- 博客(2628)
- 资源 (9)
- 收藏
- 关注
RSS订阅
原创 LeetCode解题汇总目录
此篇为学习完《数据结构与算法之美》后，在LeetCode刷题的汇总目录，方便大家查找（Ctrl+Find），一起刷题，一起PK交流！如果本文对你有帮助，可以给我点赞加油！ Updated on 2022.6.12刷题可以按照不同的专题进行，便于加强某个知识点的理解。另有《剑指Offer》面试题（更新完毕）、《程序员面试金典》面试题（更新完毕）、LintCode代码能力测试CAT。LeetCode MySQL 数据库解题目录点击访问 我的 LeetCode 主页我的 GitHub 主页注：本文超过字数限制，
2019-09-06 13:43:51
81020
367
原创 吴恩达-《深度学习DeepLearning》汇总目录
从2019年2月底开始学习《数据结构与算法之美》，王争老师的课程非常好，到2019年8月底已经学完一遍，后面还要多次复习巩固以及OJ刷题。生命不息，学习不止，又要开始新的篇章了–《机器学习》，有点小兴奋，哈哈，之前Python已经大致过了2遍（小甲鱼的视频&从入门到实践），现在要补NumPy、复习高等数学、然后开始吴恩达老师的课程。此篇文章作为学习的汇总目录，供大家参考，一起学习，共同进步...
2019-08-28 00:43:33
8602
66
原创 《数据结构与算法之美》学习汇总
此篇文章是对自己学习这门课程的一个总结和课后的一些练习，做一个汇总，希望对大家有帮助。本人是半路程序员，2018年2月开始学习C++的，下面的代码基本都是C++11版本的，代码有错误的地方请不吝留言赐教。附有部分练习LeetCode、POJ的题目。
2019-04-22 21:13:00
25425
218
原创 CUDA编程：用 Nsight Compute 分析 Naive、Shared Memory 与 WMMA GEMM
每 block 只 1 warp，SM 上最多 16 block = 16 warp，硬件上限 32。推导：4096 block × 64 次（n/16）× 4 条 HMMA.16816 硬件指令 = 1,048,576。说明 Tensor Core 用对了，运算量正确。occupancy 又只有 50%，没有别的 warp 来掩盖这个延迟。wmma 一个 warp 算一个 16×16 块。环境：Turing CC 7.5，40 SM，585 MHz。warp 约 1/10 时间在等全局内存。
2026-09-21 22:01:19
387
原创 Strip Plot vs Swarm Plot：看清每一个数据点
Strip Plot 和 Swarm Plot 都能保留每个数据点的信息，前者适合快速浏览，后者更适合看清数据密集区、离散程度和慢请求。
2026-08-26 23:28:49
310
原创 七夕节，我做了个数字人来送祝福
哇，今天是七夕节，我准备给我的爱人送祝福，最近看到一个3d数字人挺好玩的，我准备做一个数字人来送祝福。输入名字，和你想说的话，AI会自动生成祝福语，并由数字人进行播报祝福。进行调试，sdk可获取你的密钥，接入你的应用程序。
2026-08-19 22:43:03
264
原创 箱线图：一眼看懂大模型 TTFT 的快慢、波动与尾延迟
箱线图通过中位数、四分位区间和离群点，同时展示 LLM 性能的典型水平、波动程度和异常慢请求。规则确定，超出范围的请求会被标记为离群点。，快速概括一组数据的分布。
2026-08-17 22:45:48
209
原创 每天 3000 万 Token 免费：MonkeyCode 编程 Agent 快速上手
工程师负责描述需求、定义边界和 Review，AI Agent 负责执行具体开发任务。MonkeyCode 目前提供的云端开发环境 + GitHub + Coding Agent 这种模式，就是这种变化的一个比较典型的例子。再加上目前注册无需绑卡，每天有 30M Token 免费额度，基本没有什么试用成本。感兴趣的可以直接注册一个账号，找一个自己的 GitHub 小项目体验一下。
2026-08-12 08:45:47
468
原创 直方图：如何正确观察连续变量的分布
直方图通过把连续数据划分为若干区间，展示每个区间内的数据数量或概率密度。数据集中位置；数据离散程度；分布是否对称；是否存在长尾；是否存在多个峰；图形是否对分组数量敏感。直方图不是简单地“看柱子高低”。它真正表达的是连续变量的整体分布结构。
2026-08-07 22:00:19
405
原创 Hermes Agent 是如何“学习”新技能的？
Hermes Agent 的“学习”并非更新模型参数，而是将任务执行、错误修正和工具调用经验沉淀为可复用的技能文件。本文介绍其技能生成、渐进加载、持续修订与生命周期管理机制，并分析这一模式在企业落地中的价值、局限及治理要求。
2026-08-06 00:08:13
392
原创 CUDA 编程：Tensor Core 与混合精度 GEMM
从 cuBLAS SGEMM 到 Tensor Core GEMM，探索现代 GPU 矩阵计算的核心优化路径。
2026-07-27 22:23:09
392
原创 CUDA 编程：cuBLAS SGEMM 与手写矩阵乘法性能对比
从手写 CUDA Kernel 到工业级高性能库，理解 GPU 矩阵计算优化的差距。
2026-07-26 17:42:10
398
原创 CUDA编程：Histogram 直方图统计与 Atomic 优化
我们希望统计每个数字出现了多少次。如果 bin 数量是 4，也就是统计0,1,2,3。
2026-07-21 22:53:42
375
原创 SofterPlease: 让家庭沟通更温柔
SofterPlease 不是想让 AI 变成家庭里的裁判。它更像一面温和的镜子：下一次，也许可以说得更温柔一点。如果你也相信技术不只应该提高效率，也可以帮助人和人更好地相处，欢迎关注 SofterPlease。也欢迎提出宝贵建议，一起把家庭沟通这件小事，做得更认真、更温柔。
2026-07-10 22:17:30
481
原创 CUDA 编程：Parallel Prefix Sum / Scan 并行前缀和
第 10 课我们学习了 Reduction 归约：把很多数变成一个数。另一个非常核心的并行算法：它是很多 GPU 算子的基础，例如：1. 本课目标本节课重点掌握：2. 什么是 Prefix Sum？假设输入数组是：2.1 Inclusive Scan包含自己：也就是：2.2 Exclusive Scan不包含自己：也就是：CUDA 中很多场景更常用 exclusive scan。例如你有一个 flag 数组：exclusive scan 后：它可以告诉每个有效元素应该写到输出数
2026-07-04 22:26:07
267
原创 我做了一个「简谱唱名标注工具」：自动识别音符，一键给歌谱加 do re mi
阈值高，结果更干净，但可能漏掉一些音符。如果下次打开工程时图片文件移动了，软件不会直接崩溃，而是在列表中灰色显示，并允许用户右键“浏览图片”找回。这个工具不是替代视唱练耳，而是把“认音符”的机械步骤先帮你减轻一点，让注意力更多放在旋律、节奏和表达上。它不是一个复杂的专业制谱软件，而是一个偏实用的小工具：把已有图片快速加工成更适合“唱”的版本。标注完成后，可以直接导出一张与原图同尺寸的新图片，用于打印、分享、课堂教学或排练。最后得到的就是一张带唱名的新歌谱图片，尺寸和原图一致，可以直接打印或分享。
2026-07-03 00:24:23
327
原创 从 Hermes Agent 到 Harness 工程：AI Agent 落地，靠的不只是大模型
Hermes Agent 不是普通聊天机器人，而是可自部署、可长期运行的个人 AI Agent Runtime。它支持多渠道接入、长期记忆、Skills、定时任务和工具调用。其核心价值在于 Harness 工程：通过记忆、权限、验证、日志和恢复机制，让大模型真正安全、稳定地完成任务。
2026-07-01 22:06:47
404
原创 让 AI Agent 学会收发邮件：Agent Mail CLI 配置体验与玩法
Agent Mail CLI 的意义不只是“让 Agent 会发邮件”，而是让 Agent 有了一个真实的任务交付出口。以前我们让 Agent 生成内容，往往还需要自己复制、整理、发送。整理资料 → 写成邮件 → 等待确认 → 发送同时，它也可以反过来读取邮件，帮助我们提取任务、过滤通知、整理待办事项。这让 Agent 从“问答工具”进一步变成了“工作流助手”。
2026-06-30 06:31:12
400
原创 CUDA编程：Parallel Reduction 并行归约与 Warp Shuffle 优化
Reduction 就是把很多数据归约成一个或少量结果。i < n;++i) {就会发生数据竞争。因为多个线程会同时读写同一个sum。1. Reduction 是 CUDA 算子开发中的基础模式2. atomicAdd 写法简单，但全局竞争严重，通常很慢3. Shared Memory Reduction 通过 block 内局部归约减少全局写入4. Warp Shuffle Reduction 用寄存器交换减少 shared memory 和同步开销。
2026-06-28 18:52:58
437
原创 Occupancy、Block Size 与 Kernel 启动配置调优
一个 SM 上实际活跃 warp 数量，占这个 SM 理论最大 warp 数量的比例。一个 SM 理论最多可以同时驻留 64 个 warp当前 kernel 实际只能驻留 32 个 warpGPU 为什么需要较高 occupancy？因为 GPU 访问 Global Memory 有延迟。当一个 warp 在等内存时，SM 可以切换warp A 等内存↓SM 执行 warp B↓warp B 等内存↓SM 执行 warp C所以 occupancy 高，通常更容易隐藏延迟。
2026-06-27 07:19:55
394
原创 把九九乘法表装进口袋：我给孩子做了一款会听、会说、会复盘的乘法口诀 App
所以我想做一个更接近“真人陪练”的 App：它能出题、能读题、能听孩子回答、能判断对错，还能把错题和练习表现记录下来。对我来说，这个项目就是一次很小但很有成就感的实践：把 Android、语音识别、大模型和家庭学习场景结合起来，做成一个孩子真的能用的小工具。孩子不是每一道都不会，而是常常卡在少数几道题上，比如 6×7、7×8、8×9。让孩子“说出来”，比让孩子“点出来”，更接近真实掌握。孩子可能会背“二三得六、三四十二”，但一旦随机问“7×8 等于多少”，就容易卡壳。停止后，本次练习结果会保存。
2026-06-17 21:14:49
238
原创 CUDA编程：Shared Memory Bank Conflict 与 Padding 优化
Shared Memory 很快，但也有内部结构Shared Memory 被划分成多个 bank一个 warp 内多个线程访问同一个 bank，会发生 bank conflictBank conflict 会导致 shared memory 访问串行化矩阵转置中的列访问非常容易触发 bank conflicttile[32][33] 通过 padding 打散 bank 映射Padding 代价很小，但可能明显提升性能。
2026-05-26 21:40:10
526
原创 CacheDiT、TaylorSeer 与 SCM：DiT 扩散模型推理加速到底在加速什么？
不同cache-dit版本 API 可能有小差异。下面是通用写法，如果你的版本支持import osif DEVICE!= "cuda":MODEL_ID,pipe,),.2fs")")CacheDiT 的核心不是“魔法加速”，而是利用扩散模型推理过程中的一个结构性冗余：相邻 denoising steps 的中间特征高度相似。DBCache：Transformer block 级别缓存，减少重复 block 计算。
2026-05-24 20:51:24
557
原创 TeaCache：让扩散模型少算几步，但尽量不掉画质
利用 timestep embedding 感知相邻 denoising step 的输出变化；变化小时复用缓存，变化大时完整计算。它最适合 DiT 类图像/视频/音频扩散模型，尤其是 denoising steps 较多、Transformer 计算占主要瓶颈的场景。生产里建议从开始，逐步调大，同时用固定 prompt、seed、分辨率和 steps 对比不开缓存、保守缓存、激进缓存三组结果。
2026-05-13 23:31:43
741
原创 Global 内存访问与 Memory Coalescing 实验解析
第 7 课围绕 CUDA 中非常关键的Memory Coalescing，即内存合并访问展开。实验通过对比连续访问data[idx]和跨步访问，验证了 Global 内存访问模式对性能的巨大影响。结果显示，在 Tesla T4 上，当stride=32时，非合并访问比合并访问慢约25.5 倍；当stride=16时慢约14.6 倍；当stride=8时慢约8.0 倍。这说明 GPU 性能不仅取决于“算多少”，更取决于 warp 内线程是否访问连续地址。
2026-05-10 01:41:29
486
原创 Shared Memory 与矩阵乘法分块优化实验
本文围绕 CUDA 矩阵乘法中的 Shared Memory 优化展开，通过 Naive 矩阵乘法与 Shared Memory Tiled 矩阵乘法的对比实验，分析不同TILE大小对kernel 性能的影响。实验基于 Tesla T4，测试矩阵规模包括TILE包括8、16、32、64。结果表明，Shared Memory 在大多数有效配置下能够明显加速矩阵乘法。
2026-05-09 06:30:00
498
原创 异步拷贝与 CUDA Stream（计算与数据传输重叠）
例如 Stream 1 正在计算 chunk 1 时，Stream 2 可以同时传输 chunk 2，从而让 copy engine 和 SM（Streaming Multiprocessor） 并行工作，降低总耗时、提升吞吐。顺序运行，数据传输时 GPU 计算单元空闲，kernel 计算时 copy engine 又可能空闲，资源利用率不高。是 kernel 启动的简写形式，默认使用 sharedMemBytes=0 和默认 stream；，可以让不同 chunk 的数据传输与计算交错执行。
2026-05-07 00:37:15
251
原创 CUDA编程：Pinned Memory（固定页内存）如何提升 CPU↔GPU 数据传输效率
因此更合理的做法是：在大数据传输、批量推理、流式处理、异步拷贝等关键路径上使用 Pinned Memory，而不是把所有主机内存都改成 Pinned Memory。申请的固定页内存，它不会被操作系统换出，GPU 可以更直接地进行 DMA 传输，因此能够显著提升 Host 与 Device 之间的数据传输带宽。时，数据往往需要先经过一个临时的锁页缓冲区，再通过 DMA 传输到 GPU，过程相对多了一次中转。这说明 Pinned Memory 并不是偶然加速，而是在不同数据规模下都能稳定提升传输效率。
2026-05-05 12:02:44
516
原创 CUDA 内存管理和数据传输
这张图是核心实验数据。H2D / D2H：约 4.5–5.0 GB/sD2D ：约 120 GB/scudaMemset：约 200–232 GB/s也就是说，CPU 和 GPU 之间的数据传输速度比较慢，而 GPU 显存内部操作快得多。CPU↔GPU 跨设备传输：约 5 GB/sGPU 显存内部拷贝：约 120 GB/sGPU 显存内部写入：约 230 GB/sGPU 内部显存操作远快于 CPU↔GPU 跨设备数据传输。这也解释了为什么第一节课里vector_add。
2026-04-30 20:06:49
611
原创 为什么要做大模型粘性调度？
大模型推理的成本核心在于Prefill——就像每次做饭都得从头切菜备料。传统负载均衡像随机分配顾客去不同窗口，每位顾客都得重新“自我介绍”，造成了巨大的算力浪费。粘性调度的本质，不是死板地固定机器，而是让请求优先去“最可能有缓存”的地方，这直接带来四大改善：TTFT更低、Cache Hit更高、GPU更省力、吞吐更稳。RAG/模板化问答，优先前缀哈希，最大化复用系统提示和模板缓存。大规模在线服务，则需缓存感知调度，动态平衡命中率与实时负载。多轮聊天机器人，首选会话粘性，实现简单，上下文连续。
2026-04-29 22:12:23
78
原创 大模型推理 DP\TP\PP\EP 理解
│ 大模型推理并行体系 ││ ││ DP 数据并行 ││ - 多个完整模型副本 ││ - 分摊不同请求 ││ - 提高并发吞吐 ││ ││ TP 张量并行 ││ - 拆单层矩阵计算 ││ - 多 GPU 一起算同一层 ││ - 适合大 Dense 模型 ││ ││ PP 流水线并行 ││ - 按 Transformer 层切分 ││ - 不同 GPU 负责不同层 ││ - 适合超深、超大模型 ││ ││ EP 专家并行 ││ - 拆 MoE Expert │。
2026-04-26 08:06:04
795
原创 GPT-5.5 vs DeepSeek-V4：技术速览
两者并不是简单的“谁更强”关系，而是代表了当前大模型发展的两条重要路线：一条是面向高端闭源工作流智能体，另一条是面向高性能、低成本、可部署的开放权重模型。而 DeepSeek-V4 则突出开放权重、MoE 架构、1M 超长上下文和长文本推理效率，在竞赛型编码、数学推理和开放模型生态方面具有较强吸引力。整体来看，GPT-5.5 更强调真实工作流中的代理式执行能力，尤其适合编码、数据分析、在线研究、文档处理和复杂任务协作；
2026-04-25 08:20:08
255
原创 AutoClaw实测：动口就能搞定音频提取、视频拼接，还能接入飞书！
亲测可通过对话指令完成视频音频提取、视频拼接等操作，支持自定义模型，还能接入飞书配置机器人，全程动口不动手，操作简单且效果稳定，实测过程和细节分享如下。再试试接入飞书，在 https://open.feishu.cn/ 创建自建应用，把配置信息填写进去即可。操作过程中500点额度用完了，切换成免费的 glm-4.7模型继续运行。任务最终完成，真的是动口就能搞定操作的时代了，内心还挺激动的。顺便看了下token消耗，这次一共用了12k token。没想到真的顺利把视频音频提取出来了，体验相当不错！
2026-03-18 01:03:27
469
原创 AI编程：乘法竖式计算演示web应用
✅乘法竖式动画演示：清晰展示乘法竖式的计算步骤✅自定义数字输入：支持输入任意数进行计算✅播放控制：提供播放、暂停、重置功能✅速度调节：支持0.5x到3x的速度调节✅随机数生成：一键生成随机的乘数和被乘数。
2026-01-01 18:35:37
1080
原创 多进程CUDA初始化的问题 Cannot re-initialize CUDA in forked subprocess
上面这个例子会报错，主进程触发了 CUDA 初始化，fork 出来的子进程中创建 tensor 的时候报错了。这句去掉，那么主进程就没有 CUDA 初始化的操作，子进程不会报错。，它们在底层机制、内存共享、安全性、兼容性等方面有根本差异。背景：在多实例算法服务的时候，出现了 cuda 初始化错误。时，选择错误的启动方法会导致程序崩溃或未定义行为。的，每个进程使用CUDA时，都会触发。父子进程之间有 cuda 状态的。的，没有问题，不会出现二次初始化。上面 fork 的示例中。
2025-12-05 22:03:35
1290
distilbert-base-uncased-finetuned-sst-2-english 预训练模型
2021-01-12
tensorflow_datasets.tf_flowers.3.0.1.rar
2021-01-26
Everything-1.4.1.969.x64.zip
2020-03-27
ScreenToGif.2.22.1.Portable.zip
2020-03-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人