<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[L040821的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/L040821</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; L040821]]></copyright><item><title><![CDATA[揭开async/await的神秘面纱:从语法糖到状态机的奇妙之旅]]></title><link>https://blog.youkuaiyun.com/L040821/article/details/154149568</link><guid>https://blog.youkuaiyun.com/L040821/article/details/154149568</guid><author>L040821</author><pubDate>Thu, 30 Oct 2025 21:55:09 +0800</pubDate><description><![CDATA[从async/await语法糖到状态机的展开,我们走过了一段奇妙的旅程。async函数返回的是Future,而不是直接执行结果,需要await或执行器驱动编译器将async函数转换为状态机,每个await点是一个状态转换跨越await点的变量会被存储在状态机中,注意内存优化Pin机制保证了含有自引用的Future在内存中不会被移动理解原理后,能写出更高效的并发代码回想起我第一次尝试理解这些概念时的困惑,到现在能够在实际项目中灵活运用,这个过程充满了挑战和乐趣。]]></description><category></category></item><item><title><![CDATA[从迷雾到清晰:我与Rust Future trait的那些事儿]]></title><link>https://blog.youkuaiyun.com/L040821/article/details/154149123</link><guid>https://blog.youkuaiyun.com/L040821/article/details/154149123</guid><author>L040821</author><pubDate>Thu, 30 Oct 2025 21:53:11 +0800</pubDate><description><![CDATA[忘记调用wake: 最开始实现Future时,我在poll返回Pending后忘了调用wake,导致Future永远不会被再次poll,程序直接卡死。这个bug调了一个下午才发现。在poll里做耗时操作: 我曾经在poll方法里直接调用了一个同步的文件读取操作,导致整个异步运行时被阻塞。正确做法是把耗时操作放到另一个线程,用channel通知Future。误解Output类型: 一开始我以为Output必须是Result,后来才知道它可以是任何类型。]]></description><category></category></item><item><title><![CDATA[从迭代器的“变身术“说起：深入理解 Rust 的 IntoIterator trait]]></title><link>https://blog.youkuaiyun.com/L040821/article/details/154149084</link><guid>https://blog.youkuaiyun.com/L040821/article/details/154149084</guid><author>L040821</author><pubDate>Thu, 30 Oct 2025 21:51:56 +0800</pubDate><description><![CDATA[回想起那个下午被编译器报错困扰的场景,现在看来反而是件好事。通过深入研究 IntoIterator,我不仅解决了当时的问题,还对 Rust 的迭代器系统有了更深的理解。这个 trait 看似简单,实则蕴含了 Rust 设计哲学的精髓:零成本抽象、所有权明确、类型安全。掌握 IntoIterator 的转换机制,就像掌握了 Rust 迭代器世界的钥匙。它让你能够自如地在"拥有"和"借用"之间切换,在性能和安全之间找到平衡。下次当你写 for 循环时,不妨想想背后发生了什么——那个看不见的。]]></description><category></category></item><item><title><![CDATA[从Vec遍历的性能陷阱，聊聊Rust的零拷贝迭代器模式]]></title><link>https://blog.youkuaiyun.com/L040821/article/details/154148696</link><guid>https://blog.youkuaiyun.com/L040821/article/details/154148696</guid><author>L040821</author><pubDate>Thu, 30 Oct 2025 21:50:35 +0800</pubDate><description><![CDATA[为了彻底理解零拷贝迭代器,我尝试自己实现了一个。EvenIter {注意看生命周期参数'a。这是Rust确保零拷贝安全性的关键。的生命周期不能超过,编译器会在编译期就检查这一点。println!("偶数: {}", num);整个过程,数据一直待在的Vec里,迭代器只是提供了一个访问窗口。温馨提示: 自定义迭代器时,生命周期参数很容易写错。记住一个原则:迭代器返回的引用,生命周期要与被迭代的数据结构绑定。零拷贝迭代器是Rust"零成本抽象"理念的完美体现。]]></description><category></category></item><item><title><![CDATA[Rust智能指针的奇妙之旅:从踩坑到顿悟]]></title><link>https://blog.youkuaiyun.com/L040821/article/details/154148477</link><guid>https://blog.youkuaiyun.com/L040821/article/details/154148477</guid><author>L040821</author><pubDate>Thu, 30 Oct 2025 21:46:47 +0800</pubDate><description><![CDATA[上个月我在写一个多线程文件处理工具时,程序莫名其妙地崩了。错误信息指向一个看似平常的变量传递,编译器冷冷地告诉我:“value moved here”。那一刻我才意识到,是时候认真搞懂Rust的智能指针了。Box、Rc、Arc,这三个家伙看起来都是在管理内存,但它们各自的脾气和适用场景完全不同。]]></description><category></category></item><item><title><![CDATA[丹摩征文活动 | ChatGLM-6B超大规模AI对话：AI工程师的实践与探索]]></title><link>https://blog.youkuaiyun.com/L040821/article/details/143840659</link><guid>https://blog.youkuaiyun.com/L040821/article/details/143840659</guid><author>L040821</author><pubDate>Fri, 22 Nov 2024 11:41:34 +0800</pubDate><description><![CDATA[在丹摩平台上部署ChatGLM-6B超大规模AI对话模型的过程中，我体验到了极高的效率和便利性，特别是在资源配置和环境设置方面。作为一名AI工程师，经常需要处理和部署像ChatGLM-6B这样复杂且庞大的模型，而丹摩平台为此提供了无与伦比的支持。

丹摩平台的用户界面设计简洁明了，使得整个部署过程变得非常直观。即使是首次使用该平台的用户，也可以轻松完成从资源选择到实例启动的整个流程。平台提供了一系列预配置的环境，极大地简化了初始设置工作，让我能够将更多精力投入到模型优化和测试上。]]></description><category></category></item><item><title><![CDATA[丹摩征文活动 | ChatGLM-6B部署解析：6B级模型如何以1/10成本实现超大规模AI对话能力？]]></title><link>https://blog.youkuaiyun.com/L040821/article/details/143824465</link><guid>https://blog.youkuaiyun.com/L040821/article/details/143824465</guid><author>L040821</author><pubDate>Thu, 21 Nov 2024 17:26:40 +0800</pubDate><description><![CDATA[ChatGLM-6B是一款由清华大学与智谱AI联合开发的创新型语言模型。它采用了前沿的通用语言模型（GLM）架构，内含62亿个参数。凭借其在自然语言处理领域的出色表现和优化的架构设计，该模型在学术界和工业界都引起了不小的轰动。

ChatGLM-6B的设计充分考虑了用户的需求，不仅提供了高效的处理能力，还保持了相对较低的资源消耗，这对希望在有限硬件上实现复杂语言任务的开发者来说非常有吸引力。其卓越的性能使得它在各种应用场景中表现出色，从智能客服到文本生成，再到复杂的对话系统]]></description><category></category></item><item><title><![CDATA[丹摩征文活动 | SD3+ComfyUI：图文部署新境界，2合1效率提升，简化步骤对抗传统挑战！]]></title><link>https://blog.youkuaiyun.com/L040821/article/details/143825012</link><guid>https://blog.youkuaiyun.com/L040821/article/details/143825012</guid><author>L040821</author><pubDate>Thu, 21 Nov 2024 17:22:09 +0800</pubDate><description><![CDATA[Stable Diffusion 3是Stability AI发布的尖端开源模型，专为将文本转化为图像而设计。它因在图像质量、文本生成、理解复杂提示和资源利用效率上的显著提升而备受关注。

SD3的Medium版本拥有20亿参数，设计紧凑，适合在普通PC和笔记本上运行，使得个人用户可以轻松在家中部署和使用。在图像生成方面，SD3表现卓越，其生成的图像细节精致、颜色鲜明、光影自然，可无缝适应多种艺术风格，如动漫和厚涂等，仅需输入提示词即可实现。]]></description><category></category></item><item><title><![CDATA[丹摩征文活动 | SD3+ComfyUI模型图文部署：AI工程师的实践与探索]]></title><link>https://blog.youkuaiyun.com/L040821/article/details/143840078</link><guid>https://blog.youkuaiyun.com/L040821/article/details/143840078</guid><author>L040821</author><pubDate>Tue, 19 Nov 2024 14:41:29 +0800</pubDate><description><![CDATA[在丹摩智算平台上部署SD3+ComfyUI图文模型的过程中，我感受到了极高的效率和便捷性，尤其是在处理图文生成任务时表现尤为出色。作为一名AI工程师，我对平台的计算能力和操作简便性有着严格的要求，而丹摩智算正好满足了这些需求。

丹摩智算平台的界面用户友好，功能布局合理，使得整个部署过程非常直观。即使是面对复杂的图文模型，我也能快速完成环境配置和资源分配。这种便利性不仅节省了时间，更让我能够专注于模型的性能调优和结果优化。]]></description><category></category></item><item><title><![CDATA[丹摩征文活动 | Kolors安装到部署：5步快速入门，对比传统流程，效率倍增的实战指南]]></title><link>https://blog.youkuaiyun.com/L040821/article/details/143824822</link><guid>https://blog.youkuaiyun.com/L040821/article/details/143824822</guid><author>L040821</author><pubDate>Tue, 19 Nov 2024 14:41:15 +0800</pubDate><description><![CDATA[Kolors不仅提供了一种工具，更是一种全新的艺术体验。其强大的功能让您可以在创作过程中轻松调整色彩、布局和细节，使每一个项目都充满个性和魅力。这个平台设计直观，适合各类用户，无论是艺术新手还是经验丰富的设计师，都能快速上手并运用自如。

使用Kolors，可以探索无数种色彩组合，创造出前所未有的图像效果。它的算法经过精心设计，使得每一次的色彩碰撞都能引发灵感的火花。可以自由选择调色板、调整色调和饱和度，让每一个细节都完美呈现。更重要的是，Kolors的实时预览功能让您可以在创作过程中即时查看效果，确保每一]]></description><category></category></item><item><title><![CDATA[丹摩征文活动 | Kolors安装到部署：AI工程师的实践与探索]]></title><link>https://blog.youkuaiyun.com/L040821/article/details/143839428</link><guid>https://blog.youkuaiyun.com/L040821/article/details/143839428</guid><author>L040821</author><pubDate>Mon, 18 Nov 2024 13:45:11 +0800</pubDate><description><![CDATA[在丹摩平台上完成Kolors模型的安装到部署全过程，让我对这款云计算平台有了全新的认识和体验。作为一名AI工程师，在面对复杂的图像处理模型时，我深知高效和稳定的计算环境的重要性。丹摩平台在这方面的表现无疑为我的项目开发提供了巨大的支持。

从安装阶段开始，丹摩平台提供的用户界面就让整个流程变得异常简洁明了。通过几次点击，我便能访问到所需的资源管理页面，轻松选择适合Kolors模型的GPU实例和存储配置。平台的导航设计合理，信息展示清晰，让我能快速找到所需功能，这种无缝的用户体验大大减少了不必要的时间浪费。]]></description><category></category></item><item><title><![CDATA[FLUX.1图像生成模型：AI工程师的实践与探索]]></title><link>https://blog.youkuaiyun.com/L040821/article/details/142528189</link><guid>https://blog.youkuaiyun.com/L040821/article/details/142528189</guid><author>L040821</author><pubDate>Wed, 25 Sep 2024 17:03:32 +0800</pubDate><description><![CDATA[黑森林实验室（Black Forest Labs）研发的FLUX.1图像生成模型，以其120亿参数的庞大规模，正在重新定义图像生成技术的新标准。FLUX.1系列模型的推出，不仅为AI工程师提供了强大的工具，也为整个图像生成领域带来了新的活力。]]></description><category></category></item><item><title><![CDATA[图像生成 FLUX.1+ComfyUI部署与使用]]></title><link>https://blog.youkuaiyun.com/L040821/article/details/142503571</link><guid>https://blog.youkuaiyun.com/L040821/article/details/142503571</guid><author>L040821</author><pubDate>Wed, 25 Sep 2024 00:57:51 +0800</pubDate><description><![CDATA[FLUX.1是黑森林实验室（Black Forest Labs）开发的一款先进图像生成模型，分为三个不同版本，满足不同用户的需求。

**FLUX.1-pro**是闭源版本

- 拥有顶尖性能和图像生成能力。它在提示词识别、视觉质量、细节表现和输出多样性方面表现非常出色，适合对性能要求极高的企业用户。用户可以通过官方API访问该版本，并享受定制化服务。]]></description><category></category></item><item><title><![CDATA[亲身体验Llama 3.1：开源模型的部署与应用之旅]]></title><link>https://blog.youkuaiyun.com/L040821/article/details/142503131</link><guid>https://blog.youkuaiyun.com/L040821/article/details/142503131</guid><author>L040821</author><pubDate>Tue, 24 Sep 2024 23:57:22 +0800</pubDate><description><![CDATA[在人工智能的浪潮中，大型语言模型（LLM）正以其独特的魅力和潜力，成为深度学习领域的一颗耀眼明星。

这些模型不仅在自然语言处理（NLP）领域取得了令人瞩目的成就，还在计算机视觉（CV）、多模态学习和科学计算等多个领域展现出了巨大的应用前景。

开源LLM的兴起，为全球的开发者和研究者提供了一个广阔的舞台，他们可以在这个舞台上自由地探索、实验和创新。

2024年7月23日，Meta公司发布了Llama 3.1系列，这一事件无疑为开源模型领域注入了新的活力。]]></description><category></category></item><item><title><![CDATA[最强大的开源模型Llama3.1-部署与使用]]></title><link>https://blog.youkuaiyun.com/L040821/article/details/142502646</link><guid>https://blog.youkuaiyun.com/L040821/article/details/142502646</guid><author>L040821</author><pubDate>Tue, 24 Sep 2024 23:20:47 +0800</pubDate><description><![CDATA[当前，开源LLM的竞争异常激烈，涌现出诸多杰出的模型，包括国外的LLaMA和Alpaca，以及国内的ChatGLM、BaiChuan和InternLM（书生·浦语）等。继续选择安装的镜像，平台提供了一些基础镜像供快速启动，镜像中安装了对应的基础环境和框架，可通过勾选来筛选框架，这里筛选PyTorch，选择PyTorch 2.4.0。为保证安全登录，创建密钥对，输入自定义的名称，然后选择自动创建并将创建好的私钥保存的自己电脑中并将后缀改为.pem，以便后续本地连接使用。]]></description><category></category></item><item><title><![CDATA[智谱清影，心动体验：用CogVideoX-2b生成6秒视频的奇妙感受！]]></title><link>https://blog.youkuaiyun.com/L040821/article/details/142456517</link><guid>https://blog.youkuaiyun.com/L040821/article/details/142456517</guid><author>L040821</author><pubDate>Mon, 23 Sep 2024 13:59:35 +0800</pubDate><description><![CDATA[以往在视频生成过程中，我常常受限于硬件资源的不足，但使用CogVideoX后，即便是在配置较低的设备上，我也能够顺利地进行视频生成，这无疑大大提升了我的工作效率。CogVideoX的核心优势在于其创新的3D变分自编码器技术，这项技术在视频数据处理方面实现了革命性的突破，通过将视频数据压缩至原始大小的2%，CogVideoX极大地降低了对计算资源的需求。这种技术的应用，让我生成的视频序列在流畅性上有了显著的提升，每个帧之间的过渡变得更加自然，仿佛是在观看一部精心剪辑的电影，而非简单的帧拼接。]]></description><category></category></item><item><title><![CDATA[释放创意潜力！ 探索智谱CogVideoX-2b：轻松生成6秒精彩视频的开发者指南！]]></title><link>https://blog.youkuaiyun.com/L040821/article/details/142454402</link><guid>https://blog.youkuaiyun.com/L040821/article/details/142454402</guid><author>L040821</author><pubDate>Mon, 23 Sep 2024 11:43:46 +0800</pubDate><description><![CDATA[CogVideoX 的问世标志着视频生成技术的一次质的飞跃。

过去，许多技术在效率与质量之间常常难以取得平衡，CogVideoX 的 3D 变分自编码器使得视频数据的压缩率高达 2%，显著降低了计算资源的消耗，同时保持了视频帧之间的连贯性。

更为创新的是其引入的 3D 旋转位置编码技术，这一进步让视频中的每个瞬间在时间维度上自然流动，仿佛为生成的内容注入了生命。]]></description><category></category></item><item><title><![CDATA[Linux的命令]]></title><link>https://blog.youkuaiyun.com/L040821/article/details/135066949</link><guid>https://blog.youkuaiyun.com/L040821/article/details/135066949</guid><author>L040821</author><pubDate>Mon, 18 Dec 2023 16:59:05 +0800</pubDate><description><![CDATA[（6）cp：复制文件或目录。例如：cp file.txt /home/user1 或者 cp -r mydir /home/user1。例如：scp file.txt user@192.168.0.1:/home/user1。（7）mv：移动文件或目录或重命名。例如：mv file.txt /home/user1 或者 mv oldname newname。（5）rm：删除文件或目录。（2）ls：列出指定目录的文件和子目录。例如：ls /home/user1。例如：cd /usr/local/。]]></description><category></category></item></channel></rss>