<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Liu_First的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Liu_First</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Liu_First]]></copyright><item><title><![CDATA[见多识广12——一个颜色提取软件]]></title><link>https://blog.youkuaiyun.com/Liu_First/article/details/148906240</link><guid>https://blog.youkuaiyun.com/Liu_First/article/details/148906240</guid><author>Liu_First</author><pubDate>Wed, 25 Jun 2025 20:09:43 +0800</pubDate><description><![CDATA[在使用python绘制数据曲线时，我们往往需要设置图中曲线的颜色，这时候可以使用Color Picker这个软件，网址为：https://www.webfx.com/web-design/color-picker/。]]></description><category></category></item><item><title><![CDATA[见多识广11：如何在Github上面把别人的项目复制成我的私有项目]]></title><link>https://blog.youkuaiyun.com/Liu_First/article/details/148556320</link><guid>https://blog.youkuaiyun.com/Liu_First/article/details/148556320</guid><author>Liu_First</author><pubDate>Tue, 10 Jun 2025 11:11:11 +0800</pubDate><description><![CDATA[比如，我要将EAGLE这个项目变成我的Iron_eagle3：如果直接fork的话会有以下不方便的地方：（1）只能设置成public，有泄漏隐私的嫌疑；（2）在push的时候会遇到一些问题，可能push不上去。使用了DeepSeek教我。]]></description><category></category></item><item><title><![CDATA[见多识广10：大模型的一些基础概念]]></title><link>https://blog.youkuaiyun.com/Liu_First/article/details/148087182</link><guid>https://blog.youkuaiyun.com/Liu_First/article/details/148087182</guid><author>Liu_First</author><pubDate>Tue, 20 May 2025 14:52:46 +0800</pubDate><description><![CDATA[来自知乎：https://www.zhihu.com/tardis/zm/art/1898067876017055575?以及大模型的输出。我仍然主要是做笔记。]]></description><category></category></item><item><title><![CDATA[见多识广9：箱线图的绘制]]></title><link>https://blog.youkuaiyun.com/Liu_First/article/details/148059238</link><guid>https://blog.youkuaiyun.com/Liu_First/article/details/148059238</guid><author>Liu_First</author><pubDate>Mon, 19 May 2025 11:28:11 +0800</pubDate><description><![CDATA[知识来自大语言模型，我主要做个总结。箱线图（Box Plot，也称为盒须图）是一种统计图形，用于显示数据分布的集中趋势、离散程度和异常值情况。它广泛应用于数据分析、统计学、机器学习的可视化工作中。简而言之，箱线图就是用一个箱子和两条胡须，绘制一组数据的中位数、四分位数、最大最小值和异常值。下面一张图比较清晰地展示了箱线图中特殊的标志：注意，箱线图的两个胡须的边界点，在所有数据都在Whiskers之间时，就是具体的最大、最小数据值；]]></description><category></category></item><item><title><![CDATA[见多识广8：初识CUDA]]></title><link>https://blog.youkuaiyun.com/Liu_First/article/details/147940324</link><guid>https://blog.youkuaiyun.com/Liu_First/article/details/147940324</guid><author>Liu_First</author><pubDate>Wed, 14 May 2025 09:54:41 +0800</pubDate><description><![CDATA[今天我开始学习CUDA，首先我看一个NVIDIA的官方入门技术文档，链接为：https://developer.nvidia.com/blog/even-easier-introduction-cuda/CUDA C++是一个可以用CUDA创建并行应用的方式。它允许我们使用C++语言去开发高性能的算法，同时在GPU上运行数千个线程。]]></description><category></category></item><item><title><![CDATA[见多识广7：KAIST(韩国高等科学技术院)——关注AI加速器方向]]></title><link>https://blog.youkuaiyun.com/Liu_First/article/details/147903994</link><guid>https://blog.youkuaiyun.com/Liu_First/article/details/147903994</guid><author>Liu_First</author><pubDate>Mon, 12 May 2025 20:54:29 +0800</pubDate><description><![CDATA[chatgpt有一些内容我就是直接从这些参考文档里面复制的。KAIST是大学，并不是研究院，因为学校里除了硕士、博士外，还有40%的本科生。KAIST在学校规模、专业设置、男女比例、国际排名等方面，都与中科大类似。在韩国，KAIST与首尔国立大学、浦项工大基本稳居国际四大排行榜（美国的U.S.News大学排名、英国的QS世界大学排名、《泰晤士高等教育》世界大学排名、中国上海交大发布的世界大学学术排名(ARWU)）的前三。2025QS世界大学排名中韩国高等科学技术研究院位列世界第53位。]]></description><category></category></item><item><title><![CDATA[见多识广6：Double buffering技术]]></title><link>https://blog.youkuaiyun.com/Liu_First/article/details/147802912</link><guid>https://blog.youkuaiyun.com/Liu_First/article/details/147802912</guid><author>Liu_First</author><pubDate>Fri, 09 May 2025 10:44:46 +0800</pubDate><description><![CDATA[它的核心思想是使用两个buffer交替工作，一个用于数据的读取或写入，另一个用于数据的处理或传输。当一个缓冲区正在被处理时，另一个缓冲区可以继续接收或发送数据，从而避免了数据处理过程中的等待和阻塞。（我觉得一个比较通俗的理解是：假设我有一个buffer A，它从片外存储读取数据，当它读取满之后，就向计算资源提供数据。（其实这么看来这并不是典型的双buffer，因为Front buffer一直在前面显示，Back buffer一直在后面渲染，它们两个的地位没有交替着变换）。注：信息来自大模型，我只是做笔记。]]></description><category></category></item><item><title><![CDATA[见多识广5：GPU的NVLink与InfiniBand]]></title><link>https://blog.youkuaiyun.com/Liu_First/article/details/147660120</link><guid>https://blog.youkuaiyun.com/Liu_First/article/details/147660120</guid><author>Liu_First</author><pubDate>Fri, 02 May 2025 10:09:10 +0800</pubDate><description><![CDATA[写这个是因为我想了解一下在LLM推理过程中，GPU所使用的高速互联技术。主要知识来自Kimi和Qwen。我主要做整理。其他参考文献：NVLink 专注于同一节点内的GPU与GPU或GPU与CPU之间的高速通信，适用于需要密集GPU计算的任务，如深度学习和AI。InfiniBand 则用于连接多个服务器或节点，支持大规模分布式计算和数据中心的高性能网络需求。两者在高性能计算领域中相辅相成，NVLink优化了节点内的计算效率，而InfiniBand则确保了跨节点的高效通信。]]></description><category></category></item><item><title><![CDATA[见多识广4：Buffer与Cache，神经网络加速器的Buffer]]></title><link>https://blog.youkuaiyun.com/Liu_First/article/details/147340343</link><guid>https://blog.youkuaiyun.com/Liu_First/article/details/147340343</guid><author>Liu_First</author><pubDate>Fri, 02 May 2025 09:46:11 +0800</pubDate><description><![CDATA[知识主要由Qwen和Kimi提供，我主要做笔记。参考文献：写这篇笔记是因为我在神经网络加速器里面老是看到各种buffer设计，而它和传统的buffer似乎又不一样。另外，一些cache机制也弄得我有点晕。我在这里先贴一张计算机存储层级的图片：其中，高速缓存就是cache，而buffer则是在主存（也就是内存）中间开辟的一小块儿存储单元。缓冲区(buffer)是内存空间的一部分。也就是说，在内存空间中预留了一定的存储空间，这些存储空间用来缓冲输入或输出的数据，这部分预留的空间就叫做缓冲区。]]></description><category></category></item><item><title><![CDATA[见多识广3：帕累托最优解与帕累托前沿]]></title><link>https://blog.youkuaiyun.com/Liu_First/article/details/147333148</link><guid>https://blog.youkuaiyun.com/Liu_First/article/details/147333148</guid><author>Liu_First</author><pubDate>Fri, 18 Apr 2025 15:06:04 +0800</pubDate><description><![CDATA[这里的知识都是kimi告诉我的，我主要记录一下。帕累托最优解：在多目标优化问题中，如果一个解在某个目标上优于另一个解，而在其他目标上至少不比另一个解差，那么这个解就被称为帕累托最优解。帕累托前沿：所有帕累托最优解在目标空间中的映射构成了帕累托前沿。对于两个目标的问题，帕累托前沿通常是一条曲线；对于多个目标，帕累托前沿通常是一个超曲面。帕累托前沿为多目标优化问题提供了一种系统性的解决方案，帮助决策者在多个相互冲突的目标之间找到最佳的权衡点。——所以记住，重要的是权衡！]]></description><category></category></item><item><title><![CDATA[见多识广2：张量并行]]></title><link>https://blog.youkuaiyun.com/Liu_First/article/details/147200903</link><guid>https://blog.youkuaiyun.com/Liu_First/article/details/147200903</guid><author>Liu_First</author><pubDate>Mon, 14 Apr 2025 08:19:32 +0800</pubDate><description><![CDATA[主要信息来自和Qwen对话时它给我的回答，我这里主要是想记录一下。在深度学习中，模型的核心计算通常基于张量（如权重矩阵、激活值等）。当模型非常大时，单个张量可能无法完全存储在一个 GPU 的显存中。Tensor 并行的核心思想是将一个张量切分成多个小块，并将这些小块分布到不同的设备（如多个 GPU）上进行计算。Tensor 并行是一种强大的技术，能够有效解决超大规模模型的显存瓶颈问题。然而，由于其较高的实现复杂性和通信开销，在实际应用中通常需要与其他并行策略结合使用，以达到最佳性能。]]></description><category></category></item><item><title><![CDATA[见多识广1：试用Grok 3和Claude 3.7 sonnet]]></title><link>https://blog.youkuaiyun.com/Liu_First/article/details/145848198</link><guid>https://blog.youkuaiyun.com/Liu_First/article/details/145848198</guid><author>Liu_First</author><pubDate>Tue, 25 Feb 2025 14:24:45 +0800</pubDate><description><![CDATA[包括研究生水平的推理，代码，多语言回答、数学等问题上都提升明显（不过我发现Deepseek R1在数学问题上竟然还是第一名）。而且看起来比不过Grok 3啊。我用它生成了一个生成俄罗斯方块的代码，虽然还有问题，但是已经像那么一回事了。主要是它还不用电话卡去注册，挺好。注册Claude账号要买国外手机号，手机号购买网站sms起码要充值2美元，我不干了。是Anthropic公司刚刚推出的混合推理模型。我就用X账号登陆的。]]></description><category></category></item><item><title><![CDATA[在vscode上面进行分支merge的记录]]></title><link>https://blog.youkuaiyun.com/Liu_First/article/details/138127745</link><guid>https://blog.youkuaiyun.com/Liu_First/article/details/138127745</guid><author>Liu_First</author><pubDate>Tue, 23 Apr 2024 15:28:51 +0800</pubDate><description><![CDATA[前言：在我们的项目中，有两个分支：master和liutielong。现在要将liutielong分支的改动merge到master分支中。]]></description><category></category></item><item><title><![CDATA[VS code中python相对包导入问题解决]]></title><link>https://blog.youkuaiyun.com/Liu_First/article/details/138125560</link><guid>https://blog.youkuaiyun.com/Liu_First/article/details/138125560</guid><author>Liu_First</author><pubDate>Tue, 23 Apr 2024 14:53:14 +0800</pubDate><description><![CDATA[之后我尝试了配置launch.json文件，.vscode中的settings.json文件，以及创建一个dev.env，来配置包路径，但是都失败了。虽然这个方法有点笨，但是解决了问题。]]></description><category></category></item><item><title><![CDATA[linux服务器上screen常用命令]]></title><link>https://blog.youkuaiyun.com/Liu_First/article/details/136727017</link><guid>https://blog.youkuaiyun.com/Liu_First/article/details/136727017</guid><author>Liu_First</author><pubDate>Fri, 15 Mar 2024 08:14:16 +0800</pubDate><description><![CDATA[创建一个新的screen
screen -S name
或者 screen -R name
然后就创建了这个screen并进入到了它的环境中。
退出当前窗口回到主页
ctrl + A, 然后按D
关闭当前窗口
ctrl + D
在主页查询现在有多少窗口
screen -ls
查询到所有窗口之后要进入某个窗口
screen -r name


]]></description><category></category></item><item><title><![CDATA[为每一个项目都创建一个conda环境]]></title><link>https://blog.youkuaiyun.com/Liu_First/article/details/131924171</link><guid>https://blog.youkuaiyun.com/Liu_First/article/details/131924171</guid><author>Liu_First</author><pubDate>Tue, 25 Jul 2023 20:21:44 +0800</pubDate><description><![CDATA[值得一提的是我在powershell执行了pip uninstall命令之后，在vscode上面运行还是报错，然后我到终端运行又不报错，可能是vscode更新不及时，需要重启。首先，用nvidia-smi命令查看服务器的conda version为11.2，所以就安装对应的pytorch框架。所以我决定今后对于每个项目，都创建一个新的conda环境。因为不同的项目之间的环境依赖不一样，会产生严重的相互污染。这是chatgpt提供的。今天在GitHub上下载一个新的项目并运行，发现又是一堆环境问题。]]></description><category></category></item><item><title><![CDATA[在linux服务器上安装gcc 9.4.0的过程（安装torch-int库出的问题）]]></title><link>https://blog.youkuaiyun.com/Liu_First/article/details/131477516</link><guid>https://blog.youkuaiyun.com/Liu_First/article/details/131477516</guid><author>Liu_First</author><pubDate>Sun, 09 Jul 2023 00:45:07 +0800</pubDate><description><![CDATA[chatgpt才是最好的老师！不仅教我步骤，还能解释每个命令的意思，感觉事半功倍。]]></description><category></category></item><item><title><![CDATA[记录一下在linux系统上cmake的安装过程]]></title><link>https://blog.youkuaiyun.com/Liu_First/article/details/131472190</link><guid>https://blog.youkuaiyun.com/Liu_First/article/details/131472190</guid><author>Liu_First</author><pubDate>Fri, 30 Jun 2023 11:50:02 +0800</pubDate><description><![CDATA[记录一下在linux系统上cmake的安装过程]]></description><category></category></item><item><title><![CDATA[看TensoRF过程中积累小知识点]]></title><link>https://blog.youkuaiyun.com/Liu_First/article/details/129058622</link><guid>https://blog.youkuaiyun.com/Liu_First/article/details/129058622</guid><author>Liu_First</author><pubDate>Thu, 23 Feb 2023 14:20:33 +0800</pubDate><description><![CDATA[主要是学到了一些torch的函数，记录一下。]]></description><category></category></item><item><title><![CDATA[今天学会了pip换源]]></title><link>https://blog.youkuaiyun.com/Liu_First/article/details/129034455</link><guid>https://blog.youkuaiyun.com/Liu_First/article/details/129034455</guid><author>Liu_First</author><pubDate>Tue, 14 Feb 2023 22:08:49 +0800</pubDate><description><![CDATA[【代码】今天学会了pip换源。]]></description><category></category></item></channel></rss>