<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[fertiland的专栏]]></title><description><![CDATA[持经达变]]></description><link>https://blog.csdn.net/fertiland</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; fertiland]]></copyright><item><title><![CDATA[深入浅出DeepSeek V3 技术报告]]></title><link>https://blog.csdn.net/fertiland/article/details/145490213</link><guid>https://blog.csdn.net/fertiland/article/details/145490213</guid><author>fertiland</author><pubDate>Fri, 07 Feb 2025 11:09:21 +0800</pubDate><description><![CDATA[DeepSeek-V3 就像一个“会省钱的最强学霸”，在多个领域都有亮眼表现。它的创新点： ✅ 高效的。]]></description><category></category></item><item><title><![CDATA[深入浅出 DeepSeek V2 高效的MoE语言模型]]></title><link>https://blog.csdn.net/fertiland/article/details/145483591</link><guid>https://blog.csdn.net/fertiland/article/details/145483591</guid><author>fertiland</author><pubDate>Thu, 06 Feb 2025 23:14:28 +0800</pubDate><description><![CDATA[首先，大家知道 GPT 和 BERT 是怎么工作的吧？它们每次都让所有的神经元都参与运算（简而言之，每个神经元都跑全程只让其中一部分专家参与工作，其他专家休息。你可以想象，MoE 就像是一场足球比赛，不是全员上场，而是根据不同的任务让最合适的球员上场。在训练过程中，模型根据输入数据的特性，选择几个“专家”来进行计算，这样大大提高了效率。🎯MoE 模型就像是挑选最合适的专家来处理任务，而不是让每个人都参与。优化了 MoE，使其在处理大规模数据时不仅更高效，而且还能大幅提升模型性能。应用场景。]]></description><category></category></item><item><title><![CDATA[深入浅出DeepSeek LLM 以长远主义拓展开源语言模型]]></title><link>https://blog.csdn.net/fertiland/article/details/145481978</link><guid>https://blog.csdn.net/fertiland/article/details/145481978</guid><author>fertiland</author><pubDate>Thu, 06 Feb 2025 21:07:37 +0800</pubDate><description><![CDATA[大家想象一下，你在游戏里要打造一个超级英雄角色，选择最强的装备、技能点和升级策略。那么，DeepSeek LLM 就是 AI 界的“超级英雄养成计划”！成为更强、更聪明、更实用的 AI，帮助人类处理各种任务，比如编程、数学、推理等。（7B 指 70 亿参数，比较精炼，像 AI 界的“精英特种兵”）（67B 指 670 亿参数，更强大，像“超级AI战士”）DeepSeek 67B 在多个领域，如代码、数学和推理能力上，甚至比 LLaMA-2 70B 和 GPT-3.5 还强！🎯。]]></description><category></category></item><item><title><![CDATA[深入浅出 DeepSeek-Coder-V2 是如何打破闭源模型封锁的]]></title><link>https://blog.csdn.net/fertiland/article/details/145478923</link><guid>https://blog.csdn.net/fertiland/article/details/145478923</guid><author>fertiland</author><pubDate>Thu, 06 Feb 2025 17:35:56 +0800</pubDate><description><![CDATA[大家好！今天我们来聊聊 DeepSeek-Coder-V2 是如何打破闭源模型封锁的！ 🚀
在 AI 编程助手领域，GPT-4 Turbo、Claude 3、Gemini 1.5 Pro 这样的闭源模型一直占据主导地位，开源模型很难与之匹敌。但 DeepSeek-Coder-V2 作为最新的开源代码大模型，不仅迎头赶上，甚至在某些指标上超越了这些闭源 AI！它到底是如何做到的呢？

今天，我们就从 模型架构、训练数据、强化学习优化 三个方面，一步步讲解 DeepSeek-Coder-V2 如何打破封锁。]]></description><category></category></item><item><title><![CDATA[深入浅出 DeepSeek-R1 如何用强化学习提升 LLM 的推理能力]]></title><link>https://blog.csdn.net/fertiland/article/details/145477648</link><guid>https://blog.csdn.net/fertiland/article/details/145477648</guid><author>fertiland</author><pubDate>Thu, 06 Feb 2025 16:45:19 +0800</pubDate><description><![CDATA[在 RL 训练过程中，研究人员发现 DeepSeek-R1-Zero 逐渐学会了一些。研究人员观察到 DeepSeek-R1-Zero 训练到一半时，突然出现了一个。DeepSeek-R1 的研究团队正是采用了这种方法。DeepSeek-R1 通过强化学习提升 LLM 的推理能力，主要通过。可以高效地优化 AI 的策略，让它在强化学习过程中迅速提升推理能力。DeepSeek-R1-Zero 是一个**“从零开始”为了改善 DeepSeek-R1-Zero 的。DeepSeek-R1 采用的。]]></description><category></category></item><item><title><![CDATA[深入浅出DeepSeek-V3 的实现原理]]></title><link>https://blog.csdn.net/fertiland/article/details/145472806</link><guid>https://blog.csdn.net/fertiland/article/details/145472806</guid><author>fertiland</author><pubDate>Thu, 06 Feb 2025 14:12:58 +0800</pubDate><description><![CDATA[这是目前最强大的开源 Mixture-of-Experts (MoE) 模型之一。它在数学、编程等推理任务上达到了接近 GPT-4o 的水平，同时优化了训练效率，降低了成本。随着大语言模型（LLM）的发展，模型变得越来越庞大，计算成本也急剧上升。DeepSeek-V3 在训练过程中，采用了一系列优化策略，使其既高效又强大。为了让 DeepSeek-V3 在实际应用中更快、更稳定，团队优化了推理架构。DeepSeek-V3 在多个基准测试上表现优异，接近 GPT-4o。大家好，今天我们要学习的是。]]></description><category></category></item><item><title><![CDATA[深入浅出DeepSeek-R1]]></title><link>https://blog.csdn.net/fertiland/article/details/145472661</link><guid>https://blog.csdn.net/fertiland/article/details/145472661</guid><author>fertiland</author><pubDate>Thu, 06 Feb 2025 14:07:50 +0800</pubDate><description><![CDATA[它是一种通过强化学习 (Reinforcement Learning, RL) 提高大模型推理能力的前沿方法。我们将从基础概念入手，一步步剖析其核心思想、技术方法以及它如何让 AI 变得更聪明！强化学习类似“训练一只狗”：如果狗做对了，就给奖励（奖励值越高，代表越接近目标）；做错了，就不给奖励。首先，我们不让 AI 先学人类数据，而是直接用强化学习（RL）训练它，让它自己想办法解决问题。大型 AI 模型虽然强大，但训练成本高。，即通过人类标注数据进行训练。通过这种方式，团队推出了。]]></description><category></category></item><item><title><![CDATA[streamlit app demo]]></title><link>https://blog.csdn.net/fertiland/article/details/143639255</link><guid>https://blog.csdn.net/fertiland/article/details/143639255</guid><author>fertiland</author><pubDate>Sat, 09 Nov 2024 08:35:13 +0800</pubDate><description><![CDATA[【代码】streamlit app demo。]]></description><category></category></item><item><title><![CDATA[用一个具体例子说明什么是提示词工程师]]></title><link>https://blog.csdn.net/fertiland/article/details/141103292</link><guid>https://blog.csdn.net/fertiland/article/details/141103292</guid><author>fertiland</author><pubDate>Wed, 21 Aug 2024 15:43:00 +0800</pubDate><description><![CDATA[您好，欢迎来到面试！我是今天的面试官，非常高兴能和您进行这次交流。为了确保整个面试流程的顺利进行，我们会按照既定的环节来推进面试。首先，我想了解一下您的意向岗位是什么呢？您说：基于大模型的应用系统开发ChatGPT 说：ChatGPT好的，我已经记录了您的意向岗位是“基于大模型的应用系统开发”。接下来，您更希望由技术主管还是经理来进行这次面试呢？您说：技术主管来面试ChatGPT 说：ChatGPT明白了，您希望由技术主管来进行面试。我会按照您的意愿进行安排。]]></description><category></category></item><item><title><![CDATA[基于本地大模型的应用系统设计]]></title><link>https://blog.csdn.net/fertiland/article/details/141103475</link><guid>https://blog.csdn.net/fertiland/article/details/141103475</guid><author>fertiland</author><pubDate>Sun, 11 Aug 2024 12:21:18 +0800</pubDate><description><![CDATA[最近从本地运行大模型中，深刻折服于本地运行大模型的种种魅力，或许GPU的开销会让你止步，但某一些应用场景，比如知识库系统或文本集中的相关任务，用cpu也可以玩起来。学习大模型, 跟人类学习使用电话，甚至电灯一类一样，门槛其实没有那么高，大模型也并不像各大培训课程，或排满数学公式的的书籍，以及试图介绍深层神经网络的科普知识等讲得那么玄乎其技。]]></description><category></category></item><item><title><![CDATA[云原生k8s的金箍棒]]></title><link>https://blog.csdn.net/fertiland/article/details/128137925</link><guid>https://blog.csdn.net/fertiland/article/details/128137925</guid><author>fertiland</author><pubDate>Sat, 03 Dec 2022 10:23:29 +0800</pubDate><description><![CDATA[如果云原生是我们喜欢的《西游记》中孙悟空，那Autoscaling就是云原生手中的金箍棒。想象一下，没有金箍棒的孙悟空，还能到处降妖伏魔么？还能成为斗战圣佛吗？]]></description><category></category></item><item><title><![CDATA[云原生k8s的前世今生--Docker]]></title><link>https://blog.csdn.net/fertiland/article/details/128048496</link><guid>https://blog.csdn.net/fertiland/article/details/128048496</guid><author>fertiland</author><pubDate>Sat, 26 Nov 2022 13:25:55 +0800</pubDate><description><![CDATA[没有梦想的运维和开发，人生函数不可能有诗和远方返回，只有无穷无尽的加班和根因分析（RCA）。 软件的不可修改性和幂等性就成为运维人员一直追求的梦想。Docker容器技术毫无疑问是支撑这个梦想的中流砥柱。]]></description><category></category></item><item><title><![CDATA[云原生k8s的声明式哲学]]></title><link>https://blog.csdn.net/fertiland/article/details/127839238</link><guid>https://blog.csdn.net/fertiland/article/details/127839238</guid><author>fertiland</author><pubDate>Mon, 14 Nov 2022 00:09:16 +0800</pubDate><description><![CDATA[把k8s看作一篇优秀的作品，我们得先领会其中心思想。如此，方可不至于，花了时间，看了热闹，而不得其神韵。 声明式的设计哲学就是k8s的中心思想。k8s是声明式的，你只需关注（what)应该发生什么，而不需要担心(how)怎样发生。what永远比how高一个层级，可惜我们常常迷失在how的浩瀚大海里......]]></description><category></category></item><item><title><![CDATA[云原生k8s的盘古开天辟地]]></title><link>https://blog.csdn.net/fertiland/article/details/127708069</link><guid>https://blog.csdn.net/fertiland/article/details/127708069</guid><author>fertiland</author><pubDate>Sun, 06 Nov 2022 22:00:18 +0800</pubDate><description><![CDATA[云计算把原来看上去隔离的孤岛算力和存储，通过高速低延时网络把联合起来，做到了，灵活调度资源，按需分配，严控使用，降低成本。支付宝的金融风险，换做云计算就是一个富有想象空间的算力。各种体格的应用从单体拥抱了微服务，庞大的app, 复杂的架构，前端，负载均衡，网关，业务应用，公共服务，数据存储，各种缓存机制，消息队列，分布式对象存储，异地多活，高可用，高可靠，历史遗留，新旧语言更替，等等。个人用户服务无论是网络带宽，延时，时长等，都过了快速成长阶段，进入相对稳定，甚至某一些方面，舆论和政策都处于一种高压状态。]]></description><category></category></item><item><title><![CDATA[Diameter Protocol 整理]]></title><link>https://blog.csdn.net/fertiland/article/details/115518926</link><guid>https://blog.csdn.net/fertiland/article/details/115518926</guid><author>fertiland</author><pubDate>Thu, 08 Apr 2021 14:14:32 +0800</pubDate><description><![CDATA[https://www.cnblogs.com/stevensfollower/p/5556443.html
]]></description><category></category></item><item><title><![CDATA[定期整理收藏夹]]></title><link>https://blog.csdn.net/fertiland/article/details/54836679</link><guid>https://blog.csdn.net/fertiland/article/details/54836679</guid><author>fertiland</author><pubDate>Thu, 02 Feb 2017 17:19:57 +0800</pubDate><description><![CDATA[web化已经是所有应用的必然趋势，信息的快捷入口便是收藏夹。定期整理收藏夹，可以提高日常的工作效率。
潜在的智能管理，也是浏览器值得投入的功能。


为什么要定期管理？
1. 日常工作比较忙，没有时间根据功能进行结构化的分组。
2. 定期执行整理计划，是因为人容易犯拖延症，只有定期计划可以确保重要且有意义的事情得到保障。


程序员的收藏夹怎样的分类比较合适？
符合日常的开发流]]></description><category></category></item><item><title><![CDATA[Linux下Mysql的配置管理]]></title><link>https://blog.csdn.net/fertiland/article/details/16983115</link><guid>https://blog.csdn.net/fertiland/article/details/16983115</guid><author>fertiland</author><pubDate>Wed, 27 Nov 2013 12:16:31 +0800</pubDate><description><![CDATA[Linux下Mysql的配置



安装
rmp -ivh MySQL-server-4.1.22-0.glibc23.i386.rpm --nodeps
rmp -ivh MySQL-client-4.1.22-0.glibc23.i386.rpm --nodeps

查看是否安装成功
netstat -atln 命令看到3306端口开放说明安装成功

登录
mysql]]></description><category></category></item><item><title><![CDATA[﻿﻿﻿﻿expect自动化测试脚本]]></title><link>https://blog.csdn.net/fertiland/article/details/11626015</link><guid>https://blog.csdn.net/fertiland/article/details/11626015</guid><author>fertiland</author><pubDate>Fri, 13 Sep 2013 08:27:27 +0800</pubDate><description><![CDATA[TCL/EXPECT自动化测试脚本实例一 --- telnet到目标机器  2011-02-21 16:41:01| 
分类：脚本编程 |  标签：脚本编程   |字号大
中
小订阅
这是一个简单的TCL/EXPECT脚本，完成telnet到远程设备的功能。通过这个例子，大家可以看到使用TCL/EXPECT脚本构造测试程序，是非常简洁的。
 
 
 
从今天开始，陆续把我所写的一些]]></description><category></category></item><item><title><![CDATA[TCP异常终止]]></title><link>https://blog.csdn.net/fertiland/article/details/10248717</link><guid>https://blog.csdn.net/fertiland/article/details/10248717</guid><author>fertiland</author><pubDate>Sat, 24 Aug 2013 08:29:37 +0800</pubDate><description><![CDATA[http://www.vants.org/?post=22
comment:
通信系统设计时，信令一般都走tcp连接或sctp连接。由于网络拥塞时，tcp连接异常终止，会导致会话建立的失败。怎样保证这条链路的健壮性呢？
 

作者：易隐者 发布于：2012-4-25 21:42 Wednesday 分类：我的书稿

TCP异常终止（reset报文）
TCP的异常终止是相对于正常释放]]></description><category></category></item><item><title><![CDATA[TCP演进简述]]></title><link>https://blog.csdn.net/fertiland/article/details/9746331</link><guid>https://blog.csdn.net/fertiland/article/details/9746331</guid><author>fertiland</author><pubDate>Sun, 04 Aug 2013 13:33:48 +0800</pubDate><description><![CDATA[TCP演进简述
http://www.cnblogs.com/fll/
一、互联网概述
TCP，即传输控制协议，是目前网络上使用的最多的传输协议，我们知道，整个互联网的体系结构是以IP协议提供的无连接的端到端的报文传输服务为基础，在这种体系结构下，那么端到端的数据传输需要自己来保证数据的可靠性，TCP所作的就是这样的工作，它提供了端到端的数据可靠性的传输，当然，在互联网上没有100%的可靠性]]></description><category></category></item></channel></rss>