<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[lldhsds的专栏]]></title><description><![CDATA[技术积累，分享]]></description><link>https://blog.youkuaiyun.com/codelearning</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; codelearning]]></copyright><item><title><![CDATA[kvm虚拟化安装deepin desktop 25 磁盘空间过小弹窗显示为黑屏]]></title><link>https://blog.youkuaiyun.com/codelearning/article/details/158380517</link><guid>https://blog.youkuaiyun.com/codelearning/article/details/158380517</guid><author>codelearning</author><pubDate>Wed, 25 Feb 2026 12:03:44 +0800</pubDate><description><![CDATA[deepin安装iso：deepin-desktop-community-25.0.10-amd64.iso。修改磁盘大小为45G以上，不会有弹窗提示，继续安装即可。]]></description><category></category></item><item><title><![CDATA[Pycharm设置代理]]></title><link>https://blog.youkuaiyun.com/codelearning/article/details/157763125</link><guid>https://blog.youkuaiyun.com/codelearning/article/details/157763125</guid><author>codelearning</author><pubDate>Thu, 05 Feb 2026 09:51:21 +0800</pubDate><description><![CDATA[file–setting–Appearance & Behavior-- System Settings – Http Proxy:]]></description><category></category></item><item><title><![CDATA[distutils.errors.DistutilsPlatformError: Microsoft Visual C++ 14.0 or greater is required.]]></title><link>https://blog.youkuaiyun.com/codelearning/article/details/157619556</link><guid>https://blog.youkuaiyun.com/codelearning/article/details/157619556</guid><author>codelearning</author><pubDate>Sun, 01 Feb 2026 21:51:01 +0800</pubDate><description><![CDATA[选择社区版即可， “Visual Studio Community”（免费版本），勾选使用C++的桌面开发，安装完成即可。安装完成后，重试pip安装依赖命令。pip 安装依赖报错，build。]]></description><category></category></item><item><title><![CDATA[ERROR: Failed to build ‘cffi‘ when getting requirements to build wheel]]></title><link>https://blog.youkuaiyun.com/codelearning/article/details/157619503</link><guid>https://blog.youkuaiyun.com/codelearning/article/details/157619503</guid><author>codelearning</author><pubDate>Sun, 01 Feb 2026 21:50:14 +0800</pubDate><description><![CDATA[，选择社区版即可， “Visual Studio Community”（免费版本），勾选使用C++的桌面开发，安装完成即可。解决方案，安装 [Visual Studio](安装完成后，重试pip安装依赖命令。]]></description><category></category></item><item><title><![CDATA[H3C UIS Cell 3020 G3服务器更换raid卡安装ONEStor记录]]></title><link>https://blog.youkuaiyun.com/codelearning/article/details/151151730</link><guid>https://blog.youkuaiyun.com/codelearning/article/details/151151730</guid><author>codelearning</author><pubDate>Wed, 03 Sep 2025 16:20:39 +0800</pubDate><description><![CDATA[记录服务器更换raid卡背景、问题解决过程。]]></description><category></category></item><item><title><![CDATA[使用dig查看dns递归查询过程]]></title><link>https://blog.youkuaiyun.com/codelearning/article/details/148286461</link><guid>https://blog.youkuaiyun.com/codelearning/article/details/148286461</guid><author>codelearning</author><pubDate>Wed, 28 May 2025 16:19:03 +0800</pubDate><description><![CDATA[CNAME（Canonical Name）是域名的别名记录，用于将一个域名指向另一个规范域名（主域名）。指向的目标域名时，无需变更原域名的解析记录，适合频繁调整后端服务的场景（如切换。大型站点，例如百度为了实现负载均衡、CDN 加速或灵活管理域名，会将。查询过程中如果没有命中缓存，查询实际上是一个递归过程。功能，可以展示递归查询的整个过程。（生存时间）通常较短，可更快刷新解析结果。（生存时间）通常较短，可更快刷新解析结果。记录），从而实现流量分发和高可用性。记录），从而实现流量分发和高可用性。]]></description><category></category></item><item><title><![CDATA[使用tunasync部署企业内部开源软件镜像站-Centos Stream 9]]></title><link>https://blog.youkuaiyun.com/codelearning/article/details/148251332</link><guid>https://blog.youkuaiyun.com/codelearning/article/details/148251332</guid><author>codelearning</author><pubDate>Tue, 27 May 2025 10:04:03 +0800</pubDate><description><![CDATA[tunasync 是清华大学 TUNA 镜像源目前使用的镜像方案，本文将介绍如何使用 tunasync 部署企业内部开源软件镜像站。基于进行镜像站点搭建。]]></description><category></category></item><item><title><![CDATA[etcd性能测试]]></title><link>https://blog.youkuaiyun.com/codelearning/article/details/146539953</link><guid>https://blog.youkuaiyun.com/codelearning/article/details/146539953</guid><author>codelearning</author><pubDate>Wed, 26 Mar 2025 20:12:15 +0800</pubDate><description><![CDATA[本文参考官方文档完成etcd性能测试，提供etcd官方推荐的性能测试方案。]]></description><category></category></item><item><title><![CDATA[milvus lite快速实践]]></title><link>https://blog.youkuaiyun.com/codelearning/article/details/146117353</link><guid>https://blog.youkuaiyun.com/codelearning/article/details/146117353</guid><author>codelearning</author><pubDate>Sat, 08 Mar 2025 15:41:19 +0800</pubDate><description><![CDATA[Milvus Lite 是Milvus 的轻量级版本，Milvus 是一个开源向量数据库，通过向量嵌入和相似性搜索为人工智能应用提供支持，最典型的应用场景就是 RAG（Retrieval-Augmented Generation，检索增强生成），为 RAG 系统提供了强大的向量存储和检索能力。通过下面的实践，可以了解文本向量化与相似度匹配（语义匹配）的大概过程，了解RAG落地背后的机制。]]></description><category></category></item><item><title><![CDATA[开源向量数据库Milvus简介]]></title><link>https://blog.youkuaiyun.com/codelearning/article/details/145951779</link><guid>https://blog.youkuaiyun.com/codelearning/article/details/145951779</guid><author>codelearning</author><pubDate>Sat, 01 Mar 2025 18:55:55 +0800</pubDate><description><![CDATA[Milvus 是一个开源的、高性能、高扩展性的向量数据库，专门用于处理和检索高维向量数据。它适用于相似性搜索（Approximate Nearest Neighbor Search，ANN），特别适合**AI、推荐系统、计算机视觉、自然语言处理（NLP）**等领域。Milvus 由 Zilliz 开发，并已捐赠给 LF AI & Data 基金会。向量是神经网络模型的输出数据格式，可以有效地对信息进行编码，在知识库、语义搜索、检索增强生成（RAG）等人工智能应用中发挥着举足轻重的作用。]]></description><category></category></item><item><title><![CDATA[etcd部署硬件资源推荐]]></title><link>https://blog.youkuaiyun.com/codelearning/article/details/145937372</link><guid>https://blog.youkuaiyun.com/codelearning/article/details/145937372</guid><author>codelearning</author><pubDate>Fri, 28 Feb 2025 20:33:01 +0800</pubDate><description><![CDATA[原文：https://etcd.io/docs/v3.5/op-guide/hardware/etcd 通常在开发或测试环境中运行良好，即使资源有限；在笔记本电脑或廉价云服务器上开发时，使用 etcd 也很常见。然而，在生产环境中运行 etcd 集群时，遵循一些硬件指南对于正确的管理非常有用。这些建议并非硬性规定；它们为稳健的生产部署提供了良好的起点。正如以往一样，在投入生产之前，应使用模拟工作负载对部署进行测试。]]></description><category></category></item><item><title><![CDATA[5. 进阶关卡-茴香豆：企业级知识库问答工具]]></title><link>https://blog.youkuaiyun.com/codelearning/article/details/145263079</link><guid>https://blog.youkuaiyun.com/codelearning/article/details/145263079</guid><author>codelearning</author><pubDate>Mon, 20 Jan 2025 15:03:36 +0800</pubDate><description><![CDATA[茴香豆是由书生·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。]]></description><category></category></item><item><title><![CDATA[6. 基础关卡-OpenCompass 评测书生大模型实践]]></title><link>https://blog.youkuaiyun.com/codelearning/article/details/145261522</link><guid>https://blog.youkuaiyun.com/codelearning/article/details/145261522</guid><author>codelearning</author><pubDate>Mon, 20 Jan 2025 14:05:07 +0800</pubDate><description><![CDATA[有了模型和硬件后，你需要在评测配置文件中指定模型路径和相关参数，然后评测框架就会自动加载模型并开始评测。这种评测方式虽然前期准备工作相对繁琐，需要考虑硬件资源，但好处是评测过程完全在本地完成，不依赖网络状态，而且你可以更灵活地调整模型参数，深入了解模型的性能表现。我们接下以评测InternLM2.5-1.8B-Chat在C-Eval数据集上的性能为例，介绍如何评测本地模型。本节课程聚焦于大语言模型的评测，在后续的课程中我们将介绍多模态大模型的评测方法。这样我们指定了评测的模型和数据集，然后运行。]]></description><category></category></item><item><title><![CDATA[6. 进阶关卡-MindSearch深度解析实践]]></title><link>https://blog.youkuaiyun.com/codelearning/article/details/145222626</link><guid>https://blog.youkuaiyun.com/codelearning/article/details/145222626</guid><author>codelearning</author><pubDate>Sat, 18 Jan 2025 10:29:20 +0800</pubDate><description><![CDATA[部署MindSearch到 hugging face Spaces上。MindSearch 是一个开源的 AI 搜索引擎框架，具有与 Perplexity.ai Pro 相同的性能。]]></description><category></category></item><item><title><![CDATA[4. 进阶关卡-InternVL多模态模型部署微调实践]]></title><link>https://blog.youkuaiyun.com/codelearning/article/details/145209373</link><guid>https://blog.youkuaiyun.com/codelearning/article/details/145209373</guid><author>codelearning</author><pubDate>Fri, 17 Jan 2025 16:07:56 +0800</pubDate><description><![CDATA[它包含了大量关于食物的图片和问题，帮助多模态大模型更好地理解不同地区的饮食习惯和文化特色。这个数据集的推出，让我们能够更深入地探索和理解食物背后的文化意义。文件中，MODEL_PATH处传入InternVL2-2B的路径，如果使用的是InternStudio的开发机则无需修改，否则改为模型路径。需要修改为对应的想要转的checkpoint。，根据获取方式的不同，可能需要修改配置文件中的。为转换后的模型checkpoint保存的路径。查看微调后的效果，是否有食物识别错误的现象。]]></description><category></category></item><item><title><![CDATA[3. 进阶关卡-LMDeploy 量化部署进阶实践]]></title><link>https://blog.youkuaiyun.com/codelearning/article/details/145207924</link><guid>https://blog.youkuaiyun.com/codelearning/article/details/145207924</guid><author>codelearning</author><pubDate>Fri, 17 Jan 2025 15:53:00 +0800</pubDate><description><![CDATA[我们要运行参数量为7B的InternLM2.5，由InternLM2.5的码仓查询的文件可知，该模型的权重被存储为bfloat16格式。对于一个7B（70亿）参数的模型，每个参数使用16位浮点数（等于 2个 Byte）表示，则模型的权重大小约为：70亿个参数×每个参数占用2个字节=14GB所以我们，选择 30%A100*1(24GB显存容量)，后选择立即创建，等状态栏变成运行中，点击进入开发机，我们即可开始部署。]]></description><category></category></item><item><title><![CDATA[2. 进阶关卡-Laagent：从零搭建你的Multi-Agent]]></title><link>https://blog.youkuaiyun.com/codelearning/article/details/145207765</link><guid>https://blog.youkuaiyun.com/codelearning/article/details/145207765</guid><author>codelearning</author><pubDate>Fri, 17 Jan 2025 15:00:35 +0800</pubDate><description><![CDATA[开发机选择 30% A100，镜像选择为 Cuda12.2-conda。]]></description><category></category></item><item><title><![CDATA[1. 进阶关卡-探索书生大模型能力边界]]></title><link>https://blog.youkuaiyun.com/codelearning/article/details/145207708</link><guid>https://blog.youkuaiyun.com/codelearning/article/details/145207708</guid><author>codelearning</author><pubDate>Fri, 17 Jan 2025 14:56:12 +0800</pubDate><description><![CDATA[InternThinker 是一个强推理模型，具备长思维能力，并能在推理过程中进行自我反思和纠正，从而在数学、代码、推理谜题等多种复杂推理任务上取得更优结果。相应的，模型生成回复的时间也会变长，本节课我们将来一起探索一下 InternThinker 的能力边界。]]></description><category></category></item><item><title><![CDATA[5. 基础关卡-Xtuner微调个人小助手认知任务]]></title><link>https://blog.youkuaiyun.com/codelearning/article/details/145207416</link><guid>https://blog.youkuaiyun.com/codelearning/article/details/145207416</guid><author>codelearning</author><pubDate>Fri, 17 Jan 2025 14:49:28 +0800</pubDate><description><![CDATA[使用XTuner微调InternLM2-Chat-7B实现自己的小助手认知，如下图所示（图中的尖米需替换成自己的昵称），记录复现过程并截图。]]></description><category></category></item><item><title><![CDATA[4. 基础关卡-Llamaindex RAG实践]]></title><link>https://blog.youkuaiyun.com/codelearning/article/details/145207092</link><guid>https://blog.youkuaiyun.com/codelearning/article/details/145207092</guid><author>codelearning</author><pubDate>Fri, 17 Jan 2025 14:38:35 +0800</pubDate><description><![CDATA[【代码】4.基础关卡-LlamaindexRAG实践。]]></description><category></category></item></channel></rss>