Kinno酱-CSDN博客

原创 Git命令入门

Git是一个分布式版本控制系统，广泛用于代码管理和协作开发。以下是学习Git的基本步骤和命令。

2024-08-09 13:38:22 481

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 19:30:07 898 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 21:40:21 882

原创 Python进行异步操作示例代码

将那些需要较长时间才能完成的操作通过异步方式进行处理，而不是同步方式。

2024-05-22 20:56:21 463

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 22:00:23 831

原创书生浦语训练营第四次课作业

拷贝internlm开发机内的环境。

2024-05-11 22:43:50 225

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 23:19:06 484

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 04:27:05 705 1

原创书生·浦语训练营二期第三次笔记-茴香豆：搭建你的 RAG 智能助理

复制完成后，在本地查看环境。结果如下所示。

2024-04-08 01:14:15 853 1

原创根据项目的环境生成一份requirements.txt

导出了所有的包，不够简洁，如果我只需要导出我项目中使用的包的顶层依赖呢？

2024-04-05 22:01:33 227

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 03:06:00 464

原创书生·浦语训练营二期第二次笔记

查看该环境内已安装的包conda list。

2024-04-01 22:40:06 412

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 01:01:33 465

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 21:40:11 963

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 16:24:41 239

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 18:46:10 695

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 19:58:31 446

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 19:16:28 905

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 02:36:26 365

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 1150

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 1348

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 16:43:53 158

原创 C/C++刷算法题时高精度与进位制题型处理技巧

相同次数的系数相加。

2024-03-01 06:22:52 379

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 1153

原创 C/C++刷算法题时字符串处理技巧

格式的字符串时间，因为是从前往后比较，即可，C++中，字符串可以直接用。也可以自己实现函数来实现。

2024-02-29 20:50:49 374

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 1452

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 1109 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 15:09:09 816

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 03:04:53 455

汇编语言实验环境（包括DOSBox，Debug，MASM，LINK等）

空空如也