<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Ppandaer的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Ppandaer</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Ppandaer]]></copyright><item><title><![CDATA[VSCode 中“全流程可视化”地追踪代码运行]]></title><link>https://blog.youkuaiyun.com/Ppandaer/article/details/152799751</link><guid>https://blog.youkuaiyun.com/Ppandaer/article/details/152799751</guid><author>Ppandaer</author><pubDate>Thu, 09 Oct 2025 14:30:56 +0800</pubDate><description><![CDATA[本文介绍了三种在VSCode中动态追踪Python程序执行流程的方法： 内置trace模块：简单易用，但输出冗长，建议通过--ignore-dir过滤无关模块 sys.settrace()自定义追踪：灵活控制输出，可记录调用层级和参数，需修改代码 PyCallGraph可视化：生成调用关系图，需安装Graphviz，适合分析整体结构 推荐组合使用：用方法1/2获取执行顺序，方法3生成调用图。进阶方案可结合结构化日志输出到JSON文件，便于分析。VSCode集成技巧包括终端直接运行、调试模式日志断点等，提升开]]></description><category></category></item><item><title><![CDATA[获取所有conda虚拟环境的python版本以及torch版本]]></title><link>https://blog.youkuaiyun.com/Ppandaer/article/details/145678705</link><guid>https://blog.youkuaiyun.com/Ppandaer/article/details/145678705</guid><author>Ppandaer</author><pubDate>Mon, 17 Feb 2025 11:24:49 +0800</pubDate><description><![CDATA[【代码】获取所有conda虚拟环境的python版本以及torch版本。]]></description><category></category></item><item><title><![CDATA[高效高并发调度架构]]></title><link>https://blog.youkuaiyun.com/Ppandaer/article/details/145629262</link><guid>https://blog.youkuaiyun.com/Ppandaer/article/details/145629262</guid><author>Ppandaer</author><pubDate>Fri, 14 Feb 2025 11:23:14 +0800</pubDate><description><![CDATA[以下是从架构层面为你提供的适合多核CPU、多GPU环境下API客户端、服务端高级调度，以实现高效并发大规模与用户交互的技术栈：]]></description><category></category></item><item><title><![CDATA[从awesome xxx类型的GitHub项目的README.md文件中检索所有GitHub代码库链接，并将它们克隆到本地]]></title><link>https://blog.youkuaiyun.com/Ppandaer/article/details/145344989</link><guid>https://blog.youkuaiyun.com/Ppandaer/article/details/145344989</guid><author>Ppandaer</author><pubDate>Fri, 24 Jan 2025 18:12:30 +0800</pubDate><description><![CDATA[【代码】从awesome xxx类型的GitHub项目的README.md文件中检索所有GitHub代码库链接，并将它们克隆到本地。]]></description><category></category></item><item><title><![CDATA[【报错】ImportError: cannot import name ‘get_refined_artifact_map‘ from ‘basicsr.losses.loss_util‘]]></title><link>https://blog.youkuaiyun.com/Ppandaer/article/details/144845246</link><guid>https://blog.youkuaiyun.com/Ppandaer/article/details/144845246</guid><author>Ppandaer</author><pubDate>Tue, 31 Dec 2024 11:07:00 +0800</pubDate><description><![CDATA[缺失的部分如下，补充到原来的xxx/lib/python3.10/site-packages/basicsr/losses/loss_util.py下面。]]></description><category></category></item><item><title><![CDATA[transformers/utils/hub.py中的HuggingFace没法用？直接添加环境变量为镜像网站hf-mirror]]></title><link>https://blog.youkuaiyun.com/Ppandaer/article/details/144817551</link><guid>https://blog.youkuaiyun.com/Ppandaer/article/details/144817551</guid><author>Ppandaer</author><pubDate>Mon, 30 Dec 2024 10:20:57 +0800</pubDate><description><![CDATA[为了将 Hugging Face 的模型下载地址从默认的 https://huggingface.co 更改为 hf-mirror，可以通过设置环境变量 HF_ENDPOINT 来实现。这样，transformers 库会从 hf-mirror 下载模型，而不是从默认的 Hugging Face 网站。也可以在 x.py 脚本中设置环境变量，以确保每次运行脚本时都使用 hf-mirror。在终端中设置环境变量。在脚本中设置环境变量。]]></description><category></category></item><item><title><![CDATA[＜LandmarksType.TWO_D: 1＞, ＜LandmarksType.TWO_HALF_D: 2＞, ＜LandmarksType.THREE_D: 3＞]]></title><link>https://blog.youkuaiyun.com/Ppandaer/article/details/144143315</link><guid>https://blog.youkuaiyun.com/Ppandaer/article/details/144143315</guid><author>Ppandaer</author><pubDate>Fri, 29 Nov 2024 18:14:45 +0800</pubDate><description><![CDATA[from face_alignment import LandmarksTypeprint(list(LandmarksType))n]]></description><category></category></item><item><title><![CDATA[面部连续帧跟踪]]></title><link>https://blog.youkuaiyun.com/Ppandaer/article/details/143979294</link><guid>https://blog.youkuaiyun.com/Ppandaer/article/details/143979294</guid><author>Ppandaer</author><pubDate>Fri, 22 Nov 2024 17:34:44 +0800</pubDate><description><![CDATA[【代码】面部连续帧跟踪。]]></description><category></category></item><item><title><![CDATA[单条推理转批量推理prompt]]></title><link>https://blog.youkuaiyun.com/Ppandaer/article/details/143902435</link><guid>https://blog.youkuaiyun.com/Ppandaer/article/details/143902435</guid><author>Ppandaer</author><pubDate>Wed, 20 Nov 2024 09:35:54 +0800</pubDate><description><![CDATA[在每个线程中设置环境变量 CUDA_VISIBLE_DEVICES，以确保每个线程只使用指定的GPU。使用 concurrent.futures.ThreadPoolExecutor 来管理多线程任务。在初始化时为每个GPU加载一次模型，并在多线程中复用这些模型。需要编写一个函数来读取指定文件夹中的所有图片和视频文件。使用随机选择机制来组合这些文件作为输入对。]]></description><category></category></item><item><title><![CDATA[安装cudnn]]></title><link>https://blog.youkuaiyun.com/Ppandaer/article/details/143361186</link><guid>https://blog.youkuaiyun.com/Ppandaer/article/details/143361186</guid><author>Ppandaer</author><pubDate>Wed, 30 Oct 2024 11:46:13 +0800</pubDate><description><![CDATA[要在当前 Conda 虚拟环境中安装 cuDNN，可以按照以下步骤进行操作。假设你已经下载了 cudnn-11.2-linux-x64-v8.1.1.33.tgz 文件。验证 cuDNN 是否安装成功，可以通过运行一些简单的测试来检查。记下你的 vits 环境的路径，例如 /home/nvidia/miniconda3/envs/vits。通过以上步骤，你应该能够在当前 Conda 虚拟环境中成功安装 cuDNN。解压后，你会看到一个 cuda 目录，里面包含 include 和 lib64 子目录。]]></description><category></category></item><item><title><![CDATA[nginx不就一中转站，为什么叫反向代理？]]></title><link>https://blog.youkuaiyun.com/Ppandaer/article/details/143189291</link><guid>https://blog.youkuaiyun.com/Ppandaer/article/details/143189291</guid><author>Ppandaer</author><pubDate>Wed, 23 Oct 2024 17:15:53 +0800</pubDate><description><![CDATA[正向代理：客户端主动配置代理服务器，通过代理服务器访问目标服务器。反向代理：客户端直接访问反向代理服务器，而不知道实际的后端服务器存在。Nginx 作为反向代理服务器，在客户端看来就像是一个中介，但实际上它承担了更多的责任，如负载均衡、缓存、安全性等。这就是为什么称 Nginx 作为反向代理的原因。]]></description><category></category></item><item><title><![CDATA[windows将当前文件夹里面的视频拼接起来]]></title><link>https://blog.youkuaiyun.com/Ppandaer/article/details/143113250</link><guid>https://blog.youkuaiyun.com/Ppandaer/article/details/143113250</guid><author>Ppandaer</author><pubDate>Mon, 21 Oct 2024 15:19:20 +0800</pubDate><description><![CDATA[按照上述步骤操作，你应该能够成功地将当前文件夹内的所有.mp4视频文件合并成一个文件。如果有任何问题，请随时告诉我！]]></description><category></category></item><item><title><![CDATA[视频拼接指令]]></title><link>https://blog.youkuaiyun.com/Ppandaer/article/details/143053745</link><guid>https://blog.youkuaiyun.com/Ppandaer/article/details/143053745</guid><author>Ppandaer</author><pubDate>Fri, 18 Oct 2024 14:55:50 +0800</pubDate><description><![CDATA[【代码】视频拼接指令。]]></description><category></category></item><item><title><![CDATA[Haar cascade训练人脸小模型做人脸辨别]]></title><link>https://blog.youkuaiyun.com/Ppandaer/article/details/142886515</link><guid>https://blog.youkuaiyun.com/Ppandaer/article/details/142886515</guid><author>Ppandaer</author><pubDate>Sat, 12 Oct 2024 21:07:45 +0800</pubDate><description><![CDATA[定义参考图像文件夹和不匹配图像的存放文件夹，并确保这些文件夹存在。这段代码实现了从一个包含参考人物的图像文件夹中加载数据，训练一个简单的人脸识别器，然后用这个识别器去识别另一个文件夹中的图片，并将不匹配的图片移动到另一个文件夹中。通过这种方式，可以有效地对大量图片进行分类处理。]]></description><category></category></item><item><title><![CDATA[使用 OpenCV 和 Haar Cascade 检测人脸]]></title><link>https://blog.youkuaiyun.com/Ppandaer/article/details/142885957</link><guid>https://blog.youkuaiyun.com/Ppandaer/article/details/142885957</guid><author>Ppandaer</author><pubDate>Sat, 12 Oct 2024 20:35:37 +0800</pubDate><description><![CDATA[通过上述代码，我们可以自动检测图片中是否存在人脸，并将无人脸的图片分类到特定文件夹中。这种方法在处理大量图片时非常有用，特别是在需要对图片进行初步筛选的情况下。使用 OpenCV 的 Haar Cascade 模型和 Python 的标准库函数，我们可以轻松实现这一功能。]]></description><category></category></item><item><title><![CDATA[可疑文件、文件夹、进程监控查杀脚本]]></title><link>https://blog.youkuaiyun.com/Ppandaer/article/details/142798107</link><guid>https://blog.youkuaiyun.com/Ppandaer/article/details/142798107</guid><author>Ppandaer</author><pubDate>Wed, 09 Oct 2024 22:24:52 +0800</pubDate><description><![CDATA[【代码】可疑文件、文件夹、进程监控查杀脚本。]]></description><category></category></item><item><title><![CDATA[多进程、多线程模型共享策略分析]]></title><link>https://blog.youkuaiyun.com/Ppandaer/article/details/142791759</link><guid>https://blog.youkuaiyun.com/Ppandaer/article/details/142791759</guid><author>Ppandaer</author><pubDate>Wed, 09 Oct 2024 17:15:44 +0800</pubDate><description><![CDATA[单进程四线程模型只需要加载一次，减少了内存使用。每次推理任务需要将模型从一个 GPU 移动到另一个 GPU，可能导致性能下降。如果线程之间存在并发执行，可能会导致模型移动的等待时间。双进程（每个进程开双线程）模型只需要在每个 GPU 上加载一次，减少了模型移动的开销。每个进程内部的线程可以并行执行，不会因为模型移动而等待。需要在每个 GPU 上加载一份模型，增加了内存使用。4进程模型只需要在每个 GPU 上加载一次，减少了模型移动的开销。]]></description><category></category></item><item><title><![CDATA[图像人脸与视频人脸匹配度检测]]></title><link>https://blog.youkuaiyun.com/Ppandaer/article/details/142770404</link><guid>https://blog.youkuaiyun.com/Ppandaer/article/details/142770404</guid><author>Ppandaer</author><pubDate>Tue, 08 Oct 2024 21:53:36 +0800</pubDate><description><![CDATA[简化面部检测过程：直接在内存中处理帧，而不是写入磁盘再读取。减少不必要的临时文件操作：避免频繁地读写临时文件。减少重复操作：尽量减少重复读取和处理相同的帧。]]></description><category></category></item><item><title><![CDATA[图像人脸与视频人脸匹配度检测]]></title><link>https://blog.youkuaiyun.com/Ppandaer/article/details/142769844</link><guid>https://blog.youkuaiyun.com/Ppandaer/article/details/142769844</guid><author>Ppandaer</author><pubDate>Tue, 08 Oct 2024 21:29:06 +0800</pubDate><description><![CDATA[【代码】图像人脸与视频人脸匹配度检测。]]></description><category></category></item><item><title><![CDATA[查看系统服务]]></title><link>https://blog.youkuaiyun.com/Ppandaer/article/details/142766981</link><guid>https://blog.youkuaiyun.com/Ppandaer/article/details/142766981</guid><author>Ppandaer</author><pubDate>Tue, 08 Oct 2024 19:11:32 +0800</pubDate><description><![CDATA[通过以上步骤，你应该能够找到并消除所有可能导致这些服务自动恢复的因素。如果问题依然存在，建议寻求专业的IT安全人员的帮助，进行全面的安全审计。如果这些方法都不能解决问题，可能需要考虑从备份恢复系统或将系统重新安装到一个干净的状态。]]></description><category></category></item></channel></rss>