<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[weixin_43336108的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/weixin_43336108</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; weixin_43336108]]></copyright><item><title><![CDATA[windows系统装轻量版linux开发]]></title><link>https://blog.csdn.net/weixin_43336108/article/details/161084397</link><guid>https://blog.csdn.net/weixin_43336108/article/details/161084397</guid><author>weixin_43336108</author><pubDate>Thu, 14 May 2026 15:47:35 +0800</pubDate><description><![CDATA[【代码】windows系统装轻量版linux开发。]]></description><category></category></item><item><title><![CDATA[大模型vllm部署教程]]></title><link>https://blog.csdn.net/weixin_43336108/article/details/159462277</link><guid>https://blog.csdn.net/weixin_43336108/article/details/159462277</guid><author>weixin_43336108</author><pubDate>Wed, 25 Mar 2026 10:36:45 +0800</pubDate><description><![CDATA[近期去做agent开发了，需要部署大模型，这里整理了vllm部署大模型的教程，亲测有效。3. OpenAI接口调用。2. 测试部署后的模型。]]></description><category></category></item><item><title><![CDATA[时序预测中时间序列做掩码操作代码]]></title><link>https://blog.csdn.net/weixin_43336108/article/details/155229329</link><guid>https://blog.csdn.net/weixin_43336108/article/details/155229329</guid><author>weixin_43336108</author><pubDate>Tue, 25 Nov 2025 11:27:12 +0800</pubDate><description><![CDATA[【代码】时序预测中时间序列做掩码操作代码。]]></description><category></category></item><item><title><![CDATA[batchnorm1d，layernorm，revin区别]]></title><link>https://blog.csdn.net/weixin_43336108/article/details/149397551</link><guid>https://blog.csdn.net/weixin_43336108/article/details/149397551</guid><author>weixin_43336108</author><pubDate>Wed, 16 Jul 2025 14:28:13 +0800</pubDate><description><![CDATA[batchnorm1d是指同一特征下，所有batch的所有序列进行求均值标准差归一化。revin是指同一batch，同一特征下，所有序列进行均值标准差归一化，即样本归一。layernorm是指每个序列的所有特征进行求均值标准差归一化。]]></description><category></category></item><item><title><![CDATA[深度学习pytorch整体流程]]></title><link>https://blog.csdn.net/weixin_43336108/article/details/149177675</link><guid>https://blog.csdn.net/weixin_43336108/article/details/149177675</guid><author>weixin_43336108</author><pubDate>Mon, 07 Jul 2025 17:29:48 +0800</pubDate><description><![CDATA[【代码】深度学习pytorch整体流程。]]></description><category></category></item><item><title><![CDATA[pytorch（gpu版本安装）]]></title><link>https://blog.csdn.net/weixin_43336108/article/details/147461431</link><guid>https://blog.csdn.net/weixin_43336108/article/details/147461431</guid><author>weixin_43336108</author><pubDate>Wed, 23 Apr 2025 19:18:43 +0800</pubDate><description><![CDATA[pytorch（gpu版本安装）]]></description><category></category></item><item><title><![CDATA[大模型chagpt原理（持续更新）]]></title><link>https://blog.csdn.net/weixin_43336108/article/details/145551601</link><guid>https://blog.csdn.net/weixin_43336108/article/details/145551601</guid><author>weixin_43336108</author><pubDate>Mon, 10 Feb 2025 15:46:37 +0800</pubDate><description><![CDATA[根据李宏毅课程可知，大模型chatgpt基本原理分为三步（每一步都是在做文字接龙，但训练资料不同）对资料进行去重，劣质优质划分，过滤等操作，将资料划分为一笔笔训练样本基于模型生成的几个答案进行打分，若打分较高，则微调模型参数，使得模型生成打分高的答案概率较高]]></description><category></category></item><item><title><![CDATA[openAI官方prompt技巧（二）]]></title><link>https://blog.csdn.net/weixin_43336108/article/details/145515826</link><guid>https://blog.csdn.net/weixin_43336108/article/details/145515826</guid><author>weixin_43336108</author><pubDate>Sat, 08 Feb 2025 14:55:45 +0800</pubDate><description><![CDATA[分子，想象一下，它是一个令人惊叹的小小构造块——如此微小，以至于肉眼不可见！我迫不及待地想用它们来定制我的 GPT，并与特定用户共享！为 ChatGPT 指定一个角色，让其从特定的身份或视角回答问题。你是一名数据分析师，负责我们的市场营销团队。请总结上个季度的营销活动表现，并强调与未来活动规划相关的关键指标。我们将安排会议在下周五，并审核你对项目计划的更新。请邀请产品团队的联系人，并准备好分享下一步计划。步骤 3 - 根据建议的修改重写文本。你将收到一段用三重引号包围的文本。总结以下文本的主题和情绪。]]></description><category></category></item><item><title><![CDATA[openAI官方prompt技巧（一）]]></title><link>https://blog.csdn.net/weixin_43336108/article/details/145498249</link><guid>https://blog.csdn.net/weixin_43336108/article/details/145498249</guid><author>weixin_43336108</author><pubDate>Fri, 07 Feb 2025 17:03:50 +0800</pubDate><description><![CDATA[【代码】openAI官方prompt技巧（一）]]></description><category></category></item><item><title><![CDATA[Leetcode（循环排序习题思路总结，持续更新。。。）]]></title><link>https://blog.csdn.net/weixin_43336108/article/details/144267230</link><guid>https://blog.csdn.net/weixin_43336108/article/details/144267230</guid><author>weixin_43336108</author><pubDate>Thu, 05 Dec 2024 15:22:51 +0800</pubDate><description><![CDATA[【代码】Leetcode（循环排序习题思路总结，持续更新。。。]]></description><category></category></item><item><title><![CDATA[Leetcode（区间合并习题思路总结，持续更新。。。）]]></title><link>https://blog.csdn.net/weixin_43336108/article/details/144114652</link><guid>https://blog.csdn.net/weixin_43336108/article/details/144114652</guid><author>weixin_43336108</author><pubDate>Fri, 29 Nov 2024 14:35:37 +0800</pubDate><description><![CDATA[【代码】Leetcode（区间合并习题思路总结，持续更新。。。]]></description><category></category></item><item><title><![CDATA[算法开发流程（二、算法开发以及测试）]]></title><link>https://blog.csdn.net/weixin_43336108/article/details/144103524</link><guid>https://blog.csdn.net/weixin_43336108/article/details/144103524</guid><author>weixin_43336108</author><pubDate>Thu, 28 Nov 2024 10:00:08 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[Leetcode（快慢指针习题思路总结，持续更新。。。）]]></title><link>https://blog.csdn.net/weixin_43336108/article/details/144081805</link><guid>https://blog.csdn.net/weixin_43336108/article/details/144081805</guid><author>weixin_43336108</author><pubDate>Wed, 27 Nov 2024 13:44:25 +0800</pubDate><description><![CDATA[这种算法的两个指针的在数组上（或是链表上，序列上）的移动速度不一样。快的一个指针肯定会追上慢的一个（可以想象成跑道上面跑得快的人套圈跑得慢的人）]]></description><category></category></item><item><title><![CDATA[Leetcode（双指针习题思路总结，持续更新。。。）]]></title><link>https://blog.csdn.net/weixin_43336108/article/details/144078220</link><guid>https://blog.csdn.net/weixin_43336108/article/details/144078220</guid><author>weixin_43336108</author><pubDate>Wed, 27 Nov 2024 11:18:59 +0800</pubDate><description><![CDATA[我们需要双指针的原因是：如果你只用一个指针的话，你得来回跑才能在数组中找到你需要的答案。这一个指针来来回回的过程就很耗时和浪费空间了。），直到他们有一个或是两个都满足某种条件。双指针通常用在排好序的数组或是链表中。双指针是这样的模式：两个指针朝着左右方向移动（双指针分为同向双指针和。]]></description><category></category></item><item><title><![CDATA[Leetcode（滑动窗口习题思路总结，持续更新。。。）]]></title><link>https://blog.csdn.net/weixin_43336108/article/details/143884036</link><guid>https://blog.csdn.net/weixin_43336108/article/details/143884036</guid><author>weixin_43336108</author><pubDate>Tue, 19 Nov 2024 14:22:45 +0800</pubDate><description><![CDATA[我们维护一个可变的窗口，这个窗口的左右边界分别用指针 start 和 end 表示。就是首先遍历窗口从1到len(nums)，然后再遍历该窗口长度下的所有数组，计算和，因为窗口长度从小遍历，所以只要出现和 >= target 就结束计算，时间复杂度是N2。：我们需要记录 T 中字符的频率，并在窗口中保持一个字典来统计窗口内的字符频率。停止增加 right，转而不断增加 left 指针缩小窗口 [left, right]，直到窗口中的字符串不再符合要求。]]></description><category></category></item><item><title><![CDATA[ubuntu服务器离线安装pytorch（cpu版本和gpu版本）]]></title><link>https://blog.csdn.net/weixin_43336108/article/details/143156359</link><guid>https://blog.csdn.net/weixin_43336108/article/details/143156359</guid><author>weixin_43336108</author><pubDate>Tue, 22 Oct 2024 15:01:44 +0800</pubDate><description><![CDATA[注意torch版本和python版本对应。（因为无nvidia显卡）]]></description><category></category></item><item><title><![CDATA[ubuntu系统服务器离线安装python包]]></title><link>https://blog.csdn.net/weixin_43336108/article/details/142164230</link><guid>https://blog.csdn.net/weixin_43336108/article/details/142164230</guid><author>weixin_43336108</author><pubDate>Thu, 12 Sep 2024 10:14:21 +0800</pubDate><description><![CDATA[查看服务器属于x_86架构还是arm架构、cpython还是pypy。]]></description><category></category></item><item><title><![CDATA[机器学习算法（二）线性模型]]></title><link>https://blog.csdn.net/weixin_43336108/article/details/140848803</link><guid>https://blog.csdn.net/weixin_43336108/article/details/140848803</guid><author>weixin_43336108</author><pubDate>Thu, 01 Aug 2024 16:09:59 +0800</pubDate><description><![CDATA[假设预测为正例（ y == 1） 的概率为 p，则预测为负例（ 1 -  y == 0） 的概率为 1 - p，有n个样本。线性回归得到的是一个实数值 z ，用sigmoid函数可以将其映射到 0 - 1 之间，即p =假设自变量X矩阵有3个特征，因变量是Y矩阵，w是系数矩阵。：误差平方和函数（Y - label）** 2。]]></description><category></category></item><item><title><![CDATA[深度学习算法bert]]></title><link>https://blog.csdn.net/weixin_43336108/article/details/140202697</link><guid>https://blog.csdn.net/weixin_43336108/article/details/140202697</guid><author>weixin_43336108</author><pubDate>Fri, 05 Jul 2024 11:07:01 +0800</pubDate><description><![CDATA[现在来了一个新任务，并有一个新模型，我们使用已经训练过的模型(预训练的模型) m 的参数来初始化新的模型，而不是使用随机参数来初始化新模型。判断是否下一句（预测CLS）），但接下来可以做其他任务，又叫微调（，不同的bert在encoder层数、注意力头数、隐藏单元数不同。bert 属于自监督学习的一种（输入x的部分作为label）2. 假设我们有一个模型 m ，首先我们为某种任务使用。3. bert（预训练做两个任务，一是。4. 输入到bert模型之前需要。（预测被屏蔽掉的词）二是。]]></description><category></category></item><item><title><![CDATA[算法开发流程（一、算法调研）]]></title><link>https://blog.csdn.net/weixin_43336108/article/details/140157378</link><guid>https://blog.csdn.net/weixin_43336108/article/details/140157378</guid><author>weixin_43336108</author><pubDate>Wed, 03 Jul 2024 17:07:47 +0800</pubDate><description><![CDATA[]]></description><category></category></item></channel></rss>