a533855的博客

原创 大语言模型技术调研

大语言模型是利用深度学习技术构建的先进的计算模型，主要应用于各类自然语言处理（NLP）任务。这类模型通过在海量文本数据上进行自监督学习，能够捕捉和学习语言的复杂结构和细微的语义关系。大语言模型通常基于变换器（Transformer）架构，该架构采用自注意力机制来处理输入数据中的每个元素，并且能够并行处理，显著提高了处理效率和效果。这些模型在预训练阶段不针对特定任务进行优化，而是学习语言的通用特征，从而在后续的微调阶段能够快速适应各种具体应用，如文本摘要、情感分析、问题回答等。

原创 MuseV and MuseTalk

MuseTalk通过潜在空间修复（Latent Space Inpainting）实现，能够在实时视频中实现高精度的口型与语音同步。

原创 技术调研方案

明确任务目标：定义需要解决的具体问题或优化的技术点。需求收集：与相关利益相关者（如产品经理、客户、研究团队等）会谈，明确技术需求和预期成果。

原创 深度学习cuda和cudnn安装

【深度学习】深度学习框架安装 CUDA+cuDNN+torch_cuda cudnn版本-CSDN博客。深度学习之CUDA+CUDNN详细安装教程 - 知乎 (zhihu.com)pytorch GPU版本安装_cuda高版本兼容低版本吗-CSDN博客。pytorch GPU版本安装_pytorchgpu-CSDN博客。

原创 深度学习训练过程中损失函数值为nan

https://blog.csdn.net/demm868/article/details/104666998/ https://zhuanlan.zhihu.com/p/313102674?utm_id=0 （快速搞懂）Pytorch中的nan和inf有什么区别？_tensor([nan],-CSDN博客 入门| 一文了解神经网络中的梯度爆炸 (baidu.com) 深度学习中nan和inf的解决_nan inf-CSDN博客

原创 datasets.ImageFolder和torch.utils.data.DataLoader（待完善）

待整理。

原创 CUDA Toolkit、cuDNN和CUDA Toolkit

CUDA（Compute Unified Device Architecture）是NVIDIA推出的一个并行计算平台和应用编程接口（API）模型，它允许软件开发者和软件工程师使用虚拟指令集和并行计算元素的GPU进行通用计算。简单来说，CUDA让开发者能够通过特定的编程方法提高GPU的计算效率，广泛应用于高性能计算环境。

原创 PyTorch中Transpose和Permute的使用说明

在 PyTorch 中，transpose和 permute是用于调整张量维度的两个非常有用的函数。它们都用于重新排列张量的维度，但它们的用法和目的有所不同。

原创 python编写代码注释建议

在处理Tensor操作时，注释数据的维度和类型非常关键，尤其是在进行矩阵运算或数据重塑的时候。：在每个函数的开始部分，用几句话简要描述函数的功能和它所实现的主要操作。对于较大的模块或类，应提供详细的文档注释，说明模块或类的目的和主要功能。在代码中的关键步骤处加入注释，解释某个操作的原因或其背后的逻辑。：用来标记需要修正的问题，通常是已知的bug或不稳定的代码段。：用来标记那些暂时不处理，但将来需要实现或改进的地方。：描述函数返回值的类型及其代表的内容。：对每个参数的类型、作用进行说明。

原创 stargan-v2(未待完续)

风格迁移。

原创 基于DPDK高性能入侵检测系统的研究与实现

DPDKHyperscanSuricata

原创 模型训练--Train.py（未待完续）

导入算法库与硬件设备路径与参数核验模块参数解析函数主函数

原创 argparse.Namespace、argparse.ArgumentParser、.parse_args()三者之间的关系

、 和 之间的关系是： 创建一个解析器对象，并使用 方法解析命令行参数，将解析结果存储在 对象中。以下是详细的解释： 是一个简单的类，用于存储属性（命令行参数）。 对象可以直接用于存储解析后的命令行参数，或者可以通过 方法自动生成。示例输出argparse.ArgumentParser 是命令行参数解析器的核心类。它负责：定义：定义命令行参数及其属性（名称、类型、帮助信息等）。解析：通过 方法解析命令行参数。核心功能：：添加新的参数：解析命令行参数、、：描述信息示例.pars

原创 项目目录架构

README.md：提供了项目的概述、安装指导、使用示例和引用信息。: 提供一个 docker 容器环境配置，使得环境搭建更为便捷。requirements.txt：模型依赖库。存储项目使用的数据，如数据集、预处理数据等。2. network.py:网络架构的定义。: 存储预训练权重和训练后的模型权重文件。: 辅助函数集合，如文件操作、数学运算等。存储配置文件，如模型参数、环境变量等。trian.py：模型训练。valid.py：模型验证。输出模型文件和数据结果等。: 定义模型评估指标。

原创 模型训练--文件(未待完续)

【代码】模型训练文件。

原创 Leetcode--去掉最低工资和最高工资后的工资平均值

给你一个整数数组salary，数组里每个数都是 唯一 的，其中salary[i]是第i个员工的工资。请你返回去掉最低工资和最高工资以后，剩下员工工资的平均值。

原创 Stable Diffusion XL（未待完续）

SDXL Base模型由U-Net、VAE以及CLIP Text Encoder（两个）三个模块组成，SDXL Refiner模型同样由U-Net、VAE和CLIP Text Encoder（一个）三个模块组成。

原创 Transform（未待完续）

为什么编解码矩阵和空间变换基础神经网络基础词嵌入Word2Vec注意力理解Q和V交叉注意力位置编码多头注意力掩码

原创 深度学习调参手册（未待完续）

深度学习的模型训练时，当问题制定、数据清理等基本工作已经完成，在模型架构和训练配置上花时间是有意义的。设置好管道，做训练和评估，为各种模型执行训练和预测工作，且选择和实施适当的衡量标准。

原创 N-维数组

一、数据操作1、N维数组（机器学习和神经网络的主要数据结构）0-d（标量）1-d（向量）2-d（矩阵）3-d（RGB图片）4-d（一个RGB图片批量）5-d（一个视频批量）2、创建数组要求形状数据类型元素值代码实现：import torch#张量表示由一个数组组成的数组x=torch.arange(12)#输出张量x#输出张量形状x.shape#输出张量中元素总数x.numel()#通过reshape函数改变张量形状X=x.reshape(3,4)X

原创 关于pytorch中@和*的用法