- 博客(36)
- 收藏
- 关注
RSS订阅原创 常用向量数据库介绍
本文介绍了向量数据库的基本概念、优势及常见应用场景，对比分析了FAISS、Milvus、ChromaDB等主流向量数据库的特点和适用环境。向量数据库专为高维向量相似度搜索设计，相比传统数据库在处理语义搜索、推荐系统等任务时具有显著优势。文章提供了各数据库的简单代码示例，帮助本科生快速理解不同工具的使用方法，并根据项目需求选择合适的解决方案。
2026-03-10 21:52:12
392
1
原创 大模型微调训练FAQ - Loss与准确率关系
大模型微调训练FAQ摘要 核心要点 Loss含义：SFT训练中的loss是交叉熵损失，仅计算assistant回复部分的token预测差异，数值越小越好。 Loss与准确率关系：两者呈正相关但非线性，Loss下降初期准确率提升明显，后期边际效应递减。 日志解读： 训练loss显著低于验证loss（0.1435 vs 0.2582）表明轻微过拟合 token级准确率差距2.8%（95.4%→92.6%）说明模型泛化能力良好 极限值分析： 99%准确率理论上可能但极难实现 eval loss降至0.001基本不
2026-01-29 20:03:33
443
原创 大模型微调训练FAQ - 验证集与数据划分
大模型微调训练FAQ摘要 本文解答了关于验证集和数据划分的常见问题。验证集不直接影响训练结果，但通过模型选择和超参数调优间接影响性能。虽然技术上可将测试集用作验证集，但存在数据泄露和过拟合风险，建议采用测试集分割或三段式划分方案。train_sft.py中的shuffle操作和seed参数确保了数据均匀分布和实验可重现性。最佳实践包括遵循70-15-15数据划分原则、使用独立验证集、固定随机种子和详细记录实验过程。不同应用场景对测试集使用的风险容忍度不同，需根据实际情况选择合适方案。
2026-01-29 20:02:50
390
原创 大模型微调训练FAQ - Batch Size与参数配置
本文探讨了大模型微调训练中Batch Size与参数配置的关键问题。首先分析了Batch Size对显存使用、训练速度和模型效果的影响机制，详细解释了有效批次大小的计算方法。其次比较了不同配置方案（如12×1与6×2）在实际训练中的差异，包括梯度计算精度、数值稳定性和优化器状态更新等方面的区别。最后提供了实用的Batch Size优化策略，包括不同显存情况下的配置建议和监控指标，特别针对LoRA微调场景给出了具体调整方案。文章强调应根据硬件条件平衡性能与稳定性，并提供了测试流程和健康指标监控方法。
2026-01-27 22:11:21
739
原创 大模型微调训练FAQ - 训练日志解读
大模型微调训练日志解读指南 本文总结了训练日志中关键指标的含义和评估方法。主要指标包括训练loss、梯度范数、学习率、熵值、token准确率等，以及验证集的相应指标。文章详细说明了如何判断训练状态是否正常，识别梯度爆炸/消失、过拟合等异常信号，并给出调整策略建议。同时提供了多层次的监控方案，包括实时指标跟踪、定期验证评估和检查点管理策略。通过系统分析这些指标，可以有效监控训练过程并及时调整优化方向。
2026-01-27 22:10:22
704
原创 可话记录格式转换
摘要：为解决背景可话官方动态记录图文分离的痛点，作者开发了「kehua_show」格式转换工具，可将日志转为美观HTML页面，支持图文同步展示、九宫格排版、按月归档等功能，适配多终端。该工具已开源（GitHub地址），未来计划优化界面、简化操作流程并新增动态编写功能。（149字）
2026-01-12 00:08:46
138
原创 满屏祝福代码
这里通过触发每个窗口的space事件来销毁（假设窗口都绑定了space事件）# 实际更严谨的方式是保存所有window实例，这里为简化做此处理。"记得吃水果", "保持好心情", "好好爱自己", "我想你了",# 优化的退出功能：按空格销毁当前窗口，按ESC退出所有窗口并结束程序。"多喝水哦~", "保持微笑呀", "每天都要元气满满","别熬夜", "今天过得开心嘛", "天冷了，多穿衣服""顺顺利利", "早点休息", "愿所有烦恼都消失","梦想成真", "期待下一次见面", "金榜题名",
2025-10-31 09:04:31
540
原创 Cursor 白嫖续费问题处理
当看到以下提示时重置Cursor试用期：`too many free trial accounts used on this machine.`两个解决方法
2024-12-16 11:25:20
3354
原创 DNS入门
有时候，网络明明没有问题，但就是访问不了特定正常的网站。有时候更是只有微信等软甲可以使用，但是无法访问网页出现这些现象时，本地DNS就有可能被污染了。
2024-09-17 01:01:09
1367
原创 创建容器失败
本地未安装NVIDIA Container Toolkit 工具。安装NVIDIA Container Toolkit。可以设置代理，通过本地网络进行下载。服务器可能会因为网络原因下载失败。
2024-09-08 12:56:15
940
原创 SparseOptFlow 和 GMC
稀疏光流（Sparse Optical Flow，简称 SparseOptFlow）是一种用于估计视频序列中两帧之间或两幅图像之间的运动的技术，通过跟踪第一帧中的一组特征点到第二帧。然而，就压缩效率而言，其好处可能是显著的，特别是在具有复杂运动的视频内容中。：在某些情况下，可能会对运动向量进行优化以提高预测的准确性，这可能涉及使用更复杂的技术，如迭代方法或使用额外的帧。：一旦跟踪到点，算法估计描述这些点从第一帧到第二帧运动的运动向量。：最后，补偿后的帧（实际帧和预测帧之间的差异）被编码进视频流中。
2024-04-24 17:11:28
1283
原创 Linux中的中文名
只需要直接复制乱码那一部分进行操作即可，虽然最终命令行显示的内容都是同样的文字，但是Linux读取的信息不同。当你对这个文件（文件夹）进行操作时，系统无法找到你所描述的文件，因为你输入的名称和系统中的名称不一致。所以为什么不建议再Linux系统中或者代码路径下使用中文名呢。直接输入文件名无操作，那么如何操作这个文件呢？图 Linux系统眼中的文件名。这个还请看到的大佬解惑一二。可能和编码格式有关？那么这样就导致一个结果。
2024-04-20 20:58:18
215
原创 人脸识别实战
1.直接下载压缩包，之后在本地进行解压，以达到下载源码的作用。实战共有9步，其中每一步走的都远比想象的困难。止步于此，待通过其他攻略解决之后产生的问题。OpenCV没有可以调用的摄像头设备。在运行如下命令配置环境时，总会报错。Linux系统没有摄像头……然后进行人脸信息的录入。
2024-02-27 22:53:42
766
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人