<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[努力写BUG的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/plmm__</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; plmm__]]></copyright><item><title><![CDATA[使用 Lua 进行汽车 UDS 诊断：轻量级脚本化诊断新思路]]></title><link>https://blog.csdn.net/plmm__/article/details/157439978</link><guid>https://blog.csdn.net/plmm__/article/details/157439978</guid><author>plmm__</author><pubDate>Tue, 27 Jan 2026 21:16:08 +0800</pubDate><description><![CDATA[本文探讨了使用轻量级脚本语言Lua实现汽车UDS诊断协议的可行性。文章首先介绍了UDS协议的基本服务（如读取VIN码、诊断会话控制等），然后分析了Lua在嵌入式诊断系统中的优势：体积小、可嵌入性强、语法简洁且支持热更新。通过示例代码展示了如何用Lua构建UDS请求、处理CAN通信和解析响应，建议将UDS服务封装为可复用模块。文章还讨论了高级应用场景，如利用协程实现自动化诊断流程，并给出部署建议（使用LuaJIT、C模块加速等）。最后指出Lua虽非主流，但在车载终端、快速原型开发等场景具有独特优势，未来在汽车]]></description><category></category></item><item><title><![CDATA[《微信小程序demo开发》第二部分-基于云函数的邮箱发送]]></title><link>https://blog.csdn.net/plmm__/article/details/157323676</link><guid>https://blog.csdn.net/plmm__/article/details/157323676</guid><author>plmm__</author><pubDate>Tue, 27 Jan 2026 21:11:52 +0800</pubDate><description><![CDATA[本文介绍了微信小程序开发中使用云函数和SMTP发送邮件的完整流程。首先需在微信公众平台注册账号并完成小程序备案，然后创建云函数模板工程，配置云开发环境。通过Node.js环境安装nodemailer包实现邮件发送功能，详细说明了SMTP服务开启和授权码获取方法。接着编写云函数代码并上传至云端，更新表单JS逻辑实现邮件内容提交。最后将代码上传至管理平台等待审核上线。文章为小程序开发者提供了从云函数配置到功能实现的完整指引，适合新手开发者参考。]]></description><category></category></item><item><title><![CDATA[《微信小程序demo开发》第一部分-编写页面逻辑]]></title><link>https://blog.csdn.net/plmm__/article/details/157319787</link><guid>https://blog.csdn.net/plmm__/article/details/157319787</guid><author>plmm__</author><pubDate>Sun, 25 Jan 2026 17:14:48 +0800</pubDate><description><![CDATA[本文介绍了微信小程序开发的入门指南，分享了一个简单的表单页面demo实现过程。作者建议前端基础薄弱的开发者可以先专注于页面逻辑和样式设计，逐步深入框架学习。文章详细讲解了微信开发者工具的使用方法，包括项目结构、文件创建和配置说明。通过示例代码展示了主页跳转功能、表单页面验证逻辑的实现，以及CSS样式的应用技巧，如渐变色按钮、长按动画等效果。最后提到后续将介绍云函数实现邮件发送功能，为小程序正式上线做准备。]]></description><category></category></item><item><title><![CDATA[Linux 系统硬盘分区挂载点建议]]></title><link>https://blog.csdn.net/plmm__/article/details/157360832</link><guid>https://blog.csdn.net/plmm__/article/details/157360832</guid><author>plmm__</author><pubDate>Sun, 25 Jan 2026 17:13:21 +0800</pubDate><description><![CDATA[本文介绍了Linux系统安装时的分区方案建议。对于单硬盘用户，推荐创建三个基本分区：EFI分区（200-500MB FAT32格式）、swap分区（内存1-2倍）、根分区（剩余空间ext4格式）。多硬盘用户可额外增加/var和/home分区。作者倾向于不单独创建/boot分区，将其合并到根分区以便灵活管理多内核版本。文章还提供了Windows+Ubuntu双系统引导的参考链接。]]></description><category></category></item><item><title><![CDATA[使用 OpenVINO 本地部署 DeepSeek-R1 量化大模型（第二章：前端交互与后端服务）]]></title><link>https://blog.csdn.net/plmm__/article/details/156268425</link><guid>https://blog.csdn.net/plmm__/article/details/156268425</guid><author>plmm__</author><pubDate>Thu, 25 Dec 2025 14:13:43 +0800</pubDate><description><![CDATA[本文介绍了基于OpenVINO的本地AI模型部署方案，包含前端交互界面和后端服务器实现。前端采用HTML/CSS/JavaScript构建聊天界面，支持状态检测和消息交互；后端使用Flask框架提供REST API，通过OpenVINO GenAI实现模型推理优化。系统在CPU上运行DeepSeek-R1-8B量化模型，内存占用约10GB，推理耗时40秒左右。文章详细展示了前后端代码实现，包括模型初始化、状态检测和对话接口，为开发者提供了完整的本地AI部署参考方案。]]></description><category></category></item><item><title><![CDATA[使用 OpenVINO 本地部署 DeepSeek-R1 量化大模型（第一章：基础概念与模型转换）]]></title><link>https://blog.csdn.net/plmm__/article/details/156192071</link><guid>https://blog.csdn.net/plmm__/article/details/156192071</guid><author>plmm__</author><pubDate>Thu, 25 Dec 2025 14:12:02 +0800</pubDate><description><![CDATA[本文探讨了在无独立显卡环境下部署大语言模型的三种方案：Ollama（简单易用但定制性差）、vLLM（GPU优化但CPU兼容性差）和OpenVINO（针对Intel CPU优化）。作者基于i7-13700H/32G内存环境，选择OpenVINO方案部署Qwen3-8B模型，详细介绍了使用Optimum-Intel工具进行INT4量化的转换过程（包括命令行和Python接口两种方式），以及转换前后的目录结构变化。文章还提及OpenVINO GenAI提供的多种推理流水线支持，并预告将另文介绍前后端交互实现。该方]]></description><category></category></item><item><title><![CDATA[TensorRT 推理 YOLO Demo 分享 （Python）]]></title><link>https://blog.csdn.net/plmm__/article/details/155417354</link><guid>https://blog.csdn.net/plmm__/article/details/155417354</guid><author>plmm__</author><pubDate>Wed, 03 Dec 2025 20:32:31 +0800</pubDate><description><![CDATA[本文介绍了基于TensorRT 8.6.1和CUDA 11.8环境的YOLOv8目标检测模型推理实现。通过YOLOv8TRTInference类封装了完整的推理流程，包括图像预处理、模型推理和后处理。关键实现包括：1）使用letterbox保持图像宽高比；2）支持COCO数据集80类检测；3）包含NMS后处理优化；4）提供详细的推理时间统计。测试结果表明，该方法能有效完成目标检测任务，并支持结果可视化输出。代码兼容YOLOv8和v12模型，实现了端到端的高效推理。]]></description><category></category></item><item><title><![CDATA[OpenVINO 推理 YOLO Demo 分享 （Python）]]></title><link>https://blog.csdn.net/plmm__/article/details/155539039</link><guid>https://blog.csdn.net/plmm__/article/details/155539039</guid><author>plmm__</author><pubDate>Wed, 03 Dec 2025 20:31:56 +0800</pubDate><description><![CDATA[本文介绍了基于OpenVINO 2025.3的YOLO模型推理实现方案。主要内容包括：1) 环境配置（Python 3.11）；2) 支持YOLOv5及后续版本的通用推理框架，采用动态输入尺寸和LetterBox预处理；3) ONNX模型转换OpenVINO格式的完整代码；4) YOLOv13推理实现，包含预处理、推理、后处理全流程；5) 支持多设备推理（CPU/GPU）。该系统具有通用性强、自动化程度高的特点，实测在i7-13700H笔记本上可成功使用集显GPU进行推理。]]></description><category></category></item><item><title><![CDATA[wsl: Failed to start the systemd user session for ‘***‘. See journalctl for more details.]]></title><link>https://blog.csdn.net/plmm__/article/details/155376394</link><guid>https://blog.csdn.net/plmm__/article/details/155376394</guid><author>plmm__</author><pubDate>Sun, 30 Nov 2025 09:08:11 +0800</pubDate><description><![CDATA[摘要：Win11更新WSL至2.6.2版本后出现systemd启动失败问题，经确认是官方已知BUG。建议降级至2.5.9版本（内核6.6.87.2-1），只需下载安装wsl.2.5.9.0.x64.msi包即可解决该问题，且不影响系统稳定性。若需保留新版本功能，可参考Github社区其他解决方案。（98字）]]></description><category></category></item><item><title><![CDATA[局域网内大文件传输方案分享（跨平台，低依赖）]]></title><link>https://blog.csdn.net/plmm__/article/details/155389028</link><guid>https://blog.csdn.net/plmm__/article/details/155389028</guid><author>plmm__</author><pubDate>Sun, 30 Nov 2025 09:05:57 +0800</pubDate><description><![CDATA[摘要：本文介绍利用Python内置HTTP服务器在两台Windows电脑间快速传输大文件的方法。通过在分享端运行python -m http.server 8080命令启动简易服务器，下载端通过浏览器访问IP+端口即可下载文件。该方法跨平台、依赖少，实测千兆网络可达110MB/s传输速度，12G文件约3分钟完成。特别适用于无法开启传统网络共享的受限环境，但需注意防火墙权限和端口开放问题。]]></description><category></category></item><item><title><![CDATA[RK3588 使用 FFmpeg 硬件解码输出到 DRM Prime (DMA Buf) 加速数据传输]]></title><link>https://blog.csdn.net/plmm__/article/details/152009834</link><guid>https://blog.csdn.net/plmm__/article/details/152009834</guid><author>plmm__</author><pubDate>Thu, 23 Oct 2025 23:28:34 +0800</pubDate><description><![CDATA[本文介绍了在RK3588开发板上基于DRMPrime和RGA硬件加速的视频处理优化方案。通过FFmpeg的RKmpp插件实现硬件解码，输出为DRMPrime格式的DMA缓冲区，避免了CPU参与的数据拷贝。作者详细阐述了如何修改解码器设置以支持DRMPrime输出，并展示了如何将解码后的NV12格式数据直接送入RGA进行硬件加速的色彩空间转换。文章还探讨了处理H264编码中stride对齐问题的解决方案，提供了修改后的RGA调用API示例。该方案充分利用RK3588的硬件加速能力，显著提升了视频处理效率。]]></description><category></category></item><item><title><![CDATA[Python嵌入（绿色免安装）版：解决安装第三方包后仍无法使用问题]]></title><link>https://blog.csdn.net/plmm__/article/details/153798008</link><guid>https://blog.csdn.net/plmm__/article/details/153798008</guid><author>plmm__</author><pubDate>Thu, 23 Oct 2025 23:25:21 +0800</pubDate><description><![CDATA[解决安装第三方包后仍无法使用问题：需手动修改pythonXX._pth文件，取消&quot;import site&quot;注释以启用标准库路径扫描。最后通过命令验证安装，使用国内镜像加速第三方包安装。]]></description><category></category></item><item><title><![CDATA[Windows 系统一键清理 TEMP 临时文件]]></title><link>https://blog.csdn.net/plmm__/article/details/150448829</link><guid>https://blog.csdn.net/plmm__/article/details/150448829</guid><author>plmm__</author><pubDate>Sun, 17 Aug 2025 13:54:47 +0800</pubDate><description><![CDATA[本文提供了两种Windows系统临时文件清理方法：1.用户级清理脚本，主要清理用户临时文件夹、AppData临时文件及浏览器缓存；2.系统级清理脚本，额外清理Windows系统临时目录及其他常见临时文件。两个批处理脚本均包含删除文件、重建临时目录等功能，并建议在关闭其他程序后运行。用户可根据需要选择使用，系统级清理不建议频繁执行。]]></description><category></category></item><item><title><![CDATA[WSL 设置网络镜像，并实现多个 WSL 间 SSH 相互登录和 SCP 文件传输]]></title><link>https://blog.csdn.net/plmm__/article/details/150464330</link><guid>https://blog.csdn.net/plmm__/article/details/150464330</guid><author>plmm__</author><pubDate>Sun, 17 Aug 2025 13:54:30 +0800</pubDate><description><![CDATA[摘要： Windows WSL子系统默认共享相同IP地址，导致实例间无法直接通信。针对SSH和SCP等工具的使用需求，本文提供两种解决方案：一是为每个WSL实例配置独立IP地址（需谨慎处理网络配置）；二是更简单的端口修改法，通过编辑/etc/ssh/sshd_config文件，为不同实例设置不同SSH端口（如2222/2223）。重点介绍了第二种方法的实施步骤，包括修改配置文件、重启服务以及测试连接的方法，为WSL实例间通信提供了便捷的解决途径。]]></description><category></category></item><item><title><![CDATA[CUDA 编程笔记：CUDA延迟隐藏]]></title><link>https://blog.csdn.net/plmm__/article/details/150430419</link><guid>https://blog.csdn.net/plmm__/article/details/150430419</guid><author>plmm__</author><pubDate>Sat, 16 Aug 2025 16:57:22 +0800</pubDate><description><![CDATA[GPU延迟隐藏技术通过多线程调度实现高性能计算。当部分线程束因内存访问或计算指令等待时，调度器立即切换执行其他就绪线程束，保持计算资源持续满载。该技术依赖两个关键条件：足够的并行线程束数量（通过合理配置线程块和网格实现）和均衡的负载分配（避免分支分化）。其本质是利用大量线程束快速切换，用计算时间填补等待时间，从而隐藏单一线程束的延迟，这是CUDA架构实现高效计算的核心机制。]]></description><category></category></item><item><title><![CDATA[CUDA 编程笔记：CUDA内存模型概述]]></title><link>https://blog.csdn.net/plmm__/article/details/150416922</link><guid>https://blog.csdn.net/plmm__/article/details/150416922</guid><author>plmm__</author><pubDate>Sat, 16 Aug 2025 16:57:03 +0800</pubDate><description><![CDATA[CUDA内存模型包括寄存器、共享内存、局部内存、常量内存、纹理内存和全局内存。寄存器用于存储线程私有变量；共享内存位于片上，支持线程块内通信；局部内存用于寄存器溢出情况；常量内存具有只读特性，优化读取性能；全局内存容量最大但延迟最高。不同内存类型在访问速度、作用域和生命周期上各有特点，合理使用对CUDA程序性能优化至关重要，特别是共享内存和常量内存的缓存机制能显著提升数据访问效率。]]></description><category></category></item><item><title><![CDATA[CUDA 编程笔记：GPU 硬件资源]]></title><link>https://blog.csdn.net/plmm__/article/details/150415456</link><guid>https://blog.csdn.net/plmm__/article/details/150415456</guid><author>plmm__</author><pubDate>Fri, 15 Aug 2025 16:18:28 +0800</pubDate><description><![CDATA[本文总结了NVIDIA GPU的核心架构，主要包含三部分内容：1)流多处理器SM作为GPU的核心处理单元，由CUDA核心(SP)、寄存器、共享内存等组件构成，支持多线程并发执行；2)线程模型采用线程块(Block)和网格(Grid)的层级结构，线程块绑定到SM执行，并通过32线程的线程束(Warp)实现调度；3)线程束是SIMT架构的基本执行单元，同一线程束内的线程同步执行相同指令。文章详细分析了GPU的逻辑线程组织与物理硬件限制，强调优化线程块大小以匹配SM特性的重要性。]]></description><category></category></item><item><title><![CDATA[CUDA 编程笔记：使用 CUDA 加速数组总和]]></title><link>https://blog.csdn.net/plmm__/article/details/149787854</link><guid>https://blog.csdn.net/plmm__/article/details/149787854</guid><author>plmm__</author><pubDate>Fri, 15 Aug 2025 16:17:34 +0800</pubDate><description><![CDATA[本文介绍了使用CUDA并行计算加速数组求和的方法。通过将大数组划分为多个区间，由GPU线程并行累加，再将部分和汇总，相比CPU单线程累加显著提高了计算速度。文中详细说明了核函数实现，包括动态分配元素给线程、共享内存优化、折半归约求和等关键技术，并使用原子操作确保线程安全。测试结果表明，在1000万元素数组求和任务中，GPU方案正确且高效。代码采用统一内存管理，简化了数据传输过程。通过对比CPU串行实现，验证了并行计算的加速效果，测试通过且性能提升明显。]]></description><category></category></item><item><title><![CDATA[ubuntu 安装 RTL8192EU 驱动报错 Unknown symbol in module, or unknown parameter (see dmesg)]]></title><link>https://blog.csdn.net/plmm__/article/details/149618599</link><guid>https://blog.csdn.net/plmm__/article/details/149618599</guid><author>plmm__</author><pubDate>Sat, 26 Jul 2025 22:39:47 +0800</pubDate><description><![CDATA[摘要：服务器升级内核后出现有线网卡和USB无线网卡驱动问题。有线网卡通过官方脚本快速解决，但无线网卡驱动安装持续报错。经排查发现缺少cfg80211模块依赖，安装linux-modules-extra包后问题解决。文章记录了这一故障排除过程，提醒注意内核升级时的模块依赖问题。]]></description><category></category></item><item><title><![CDATA[CH341 Linux驱动 没有 /dev/ttyCH341USB0]]></title><link>https://blog.csdn.net/plmm__/article/details/149673295</link><guid>https://blog.csdn.net/plmm__/article/details/149673295</guid><author>plmm__</author><pubDate>Sat, 26 Jul 2025 22:38:42 +0800</pubDate><description><![CDATA[摘要：安装CH341串口模块驱动后出现设备识别不稳定的问题，通过dmesg检查发现与brltty服务存在冲突。解决方法是先停止并卸载brltty服务（视障人士用的盲文显示器软件），然后重新加载CH341驱动模块。执行命令停止服务、卸载软件、重新加载驱动后，设备可正常识别使用。该方案适用于需要长期连接CH341设备的用户。]]></description><category></category></item></channel></rss>