<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gitblog_09772的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/gitblog_09772</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; gitblog_09772]]></copyright><item><title><![CDATA[GHelper：华硕笔记本轻量硬件控制工具，10MB 单文件替代 500MB 的 Armoury Crate]]></title><link>https://blog.csdn.net/gitblog_09772/article/details/143073529</link><guid>https://blog.csdn.net/gitblog_09772/article/details/143073529</guid><author>gitblog_09772</author><pubDate>Fri, 11 Sep 2026 14:07:12 +0800</pubDate><description><![CDATA[Armoury Crate 装完，开机要等十几秒，任务管理器里好几个后台服务常驻，内存 300MB 起步。GHelper 是开源的轻量替代方案：一个不到 10MB 的单文件华硕笔记本硬件控制工具，性能模式、风扇曲线、GPU 切换、电池充电限制全都能管，不装任何系统服务，关窗即走。

## 一张表看懂：为什么换 GHelper 更省

| 维度 | Armoury Crate（官方） | GHelp]]></description><category></category></item><item><title><![CDATA[GHelper 单个 exe 替代 Armoury Crate：华硕笔记本性能控制全解]]></title><link>https://blog.csdn.net/gitblog_09772/article/details/143072733</link><guid>https://blog.csdn.net/gitblog_09772/article/details/143072733</guid><author>gitblog_09772</author><pubDate>Thu, 10 Sep 2026 09:09:10 +0800</pubDate><description><![CDATA[GHelper 是面向华硕笔记本的轻量级开源控制工具，用单个 exe 替代官方 Armoury Crate：性能模式、显卡切换、风扇曲线、电池充电限制都能管。本文带它从装好、用起来，到避开高频坑。

[![GHelper 主界面：性能模式、GPU 模式与电池充电限制](https://raw.gitcode.com/GitHub_Trending/gh/g-helper/raw/9b6b308d4]]></description><category></category></item><item><title><![CDATA[@nuxt/components 与 TypeScript 完美集成：类型安全自动导入的完整教程]]></title><link>https://blog.csdn.net/gitblog_09772/article/details/142945890</link><guid>https://blog.csdn.net/gitblog_09772/article/details/142945890</guid><author>gitblog_09772</author><pubDate>Fri, 17 Jul 2026 07:13:59 +0800</pubDate><description><![CDATA[@nuxt/components 是 Nuxt.js 2.13+ 提供的强大组件扫描与自动导入工具，结合 TypeScript 可实现类型安全的组件开发体验。本教程将带你完成从安装配置到高级使用的全流程，让组件管理变得简单高效。

## 为什么需要类型安全的组件自动导入？

在大型 Nuxt 项目中，手动导入组件不仅繁琐，还容易出现路径错误或类型定义缺失的问题。@nuxt/components 与]]></description><category></category></item><item><title><![CDATA[RingProgressBar源码剖析：从零理解Android自定义View绘制原理]]></title><link>https://blog.csdn.net/gitblog_09772/article/details/141977496</link><guid>https://blog.csdn.net/gitblog_09772/article/details/141977496</guid><author>gitblog_09772</author><pubDate>Tue, 23 Jun 2026 08:31:46 +0800</pubDate><description><![CDATA[RingProgressBar是一个遵循Material Design风格的Android自定义圆环进度条组件，广泛应用于上传下载进度展示、任务完成度指示等场景。本文将通过剖析其核心实现，带你掌握Android自定义View的绘制原理与关键技术点。

## 📌 组件概览：认识RingProgressBar

RingProgressBar提供了两种核心展示样式，满足不同场景需求：

### 1.]]></description><category></category></item><item><title><![CDATA[noble-hashes完全指南：如何在JavaScript中安全高效地实现哈希函数、MAC和KDF]]></title><link>https://blog.csdn.net/gitblog_09772/article/details/143286788</link><guid>https://blog.csdn.net/gitblog_09772/article/details/143286788</guid><author>gitblog_09772</author><pubDate>Wed, 17 Jun 2026 08:28:59 +0800</pubDate><description><![CDATA[noble-hashes是一个经过安全审计的精简JavaScript库，专注于提供哈希函数、MAC（消息认证码）和KDF（密钥派生函数）的高效实现。它由Ethereum Foundation资助开发，属于noble cryptography系列，以高安全性、零依赖和易审计性著称，非常适合在JavaScript项目中实现数据加密与验证功能。

## 为什么选择noble-hashes？🌟

nob]]></description><category></category></item><item><title><![CDATA[CANN/catlass稀疏数据搬运API]]></title><link>https://blog.csdn.net/gitblog_09772/article/details/141946774</link><guid>https://blog.csdn.net/gitblog_09772/article/details/141946774</guid><author>gitblog_09772</author><pubDate>Fri, 29 May 2026 07:58:28 +0800</pubDate><description><![CDATA[> [代码位置](https://link.gitcode.com/i/a40a4cc1a6f56629e7fbd382e014e2f6)

[TOC]

## 功能说明

`TileCopySparseTla` 在 `copy_l1_to_l0a.hpp` 中定义的偏特化负责 Sparse GEMM 场景下将稀疏化的 A 矩阵 tile 块从 L1（A1 Buffer）搬运到 L0A（A2 Bu]]></description><category></category></item><item><title><![CDATA[CANN/catlass L0C到GM搬运TLA封装]]></title><link>https://blog.csdn.net/gitblog_09772/article/details/141947037</link><guid>https://blog.csdn.net/gitblog_09772/article/details/141947037</guid><author>gitblog_09772</author><pubDate>Fri, 29 May 2026 07:56:01 +0800</pubDate><description><![CDATA[> [代码位置](https://link.gitcode.com/i/e946bc178085a6a37bb6ddbe99876f54)

[TOC]

## 功能说明

`CopyL0CToGmTla` 是 `CopyL0CToGm` 的 TLA 封装，负责将矩阵乘累加结果从 L0C（`CO1`）搬运到 GM，支持类型转换、per-tensor/per-channel 量化/反量化和 ReLU]]></description><category></category></item><item><title><![CDATA[catlass Tile行广播乘法TLA]]></title><link>https://blog.csdn.net/gitblog_09772/article/details/141976116</link><guid>https://blog.csdn.net/gitblog_09772/article/details/141976116</guid><author>gitblog_09772</author><pubDate>Fri, 29 May 2026 07:41:00 +0800</pubDate><description><![CDATA[> [代码位置](https://link.gitcode.com/i/e2703c5518b988a74415ffc16cbc66cf)

[TOC]

## 功能说明

`TileRowBroadcastMulTla` 实现 epilogue 阶段的 TLA 风格广播乘法操作。将 UB 上行向量 (1, n) 广播到 (m, n) 矩阵后与输入逐元素相乘。通过 `ubOut.layout()(]]></description><category></category></item><item><title><![CDATA[CANN ops-blas 开发方案设计]]></title><link>https://blog.csdn.net/gitblog_09772/article/details/142133033</link><guid>https://blog.csdn.net/gitblog_09772/article/details/142133033</guid><author>gitblog_09772</author><pubDate>Fri, 29 May 2026 07:40:35 +0800</pubDate><description><![CDATA[| 项目 | 内容 |
|------|------|
| 算子名称 | aclblas{Xxx} |
| 算子类别 | {Elementwise / Reduction / Conversion} |
| 目标芯片 | {芯片型号} |
| 目标架构 | {archXX} |
| 支持数据类型 | {FP32 / FP16 / BF16} |
| UB 大小 | 248 KB |

## 2. ]]></description><category></category></item><item><title><![CDATA[CANN/catlass列广播乘法API]]></title><link>https://blog.csdn.net/gitblog_09772/article/details/141976251</link><guid>https://blog.csdn.net/gitblog_09772/article/details/141976251</guid><author>gitblog_09772</author><pubDate>Fri, 29 May 2026 07:40:09 +0800</pubDate><description><![CDATA[> [代码位置](https://link.gitcode.com/i/c74635a7c64e515228cb21245b2df2d9)

[TOC]

## 功能说明

`TileOneBlkColumnBroadcastMul` 实现 epilogue 阶段的列广播乘法操作。将形状 (m, 1) 的列向量在 block 内广播到 (m, n) 后与输入相乘。broadcast 粒度为一个 b]]></description><category></category></item><item><title><![CDATA[GPT2_PMC未来展望：医学AI模型的路线图与社区发展]]></title><link>https://blog.csdn.net/gitblog_09772/article/details/141944284</link><guid>https://blog.csdn.net/gitblog_09772/article/details/141944284</guid><author>gitblog_09772</author><pubDate>Fri, 29 May 2026 07:34:29 +0800</pubDate><description><![CDATA[GPT2_PMC是基于GPT2在PubMed Central开放获取研究论文生成的约8000个问答数据集上微调的医学AI模型，它为医学领域的信息处理和知识问答提供了新的可能。随着技术的不断进步，该模型在医学研究与应用中有着广阔的发展前景，同时社区的建设也将为其持续发展注入强大动力。

## 模型能力提升路线图 🚀

### 数据规模与质量优化
目前模型是在约8000个问答数据上进行训练的，未来计]]></description><category></category></item><item><title><![CDATA[cross-de-zh-roberta-sentence-transformer性能调优：从0.83到0.90的优化之路]]></title><link>https://blog.csdn.net/gitblog_09772/article/details/141975842</link><guid>https://blog.csdn.net/gitblog_09772/article/details/141975842</guid><author>gitblog_09772</author><pubDate>Fri, 29 May 2026 07:28:24 +0800</pubDate><description><![CDATA[cross-de-zh-roberta-sentence-transformer是一款专注于德语-中文跨语言文本语义相似度计算的预训练模型，基于XLMRoberta架构构建。本文将分享如何通过系统化调优策略，将模型在跨语言语义匹配任务上的Spearman相关系数从0.83提升至0.90的完整优化路径。

## 📊 初始性能诊断

在优化前，我们首先通过[test_results.json](ht]]></description><category></category></item><item><title><![CDATA[XLMRoBERTa微调实战：huangjingwang/roberta-ner-multilingual模型训练全流程]]></title><link>https://blog.csdn.net/gitblog_09772/article/details/141972957</link><guid>https://blog.csdn.net/gitblog_09772/article/details/141972957</guid><author>gitblog_09772</author><pubDate>Fri, 29 May 2026 07:27:09 +0800</pubDate><description><![CDATA[想要构建一个强大的多语言命名实体识别系统吗？今天我将带你深入了解**huangjingwang/roberta-ner-multilingual**模型的完整训练流程。这个基于XLM-RoBERTa的多语言NER模型支持22种语言，包括英语、中文、德语、法语等主流语言，是处理多语言文本实体识别的理想选择。

## 📚 多语言NER模型核心功能

**huangjingwang/roberta-n]]></description><category></category></item><item><title><![CDATA[一文读懂RAFT-stereo：爱芯NPU立体匹配模型的核心优势与应用场景]]></title><link>https://blog.csdn.net/gitblog_09772/article/details/141977087</link><guid>https://blog.csdn.net/gitblog_09772/article/details/141977087</guid><author>gitblog_09772</author><pubDate>Fri, 29 May 2026 07:25:43 +0800</pubDate><description><![CDATA[立体匹配与深度估计是计算机视觉领域的关键技术，而**RAFT-stereo**作为这一领域的先进算法，结合爱芯（Axera）NPU的强大算力，为实时3D感知应用带来了革命性的突破。本文将深入解析RAFT-stereo立体匹配模型在爱芯NPU平台上的核心优势、技术特点以及实际应用场景，帮助开发者快速掌握这一高效深度估计算法的使用技巧。

## 🚀 RAFT-stereo立体匹配模型：技术原理与核心]]></description><category></category></item><item><title><![CDATA[Qwen1.5-7B tokenizer解析：151936词汇表的多语言支持策略]]></title><link>https://blog.csdn.net/gitblog_09772/article/details/141977231</link><guid>https://blog.csdn.net/gitblog_09772/article/details/141977231</guid><author>gitblog_09772</author><pubDate>Fri, 29 May 2026 07:21:46 +0800</pubDate><description><![CDATA[Qwen1.5-7B是一款高性能的开源大语言模型，其tokenizer作为模型与自然语言交互的核心组件，通过151936个词汇的精心设计，实现了强大的多语言处理能力。本文将深入解析Qwen1.5-7B tokenizer的架构设计、词汇表构成及多语言支持策略，帮助开发者更好地理解和应用这一关键组件。

## 技术架构：Byte-Level BPE的创新实现

Qwen1.5-7B tokenize]]></description><category></category></item><item><title><![CDATA[E5-base-4k部署完全指南：从本地测试到生产环境的最佳实践]]></title><link>https://blog.csdn.net/gitblog_09772/article/details/141977774</link><guid>https://blog.csdn.net/gitblog_09772/article/details/141977774</guid><author>gitblog_09772</author><pubDate>Fri, 29 May 2026 07:19:46 +0800</pubDate><description><![CDATA[想要快速掌握E5-base-4k文本嵌入模型的完整部署流程吗？本文将为您提供从环境准备到生产部署的一站式解决方案！E5-base-4k是一个基于BERT架构的强大文本嵌入模型，支持4096个位置嵌入，专为文本相似度计算、语义检索和分类任务设计。无论您是AI开发者、数据科学家还是机器学习工程师，这篇终极指南都将帮助您轻松完成本地测试和生产环境部署。😊

## 📋 环境准备与安装步骤

### 系]]></description><category></category></item><item><title><![CDATA[bloom-3b-conversational微调指南：如何基于现有模型进行领域适配]]></title><link>https://blog.csdn.net/gitblog_09772/article/details/141974320</link><guid>https://blog.csdn.net/gitblog_09772/article/details/141974320</guid><author>gitblog_09772</author><pubDate>Fri, 29 May 2026 07:15:47 +0800</pubDate><description><![CDATA[bloom-3b-conversational是一款轻量级对话模型，本文将为你提供完整的领域适配指南，帮助你快速将模型调整到特定业务场景。通过简单的微调步骤，即使是AI新手也能让模型掌握专业领域知识。

## 准备工作：环境搭建与依赖安装

在开始微调前，需要确保你的环境满足基本要求。项目提供了详细的依赖清单，位于[examples/requirements.txt](https://link.g]]></description><category></category></item><item><title><![CDATA[OpCore-Simplify黑苹果自动化配置工具：5分钟完成OpenCore EFI构建]]></title><link>https://blog.csdn.net/gitblog_09772/article/details/143286208</link><guid>https://blog.csdn.net/gitblog_09772/article/details/143286208</guid><author>gitblog_09772</author><pubDate>Thu, 28 May 2026 17:38:57 +0800</pubDate><description><![CDATA[传统Hackintosh配置需要数小时甚至数天的繁琐工作，涉及复杂的ACPI补丁、内核扩展选择和硬件兼容性验证。**OpCore-Simplify**通过智能化自动化流程，将这一过程缩短到5分钟内完成，让黑苹果安装变得前所未有的简单。

## 为什么传统黑苹果配置如此困难？

OpenCore引导加载器虽然强大，但其配置复杂度让许多用户望而却步。手动编辑config.plist文件、选择正确的AC]]></description><category></category></item><item><title><![CDATA[ESP32 Arduino核心库：构建高性能物联网设备的高效解决方案]]></title><link>https://blog.csdn.net/gitblog_09772/article/details/143289313</link><guid>https://blog.csdn.net/gitblog_09772/article/details/143289313</guid><author>gitblog_09772</author><pubDate>Thu, 28 May 2026 17:35:44 +0800</pubDate><description><![CDATA[ESP32 Arduino核心库为ESP32系列芯片提供完整的Arduino兼容框架，解决了物联网开发者面临的硬件兼容性、外设驱动和无线连接三大技术难题。通过统一的API接口，开发者可以快速构建WiFi、蓝牙、低功耗传感器等应用，显著降低ESP32嵌入式开发的学习曲线和开发周期。该项目支持ESP32全系列芯片，包括ESP32-S3、ESP32-C6等最新型号，提供丰富的硬件抽象层和优化的外设驱动程]]></description><category></category></item><item><title><![CDATA[如何彻底掌控你的微信聊天记录？WeChatMsg免费开源解决方案完全指南]]></title><link>https://blog.csdn.net/gitblog_09772/article/details/143284070</link><guid>https://blog.csdn.net/gitblog_09772/article/details/143284070</guid><author>gitblog_09772</author><pubDate>Thu, 28 May 2026 16:29:05 +0800</pubDate><description><![CDATA[你是否曾因手机故障而丢失珍贵的对话记忆？那些与家人朋友的温馨时刻、工作中的重要讨论，是否因为微信的云端限制而变得脆弱不堪？在数字时代，我们的聊天记录不仅是信息交换的载体，更是情感记忆的数字化延伸。然而，微信官方提供的备份功能存在诸多限制，你的数据安全完全受制于第三方平台。今天，我要向你介绍一款革命性的开源工具——WeChatMsg，它将彻底改变你管理聊天记录的方式，让你真正成为数据的主人。

##]]></description><category></category></item></channel></rss>