- 博客(21)
- 收藏
- 关注
RSS订阅原创 Bilibili字幕获取工具：轻松提取B站视频字幕
文章摘要 本文介绍了一个Bilibili字幕获取工具，能够自动提取B站视频的中英文字幕并保存为Markdown文件。该工具通过Python实现，支持BV号解析、字幕地址获取、二维码登录等功能。核心流程包括解析视频链接、获取aid/cid、查询字幕地址、下载字幕内容。工具还实现了Cookie管理，避免重复登录。使用简单，只需输入视频链接即可获取字幕，适用于学习视频笔记整理。项目已开源，提供完整接口文档和使用说明。
2025-12-23 19:00:14
456
原创 pybind11中虚函数与继承结合
模板参数顺序：trampoline类作为第二个模板参数绑定目标：始终绑定到原始C++类，不是trampoline类继承关系：正确指定C++类之间的继承关系函数签名：确保Python和C++的函数签名一致。
2025-11-05 22:04:06
872
原创 vscode中配置MSVC
本文介绍了在VS Code中配置MSVC工具链开发C++项目的详细流程。首先区分编译器和IDE的概念，说明Windows环境变量的作用。然后逐步指导安装VS Code和Visual Studio（选择C++桌面开发组件）。核心部分是配置7个系统环境变量，包括基础路径和关键编译参数。接着通过命令行验证环境配置有效性。最后在VS Code中创建项目、安装插件，并自动生成三个配置文件（c_cpp_properties.json、tasks.json和launch.json）完成开发环境搭建。整个流程约需30分钟，
2025-11-04 17:34:23
778
1
原创 C++中new失败的两种情况
C++中new分配内存失败的处理方式有两种：1)普通new抛出std::bad_alloc异常，需用try-catch捕获；2)new(std::nothrow)返回空指针nullptr，需要手动检查。两种情况都不会返回bad_alloc对象，前者抛异常后者返回空指针，是两种不同的错误处理机制。
2025-11-04 17:34:00
212
原创 Gemini对编译原理相关知识的梳理
看到了吗？你这份大纲的逻辑是层层递进、严丝合缝第2章（文法）：提出“总纲”，并**“分而治之”**，把问题拆成“单词”（3型）和“句子”（2型）。第3章（词法）承接“3型文法”。用RE/FA 三位一体的技术，高效地把“字符流”转成“令牌流第4/5章（语法）承接“2型文法”和“令牌流”。用 **LL（预言家）**或LR（拼图大师）两大流派，把“令牌流”组装成“语法树第6章（语义）承接“语法树”。遍历这棵树，做“逻辑审查”（如类型检查），并翻译成**“中间代码 (IR)”**。字符流->（第3章）->
2025-11-03 21:02:14
663
原创 【书生大模型-MindSearch】
首先，我们打开 https://account.siliconflow.cn/login 来注册硅基流动的账号（如果注册过，则直接登录即可）。由于硅基流动 API 的相关配置已经集成在了 MindSearch 中，所以我们可以直接执行下面的代码来启动 MindSearch 的后端。选择 New secrets，name 一栏输入 SILICON_API_KEY，value 一栏输入你的 API Key 的内容。最后，我们先新建一个目录，准备提交到 HuggingFace Space 的全部文件。
2024-09-25 21:29:20
377
原创 【书生大模型】
是由书生·浦语团队开发的一款开源、专门针对国内企业级使用场景设计并优化的知识问答工具。在基础 RAG 课程中我们了解到，RAG 可以有效的帮助提高 LLM 知识检索的相关性、实时性，同时避免 LLM 训练带来的巨大成本。在实际的生产和生活环境需求，对 RAG 系统的开发、部署和调优的挑战更大，如需要解决群应答、能够无关问题拒答、多渠道应答、更高的安全性挑战。
2024-09-25 19:21:47
1114
原创 【书生大模型闯关练习】
InternVL 是一种用于多模态任务的深度学习模型，旨在处理和理解多种类型的数据输入，如图像和文本。它结合了视觉和语言模型，能够执行复杂的跨模态任务，比如图文匹配、图像描述生成等。通过整合视觉特征和语言信息，InternVL 可以在多模态领域取得更好的表现。
2024-09-22 19:53:58
658
原创 【书生大模型闯关】
LMDeploy 由MMDeploy和MMRazor团队联合开发，是涵盖了 LLM 任务的全套轻量化、部署和服务解决方案。高效的推理：LMDeploy 开发了 Persistent Batch(即 Continuous Batch)，Blocked K/V Cache，动态拆分和融合，张量并行，高效的计算kernel等重要特性。推理性能是 vLLM 的 1.8 倍可靠的量化：LMDeploy 支持权重量化和 k/v 量化。4bit 模型推理效率是 FP16 下的 2.4 倍。量化模型。
2024-09-22 19:31:08
752
原创 【书生大模型】
在本节中，我们将带大家基于 Lagent 自定义自己的智能体。Lagent 中关于工具部分的介绍文档位于 https://lagent.readthedocs.io/zh-cn/latest/tutorials/action.html。继承BaseAction类实现简单工具的run方法；或者实现工具包内每个子工具的功能简单工具的run方法可选被tool_api装饰；工具包内每个子工具的功能都需要被tool_api装饰下面我们将实现一个调用 MagicMaker API 以完成文生图的功能。
2024-09-22 18:52:21
269
原创 【书生大模型评测】
上海人工智能实验室科学家团队正式发布了大模型开源开放评测体系 “司南” (OpenCompass2.0)，用于为大语言模型、多模态模型等提供一站式评测服务。
2024-09-19 17:40:07
452
原创 【 Lv1-XTuner微调大模型】
XTuner允许你根据不同的任务选择不同的模型结构和训练策略。一般来说，语言模型的最后一层需要调整为符合具体任务需求。
2024-09-18 22:00:57
1210
原创 书生大模型闯关练习
RAG（Retrieval-Augmented Generation）技术是一种结合了信息检索和文本生成的技术，旨在通过检索外部知识库来增强生成模型的能力1.1 RAG优化方法。
2024-09-17 19:56:45
429
原创 书生大模型闯关练习
💡 Role (角色) -> Profile（角色简介）—> Profile 下的 skill (角色技能) -> Rules (角色要遵守的规则) -> Workflow (满足上述条件的角色的工作流程) -> Initialization (进行正式开始工作的初始化准备) -> 开始实际使用。的简称，中文名为结构化提示词。
2024-09-17 14:26:28
446
原创 书生大模型闯关练习
详情可参考https://github.com/InternLM/Tutorial/blob/camp3/docs/L1/Demo/readme.md。首先创建存放cli_demo.py的文件。接着编写cli_demo.py文件。
2024-09-16 16:02:13
426
原创 书生·浦语大模型全链路开源体系笔记
书生大模型全链路开源体系提供了一个完整、高效的开源解决方案，促进了AI技术的普及和创新。未来，书生体系将继续推动大模型技术的发展，助力全球开发者在AI领域取得更大成就。
2024-09-16 13:40:11
536
原创 身份证信息识别
用于在给定的矩阵中找到最小值和最大值，并返回它们的位置。这个函数在图像处理中非常有用，尤其是在需要找到图像中的最亮或最暗点、或者在模板匹配中找到最佳匹配位置时。二值化处理（Binarization）是一种图像处理技术，它将图像中的像素值根据特定的阈值转化为两种值（通常是0和255），从而简化图像的数据表示。函数是 OpenCV 中用于图像二值化的函数，它将输入图像的像素值根据指定的阈值进行分割，生成一个二值化图像。用于在图像上绘制矩形。：模板图像，必须是相同类型和深度的大小小于或等于输入图像的图像。
2024-09-16 00:39:10
1322
原创 VS2022 ASP.NET core Web API 示例代码解释
在ASP.NET Core Web API项目中，将代码分为模型层、控制器层、服务层和数据访问层有助于组织代码，使其更易于维护和扩展。服务层包含业务逻辑和操作，这些逻辑通常涉及多个数据模型或需要复杂的业务规则。通过这种分层结构，可以使代码更加模块化、易于维护和测试，同时清晰地分离了各个部分的职责。模型层存放数据结构和业务对象，这些对象通常反映了系统的核心业务实体。这个文件定义了一个控制器类，处理与天气预报相关的HTTP请求。数据访问层处理与数据库的交互，负责从数据库中检索和存储数据。
2024-09-16 00:35:22
3285
原创 书生大模型闯关练习—Lv0-Python基础
*实现思路:**先使用正则表达式去除标点符号,接着将所有字母替换为小写,再以空格为标志进行字符串切割,最后使用字典统计每个单词出现的次数。
2024-09-16 00:32:53
358
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人