、目标用户和市场定位；硬件设计重点分析了芯片选型、BOM成本及PCB布局；软件架构详述了FreeRTOS系统选型及分层协议设计；技术挑战部分提出了Wi-Fi/BLE共存、阻抗测量精度等解决方案；最后展望了市场前景和2025年趋势。全文为体脂秤开发提供了全面的技术指导，特别适合IoT硬件开发者参考。
美团海报生成 AIGC 技术创新与实践
美团技术团队
06-18 1224
美团智能创作团队围绕海报生成 AIGC 构建了完整技术体系，打造「生成-编辑-评判」技术闭环，目前已在美团外卖、品牌 IP 等场景落地，已全部开源。
详解AI-Agent中的MCP（Model Context Protocol），与function call的区别与联系
最新发布
m0_60827485的博客
06-24 412
摘要： MCP（Model Context Protocol）与Function Call在工业级AI-Agent架构中存在本质差异。Function Call是模型调用工具的具体动作（如结构化指令执行），而MCP是管理工具调用与上下文的协议层，相当于AI Agent的“操作系统”。 核心区别： 抽象层级：Function Call关注单次工具调用（动作层），MCP管理多轮调度、状态、权限等（协议层）。 能力范围：MCP涵盖上下文治理、工具路由、记忆管理等，Function Call仅解决“调用哪个函数”。
Rethinking Cross-Layer Information Routing in Diffusion Transformers
liguandong
06-21 492
论文：本文是我的精读笔记，梳理它的诊断、方法与实验，并谈谈个人看法。
每日 AI 研究简报 · 2026-06-22
:: Dotnet Fantasy ::
06-22 279
本周 AI 领域迎来历史性转折——Claude Fable 5 短暂登顶后被叫停，智谱 GLM-5.2 开源破局逼近闭源前沿，全球大模型竞争进入"能力天花板"与"监管天花板"双轨博弈新阶段。
酒店技术创新报告：AI 趋势与战术（2026 年 Q2）
2509_93962717的博客
06-22 401
酒店 AI 已从“提供建议”进化到“自主执行”。核心变化是：AI 不再只是辅助决策，而是直接完成端到端任务（如调价、回复问询、处理会计流程），人类只介入例外和风险判断。
知识库到底够不够？为什么企业需要认知体系
weixin_39757409的博客
06-18 556
知识库只能回答简单问题，企业需构建认知体系，实现业务理解与智能决策。
2025-TMM《Tensor-Based Late Fusion Incomplete Multiview Clustering》
Christo的博客
06-24 64
2025年（收稿日期 2024-05-20；录用日期 2025-01-04；正式发表日期 2025-05-07；当前版本日期 2025-09-24）：Xiaoxing Guo, Ming Yang, Gui-Fu Lu（通讯作者：Gui-Fu Lu）：安徽工程大学计算机与信息学院；哈尔滨工程大学数学科学学院。
2024-TIP《Spectral Embedding Fusion for Incomplete Multiview Clustering》
Christo的博客
06-24 58
2024年（Manuscript received 24 October 2022；：Jie Chen, Yingke Chen, Zhu Wang, Haixian Zhang, Xi Peng（四川大学计算机学院；英国 Northumbria University 计算机与信息科学系；四川大学法学院）
关于高维数据下的最近邻搜索算法性能分析的技术7
平头的博客
06-24 197
格式说明：
深度学习自编码器基础与欠完备自编码器 —— 复制的艺术（八十二）
hello.reader
06-21 458
自编码器不需要标签（用数据自身作监督信号，目标是重构 x），产出有用表示 h，能利用无标注的海量数据。非线性自编码器能找弯曲的流形（曲面），是 PCA 的强大推广，能捕捉更复杂的数据结构。上图展示自编码器的两个组件：编码器 f（x→h）和解码器 g（h→r），目标是 r 近似 x。上图展示欠完备自编码器的沙漏结构：编码维度（瓶颈，如 2 维）小于输入维度（如 8 维）。也有更具生物学意义的**再循环（recirculation）**算法（比较原始输入与重构输入的激活），但很少用于实际。
20 Embedding 与向量检索：语义为什么能变成距离
老于的笔记的专栏
06-22 177
Embedding 是 RAG 语义检索的数学基础。本文用工程视角讲清文本如何变成向量，为什么语义相近会表现为距离相近，Top-K 检索如何工作，以及在模型选择、同模型约束、精确匹配和召回评估上的常见坑。
淘宝商品SKU图自动分类技术深度解析：从DOM容器定位到智能属性识别的完整实现
huangdong_的博客
06-21 211
SKU图是商品规格对应的细节图片，是电商运营中最重要的素材类型之一。类型说明淘宝示例颜色图不同颜色的商品展示红色款、蓝色款、黑色款尺码图不同尺码的细节展示S码、M码、L码型号图不同型号的配置展示标准版、Pro版、Max版平台测试商品数识别成功识别率平均耗时淘宝20019296.0%1.2秒京东20018492.0%1.1秒拼多多20018291.0%1.3秒168820019095.0%1.2秒容器定位：多选择器策略兼容不同平台属性提取。
GitHub - mukul975/Anthropic-Cybersecurity-Skills: 817个结构化网络安全技能，适用于AI代理
06-23 456
⚠️— 本项目为独立社区创建，与 Anthropic PBC 无任何关联。
显存爆炸解决方法之梯度累积：是什么、为什么、怎么做？从数学原理到代码落地的全流程指南
qq_62634342的博客
06-23 378
显存爆炸（OOM）是深度学习训练中的高频痛点，而梯度累积（Gradient Accumulation）作为最核心的显存优化手段之一，却常被误用或理解不深。本文按照“是什么-为什么-怎么做”的结构化逻辑，系统梳理梯度累积技术的完整知识体系：从数学本质出发，推导reduction='sum'/'mean'对梯度的影响及Loss缩放的必要性；深入剖析PyTorch标准实现范式、BatchNorm层在累积步数下的行为陷阱，以及TensorFlow/PyTorch混合训练中Loss对齐的工程细节；最后结合大模型训练场
为什么研发型企业更需要场景化AI智能体
2603_95716677的博客
06-22 323
• 研发型企业普遍面临图纸、BOM、订单和质量数据分散在不同系统与文件中的“信息孤岛”问题，AI智能体是打通这些断点的关键工具。 • 通用聊天机器人无法适配研发场景的权限审计、内网部署和业务系统集成需求，场景化AI智能体是更务实的选择。 • 场景化AI智能体解决方案，通过可信数据底座和业务系统集成，能有效提升研发协同效率并降低重复工作。 • 从数据治理到智能体部署，需要分阶段推进，避免一次性“大而全”的盲目投入。
2021-TPAMI《Incomplete Multiple Kernel Alignment Maximization for Clustering》
Christo的博客
06-23 37
时间：2021 发表场所：IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)作者：Xinwang Liu（国防科技大学，计算机学院）DOI：10.1109/TPAMI.2021.3116948现有的多核对齐（MKA, Multiple Kernel Alignment）最大化聚类算法（如 SimpleMKKM）均假设预先计算好的多个基础核矩阵 KpK_pKp​ 都是完整的。然而在阿尔茨海默病预测、心脏病鉴别、癌症生物学
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值