<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[apd_csdn的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/apd_csdn</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; apd_csdn]]></copyright><item><title><![CDATA[从“记忆回溯“的角度重新发明 Transformer Attention复现]]></title><link>https://blog.youkuaiyun.com/apd_csdn/article/details/170050540</link><guid>https://blog.youkuaiyun.com/apd_csdn/article/details/170050540</guid><author>apd_csdn</author><pubDate>Wed, 04 Nov 2026 18:06:17 +0800</pubDate><description><![CDATA[本文通过复现斯坦福CS Phd Alex Wang关于“联想记忆”的思想，系统对比了四种记忆检索机制：外积、最优线性记忆、ReLU非线性及高阶门控MLP。实验表明，线性方法在记忆数量超过维度时噪声剧增；而引入非线性（如ReLU、SwiGLU）可显著抑制干扰，尤其高阶非线性将噪声控制至极低水平。最终推导出指数型激活函数与归一化后等价于Softmax，揭示了Transformer Attention的本质——一种高效、可扩展的非线性联想记忆机制。]]></description><category></category></item><item><title><![CDATA[【搬运】Jev官方博客：Introducing System One Models & Jev]]></title><link>https://blog.youkuaiyun.com/apd_csdn/article/details/166246876</link><guid>https://blog.youkuaiyun.com/apd_csdn/article/details/166246876</guid><author>apd_csdn</author><pubDate>Mon, 21 Sep 2026 14:43:27 +0800</pubDate><description><![CDATA[TypeSafe AI 发布首个 System One 模型 Jev，专为结构化决策优化，摒弃传统文本生成，实现类型安全、高置信度的并行输出。相比现有 LLM，Jev 速度提升 40–200 倍，成本降低超 400 倍，无幻觉且输出可验证，适用于 AI 驱动工作流、实时系统与大数据处理。通过全新 RLCD 训练方法与并行采样器，显著提升自动化可靠性与效率，开启 AI 真正融入软件系统的可能性。]]></description><category></category></item><item><title><![CDATA[解决方案：Codex(ChatGPT App)找不到已安装的lark-cli]]></title><link>https://blog.youkuaiyun.com/apd_csdn/article/details/164431697</link><guid>https://blog.youkuaiyun.com/apd_csdn/article/details/164431697</guid><author>apd_csdn</author><pubDate>Sun, 06 Sep 2026 23:18:54 +0800</pubDate><description><![CDATA[Windows下Codex找不到lark-cli，因桌面端沙箱只继承机器级PATH，而lark-cli在用户级npm目录。解决：管理员PowerShell将npm路径加入机器级PATH，并在config.toml配置sandbox_mode及writable_roots；同时检查~/.codex下skill是否安装。]]></description><category></category></item><item><title><![CDATA[利用Kaggle MCP本地开发notebook并远程调试]]></title><link>https://blog.youkuaiyun.com/apd_csdn/article/details/163958187</link><guid>https://blog.youkuaiyun.com/apd_csdn/article/details/163958187</guid><author>apd_csdn</author><pubDate>Sat, 22 Aug 2026 00:13:01 +0800</pubDate><description><![CDATA[本文介绍了如何利用Kaggle MCP工具实现本地开发Notebook并远程调试的方法；以Qwen3.5-0.8B模型推理为例，展示了接入MCP后的开发调试过程。]]></description><category></category></item><item><title><![CDATA[清华邮箱苹果邮件app设置（全）]]></title><link>https://blog.youkuaiyun.com/apd_csdn/article/details/163072304</link><guid>https://blog.youkuaiyun.com/apd_csdn/article/details/163072304</guid><author>apd_csdn</author><pubDate>Tue, 21 Jul 2026 11:32:28 +0800</pubDate><description><![CDATA[本文提供了清华邮箱（学生/教工/校友）在Apple设备上的手动配置指南。]]></description><category></category></item><item><title><![CDATA[Qwen 3 VL 图像预处理、图像增广接入Processor]]></title><link>https://blog.youkuaiyun.com/apd_csdn/article/details/155570253</link><guid>https://blog.youkuaiyun.com/apd_csdn/article/details/155570253</guid><author>apd_csdn</author><pubDate>Thu, 04 Dec 2025 15:25:41 +0800</pubDate><description><![CDATA[本文针对Qwen3VL/2VL/2.5VL训练中的图像预处理问题，设计了可用的数据处理管线collator.不同输入（路径、numpy数组、torch.Tensor、PIL Image）的处理方法。关键发现包括：numpy和Tensor输入需设置do_rescale=False以避免值域转换错误，PIL Image可直接使用默认处理；所有格式都应确保RGB通道顺序和(H,W,C)形状。通过实验验证了各格式的正确配置方式，为视觉模型训练中嵌入图像增强操作提供了实用指导，确保预处理后的编码结果与原始图像一致。]]></description><category></category></item><item><title><![CDATA[快速构建前端应用: 从图中提取曲线坐标数据的在线工具]]></title><link>https://blog.youkuaiyun.com/apd_csdn/article/details/155163747</link><guid>https://blog.youkuaiyun.com/apd_csdn/article/details/155163747</guid><author>apd_csdn</author><pubDate>Sun, 23 Nov 2025 17:13:25 +0800</pubDate><description><![CDATA[为了从一个图片形式的曲线图中提取坐标数据，可以采用Origin、WebPlotDigitizer这一类较为成熟的工具。但是这个前端功能考虑到还算简单，为什么不用AI代码生成构建一个前端应用呢？因此尝试用nocode进行了一次实践。]]></description><category></category></item><item><title><![CDATA[embedding模型 Instructor-embedding安装/推理报错解决方案]]></title><link>https://blog.youkuaiyun.com/apd_csdn/article/details/148069440</link><guid>https://blog.youkuaiyun.com/apd_csdn/article/details/148069440</guid><author>apd_csdn</author><pubDate>Mon, 19 May 2025 17:57:01 +0800</pubDate><description><![CDATA[原因是现在的transformers、huggingface库更新速度太快，基本上月更，所以需要修补各种版本上的问题。中的指引安装embedding模型instructor时，遇到了多种报错。直接用sentence-transformer框架进行推理，读取权重文件。注：默认embeddings未经过normalize。]]></description><category></category></item><item><title><![CDATA[利用Open AI SDK批量图文推理/标注]]></title><link>https://blog.youkuaiyun.com/apd_csdn/article/details/147987425</link><guid>https://blog.youkuaiyun.com/apd_csdn/article/details/147987425</guid><author>apd_csdn</author><pubDate>Thu, 15 May 2025 17:30:15 +0800</pubDate><description><![CDATA[请将准备好的模型url和密钥填入。允许该对象在其他异步loop中使用。base_url="https://xxx/api/v1", # 替换为你的 base_urlapi_key="" # 替换为你的 API 密钥。]]></description><category></category></item><item><title><![CDATA[GRPO多模态奖励函数：利用大模型API接入]]></title><link>https://blog.youkuaiyun.com/apd_csdn/article/details/147985552</link><guid>https://blog.youkuaiyun.com/apd_csdn/article/details/147985552</guid><author>apd_csdn</author><pubDate>Thu, 15 May 2025 16:52:03 +0800</pubDate><description><![CDATA[核心函数是`process_batch(self,batch_title:list,batch_img:list)` 函数接收列表中的一系列打分指令和内容文本，同时支持每个样本输入一张图片（如果是多图，请参考openai SDK接入指定模型的文档）。我们寻求一种方案，利用API接入的方式，在其他服务器上并行推理，计算奖励。打分文本`result_aes`由`my_api.process_batch()`给出，这是一个自定义的对象，用于并行的获取LLM API返回值，，需要并行处理该规则。]]></description><category></category></item><item><title><![CDATA[提高LoRA模型的推理速度：合并与GPTQ量化]]></title><link>https://blog.youkuaiyun.com/apd_csdn/article/details/147852084</link><guid>https://blog.youkuaiyun.com/apd_csdn/article/details/147852084</guid><author>apd_csdn</author><pubDate>Sat, 10 May 2025 13:57:03 +0800</pubDate><description><![CDATA[为了兼顾推理速度与质量，需要对模型和 adapter 进行 16 位合并以及 GPTQ 量化，本文以Qwen 2.5-vl为例，实现一个合并与量化过程。⚠️ 把LoRA adapter挂载到量化后的base model上，或QLoRA的权重加载到16bit精度的base model上，会导致困惑度（ppl，越低越好）增高。采用GPTQ量化的模型，推荐用vllm进行推理，若采用transformers架构，实测推理速度很慢。训练阶段用LoRA，推理阶段也要用LoRA，本文适用LoRA的情况。]]></description><category></category></item><item><title><![CDATA[from_pretrained()读取模型报错ForConditionalGeneration...‘NoneType‘ object is not iterable]]></title><link>https://blog.youkuaiyun.com/apd_csdn/article/details/147545490</link><guid>https://blog.youkuaiyun.com/apd_csdn/article/details/147545490</guid><author>apd_csdn</author><pubDate>Sun, 27 Apr 2025 00:28:21 +0800</pubDate><description><![CDATA[后来发现model模型的文件夹位置填错了，有一层嵌套，所以有这个奇怪的报错。]]></description><category></category></item><item><title><![CDATA[使用GRPO微调多模态VLM模型（Qwen 2.5 VL）]]></title><link>https://blog.youkuaiyun.com/apd_csdn/article/details/146592312</link><guid>https://blog.youkuaiyun.com/apd_csdn/article/details/146592312</guid><author>apd_csdn</author><pubDate>Fri, 28 Mar 2025 13:02:05 +0800</pubDate><description><![CDATA[使用jupyter notebook载入、推理和LoRA强化微调一个Qwen 2.5模型* 使用GRPO强化微调，奖励函数等设定* 私有数据集上需要做微调适配，除了SFT，强化微调提供了其他可行方案。* 很多情况下数据集的图文对包含答案简短，推理信息需要模型自行补全。然而，一般的SFT训练决定了模型输出必须是数据集中简短的答案形式。GRPO训练有助于激发模型的推理潜能。]]></description><category></category></item><item><title><![CDATA[带有tqdm进度条、动态效果显示的log文件输出处理]]></title><link>https://blog.youkuaiyun.com/apd_csdn/article/details/144653169</link><guid>https://blog.youkuaiyun.com/apd_csdn/article/details/144653169</guid><author>apd_csdn</author><pubDate>Sun, 22 Dec 2024 22:18:47 +0800</pubDate><description><![CDATA[很多时候程序的stdout输出包含了动态显示的效果，这些stdout输出如果直接保存为log文件、txt文件，动态效果会消失，并且占用很多行去显示。现在希望输出一个最终文件，使其展示效果，与命令行的显示效果相同。]]></description><category></category></item><item><title><![CDATA[使用爱因斯坦积完成图像色彩（通道）变换]]></title><link>https://blog.youkuaiyun.com/apd_csdn/article/details/143513241</link><guid>https://blog.youkuaiyun.com/apd_csdn/article/details/143513241</guid><author>apd_csdn</author><pubDate>Tue, 05 Nov 2024 17:35:38 +0800</pubDate><description><![CDATA[图像中有一类任务是对RGB通道进行变换，例如RGB转换CIE XYZ，或者颜色风格转移。这类变换可以用矩阵乘法表示图1. 未经gamma处理的sRGB到XYZ的转换矩阵，采用BT709标准，利用D65白点归一化。]]></description><category></category></item><item><title><![CDATA[从度量张量、相关系数生成椭圆参数]]></title><link>https://blog.youkuaiyun.com/apd_csdn/article/details/143392095</link><guid>https://blog.youkuaiyun.com/apd_csdn/article/details/143392095</guid><author>apd_csdn</author><pubDate>Fri, 01 Nov 2024 11:51:47 +0800</pubDate><description><![CDATA[度量张量、高斯随机变量相关系数都可以用椭圆来进行可视化，下面讲一下两者的本质和联系，以及绘制椭圆可视化过程中的常见问题。下面都以二维平面的椭圆为例。
度量张量
又叫黎曼度量，物理学译为度规张量，是指一用来衡量度量空间中距离，面积及角度的二阶张量。 xix_ixi​为欧几里得空间中一点的坐标，在其构成的局部坐标系统中，对xix_ixi​附近（切空间）的的点有x=xi+dxx=x_i+dxx=xi​+dx，度量张量可记为G(xi)G(x_i)G(xi​)，满足
ds2=dxTG(xi)dxds^2 = dx^T]]></description><category></category></item><item><title><![CDATA[Latex大矩阵缩小]]></title><link>https://blog.youkuaiyun.com/apd_csdn/article/details/143289644</link><guid>https://blog.youkuaiyun.com/apd_csdn/article/details/143289644</guid><author>apd_csdn</author><pubDate>Mon, 28 Oct 2024 11:47:36 +0800</pubDate><description><![CDATA[latex中大矩阵常会占据很大篇幅，有时会超出页面或超出双栏中的一侧。常常需要对大矩阵进行缩小操作，美观的同时减少版面浪费。下面是几种常用的矩阵缩小方法，可以组合使用：（以下均用方括号矩阵bmatrix举例，其他类型矩阵替换该关键字即可）]]></description><category></category></item><item><title><![CDATA[流式读文件并删除已读部分——大文件边解压边删除原理]]></title><link>https://blog.youkuaiyun.com/apd_csdn/article/details/142517630</link><guid>https://blog.youkuaiyun.com/apd_csdn/article/details/142517630</guid><author>apd_csdn</author><pubDate>Wed, 25 Sep 2024 12:15:42 +0800</pubDate><description><![CDATA[某些场景下，为了节省储存空间，我们希望读取文件流（file stream）后立即删除已读部分。例如超大文件解压，在完成一个chunk后不再需要读入这部分文件内容，因此可以边解压文件流边删除文件头部chunk大小字节。这种方案避免了常规解压在解压完成瞬间占用双倍空间（压缩包+解压后文件，一些游戏下载前提示100G本体需要200G可用空间）。核心代码包括文件流构建，ChainStream继承了io.RawIOBase类，并自定义readinto函数。流式截取，将给定文件向头部移动chunk字节，移动后截取。]]></description><category></category></item><item><title><![CDATA[改变RGB图像色温-实现和细节]]></title><link>https://blog.youkuaiyun.com/apd_csdn/article/details/142140876</link><guid>https://blog.youkuaiyun.com/apd_csdn/article/details/142140876</guid><author>apd_csdn</author><pubDate>Wed, 11 Sep 2024 16:16:06 +0800</pubDate><description><![CDATA[采用基于白点的色温转换（色温(Kelvin)到RGB的转换：算法和样例_色温转rgb-优快云博客），需要注意算出白点后和原始像素线性加权混合，才能完成实际图像的色彩转换。]]></description><category></category></item><item><title><![CDATA[踩坑：ESP8266+HttpUpdate库升级-107报错]]></title><link>https://blog.youkuaiyun.com/apd_csdn/article/details/141497373</link><guid>https://blog.youkuaiyun.com/apd_csdn/article/details/141497373</guid><author>apd_csdn</author><pubDate>Sat, 24 Aug 2024 12:54:50 +0800</pubDate><description><![CDATA[OTA升级时，ESP 01s只需保持正常工作模式接线即可，不需要进入烧录模式。如果OTA升级成功，串口会有输出，且通过指示灯可以观察到设备复位。Esp8266一个重要功能是OTA升级，允许在一次有线烧录后后续通过无线烧录方式升级。具体的OTA升级例程可以参考。]]></description><category></category></item></channel></rss>