<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_42178122的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/qq_42178122</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; qq_42178122]]></copyright><item><title><![CDATA[wav音频文件的介绍]]></title><link>https://blog.csdn.net/qq_42178122/article/details/144117831</link><guid>https://blog.csdn.net/qq_42178122/article/details/144117831</guid><author>qq_42178122</author><pubDate>Thu, 28 Nov 2024 18:32:12 +0800</pubDate><description><![CDATA[常见的采样频率包括有8,000 Hz (8 kHz)、16,000 Hz (16 kHz)、22,050 Hz (22.05 kHz)和44,100 Hz (44.1 kHz)等。保存的音频文件是wav(waveform audio file format)，wav是一种用于存储音频数据的文件格式，由微软和ibm联合开发。fmt_chunk_len 是用于标识 fmt 块长度的字段，通常是 16，它告诉解析 WAV 文件的软件或库，fmt 块中包含了多少字节的数据。二. 音频专业词的解释。]]></description><category></category></item><item><title><![CDATA[Linux麦克风录音实战]]></title><link>https://blog.csdn.net/qq_42178122/article/details/143985202</link><guid>https://blog.csdn.net/qq_42178122/article/details/143985202</guid><author>qq_42178122</author><pubDate>Sat, 23 Nov 2024 00:00:12 +0800</pubDate><description><![CDATA[在 Linux 上使用麦克风进行录音可以通过多种方式实现，包括使用命令行工具、图形界面应用程序以及编程接口。下面我将介绍几种常见的方法，从简单的命令行工具到使用 PortAudio 库进行编程。]]></description><category></category></item><item><title><![CDATA[对字符串中的阿拉伯数字进行转换成中文小写数字]]></title><link>https://blog.csdn.net/qq_42178122/article/details/142877993</link><guid>https://blog.csdn.net/qq_42178122/article/details/142877993</guid><author>qq_42178122</author><pubDate>Sat, 12 Oct 2024 14:51:02 +0800</pubDate><description><![CDATA[通过静态声明std::wstring_convert实例，我们复用了相同的转换器，这样可以提高效率。程序首先将输入的std::string通过from_bytes转换为宽字符串进行处理，然后将处理后的宽字符串再通过to_bytes转换回多字节字符串。在C/C++中，使用单引号’ ‘用于表示单个字符，比如’A’。但是中文字符由多个字节组成，不能用单引号正确表示，这会导致编译器将其解析为未定义的多字符常量。要解决这个问题，确保使用宽字符或者字符串来表示非ASCII 字符。]]></description><category></category></item><item><title><![CDATA[大模型微调---qwen实战]]></title><link>https://blog.csdn.net/qq_42178122/article/details/141713698</link><guid>https://blog.csdn.net/qq_42178122/article/details/141713698</guid><author>qq_42178122</author><pubDate>Fri, 30 Aug 2024 11:34:15 +0800</pubDate><description><![CDATA[Qwen是阿里云开发的大语言模型，整个qwen系列的模型，由base模型、rm模型、chat模型、code模型、math模型等等。qwen采用chatml样式的格式来进行模型训练，chatml格式可以时模型有效区分各类信息，可以增强模型对复杂会话的处理分析能力。对于每个问题，给出若干答案，然后工人进行排序，而奖励模型就是利用排序的结果来进行反向传播。]]></description><category></category></item><item><title><![CDATA[一、大模型的基本概率、工作原理及其微调]]></title><link>https://blog.csdn.net/qq_42178122/article/details/141640861</link><guid>https://blog.csdn.net/qq_42178122/article/details/141640861</guid><author>qq_42178122</author><pubDate>Wed, 28 Aug 2024 19:29:07 +0800</pubDate><description><![CDATA[chagt、open ai、大模型、跨模态大模型等人工智能的词语， 在近年来越来越火。而当我们讲大模型时，不仅仅是指大语言模型，这两个是不一样的概念。:指定是机器学习中使用的庞大的、复杂的算法模型，它们可以处理和分析大量的数据，用于各种任务，例如图像识别、自然语言处理等。甚至通过一个模型(多模态大模型)来同时处理文本、图像、视频、音频等多种数据类型，通过融合不同模态的数据，提供更为全面和准确的理解和分析。：大语言模型是大模型的一种，专门用于处理和理解自然语言，如文本生成、语言翻译等。]]></description><category></category></item><item><title><![CDATA[利用modelscope下载模型]]></title><link>https://blog.csdn.net/qq_42178122/article/details/141291675</link><guid>https://blog.csdn.net/qq_42178122/article/details/141291675</guid><author>qq_42178122</author><pubDate>Sun, 18 Aug 2024 08:35:11 +0800</pubDate><description><![CDATA[ModelScope作为一个先进的“模型即服务”(MaaS)平台，它的核心在于汇聚人工智能领域的尖端模型，降低了在现实世界应用这些前沿技术的门槛。该平台通过ModelScope库展现了其强大功能，这一库专为简化开发者体验而设计，无论是在计算机视觉（CV）、自然语言处理（NLP）、语音识别、多模态分析，还是科学计算领域，它都能提供一个统一、高效的接口去执行推理、定制训练及性能评估任务。]]></description><category></category></item><item><title><![CDATA[jenkins的简单使用]]></title><link>https://blog.csdn.net/qq_42178122/article/details/139418562</link><guid>https://blog.csdn.net/qq_42178122/article/details/139418562</guid><author>qq_42178122</author><pubDate>Mon, 03 Jun 2024 20:16:44 +0800</pubDate><description><![CDATA[Jenkins是一个开源软件项目，是基于Java开发的一种持续集成工具，用于监控持续重复的工作，旨在提供一个开放易用的软件平台，使软件的持续集成变成可能。]]></description><category></category></item><item><title><![CDATA[lama-cleaner中的Paint-by-Example使用]]></title><link>https://blog.csdn.net/qq_42178122/article/details/139093748</link><guid>https://blog.csdn.net/qq_42178122/article/details/139093748</guid><author>qq_42178122</author><pubDate>Tue, 21 May 2024 16:15:51 +0800</pubDate><description><![CDATA[Lama Cleaner是一个免费的、开源的、完全自托管的修复工具，里面提供了很多最前沿的AIGC模型。可以使用它从图片中删除任何不需要的物体、缺陷、人物，或删除和替换图片上的任何内容。本文章详细介绍了该工具的所有功能，并体验了下每个功能的实际效果。]]></description><category></category></item><item><title><![CDATA[Linux下CPU频率和核心数的锁定设置]]></title><link>https://blog.csdn.net/qq_42178122/article/details/138506664</link><guid>https://blog.csdn.net/qq_42178122/article/details/138506664</guid><author>qq_42178122</author><pubDate>Mon, 06 May 2024 20:25:31 +0800</pubDate><description><![CDATA[在上面的命令中，-c 选项指定了 CPU 的编号，-f 选项指定了 CPU 的频率。请注意，你的设置可能会被 CPU 的自动动态频率调节覆盖。如果你希望永久禁用动态频率调节，你需要 将 CPU 的频率调节器设置为 “userspace”。此外，使用命令查询cpu各线程的频率。]]></description><category></category></item><item><title><![CDATA[perl 交叉编译]]></title><link>https://blog.csdn.net/qq_42178122/article/details/137496767</link><guid>https://blog.csdn.net/qq_42178122/article/details/137496767</guid><author>qq_42178122</author><pubDate>Mon, 08 Apr 2024 17:59:56 +0800</pubDate><description><![CDATA[Perl是一种高级、通用、解释型、动态的编程语言。Perl设计的初衷是为了更好地处理文本处理任务，但随着时间的发展，现在它已经变成了一种强大的一般目的编程语言。Perl支持面向过程和面向对象的编程风格。]]></description><category></category></item><item><title><![CDATA[perf的介绍]]></title><link>https://blog.csdn.net/qq_42178122/article/details/136945017</link><guid>https://blog.csdn.net/qq_42178122/article/details/136945017</guid><author>qq_42178122</author><pubDate>Fri, 22 Mar 2024 16:25:43 +0800</pubDate><description><![CDATA[perf 是 Linux 系统中的一个强大的性能分析工具，用于收集系统的各种性能数据。这些数据可以是 CPU 时间、硬件事件，如 cache misses，或者内核和用户空间的函数调用。perf 可以用于实时分析（sampling mode）或者统计分析（counting mode）。]]></description><category></category></item><item><title><![CDATA[NFS（网络文件系统）介绍与实践]]></title><link>https://blog.csdn.net/qq_42178122/article/details/136914053</link><guid>https://blog.csdn.net/qq_42178122/article/details/136914053</guid><author>qq_42178122</author><pubDate>Thu, 21 Mar 2024 17:01:14 +0800</pubDate><description><![CDATA[NFS（网络文件系统）是一种在UNIX/Linux系统中常用的文件共享协议。通过NFS，你可以将一台机器（NFS服务器）上的一个或多个目录挂载到另一台机器（NFS客户机）上，使得在客户机上可以像操作本地文件一样操作服务器上的文件。完成以上步骤后，你应该能够在客户机的/mnt/nfs目录下看到服务器的/nfs_share目录中的内容。你可以在客户机上对这个目录进行操作，这些操作会直接反映到服务器端的/nfs_share目录中。首先，你需要在两台机器（NFS服务器和NFS客户机）上安装NFS服务。]]></description><category></category></item><item><title><![CDATA[交叉编译介绍及实战]]></title><link>https://blog.csdn.net/qq_42178122/article/details/136489094</link><guid>https://blog.csdn.net/qq_42178122/article/details/136489094</guid><author>qq_42178122</author><pubDate>Tue, 05 Mar 2024 20:41:13 +0800</pubDate><description><![CDATA[交叉编译是一种操作系统或者硬件架构上生成在另一种操作系统或者硬件架构上运行的代码的过程。通常情况下，我们会使用cmake来配置和管理跨平台的项目。假设我们要在Linux上（host）为ARM设备（target）交叉编译一个Hello World程序。我们可以使用GCC交叉编译工具链（toolchain）。]]></description><category></category></item><item><title><![CDATA[基于yolov8的半自动标注]]></title><link>https://blog.csdn.net/qq_42178122/article/details/136322698</link><guid>https://blog.csdn.net/qq_42178122/article/details/136322698</guid><author>qq_42178122</author><pubDate>Tue, 27 Feb 2024 14:59:29 +0800</pubDate><description><![CDATA[在深度学习领域中，标注是一项非常重要的工作，因为许多深度学习模型都依赖于有标注的数据进行训练。然而，标注数据是一个费时费力的工作，因此人们希望有一种方式来对标注过程进行自动化。这就是“半自动标注”的来源。半自动标注是一种折中的方式，它结合了人类的判断能力和计算机的自动化能力。在一个半自动标注的系统中，步骤如下：1、初始的标注工作通常由人类来做；2、这些被标注的数据被用来训练一个深度学习模型，使模型能做出预测并自动标注新的数据。3、但模型预测出的标注可能会有误，所以仍然需要人类进行审核和校正。]]></description><category></category></item><item><title><![CDATA[X-AnyLabeling标注工具的使用]]></title><link>https://blog.csdn.net/qq_42178122/article/details/135928222</link><guid>https://blog.csdn.net/qq_42178122/article/details/135928222</guid><author>qq_42178122</author><pubDate>Tue, 30 Jan 2024 12:08:27 +0800</pubDate><description><![CDATA[项目链接：https://github.com/CVHub520/X-AnyLabeling/tree/mainX-AnyLabeling 是一款全新的交互式自动标注工具，其基于 Labelme 和 Anylabeling 等诸多优秀的标注工具框架进行构建，在此基础上扩展并支持了许多丰富的模型和功能，并借助Segment Anything和 YOLO 系列等目前主流和经典的深度学习模型提供强大的 AI 能力支持。]]></description><category></category></item><item><title><![CDATA[对‘float16_t’的引用有歧义]]></title><link>https://blog.csdn.net/qq_42178122/article/details/135378532</link><guid>https://blog.csdn.net/qq_42178122/article/details/135378532</guid><author>qq_42178122</author><pubDate>Thu, 04 Jan 2024 15:33:10 +0800</pubDate><description><![CDATA[如果加了using namespace cv;后，OpenCV库中也有一个名为float16_t的类型定义，与最初的float16_t存在冲突，导致编译失败。1、不使用using namespace cv；而是在每个需要使用opencv的地方手动指定命名空间，如cv::Mat、cv::imread等。3、如果可能，也可以考虑使用其他没有命名冲突的浮点类型，如float, 或者double等。float16_t 是一个半精度浮点数类型，通常在一些需要高性能和低精度的场合被使用。]]></description><category></category></item><item><title><![CDATA[颜色直方图]]></title><link>https://blog.csdn.net/qq_42178122/article/details/135349821</link><guid>https://blog.csdn.net/qq_42178122/article/details/135349821</guid><author>qq_42178122</author><pubDate>Wed, 03 Jan 2024 09:46:25 +0800</pubDate><description><![CDATA[一种统计报告图，用于展示分布情况。在图像处理中，我们通常用直方图来描述图像的灰度或色彩分布。直方图的两个轴是：值（例如亮度或颜色）和像素数量。优点：一是对于任意一个图像区域，直方图特征的提取简单方便；其二，直方图表征图像区域的统计特征，可以有效表示多模态的特征分布，并且本身具备一定的旋转不变性。以亮度值为横轴，该像素的数量为纵轴。例如，一个亮度直方图可能会显示图像中有多少像素是完全黑色的（亮度为0），有多少像素是完全白色的（亮度为255，如果你用一个8位的值来描述亮度的话），等等。]]></description><category></category></item><item><title><![CDATA[NNI --模型剪枝]]></title><link>https://blog.csdn.net/qq_42178122/article/details/135255762</link><guid>https://blog.csdn.net/qq_42178122/article/details/135255762</guid><author>qq_42178122</author><pubDate>Thu, 28 Dec 2023 18:00:23 +0800</pubDate><description><![CDATA[剪枝是压缩神经网络模型的常用技术。剪枝方法探索模型权重（参数）中的冗余，并尝试删除/修剪冗余和非关键权重。冗余元素从模型中修剪，其值归零，我们确保它们不参与反向传播过程。修剪深度学习模型有三种常见做法，NNI 通过在关键修剪阶段工作来支持上述所有修剪实践。]]></description><category></category></item><item><title><![CDATA[nni-超参数搜索]]></title><link>https://blog.csdn.net/qq_42178122/article/details/135228427</link><guid>https://blog.csdn.net/qq_42178122/article/details/135228427</guid><author>qq_42178122</author><pubDate>Wed, 27 Dec 2023 14:58:02 +0800</pubDate><description><![CDATA[创建一个search_space.json。]]></description><category></category></item><item><title><![CDATA[fastreid重识别算法笔记]]></title><link>https://blog.csdn.net/qq_42178122/article/details/135203416</link><guid>https://blog.csdn.net/qq_42178122/article/details/135203416</guid><author>qq_42178122</author><pubDate>Mon, 25 Dec 2023 17:29:37 +0800</pubDate><description><![CDATA[参考INSTALL.md的安装步骤。]]></description><category></category></item></channel></rss>