<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[恭仔的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/cold_code486</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; cold_code486]]></copyright><item><title><![CDATA[大模型推理架构 TGI vs vLLM]]></title><link>https://blog.csdn.net/cold_code486/article/details/156994282</link><guid>https://blog.csdn.net/cold_code486/article/details/156994282</guid><author>cold_code486</author><pubDate>Thu, 15 Jan 2026 21:51:19 +0800</pubDate><description><![CDATA[本文介绍了两种高性能文本生成推理框架TGI和vLLM的核心技术与架构对比。TGI由Hugging Face开发，提供张量并行、连续批处理等优化；vLLM创新性地采用PagedAttention技术，显著提升内存利用率。文章详细解析了KV Cache管理、连续批处理、张量并行等关键技术原理，对比了两者的架构差异和性能特点，并提供了内存优化、计算优化的具体策略。最后总结了面试常见问题，包括基础概念、原理深入和实战应用场景，为开发者选择合适框架提供参考依据。]]></description><category></category></item><item><title><![CDATA[lxc服务无法访问 Get “http://unix.socket/1.0“: EOF解决方法]]></title><link>https://blog.csdn.net/cold_code486/article/details/151358201</link><guid>https://blog.csdn.net/cold_code486/article/details/151358201</guid><author>cold_code486</author><pubDate>Tue, 09 Sep 2025 12:35:02 +0800</pubDate><description><![CDATA[发现 LXD 在启动时尝试导入存储池 zfs-pool，但是 zpool import 报错，导致整个 LXD daemon 退出 → 循环重启。可以用 zpool import -F（rollback 最新事务组，可能丢少量数据）来重启服务。说明 lxc 客户端没法和 LXD 守护进程通信。通常是因为 LXD 服务没启动或 异常退出。集群设备使用snap安装的 LXD，这里尝试先重启lxd服务。关键问题已经确定，现在就是重启修复 存储池 zfs-pool。但等了5分钟还是没有正确启动，查看启动日志。]]></description><category></category></item><item><title><![CDATA[CUDA安装版本出现驱动mismatch问题]]></title><link>https://blog.csdn.net/cold_code486/article/details/142251644</link><guid>https://blog.csdn.net/cold_code486/article/details/142251644</guid><author>cold_code486</author><pubDate>Sat, 14 Sep 2024 10:40:24 +0800</pubDate><description><![CDATA[nvidia指令调用与NVML版本不匹配问题。]]></description><category></category></item><item><title><![CDATA[【贪心算法】Dijkstra 算法及其衍生]]></title><link>https://blog.csdn.net/cold_code486/article/details/135424683</link><guid>https://blog.csdn.net/cold_code486/article/details/135424683</guid><author>cold_code486</author><pubDate>Sat, 06 Jan 2024 16:23:05 +0800</pubDate><description><![CDATA[Dijkstra 算法学习摘录]]></description><category></category></item><item><title><![CDATA[【NP】规约与问题复杂度]]></title><link>https://blog.csdn.net/cold_code486/article/details/135363904</link><guid>https://blog.csdn.net/cold_code486/article/details/135363904</guid><author>cold_code486</author><pubDate>Thu, 04 Jan 2024 16:02:35 +0800</pubDate><description><![CDATA[规约和算法复杂问题]]></description><category></category></item><item><title><![CDATA[【网络流】最大流与Ford–Fulkerson算法]]></title><link>https://blog.csdn.net/cold_code486/article/details/135356925</link><guid>https://blog.csdn.net/cold_code486/article/details/135356925</guid><author>cold_code486</author><pubDate>Wed, 03 Jan 2024 14:30:38 +0800</pubDate><description><![CDATA[Ford-Fulkerson 算法笔记]]></description><category></category></item><item><title><![CDATA[【进化算法】遗传与基因]]></title><link>https://blog.csdn.net/cold_code486/article/details/135347941</link><guid>https://blog.csdn.net/cold_code486/article/details/135347941</guid><author>cold_code486</author><pubDate>Tue, 02 Jan 2024 20:11:35 +0800</pubDate><description><![CDATA[或者说进化算法是仿照生物进化过程，按照优胜劣汰的自然选择优化的规律和方法，来解决科学研究、工程技术及管理等领域用传统的优化方法难以解决的优化问题。它是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，其目的：一是抽取和解释自然系统的自适应过程；遗传算法能够应用于各种优化问题，如工程优化、调度问题、机器学习中的超参数优化、函数优化、组合优化、生产调度问题、自动控制、机器人学图像处理、多机器人路径规划等领域。控制生物遗传的物质单位称为基因，因此，遗传算法是在基因的水平上模拟生物的进化行为。]]></description><category></category></item><item><title><![CDATA[【组合数学】Pólya 计数理论]]></title><link>https://blog.csdn.net/cold_code486/article/details/135114849</link><guid>https://blog.csdn.net/cold_code486/article/details/135114849</guid><author>cold_code486</author><pubDate>Fri, 22 Dec 2023 15:11:07 +0800</pubDate><description><![CDATA[Pólya 计数理论与Burnside 引理介绍及应用。]]></description><category></category></item><item><title><![CDATA[【组合数学】生成函数]]></title><link>https://blog.csdn.net/cold_code486/article/details/135092488</link><guid>https://blog.csdn.net/cold_code486/article/details/135092488</guid><author>cold_code486</author><pubDate>Tue, 19 Dec 2023 22:25:25 +0800</pubDate><description><![CDATA[生成函数要点摘录]]></description><category></category></item><item><title><![CDATA[【组合数学】递推关系]]></title><link>https://blog.csdn.net/cold_code486/article/details/134808721</link><guid>https://blog.csdn.net/cold_code486/article/details/134808721</guid><author>cold_code486</author><pubDate>Mon, 11 Dec 2023 22:06:50 +0800</pubDate><description><![CDATA[递推关系；常系数齐次递推关系的求解；常系数非齐次递推关系的求解]]></description><category></category></item><item><title><![CDATA[LIMoE：使用MoE学习多个模态]]></title><link>https://blog.csdn.net/cold_code486/article/details/134896108</link><guid>https://blog.csdn.net/cold_code486/article/details/134896108</guid><author>cold_code486</author><pubDate>Sat, 09 Dec 2023 17:26:51 +0800</pubDate><description><![CDATA[文章提出了第一个使用MoE组合的大规模多模式架构 LIMoE。 使用稀疏激活的自然专家同时处理图像和文本。]]></description><category></category></item><item><title><![CDATA[【组合数学】容斥&鸽巢原理]]></title><link>https://blog.csdn.net/cold_code486/article/details/134801782</link><guid>https://blog.csdn.net/cold_code486/article/details/134801782</guid><author>cold_code486</author><pubDate>Tue, 05 Dec 2023 12:44:33 +0800</pubDate><description><![CDATA[组合数学容斥原理]]></description><category></category></item><item><title><![CDATA[【组合数学】排列组合]]></title><link>https://blog.csdn.net/cold_code486/article/details/134791227</link><guid>https://blog.csdn.net/cold_code486/article/details/134791227</guid><author>cold_code486</author><pubDate>Mon, 04 Dec 2023 21:58:51 +0800</pubDate><description><![CDATA[组合数学知识点梳理]]></description><category></category></item><item><title><![CDATA[【动态规划】求最长递增子序列问题]]></title><link>https://blog.csdn.net/cold_code486/article/details/134664160</link><guid>https://blog.csdn.net/cold_code486/article/details/134664160</guid><author>cold_code486</author><pubDate>Tue, 28 Nov 2023 21:17:32 +0800</pubDate><description><![CDATA[最长递增子序列，力扣算法第300题]]></description><category></category></item><item><title><![CDATA[【RLChina2023】CCF 苏州 记录]]></title><link>https://blog.csdn.net/cold_code486/article/details/134632093</link><guid>https://blog.csdn.net/cold_code486/article/details/134632093</guid><author>cold_code486</author><pubDate>Mon, 27 Nov 2023 21:51:42 +0800</pubDate><description><![CDATA[本博客记录了本人2023年11月24-26日为期三天的RLChina会议收获，文章只做简单记录，如有侵权联系作者会立刻删除。]]></description><category></category></item><item><title><![CDATA[【智能优化算法】从蚁群到动物园]]></title><link>https://blog.csdn.net/cold_code486/article/details/134537527</link><guid>https://blog.csdn.net/cold_code486/article/details/134537527</guid><author>cold_code486</author><pubDate>Tue, 21 Nov 2023 21:59:28 +0800</pubDate><description><![CDATA[人们从自然界的多种生物、昆虫、动物、植物等的生存、繁衍过程以及自然现象、水循环、生态平衡等过程中，发现了其中蕴含着大量的信息处理的优化机制和机理。于是人们从模拟这些优化机制、优化机理出发，提出了数以百计的不依赖被优化问题数学模型的优化算法。]]></description><category></category></item><item><title><![CDATA[【动态规划】求解编辑距离问题]]></title><link>https://blog.csdn.net/cold_code486/article/details/134478841</link><guid>https://blog.csdn.net/cold_code486/article/details/134478841</guid><author>cold_code486</author><pubDate>Sat, 18 Nov 2023 17:44:20 +0800</pubDate><description><![CDATA[编辑距离问题是求解将⼀个字符串转换为另⼀个字符串所需的插⼊、删除、替换的最小次数。]]></description><category></category></item><item><title><![CDATA[【L2GD】: 无环局部梯度下降]]></title><link>https://blog.csdn.net/cold_code486/article/details/134445386</link><guid>https://blog.csdn.net/cold_code486/article/details/134445386</guid><author>cold_code486</author><pubDate>Thu, 16 Nov 2023 22:38:28 +0800</pubDate><description><![CDATA[本文主要摘录无环路局部梯度下降(L2GD)、L2GD的收敛理论以及对局部步骤在联邦学习中的作用的见解。]]></description><category></category></item><item><title><![CDATA[FLMix: 联邦学习新范式——局部和全局的结合]]></title><link>https://blog.csdn.net/cold_code486/article/details/134400124</link><guid>https://blog.csdn.net/cold_code486/article/details/134400124</guid><author>cold_code486</author><pubDate>Thu, 16 Nov 2023 16:27:18 +0800</pubDate><description><![CDATA[本博客从`优化函数`角度出发，学习传统联邦学习和新型联邦学习的差异。]]></description><category></category></item><item><title><![CDATA[【图】：常用图搜索（图遍历）算法]]></title><link>https://blog.csdn.net/cold_code486/article/details/134227919</link><guid>https://blog.csdn.net/cold_code486/article/details/134227919</guid><author>cold_code486</author><pubDate>Sun, 05 Nov 2023 12:56:23 +0800</pubDate><description><![CDATA[总结罗列常用图遍历和图搜索算法。]]></description><category></category></item></channel></rss>