- 博客(620)
- 资源 (66)
- 收藏
- 关注
RSS订阅原创 CC Switch 统一管理各应用
摘要：当本地环境检查显示"已就绪"但无法在Windows命令窗口使用相关命令时，问题通常源于环境变量未正确配置。解决方法是找到应用的实际安装路径并添加到环境变量中：1）默认路径为%APPDATA%\npm；2）若使用Node版本管理器，路径会变更：NVM-Windows可能在C:\nvm4w\nodejs\或C:\Program Files\nodejs\，Volta在%LOCALAPPDATA%\Volta\bin\，pnpm/yarn则在%LOCALAPPDATA%\pnpm\或%LOCALAPPDAT
2026-06-09 17:13:55
250
原创 视觉Transformer的“近视眼”手术：详解CVPR 2026爆款论文 LaSt-ViT
在计算机视觉领域，Vision Transformer (ViT) 已经成为当之无愧的基石模型。无论是图像分类、目标检测还是语义分割，ViT 都展现出了统治级的表现。然而，你的 ViT 真的“看懂”图片了吗？
2026-04-23 11:37:58
933
原创 深度解读米哈游蔡浩宇带队新作：170亿参数视频大模型LPM 1.0，让AI角色真正“活”起来！
深度解读米哈游蔡浩宇带队新作：170亿参数视频大模型LPM 1.0，让AI角色真正“活”起来！
2026-04-23 11:18:03
1587
原创 从零开始的机器学习实战：带你打通数据训练的“任督二脉”
摘要：本文系统介绍了机器学习项目的标准流程，包含数据加载、EDA探索、类别编码、特征归一化、模型训练和评估6个关键步骤。以Titanic数据集为例，详细演示了从数据预处理到模型评估的全过程，包括缺失值处理、特征可视化、LabelEncoder编码、标准化、随机森林建模等核心环节。文章强调数据处理的重要性，指出规范化的Pipeline是模型效果的关键，并提供了完整的Python代码实现和可视化示例，适合机器学习初学者构建完整项目认知框架。
2026-04-08 15:12:46
412
原创 赋予AI真正的“长期记忆”：开源大模型记忆操作系统 MemOS 深度解析与实战
摘要： MemOS是一款开源的大模型记忆操作系统，通过统一管理文本、激活和参数三重记忆，解决AI智能体的"金鱼记忆"问题。其核心创新包括MemCube记忆容器和动态记忆调度器，在基准测试中性能提升159%，成本降低60%。支持多模态记忆和主流模型生态，通过Python SDK可实现记忆的精细化管理和跨会话持久化。MemOS标志着AI从无状态生成器向记忆驱动型智能体的范式转变，为构建个性化AI助理提供基础设施。
2026-03-30 13:52:23
1395
原创 掌控大模型的“温度”：从底层数学到代码实战的终极指南
摘要： 大模型的“温度”（Temperature）参数控制其回答的随机性与创造性。低温度（接近0）使模型保守稳定，选择高概率词，适合代码生成等严谨任务；高温度（接近1或更高）增加随机性，允许低概率词出现，适合创意写作等场景。数学上，温度通过调整原始分数的Softmax概率分布影响选词。代码示例展示了不同温度下模型输出的显著差异。实际应用中，建议根据任务需求选择温度（如T=0.0用于精确任务，T=0.7用于平衡对话），并避免同时调整温度与Top-p参数。掌握温度调节可灵活切换模型的严谨性或创造性。
2026-03-24 14:41:01
547
原创 揭开LoRA微调的神秘面纱：推理时，LoRA究竟是怎么起作用的？
LoRA模型加载机制解析：从理论到实践 本文深入剖析了LoRA（Low-Rank Adaptation）在大型语言模型中的工作原理和应用方式。通过游戏本体与DLC扩展包的比喻，形象地解释了LoRA的两种加载模式：动态外挂和权重合并。从数学角度分析了LoRA如何通过低秩矩阵旁路修改模型行为，并详细展示了LoRA文件的存储结构（adapter_config.json和adapter_model.safetensors）。最后通过实战代码演示了完整的LoRA工作流程：保存、加载、推理和合并。文章特别指出，LoRA
2026-03-23 11:28:24
560
原创 多源车辆数据打通实战指南：从12123接口、爬虫获取电动自行车车辆信息到备案数据推送六合一平台
多源数据获取通过结合12123官方接口和第三方网站爬虫，构建了一个稳定、冗余的数据获取渠道，确保在单一来源不可用时，仍能获取到车辆信息。智能调用控制利用Redis实现了精准的接口调用次数限制，不仅遵守了外部平台的规范，也防止了系统资源被滥用，保障了服务的稳定性。数据推送通过定时任务按时扫描数据库中新增或修改的车辆数据确保数据尽快的上报到六合一平台，满足业务合规要求。
2026-03-20 10:38:58
589
原创 拒绝“金鱼记忆”：OceanBase PowerMem 数据库架构解析与实战指南
摘要：OceanBase PowerMem是一款智能记忆引擎，通过认知科学理论优化AI长期记忆管理。它采用记忆提纯、遗忘曲线权重和混合检索（向量+全文+标量+图检索），解决上下文腐化、Token成本高和记忆冗余问题。实战演示中，PowerMem快速记录用户偏好（如咖啡口味），并在新对话中精准召回相关记忆，显著提升AI应答准确性。相比全量上下文方案，可降低96.53%的Token成本，支持SQLite/OceanBase等多种存储后端，十分钟即可构建具备长期记忆的AI智能体。
2026-03-19 14:18:40
646
原创 深入浅出 Milvus 向量数据库：从核心原理到 Python 实战指南
摘要： Milvus作为开源向量数据库，在AI时代成为处理高维向量数据的关键工具。本文从理论到实践，详解Milvus的核心概念（如集合、距离度量）和云原生架构，并通过Python实战演示如何结合sentence-transformers模型构建语义检索引擎。代码示例涵盖数据向量化、存储及语义搜索，展现其在大模型知识库（RAG）、多模态搜索等场景的应用价值，帮助开发者快速掌握这一技术。 （字数：150）
2026-03-18 09:57:11
808
原创 主流大模型适用场景与优缺点深度解析（2026.03）
摘要：AI技术正推动从业者从"执行者"转变为"指挥官"，需要建立"AI领导力"思维。文章提出四大核心要素：精准目标设定、过程管理、结果验收和知AI善任，并详细分析了Claude、Gemini、GLM、Kimi等主流AI模型的优缺点及适用场景。同时推荐了Cursor、CodeBuddy等专业生产力工具，强调应根据成本、逻辑需求和工程配套构建动态调度流。在AI时代，从业者的核心价值将取决于其"AI领导力"，即精准判断和编排AI工具的
2026-03-17 14:46:14
683
原创 告别“直觉编程”：OpenSpec 规范驱动开发 (SDD) 工作流完全指南
摘要： OpenSpec 是一款规范驱动的 AI 辅助开发工具，通过结构化工作流解决 AI 编程中的上下文丢失问题。其核心采用"行动而非阶段"的敏捷理念，提供四个关键指令：/opsx:explore（需求探索）、/opsx:propose（规范提案）、/opsx:apply（任务实施）和/opsx:archive（变更归档），形成严格的"提案→需求→设计→任务"依赖链。该工具支持随时回溯修改，推荐每个变更保持独立逻辑单元，并提供进阶的验证、批量归档等功能，使AI能像工
2026-03-13 14:16:04
1145
原创 教程：将 Python Playwright 脚本打包为独立 Windows EXE (含浏览器内核)
摘要：本文介绍了一种将Python Playwright脚本打包成独立exe文件的方案，解决了非技术用户使用时的环境依赖问题。通过动态检测运行环境并重定向浏览器路径，结合PyInstaller将代码、依赖库和Chromium内核打包。关键步骤包括：1) 编写适配代码处理打包环境的路径问题；2) 使用PowerShell脚本自动化下载浏览器并构建exe。最终生成的exe文件可零依赖运行，支持命令行参数配置，并具备友好的错误提示功能。
2026-03-03 16:26:51
1307
原创 Apache Doris 进阶：高并发点查（Point Query）最佳实践指南
本文介绍了如何在Apache Doris中优化高并发点查(Point Query)性能。通过启用短路路径(Short Circuit)机制，绕过传统OLAP查询流程，实现仅需一次RPC即可完成查询。优化方案包括：1)建表时配置Unique Key模型、Merge-On-Write和行存储；2)客户端使用JDBC预处理语句；3)服务端开启行缓存；4)通过EXPLAIN验证是否命中SHORT-CIRCUIT路径。这套组合方案可使Doris在保持OLAP优势的同时，满足高并发线上服务的毫秒级响应需求。
2026-03-03 10:16:16
844
原创 Doris RAG 代码速读与实现要点
本文基于Apache Doris实现RAG流程，涵盖向量入库、检索生成、服务部署等核心模块。项目通过配置Doris连接、Embedding/LLM模型等参数，支持Markdown文档的离线索引构建（包括文本清洗、分块、向量化及HNSW索引创建）。服务层提供FastAPI接口和CLI两种交互方式，实现查询增强、向量检索和LLM生成完整链路。特别设计了知识图谱实验模块，采用向量+SQL混合方式管理图数据。项目提供中英双语支持，可快速部署体验，并给出性能优化建议，为基于Doris的RAG应用开发提供参考实现。
2026-02-06 15:06:30
898
原创 Doris 与 OceanBase 物化视图对比分析
摘要： Doris与OceanBase在物化视图架构、刷新机制、查询优化等方面存在显著差异。Doris采用双轨制（同步/异步物化视图），支持实时同步和分布式存储；OceanBase仅支持异步视图，通过全量/增量刷新实现。Doris在实时分析、资源管控方面占优，而OceanBase更适合HTAP混合负载场景。选型需考虑实时性、HTAP需求及资源管理等因素，Doris适合纯分析场景，OceanBase更适合一体化HTAP系统。两者各有优势，需根据具体业务需求选择。
2026-01-30 16:50:23
476
原创 Python 完整学习计划
本文为Java开发者设计的Python系统学习计划，分为6个阶段，总周期12-18周。计划从基础语法与核心概念（1-2周）开始，重点对比Python与Java在动态类型、缩进语法、字符串操作等差异。随后涵盖面向对象、标准库、Web开发、数据处理等进阶内容。基础阶段详细讲解Python特有的列表推导式、字典操作、元组解包等特性，以及控制流程和函数定义方式。该计划特别适合有Java基础但希望系统掌握Python的开发者，通过对比两种语言差异帮助快速理解Python特性，最终达到全面掌握Python开发能力的目标
2026-01-20 16:53:48
948
原创 OceanBase SeekDB 详解：三行代码构建 AI 原生应用的“全能”数据库
摘要：OceanBase推出的开源AI原生数据库SeekDB，创新性地将向量检索、全文检索和结构化查询整合到单一引擎中，解决了多数据库管理难题。其轻量化设计（1C2G即可运行）、MySQL兼容性和内置AI功能（如embedding/rerank），显著简化了AI应用开发流程。支持Docker、RPM和嵌入式Python三种部署方式，通过混合搜索能力提升RAG准确率，是AI 2.0时代的高效数据解决方案。
2026-01-19 14:38:16
1120
原创 Swift SFT Qwen-VL LoRA 微调指令详解
本文详细介绍了使用ModelScope Swift框架对Qwen-VL视觉语言大模型进行LoRA微调的完整脚本配置。该配置通过环境变量优化显存管理，设置多模态数据处理上限，并采用极节省显存的训练策略：单卡单条数据、梯度累积、冻结视觉模块、LoRA微调仅线性层等。参数解析涵盖模型路径、数据加载、训练核心设置、显存优化、LoRA配置、数据处理、优化器调整等全流程，提供了一套高效稳定的视觉语言模型微调方案，特别适合资源受限场景下的多模态模型适配。
2026-01-16 11:06:04
1122
原创 使用 `ms-swift` 微调 Qwen3-VL-2B 详细指南
本文介绍了在AutoDL服务器上微调Qwen3-VL-2B-Instruct模型用于图片OCR识别的完整流程。首先说明了服务器配置选择建议，然后详细阐述了环境搭建、数据准备、微调命令执行等步骤。通过LoRA方法进行轻量级微调，生成适配车牌识别的模型，并展示了推理测试过程。文中强调实际应用需要更多训练数据，并提供了相关资源链接。整个过程展示了如何利用现有大模型快速实现特定OCR任务的定制化解决方案。
2026-01-15 17:19:58
795
原创 【深度硬核】大模型白盒蒸馏：原理、架构与实战详解
摘要：白盒蒸馏（White-box KD）通过利用大模型的内部状态（Logits、Hidden States）实现高效知识迁移，相比黑盒蒸馏能获得更好的性能和泛化能力。其核心是通过KL散度和MSE损失函数，将学生模型的输出层和中间层与教师模型对齐。实战中需处理维度不匹配问题并设计合理的损失权重，但面临显存消耗、教师模型适配等挑战，需采用梯度累积、混合精度训练等技术优化。白盒蒸馏为小模型赋予大模型能力提供了有效路径。
2026-01-14 16:58:25
743
原创 从巨人的肩膀起飞：大模型蒸馏（LLM Distillation）完全指南
大模型蒸馏技术：轻量化部署的关键方法 摘要：大模型蒸馏（Knowledge Distillation）通过将庞大"教师模型"的知识迁移到小型"学生模型"，实现高性能轻量化部署。技术分为白盒蒸馏（利用Logits和隐层状态）和黑盒蒸馏（基于API生成文本），前者精度更高，后者适用性更广。核心方法包括：1）Logits蒸馏（通过KL散度匹配概率分布）；2）指令蒸馏（合成<SFT数据训练）；3）思维链蒸馏（CoT）传授推理过程。PyTorch代码示例展示了基于Hugg
2026-01-14 16:05:12
1839
原创 SVD 算法详解：给数据做个“CT扫描”
SVD（奇异值分解）是矩阵分解的数学基石，能将复杂数据拆解为三个核心矩阵：用户特征(U)、特征强度(Σ)和物品特征(V)。其本质是通过低秩近似实现有损压缩，保留主要特征而舍弃噪声。虽然标准SVD要求稠密矩阵，但推荐系统中常用其变种FunkSVD来处理稀疏数据。SVD不仅用于推荐系统，还广泛应用于图像压缩、降噪和PCA降维等领域，体现了对数据本质特征的精准提取与高效表达。
2026-01-14 14:38:29
604
原创 SGD 算法详解：蒙眼下山的寻宝者
本文对比了ALS（交替最小二乘法）和SGD（随机梯度下降）两种矩阵分解方法。SGD通过随机采样数据点，沿着误差梯度方向逐步调整参数，虽路径曲折但收敛速度快，适合增量更新和流式计算；而ALS则通过精确解析解实现并行计算，适合海量数据分布式处理。文章用“蒙眼下山”比喻SGD的工作原理，并给出参数更新公式，指出SGD以频繁更新换取效率，是推荐系统中快速优化的实用方法。最后通过对比表总结了两者的适用场景和优缺点。
2026-01-14 13:55:27
770
原创 ALS 算法详解：怎么解开“推荐系统”的死结？
本文用通俗易懂的方式介绍了推荐系统中常用的ALS（交替最小二乘法）算法。文章首先通过淘宝推荐、Netflix推荐等生活场景引出矩阵分解的任务：预测用户对未评分物品的偏好。核心思路是将用户-物品评分矩阵分解为用户特征矩阵和物品特征矩阵的乘积。为了优化预测效果，算法设置了包含误差平方和与正则化项的目标函数。ALS通过交替固定一个矩阵优化另一个矩阵的方式，将复杂的非凸优化问题转化为可求解的最小二乘问题，并支持并行计算。这种"冻结-优化"的交替过程不断迭代，直至模型收敛，最终实现准确推荐。
2026-01-14 13:47:40
720
原创 LoRA 训练过程详解：从 0 到“懂你”的进化之路
本文通过教AI写"李白风"古诗的案例，生动阐释了LoRA微调技术的运作机制。初始状态下，随机矩阵A和全零矩阵B无法有效工作，AI仅能输出平淡语句。通过反向传播和梯度下降，矩阵A逐渐学会提取"豪放派"特征（如月亮对应豪放因子），矩阵B则学会将特征转化为风格化输出。经过迭代训练后，系统能够将"大河"等输入精准转化为"君不见黄河之水天上来"等具有李白风格的输出。整个过程展示了LoRA如何通过损失函数指引、梯度雕刻和迭代积累，最终形成有
2026-01-14 11:37:51
633
原创 LoRA 矩阵分解：Rank（秩）与数值的确定机制
本文通过电影推荐系统类比，解释了LoRA（低秩适应）中的秩（Rank）设定和数值初始化机制。秩（r）是人工设定的超参数，控制模型的拟合能力和计算量（常用值为8-64）。矩阵A采用高斯随机初始化，矩阵B初始化为全零，确保训练开始时不影响原始模型性能。LoRA矩阵相乘产生的是权重增量（ΔW），而非直接评分，通过修正原始模型输出来实现特定任务适配。整个过程保持了模型原有功能的同时，通过低秩分解高效学习任务相关特征。
2026-01-14 11:14:57
1040
原创 全网最全！Python、PyTorch、CUDA 与显卡版本对应关系速查表
全网最全！Python、PyTorch、CUDA 与显卡版本对应关系速查表
2026-01-09 09:58:17
19611
1
原创 揭秘：不用 Conda，Python “光杆司令“ 是如何指挥 GPU 跑大模型的？
揭秘：不用 Conda，Python "光杆司令" 是如何指挥 GPU 跑大模型的？
2026-01-08 16:58:29
1020
rtsp-server实现摄像头实时播放（兼容各厂家摄像头&主流浏览器）
2022-10-10
TrueLicense实现系统证书授权
2022-10-11
rtsp-server-vue引用示例
2022-10-10
从0到1使用ES实现昼伏夜出算法完整项目
2022-10-10
policycoreutils-python-2.5-29.el17.x86 audit-libs-2.8.4-4.el7.x8
2022-06-22
arthas-packaging-3.5.4-bin.zip
2021-09-14
OBS.rar开源录屏软件
2021-08-23
Flink SQL Cookbook on Zeppelin搭建相关依赖
2024-12-24
使用脚本实现hadoop-yarn-flink自动化部署
2024-12-07
flink-faker0.2.0-0.4.0
2024-10-29
phpadmin docker镜像
2024-07-29
Ollama 是一个开源框架，专为在本地机器上便捷部署和运行大型语言模型（LLM）而设计 官网下载比较慢，特提供本下载地址
2024-07-05
CentOS7 X86-64 mysql客户端安装包，附安装说明
2024-06-13
apache-dolphinscheduler-3.2.1-src.tar.gz、bin.tar.gz
2024-05-15
flink-1.19.0-bin-scala-2.12.tgz flink-1.16.3-bin-scala-2.12.tgz
2024-05-21
一键安装docker环境：docker、docker-compose
2024-05-15
NPS内网穿透工具，服务器端（CentOS）+客户端（CentOS、Windows）
2024-04-30
Java实现对系统CPU、内存占用率的控制
2024-01-25
docker、docker-compose一键安装，适配CentOS、银河麒麟、统信UOS等
2024-01-10
sigar-amd64-winnt.dllt实现windows操作系统CPU、内存等系统资源监控
2023-11-10
Redis离线安装资源汇总，autoconf、gcc、jemalloc、m4、redis
2022-10-24
nginx端口转发？
2024-06-03
TA创建的收藏夹 TA关注的收藏夹
TA关注的人