训练总结8.10

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 200+累计阅读 281平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄10年

关注

原创最新推荐文章于 2026-07-01 18:38:00 发布 281 阅读 AI 写同款· GEO 优化 ›

高速SERDES技术解析：从8B/10B编码到10GBASE-KR链路训练实战高速串行通信技术是现代数据中心与高性能计算的核心基础，它通过将并行数据转换为高速串行流，解决了PCB布线复杂度和信号完整性的关键挑战。其核心原理涉及数据编码、时钟恢复与信道均衡，其中8B/10B编码通过引入K28.5等控制字符确保直流平衡与字节对齐，而64B/66B编码则提升了传输效率。这些技术通过物理层收发器实现，显著降低了系统互联成本与功耗，并支撑了10GBASE-KR等高速背板标准。在工程实践中，链路训练与自动协商机制能动态优化信道性能，确保在复杂环境下实现可靠的数据传输。本文以TLK10031为例，阅读详情

今天做了做二分三分的，简单回忆了知识点，有的题是原先做过的，总之是比较简单经典的。一些题

Strange fuction 三分

Can you solve this equation?

Pie

今天下午的题做了四道,做出来比较容易,但是太容易WA了,找错,刚刚还在找一个题的错.......

求星期几的问题

一个数塔问题

Satellite Photographs（dfs）

收录于

随笔日记

当前文章被收录于：

随笔日记

32 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

PCIe物理层实战：手把手教你分析8b/10b编码与链路训练过程本文深入解析PCIe物理层核心机制，聚焦8b/10b编码原理与链路训练实战。通过示波器波形与LTSSM状态分析，手把手指导如何排查链路训练失败、信号完整性等常见问题，为FPGA与硬件工程师提供一套清晰的物理层调试方法论。阅读详情

相关推荐

YOLOv10精度上不去？QAT量化感知训练全流程，INT8推理mAP只掉0.8%

普通PTQ量化虽简单，但无法应对YOLOv10的小目标特征和激活分布波动，导致精度暴跌。QAT通过“模拟量化误差+联合优化权重与量化参数”，让INT8模型精度接近FP16，同时速度提升1.8倍，完美适配实时检测场景（如安防监控、自动驾驶）。该流程已在工业级项目中验证，针对YOLOv10的优化策略（敏感层保护、小目标加权、分阶段训练）可直接迁移至其他YOLO系列（v8/v9），量化后精度损失均可控制在1%以内。

专注于Python爬虫开发，分享爬虫技巧、项目实战与反爬经验，使用Scrapy、BeautifulSoup等工具，解决数据抓取难题。 915

yolov10训练模型并在利用openvino进行int8量化部署

环境：python 3.10版本训练：cuda 12.4 pytorch 2.4.0部署应用 intel nuc i3 老虎峡谷。

Yyh1234_的博客 1244

基于YOLOv5、YOLOv8与YOLOv10的运动员训练状态分析：深度学习实现与应用

YOLOv5是YOLO系列中的一个重要版本，相比于其前辈版本，YOLOv5通过不断的优化，提升了速度和精度的平衡，并且易于使用和部署。YOLOv5能够在实时场景下精准地进行目标检测，非常适合于运动员动作分析的应用。通过YOLOv5，我们可以轻松检测运动员的姿势、位置、运动轨迹等，为训练提供实时反馈。本文介绍了如何基于YOLOv5、YOLOv8与YOLOv10实现运动员训练状态的分析。通过数据集的准备、模型的训练与优化、UI界面的实现，我们构建了一个高效且准确的运动员训练分析系统。

YOLO 562

yolov8pose(8.2.10版本)训练自己的关键点检测数据集(windows10)

使用labelme标注数据先标注框，把框标注完再标注关键点（关键点不要一张图片全部类别标完，现把所有图片的某一类关键点标注完，再回来标注另一类，依次类推。。。原因（快且不易错））1.标注框2.标注关键点标注完后在图片文件夹李会有对应的json文件（如图）使用此代码可视化检查数据。

m0_71816999的博客 4532

基于YOLOv8的伪装目标检测：COD10K数据集训练与UI界面实现

COD10K是目前最大规模的伪装目标检测数据集之一，包含多种类型的伪装物体，专为伪装目标检测任务设计。本文详细讲解了伪装目标检测中利用YOLOv8和COD10K数据集完成端到端训练与应用流程，包括数据预处理、标签生成、训练代码、推理可视化及交互式UI实现。结合伪装目标分割网络提升检测精度多类别伪装目标识别扩展轻量化模型用于移动端部署利用时序视频增强目标跟踪能力。

YOLO 940

RK3588 EVB开发板原理图讲解【六】

该原理图展示了eMMC Flash与主控芯片之间的连接关系，以及相关的电源、信号线路和去耦电容等。

weixin_48721556的博客 1169

YOLOv8训练效率提升10倍的5个技巧

通过监控梯度幅值动态调整scaler，既能保持模型精度，又能充分利用GPU的Tensor Core加速。比如对于小目标居多的数据集，推荐以缩放和平移为主；配合线性缩放规则调整学习率，8卡训练效率可达单卡的6.5倍，且mAP仅下降0.3%。实测这些方法时，发现它的Jupyter环境预装了PyTorch和CUDA工具包，省去了繁琐的环境配置。经过系统优化后，原本需要1天的训练现在2小时就能完成，而且准确率还有小幅提升。经过反复实践，我总结出5个能显著提升训练效率的技巧，有些方法甚至能让训练速度提升10倍以上。

SnowflakeJaguar14的博客 697

超简单的视频换脸，效果相当不错！完全白嫖的技术，来自ComfyUI 官方客户端一键搞定！手把手教会你如何下载安装部署，而且教你如何使用。

如果你电脑上没有安装Visual Studio的C++桌面开发组件，还有Windows应用SDK C++模板，那么你需要自行去下载安装下【安装后默认界面会自动识别系统语言，当然如果你是中文繁体用户，那么你可以在 ComfyUI 的管理器里下载。】并把它放入根目录-models-insightface文件夹内，同时下载视频换脸工作流【分享手把手教你视频换脸，本地部署，轻轻松松当上“电影主角”】，否则insightface无法被正常载入。）这是换脸必备的工具，安装后重启；

TianLeung的博客 2854

yolov8/yolov10 MLU370 实现推理/单多卡训练！

本章主要操作以yolov8为主，但是yolov10用该操作也能直接适用，开干！

xiaojunjun200211的博客 3531

caverdock如何使用，一文给你多方案教学！

🏆本文收录于《全栈 Bug 调优（实战版）》专栏。专栏聚焦真实项目中的各类疑难 Bug，从成因剖析 → 排查路径 → 解决方案 → 预防优化全链路拆解，形成一套可复用、可沉淀的实战知识体系。无论你是初入职场的开发者，还是负责复杂项目的资深工程师，都可以在这里构建一套属于自己的「问题诊断与性能调优」方法论，助你稳步进阶、放大技术价值。

**My Coding Family** 1388

运行codex时出现登录失败:failed to start login server: 以一种访问权限不允许的方式做了一个访问套接字的尝试。 (os error 10013) 解决方案

的本质是Windows 系统端口保留策略而非代码 bug。推荐使用方案一（调整动态端口范围），一劳永逸解决。如果你安装了 Docker Desktop 或启用了 WSL2，调整端口范围后记得检查相关服务是否正常运行。

一键难忘的博客 4154

如何用yolov8训练自动无人驾驶数据集 10万图片 yolo通用汽车驾驶视角数据集该如何训练

如何训练这个数据？自动驾驶数据集，包含10万张图片 yolo可直接使用可用于自动驾驶目标识别研究标注十个目标类别: ["person", "rider", "car", "bus", "truck", "bike", "motor", "traffic light", "traffic sign","train"]

2401_88441190的博客 1024

【Claude Code的Harness Engineering实现】：06-记忆系统（Memory）

记忆系统是Claude Code实现跨会话持久化和上下文保持的核心组件。它分为短期记忆（当前会话的对话历史）和长期记忆（跨会话保留的结构化信息），通过多层级的文件系统实现灵活的记忆管理。

rengang66的博客 240

如何使用Yolov8训练——GC10-DET钢材缺陷数据集 2293张图像，10种瑕疵类型：包括VOC和YOLO两种格式，YOLO格式给出yaml文件，yolov8可直接跑

如何训练GC10-DET钢材缺陷数据集，并提供使用YOLOv8进行训练的详细步骤和代码。数据集介绍深色版本├── train/├── val/└── test/每个文件夹中包含对应的图像文件和标签文件。确保所有图像文件都是.jpg格式，而标签文件是.txt格式，并且它们的名字与对应的图像文件相同。数据集配置文件创建一个数据集配置文件（如gc10_det_dataset.yaml），该文件定义了数据集的基本信息，包括路径、类别等。示例配置如下：yaml深色版本。

2401_88441190的博客 1682

【AI应用实战-Codex】Mac intel芯片下安装Codex（二）

摘要：本文介绍了在Intel芯片Mac上安装OpenAI Codex桌面应用时遇到的问题及解决方法。由于官方仅提供ARM64版本，导致Intel Mac无法直接运行。解决方案包括：1）使用社区脚本将ARM版DMG与x64 Electron重新打包成兼容版本；2）使用VSCode插件配合CLI作为替代方案。文章详细记录了重新打包过程中遇到的"electron_common_owl_features"绑定缺失错误，通过注入stub代码、重算ASAR完整性哈希等步骤成功解决问题。最终生成的Co

3523

企业第三方应用开发概述_测试第三方应用对接企业_以及如何使用流程_Demo演示---企业微信开发002

那么第三方公司开发了应用,做为服务提供商,如果,一个企业想使用这个应用,我开发的这个应用的话,那么。其实就是给我们的应用,安装一个,使用他的企业,分配一共企业允许这个企业使用我们的应用的功能,可以看到其实就是多了运营规范,因为,第三方应用,其实就相当于,是第三方公司开发的,程序,首先来看一下。然后再来看,这里我们选择这个公司,其实可以,选择到具体的,部门,或者是。然后我们使用一个企业的管理员账号进行,扫码,来授权,这个应用,可以。其实就是指定,我这个企业中,哪个部门,或者哪些员工,可以使用。

添柴程序猿的专栏 412

YOLOv8、YOLOv10、YOLO11环境搭建、创建数据集、训练推理教程（超级详细）

YOLOv8、YOLOv10、YOLO11使用教程，适合和我一样的小白

我的青春一去不复返 9489

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

win10上yolov8训练自己的模型

在win10用yolov8和cpu训练自己的模型

qq_39490370的博客 1289

SIMATIC S7-1200, S7-1500 PID 控制[手册]

IEM模型，地表粗糙度模拟

利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟

如何使用Yolov8训练——GC10-DET钢材缺陷数据集，10种瑕疵类型：检测钢材缺陷检测数据集中的冲孔、焊缝、新月形缝隙、水斑、油斑、丝斑、夹杂物轧坑折痕

2401_86822270的博客 2427

Camera2Demo

在Camera2 的基础上进行封装，使得Camera2一堆初始化逻辑与Activity分离，降低耦合度，完成预览拍照并保存的操作

10个MindSpeed/Qwen3-8B训练技巧：提升大语言模型训练效率的秘诀

🚀 **Qwen3-8B大语言模型训练** 是当前AI领域的热门话题，特别是在昇腾NPU硬件平台上。作为阿里云最新发布的8B参数规模模型，Qwen3-8B在MindSpeed-LLM框架下的训练效率优化尤为重要。本文将分享10个实用的训练技巧，帮助开发者显著提升**Qwen3-8B模型训练**效果。 ## 1. 环境配置优化：打好训练基础 **Qwen3-8B训练**的第一步是环境配置。确保

gitblog_00269的博客 394

Windows10下YOLOv8-Pose(8.2.10)从零部署：自定义数据集训练与工程化推理实战

本文详细介绍了在Windows10系统下从零部署YOLOv8-Pose(8.2.10)的全流程，包括环境配置、自定义数据集标注与训练、模型调优及工程化推理实现。重点讲解了关键点检测任务的数据处理技巧和实战部署方案，帮助开发者快速掌握YOLOv8-Pose在姿态估计领域的应用。

weixin_42523720的博客 415

五、自定义训练集在YOLOv8和YOLOv10上的训练过程

参数配置文件位置在/ultics/cfg/default.yaml，YOLOv8源码：https://github.com/ultralytics/ultralytics

weixin_44463519的博客 1264

Windows10+YOLOV8环境配置与模型训练（上+环境配置）

这个路径的意思是使用E:\ultralytics-main文件夹下面的yolov8n.pt模型，对E:\ultralytics-main\ultralytics\assets\bus.jpg图片进行检测，如果想要用分割模型，则使用yolov8n-seg.pt。就可以在E:\ultralytics-main\runs\detect\predict\bus.jpg路径中看到检测后的图片。在虚拟环境中，进入E:\ultralytics-main文件夹。然后输入cd E:\ultralytics-main。

m0_69253695的博客 567

上一篇： Satellite Photographs（dfs）

下一篇： Max Factor（找最大素数）

YOLOv10精度上不去？QAT量化感知训练全流程，INT8推理mAP只掉0.8%

专注于Python爬虫开发，分享爬虫技巧、项目实战与反爬经验，使用Scrapy、BeautifulSoup等工具，解决数据抓取难题。

10-24

915