<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[lu_linux的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/lu_linux</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; lu_linux]]></copyright><item><title><![CDATA[Ubuntu22.04更换清华源]]></title><link>https://blog.csdn.net/lu_linux/article/details/163725646</link><guid>https://blog.csdn.net/lu_linux/article/details/163725646</guid><author>lu_linux</author><pubDate>Thu, 13 Aug 2026 14:21:38 +0800</pubDate><description><![CDATA[【代码】Ubuntu22.04更换清华源。]]></description><category></category></item><item><title><![CDATA[Ubuntu 24.04 Netplan工具配置网卡全指南]]></title><link>https://blog.csdn.net/lu_linux/article/details/163724473</link><guid>https://blog.csdn.net/lu_linux/article/details/163724473</guid><author>lu_linux</author><pubDate>Thu, 13 Aug 2026 13:54:50 +0800</pubDate><description><![CDATA[《Ubuntu 24.04网络配置指南：Netplan工具详解》 本文全面介绍Ubuntu 24.04通过Netplan进行网络配置的方法，涵盖静态IP、动态IP和无线网络设置。主要内容包括：1）配置文件位置与编辑方式（/etc/netplan/目录）；2）三种典型配置场景的YAML示例（含关键参数说明）；3）网络绑定和静态路由等高级配置；4）配置验证与故障排查方法。特别强调不同系统版本需选用networkd或NetworkManager渲染器，并提供无线网络配置前提条件（需安装network-manage]]></description><category></category></item><item><title><![CDATA[Windows AI 编程终端美化指南 —— PowerShell + Claude Code + Codex 最佳实践]]></title><link>https://blog.csdn.net/lu_linux/article/details/163554310</link><guid>https://blog.csdn.net/lu_linux/article/details/163554310</guid><author>lu_linux</author><pubDate>Fri, 07 Aug 2026 10:01:28 +0800</pubDate><description><![CDATA[本文介绍了如何在Windows 11上搭建现代化AI编程终端环境。通过配置Windows Terminal、PowerShell 7和JetBrains Mono Nerd字体，结合Oh My Posh美化提示符、Terminal-Icons显示文件图标，以及PSReadLine增强命令行体验。同时针对ClaudeCode和Codex AI工具设置统一的终端输出风格规范，最终实现类似现代AI IDE的终端效果，包括专业UI布局、统一图标显示和优化输出格式，提升开发效率和视觉体验。]]></description><category></category></item><item><title><![CDATA[AI Movie Studio —— 一个面向电影、电视剧、动漫、短剧的 Agent 化影视理解与自动解说平台]]></title><link>https://blog.csdn.net/lu_linux/article/details/162961053</link><guid>https://blog.csdn.net/lu_linux/article/details/162961053</guid><author>lu_linux</author><pubDate>Fri, 17 Jul 2026 11:16:29 +0800</pubDate><description><![CDATA[搭建一个专为影视解说打造的全自动视频解说agent平台，支持短剧、电影、动漫等本地视频解说的所有流程。]]></description><category></category></item><item><title><![CDATA[手动做视频花一天，用MoneyPrinterTurbo半小时能出几条]]></title><link>https://blog.csdn.net/lu_linux/article/details/161919027</link><guid>https://blog.csdn.net/lu_linux/article/details/161919027</guid><author>lu_linux</author><pubDate>Fri, 12 Jun 2026 12:15:26 +0800</pubDate><description><![CDATA[本文介绍了如何利用开源AI工具MoneyPrinterTurbo实现短视频自动化生产，并配合cpolar实现远程访问。该工具通过AI生成文案、自动匹配无版权素材、合成语音字幕等步骤，将视频制作时间从大半天缩短至半小时左右。文章详细演示了Windows系统下的部署流程，包括环境准备、API密钥配置（Pexels和通义千问）、视频生成全流程操作，并重点讲解了如何通过cpolar内网穿透实现公网访问，包括免费随机域名和固定域名两种方案，以及添加访问授权验证保障安全性。最后指出该方案适合资讯类内容的高效生产，但对个]]></description><category></category></item><item><title><![CDATA[ubuntu22.04 通过docker部署vLLM(Qwen3-0.6B)大模型+New API+OpenWebUI]]></title><link>https://blog.csdn.net/lu_linux/article/details/161866137</link><guid>https://blog.csdn.net/lu_linux/article/details/161866137</guid><author>lu_linux</author><pubDate>Wed, 10 Jun 2026 18:19:47 +0800</pubDate><description><![CDATA[本文详细介绍了在Ubuntu 22.04系统下，基于Docker容器技术部署通义千问Qwen3-0.6B大模型的全流程方案。主要内容包括： 环境准备：配置NVIDIA驱动和Docker运行环境 容器化部署：通过docker-compose编排vLLM推理服务、NewApi令牌管理平台和OpenWebUI可视化界面 模型离线加载：解决HuggingFace模型下载问题，配置本地缓存路径 服务测试：验证vLLM的OpenAI兼容API接口功能 系统集成：配置NewApi与vLLM的对接，以及OpenWebUI前]]></description><category></category></item><item><title><![CDATA[【6】基于 Docker + YOLOv8 的模型部署实战（GTX1660S + Ubuntu22.04）]]></title><link>https://blog.csdn.net/lu_linux/article/details/161324681</link><guid>https://blog.csdn.net/lu_linux/article/details/161324681</guid><author>lu_linux</author><pubDate>Fri, 22 May 2026 23:32:47 +0800</pubDate><description><![CDATA[模型部署：让训练好的模型真正运行起来摄像头检测视频分析Web API工业检测边缘AI训练：只是开始真正上线：部署才是重点DockerGTX1660SYOLOv8ONNX部署TensorRT部署FastAPI服务化Docker部署GPU推理优化核心思想：训练只是开始部署才是真正落地。]]></description><category></category></item><item><title><![CDATA[【5】基于 Docker + YOLOv8 环境实现模型量化（GTX1660S + Ubuntu22.04）]]></title><link>https://blog.csdn.net/lu_linux/article/details/161324548</link><guid>https://blog.csdn.net/lu_linux/article/details/161324548</guid><author>lu_linux</author><pubDate>Fri, 22 May 2026 23:31:22 +0800</pubDate><description><![CDATA[降低模型计算精度原始类型量化后FP32FP16FP32INT8用更小的数据类型表示神经网络参数DockerGTX1660SYOLOv8FP16量化INT8量化ONNX量化TensorRT量化Calibration校准降低精度提升速度这是 AI 推理部署中最核心的优化技术之一。]]></description><category></category></item><item><title><![CDATA[【3】基于 Docker + YOLOv8 环境实现模型裁剪（GTX1660S + Ubuntu22.04）]]></title><link>https://blog.csdn.net/lu_linux/article/details/161324534</link><guid>https://blog.csdn.net/lu_linux/article/details/161324534</guid><author>lu_linux</author><pubDate>Fri, 22 May 2026 23:28:08 +0800</pubDate><description><![CDATA[删除神经网络中“不重要”的参数很多神经元其实没什么用可以删除不影响太多精度还能减少计算量DockerGTX1660SYOLOv8模型裁剪权重删除Fine-tune恢复ONNX部署方向删除不重要参数更小模型更低显存更快推理这是 AI 部署优化中的核心技术之一。]]></description><category></category></item><item><title><![CDATA[【4】基于 Docker + YOLOv8 环境将模型转换为 ONNX（GTX1660S + Ubuntu22.04）]]></title><link>https://blog.csdn.net/lu_linux/article/details/161324514</link><guid>https://blog.csdn.net/lu_linux/article/details/161324514</guid><author>lu_linux</author><pubDate>Fri, 22 May 2026 23:24:37 +0800</pubDate><description><![CDATA[本文详细介绍了YOLOv8模型从PyTorch到ONNX的转换及推理部署流程。主要内容包括：1) ONNX作为通用模型交换格式的优势；2) 在Docker环境中搭建YOLOv8开发环境；3) 使用yolo export命令导出ONNX模型的关键参数配置；4) ONNXRuntime GPU推理验证；5) GTX1660S显卡的部署建议。文章提供了完整的ONNX导出命令和推理测试代码，并阐述了ONNX与TensorRT的关系，为后续模型加速部署奠定了基础。该教程适合YOLOv8初学者学习模型部署和优化，特别是]]></description><category></category></item><item><title><![CDATA[【2】基于 Docker + YOLOv8 环境实现模型蒸馏实战（GTX1660S + Ubuntu22.04）]]></title><link>https://blog.csdn.net/lu_linux/article/details/161324372</link><guid>https://blog.csdn.net/lu_linux/article/details/161324372</guid><author>lu_linux</author><pubDate>Fri, 22 May 2026 23:18:08 +0800</pubDate><description><![CDATA[模型蒸馏（Knowledge Distillation）本质上是：用一个“大模型”指导“小模型”学习。角色作用Teacher（教师模型）精度高，但体积大Student（学生模型）更小、更快模型参数量推理速度YOLOv8m较大较慢YOLOv8n很小很快先训练一个 YOLOv8m再让 YOLOv8n 学习 YOLOv8m 的“知识”小模型精度会提升推理速度仍然很快更适合边缘部署。]]></description><category></category></item><item><title><![CDATA[【1】基于 GTX1660 Super + Docker + YOLOv8 的目标检测训练完整实践（Ubuntu22.04）]]></title><link>https://blog.csdn.net/lu_linux/article/details/161324283</link><guid>https://blog.csdn.net/lu_linux/article/details/161324283</guid><author>lu_linux</author><pubDate>Fri, 22 May 2026 22:58:37 +0800</pubDate><description><![CDATA[本文基于如下环境，完整演示如何从零开始搭建 YOLOv8 训练环境，并使用 COCO128 数据集训练 YOLOv8n 模型，同时深入讲解 YOLOv8 的训练原理、参数含义、模型结构、ONNX 导出以及后续模型压缩优化路线。]]></description><category></category></item><item><title><![CDATA[ubuntu22.04在线安装docker和nvidia-container-toolkit]]></title><link>https://blog.csdn.net/lu_linux/article/details/160991074</link><guid>https://blog.csdn.net/lu_linux/article/details/160991074</guid><author>lu_linux</author><pubDate>Mon, 11 May 2026 19:03:21 +0800</pubDate><description><![CDATA[本文介绍了在Ubuntu系统上安装Docker和NVIDIA容器工具包的详细步骤。首先通过添加阿里云镜像源安装Docker核心组件（docker-ce、docker-ce-cli、containerd.io等），然后配置中科大镜像源安装NVIDIA容器工具包（nvidia-container-toolkit）。关键步骤包括：添加GPG密钥、配置国内镜像源、更新软件包列表并安装相应组件。这些操作使系统能够支持GPU加速的Docker容器运行环境。]]></description><category></category></item><item><title><![CDATA[Ubuntu22.04卡在A start job is runing for wait for network to be Configured行2分钟]]></title><link>https://blog.csdn.net/lu_linux/article/details/160989871</link><guid>https://blog.csdn.net/lu_linux/article/details/160989871</guid><author>lu_linux</author><pubDate>Mon, 11 May 2026 17:40:13 +0800</pubDate><description><![CDATA[Ubuntu22.04卡在A start job is runing for wait for network to be Configured行2分钟。]]></description><category></category></item><item><title><![CDATA[ubuntu22.04 + 驱动570.211.01 + cuda12.8]]></title><link>https://blog.csdn.net/lu_linux/article/details/160600433</link><guid>https://blog.csdn.net/lu_linux/article/details/160600433</guid><author>lu_linux</author><pubDate>Tue, 28 Apr 2026 19:51:46 +0800</pubDate><description><![CDATA[【代码】ubuntu22.04 + 驱动570.211.01 + cuda12.8。]]></description><category></category></item><item><title><![CDATA[在 Rocky Linux 9 无桌面环境中通过 SSH 安装 KVM 虚拟机（Rocky9含 XFCE 桌面/xubuntu20）完整指南]]></title><link>https://blog.csdn.net/lu_linux/article/details/159472965</link><guid>https://blog.csdn.net/lu_linux/article/details/159472965</guid><author>lu_linux</author><pubDate>Wed, 25 Mar 2026 18:49:51 +0800</pubDate><description><![CDATA[摘要：本文详细介绍了在Rocky Linux 9宿主机上使用KVM虚拟化部署3台带XFCE桌面的Rocky Linux 9虚拟机的完整方案。方案包括：1)宿主机环境准备（KVM安装、防火墙配置、tmux会话保护）；2)虚拟机安装步骤（磁盘创建、virt-install命令）；3)解决Python版本导致的virt-install报错；4)VNC连接配置及XFCE桌面安装方法；5)多虚拟机批量创建和管理命令。特别提供了针对Python3.12与virt-install兼容性问题的解决方案，通过修改脚本sheb]]></description><category></category></item><item><title><![CDATA[Rocky9+ Docker + 容器内Linux桌面环境 + Web远程]]></title><link>https://blog.csdn.net/lu_linux/article/details/159385247</link><guid>https://blog.csdn.net/lu_linux/article/details/159385247</guid><author>lu_linux</author><pubDate>Mon, 23 Mar 2026 13:33:32 +0800</pubDate><description><![CDATA[本文介绍了一种基于Rocky9宿主机和Docker容器构建远程桌面系统的方案。系统采用三层架构：宿主机运行Rocky9系统，通过Docker部署多个容器，每个容器包含XFCE桌面环境、noVNC网页访问和ToDesk远程控制功能。关键技术包括tigervnc-server+noVNC实现浏览器访问，ToDesk提供外网连接。详细说明了Docker镜像构建过程，包括基础工具安装、用户配置、VNC设置和启动脚本编写。通过docker-compose实现多容器批量管理，提供6081-6083端口分别访问三个容器。]]></description><category></category></item><item><title><![CDATA[Rocky9.2安装 Docker + Docker Compose]]></title><link>https://blog.csdn.net/lu_linux/article/details/159340571</link><guid>https://blog.csdn.net/lu_linux/article/details/159340571</guid><author>lu_linux</author><pubDate>Sun, 22 Mar 2026 01:11:14 +0800</pubDate><description><![CDATA[本文介绍了在CentOS系统上安装和配置Docker的完整流程。首先通过yum安装Docker CE并设置开机启动，然后配置国内镜像加速源以提高下载速度。文章还提供了Docker的基本验证方法（运行hello-world镜像）以及卸载Docker的完整步骤。最后介绍了通过pip安装Docker-Compose的方法，并验证其安装结果。整个过程包含从安装、配置到卸载的完整操作指南，适合初学者快速搭建Docker环境。]]></description><category></category></item><item><title><![CDATA[Rocky9搭建wetty]]></title><link>https://blog.csdn.net/lu_linux/article/details/158655469</link><guid>https://blog.csdn.net/lu_linux/article/details/158655469</guid><author>lu_linux</author><pubDate>Wed, 04 Mar 2026 15:16:08 +0800</pubDate><description><![CDATA[摘要：本文介绍了Node.js 18.x和Web终端工具Wetty的安装配置方法。首先通过添加官方源安装Node.js 18.x并验证版本，然后安装Wetty所需依赖并克隆源码。详细说明了Wetty的启动命令参数配置，包括端口设置、禁用SSL等选项。同时提供了创建systemd服务的配置示例，确保开机自启。最后指出访问验证方法及可能遇到的SELinux权限问题解决方案（需执行setenforce 0）。]]></description><category></category></item><item><title><![CDATA[Rocky9.2 U盘系统插到不同机器网卡名变化导致无法获取DHCP地址问题解决]]></title><link>https://blog.csdn.net/lu_linux/article/details/157840759</link><guid>https://blog.csdn.net/lu_linux/article/details/157840759</guid><author>lu_linux</author><pubDate>Sat, 07 Feb 2026 13:41:19 +0800</pubDate><description><![CDATA[文章摘要：Rocky9系统采用可预测网络接口命名机制，导致网卡名称随硬件环境变化。为解决这一问题，可通过NetworkManager配置通配DHCP策略（ifname&quot;*&quot;），实现自动连接优先级最高的可用网卡，无需预设网卡名称。该方案支持热插拔自动切换，但需注意当多网卡同时在线时会同时获取IP。若需严格单网卡在线，则需使用dispatcher脚本等进阶方案强制禁用其他接口。]]></description><category></category></item></channel></rss>