- 博客(90)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 在Ubuntu上使用阿里源安装docker
这将下载一个测试镜像并运行一个简单的容器。你应该会看到 Docker 成功运行的确认信息。你应该会看到 Docker 的版本信息。
2024-09-11 17:07:03
363
原创 就地更新与复制并返回的区别（C++）
特性就地更新（In-place Update）复制并返回（Copy and Return）方法直接修改传入的数据结构创建并返回修改后的新数据结构内存使用更节省内存，因为不创建新实例占用更多内存，因为要创建数据结构的副本性能通常更高效，特别是处理大型数据结构时通常开销更大，特别是数据结构较大时可读性对于大数据结构或需要高性能的情况更为有用对于小数据结构或不要求高性能的情况，代码更清晰数据安全原始数据被直接修改原始数据保持不变适用场景大型数据结构、频繁调用的热点代码路径。
2024-09-11 12:47:07
388
原创 rust学习笔记
使用cargo：推荐用于管理 Rust 项目的整个生命周期。使用rustc：适用于编译单个 Rust 文件或简单的项目。选择工具时，根据你的需要和项目的复杂度来决定。
2024-09-09 13:24:15
596
原创 Java中的强引用、软引用、弱引用和虚引用于JVM的垃圾回收机制
强引用：最常见的引用类型，不会被垃圾回收。软引用：在内存不足时会被回收，适用于缓存。弱引用：在垃圾回收时会被回收，适用于对内存敏感的数据结构，如 WeakHashMap。虚引用：不能直接访问对象内容，主要用于跟踪对象的垃圾回收情况。
2024-09-06 15:13:50
701
原创 Linux中的wc -l 和 ls -l 命令
此行表示一个名为的目录，它的权限为drwxr-xr-x（所有者拥有全部权限，同组用户和其他用户仅有读和执行权限）。这个目录的所有者是lindsey，所属组是staff，目录的大小为96字节，最后修改时间是9月5日 11:45。wc -l：统计文件或输入流中的行数。ls -l：以长格式列出目录内容，显示详细的文件和目录信息。
2024-09-05 12:42:28
1220
原创 Linux中的管道操作符｜
管道操作符是命令行中的重要工具，用于将一个命令的输出作为另一个命令的输入，帮助用户简化复杂的操作流程。在日常操作中，管道操作符常被用来处理、过滤和格式化数据，是Unix/Linux命令行使用的核心技巧之一。
2024-09-05 12:37:59
601
原创 Linux中的grep命令
grep是一个强大的文本搜索工具，支持多种选项和正则表达式匹配，适用于在文件、输出和目录中快速查找特定文本模式。它常用于脚本编写、数据分析、日志文件检查等任务中。
2024-09-05 12:31:34
483
原创 Linux中的echo命令
echo命令是一个简单而强大的命令行工具，用于在终端中显示文本或者将文本输出重定向到文件。虽然它的功能看起来简单，但它有很多不同的用法和操作方式。以下是echo。
2024-09-05 12:18:40
714
原创 Python知识点复习
左闭右闭traceback库中的获取异常追踪的详细信息==比较的是对象的值（内容）。is比较的是对象的身份（是否是同一个对象）。这两个操作符在比较对象时的行为差异在实际编程中是非常重要的，尤其是当处理可变对象（如列表、字典等）和不可变对象（如整数、字符串、元组等）时。==比较的是对象的值（内容）。is比较的是对象的身份（是否是同一个对象）。这两个操作符在比较对象时的行为差异在实际编程中是非常重要的，尤其是当处理可变对象（如列表、字典等）和不可变对象（如整数、字符串、元组等）时。
2024-05-23 19:30:07
916
1
原创 JAVA知识点复习
SQL 优化，JVM、DB，Tomcat 参数调优 >硬件性能优化 (内存升级、CPU 核心数增加、机械硬盘一> 固态硬盘等等)>业务逻辑优化/缓存 > 读写分离、集群等 > 分库分表要理解性能优化的必知法则，首先需要了解优化的不同层次和顺序，以及每种优化方法的具体内容和作用。
2024-05-22 21:40:21
892
原创 Llama 3超级课堂作业笔记
Github 文档：https://github.com/SmartFlowAI/Llama3-TutorialB站视频：https://www.bilibili.com/video/BV1Kr421u71u/
2024-05-19 22:00:23
853
原创 书生浦语训练营第四次课笔记：XTuner 微调 LLM：1.8B、多模态、Agent
在不同量级的模型上，训练速度都是比LLaMa-Factory显著的更快与LLaMa-Factory相比，同样是LLaMa2 70B超大参数量的模型，在不同的数据长度下，Xtuner的表现也是比LLaMa-Factory更好XTunner对性能优化和显存优化做的更好！
2024-05-05 23:19:06
502
原创 书生浦语训练营二期第三次作业
检索过程中，茴香豆会将输入问题与两个列表中的问题在向量空间进行相似性比较，判断该问题是否应该回答，避免群聊过程中的问答泛滥。确定的回答的问题会利用基础模型提取关键词，在知识库中检索 top K 相似的 chunk，综合问题和检索到的 chunk 生成答案。提取知识库特征，创建向量数据库。数据库向量化的过程应用到了 LangChain 的相关模块，默认嵌入和重排序模型调用的网易 BCE 双语模型，如果没有在 config.ini 文件中指定本地模型路径，茴香豆将自动从 HuggingFace 拉取默认模型。
2024-04-08 04:27:05
718
1
原创 书生·浦语训练营二期第二次课后作业
使用 Hugging Face 官方提供的 huggingface-cli 命令行工具。以下内容将展示使用 huggingface_hub 下载模型中的部分文件。新建 python 文件，填入以下代码，运行即可。
2024-04-04 03:06:00
467
原创 书生·浦语训练营二期第一次笔记
先前的评测方案是做多选题，模型可能存在猜测的因素。而循环评测是对选项进行轮换，只有在能够答对所有轮换的选项后才能说明它的回答是正确的。我们能利用书生·浦语的框架，完整的开发属于自己的大模型应用。相对于第一期，InternLM2增加了Lagent和AgentLego。InternLM2：在Base基础上，在多个能力进行了强化，更优秀的基座模型。InternLM2-Chat：在Base基础上，再经过SFT和RLHF对齐后的对话模型。InternLM2-Base：高质量、强可塑性的基座模型。
2024-03-31 01:01:33
483
原创 Transformers for Machine Learning: A Deep Dive阅读笔记
给定一个实数向量Zz1z2zKZz1z2...zK，其中KKKSoftmaxziezi∑j1KezjSoftmaxzi∑j1Kezjezi对于向量ZZZ中的每一个元素ziz_izi，Softmax函数首先计算ezie^{z_i}ezi，即ziz_izi的指数。然后，将这个指数除以所有元素指数的总和。
2024-03-24 21:40:11
1026
原创 LeetCode Hot100 哈希相关题目（1、49、128）C++
【代码】LeetCode Hot100 哈希相关题目（1、49、128）C++
2024-03-20 16:24:41
244
原创 GitHub与Git命令使用笔记
这些步骤假设已经有一个本地项目和一个远程仓库，并且希望将远程仓库的内容合并到本地项目中。在未来，每当完成了一系列更改并希望将这些更改推送到GitHub时，只需要重复上面的。如果你现在不想提交这些更改，但希望稍后再处理，你可以使用贮藏（stash）功能将更改临时保存起来。如果你还没有本地分支对应于远程分支，你可以使用以下命令创建并切换到一个新的本地分支，这个分支会跟踪远程分支（将。如果已经有了一个本地分支并希望将远程分支的变更合并到这个本地分支中，确保现在就在那个本地分支上。如果只想添加特定文件，可以将。
2024-03-19 18:46:10
711
原创 使用Pytorch进行梯度下降的计算
输出：这段代码演示了使用PyTorch自动微分功能（autograd）来训练一个简单的线性回归模型。线性回归的目的是找到一个权重 (w)，使得模型 (f(x) = w \times x) 能够尽可能准确地预测给定输入 (x) 对应的输出 (y)。这个例子中，我们希望模型学习到的权重使得 (f(x)) 接近真实函数 (f(x) = 2x)。初始化数据和权重：定义模型和损失函数：训练过程：自动梯度计算：PyTorch的自动微分引擎（autograd）使得计算梯度变得简单。通过在损失张量上调用 方法，PyTo
2024-03-10 19:58:31
449
原创 使用Numpy手工模拟梯度下降算法
通过不断重复这个过程（前向传播、损失计算、梯度计算、权重更新），www逐步被调整，以最小化模型的总损失。每次迭代，梯度告诉我们如何调整www以减少损失，学习率α\alphaα控制了这个调整的步长。随着迭代的进行，模型预测ypredypred会逐渐接近真实值YYY，损失函数值会持续减小，直至收敛到最小值或达到学习的终止条件。
2024-03-10 19:16:28
931
原创 Pytorch学习资料
Pytorch Tutorial: https://www.youtube.com/playlist?list=PLqnslRFeH2UrcDBWF5mfPGpqQDSta6VK4PyTorch for Deep Learning & Machine Learning – Full Course: https://www.youtube.com/watch?v=V_xro1bcAuAPyTorch for Deep Learning & Machine Learning – Full
2024-03-10 02:36:26
373
原创 PyTorch会在每次.backward()调用时会累积梯度的问题
这段代码展示了在PyTorch中如何计算梯度、梯度累积的特性以及清空梯度的重要性。在实际训练模型时，适时清空梯度是保证模型正确学习的关键步骤之一。
2024-03-10 02:17:20
1172
原创 Pytorch报错：grad can be implicitly created only for scalar outputs
创建一个v，作为链式法则中的Jacobine矩阵当执行时，实际上进行的操作是计算向量y相对于其输入张量x的向量-雅可比乘积（vector-Jacobian product, VJP）。这个过程可以更清晰地理解backward方法的工作原理以及v的作用。假设我们有向量函数yfx，其中x和y都是向量，x∈Rny∈Rm。雅可比矩阵J是f相对于x的导数的矩阵表示，其中每个元素Jij∂xj∂yi。
2024-03-09 23:07:19
1433
翻译 如何在MacOS上安装JMeter
Apache JMeter 是一个功能强大的开源负载测试工具，广泛用于测量 Web 应用程序的性能和可扩展性。如果你是 macOS 用户并想开始进行负载测试，那么你来对地方了！这个分步指南将指导你在 macOS 机器上安装 Apache JMeter 的过程，使你能够开始你的性能测试之旅。
2024-03-07 16:43:53
172
原创 PAT甲级字符串相关题目题解（C/C++）
其中，(a) 和 (b) 是大于0的实数，(c) 是正实数且 (c \neq 1)。我们想要计算的是 (2^{31}) 用 (10) 的次方来表示，即求 (10) 的多少次方等于 (2^{31})。要证明 (2^{31}) 约等于 (10^{9.33}) 的推理正确性，我们可以使用对数的换底公式来进行计算。c - '0’可以得到字符对应的int值，如果直接输出c，输出的是这个数字字符的ASCII码值，易错点。因此，我们可以得出结论，(2^{31}) 约等于 (10^{9.33})，证明了推理的正确性。
2024-02-29 23:47:58
1172
原创 二进制位移操作解释
左移（）操作是位操作中的两种基本操作，它们直接在操作数的二进制表示上进行操作。这里通过具体例子来解释左移和右移的含义和效果。
2024-02-26 20:33:15
1599
原创 C/C++基础语法
求斐波那契数列的第n项。输入一个整数，表示时间，单位是秒。输出一个字符串，用”时:分:秒”的形式表示这个时间。(1) 能被100整除时，必须能被400整除；(2) 不能被100整除时，被4整除即可。
2024-02-26 17:14:07
1118
1
原创 配置vscode，使其可以运行C++11特性的代码（如vector）
配置完成后，可以运行基本的输出hello world的代码，并进行调试。但是在使用vector时，会报错。原因：因为编译器默认没有开启对C++11（或更高版本）的支持，而代码中使用了C++11的特性（如初始化列表和基于范围的for循环）。为了解决这个问题，需要在编译命令中指定使用C++11或更高版本的标准。
2024-02-26 15:09:09
837
原创 书生浦语训练营笔记与作业汇总
课程笔记：第一节：https://blog.csdn.net/qq_37397652/article/details/135532014第二节：https://blog.csdn.net/qq_37397652/article/details/135533226第三节：https://blog.csdn.net/qq_37397652/article/details/135586700第四节：https://blog.csdn.net/qq_37397652/article/details/135
2024-01-31 03:04:53
462
原创 【第六课课后作业】大模型评测
确保按照上述步骤正确安装 OpenCompass 并准备好数据集后，可以通过以下命令评测 InternLM-Chat-7B 模型在 C-Eval 数据集上的性能。由于 OpenCompass 默认并行启动评估过程，我们可以在第一次运行时以。模式下，任务将按顺序执行，并实时打印输出。模式启动评估，并检查是否存在问题。
2024-01-25 18:56:32
462
汇编语言实验环境（包括DOSBox，Debug，MASM，LINK等）
2022-06-15
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人