- 博客(76)
- 收藏
- 关注
RSS订阅原创 windows 同一个网段访问，关闭防火墙方法
Windows局域网联调防火墙设置指南 通过PowerShell管理员权限可快速处理防火墙问题： 临时关闭防火墙：Set-NetFirewallProfile -Enabled False（恢复用True） 放行所有端口：创建TCP/UDP入站允许规则，并启用ICMP回显规则 注意事项：放行端口≠可访问，需确认服务监听地址非127.0.0.1 检查监听：Get-NetTCPConnection查看实际监听的IP和端口 附命令可撤销规则或恢复防火墙状态，适合联调时快速测试网络连通性。
2026-08-24 11:11:10
186
原创 海光 K100-AI (gfx928) 适配 YOLO26 推理 —— 逐步执行教程
本文提供了在海光K100-AI DCU（gfx928架构）上适配YOLO26推理的详细教程。主要内容包括： 环境验证：确认服务器配备2张K100-AI卡（400W单卡），运行DTK 24.04.3和HIP 24.04.0 Docker环境配置： 拉取预置MIGraphX 5.1.0的DCU专用镜像 提供了4种镜像拉取方案，解决长命令中断问题 详细说明容器启动参数和设备挂载方法 容器内环境验证： 配置gfx928专用环境变量 检查DCU可见性和Python依赖 确认MIGraphX推理引擎可用性 YOLO26
2026-07-22 09:52:24
504
原创 图像算法模型NPU适配与算法服务实战指南
本项目提供了一个开箱即用的图像推理服务框架，支持主流目标检测模型（如YOLO系列、MMDetection等），可适配NPU/CUDA/CPU多种硬件环境。核心功能包括：多模型多后端支持、昇腾NPU深度适配（自动选卡、兼容性补丁、性能优化）、高并发批处理设计、生产级健壮性保障。通过统一的REST API提供推理能力，用户只需配置模型文件即可快速部署服务。技术架构基于FastAPI实现，包含模型管理、推理引擎和设备运行时三层，支持异步处理和错误隔离。项目已开源，提供完整的环境配置和使用指南，适合AI模型快速落地
2026-07-14 15:42:51
259
5
原创 label-studio使用记录
Label Studio是一个开源的标注工具，支持多种数据类型的标注任务。可通过Docker快速部署（docker pull heartexlabs/label-studio）或Python安装（pip install label-studio）。启动命令为label-studio start --port 8080，默认访问地址为http://localhost:8080。Docker运行时可挂载数据目录（-v $(pwd)/mydata:/label-studio/data）。支持图像、文本、音频等数据
2026-02-27 15:11:38
101
原创 解决could not select device driver…gpu问题（安装nvidia-container-runtime）
通过网盘分享的文件：ubuntu_nvidia-container-toolkit_1.18.1_deb_amd64.tar.gz。链接: https://pan.baidu.com/s/10UZmyY55LGn6YD-CCir0Kg 提取码: btxj。链接: https://pan.baidu.com/s/1KaFQP547IJvvMQKOw4Om7g 提取码: qugk。执行 rpm -Uvh --force --nodeps *.rpm。通过网盘分享的文件：nvidia-docker.zip。
2026-02-27 15:07:08
98
原创 django.db.utils.OperationalError: table “labels_manager_label“ already exists Sentry is attempting
摘要：文章分析了Django数据库迁移过程中出现的"table already exists"错误原因，指出这是由于重复启动Label Studio服务导致的多进程数据库冲突。解决方案包括：1)清理旧容器和数据库文件；2)通过环境变量配置自动启动；3)使用docker logs监控启动状态。关键点是避免手动执行启动命令，让容器自动完成初始化流程。
2026-02-27 15:04:19
86
原创 Error 304: OS call failed or operation not supported on this OS (Triggered internally at …/c10/cuda/
摘要：在CentOS 7.9系统上运行Docker容器时出现CUDA初始化错误(Error 304)，主要原因是NVIDIA UVM内核模块未加载或设备节点缺失。解决方案包括：1)在宿主机手动加载nvidia-uvm模块并创建设备节点；2)配置Docker默认运行时为nvidia；3)以privileged模式重新启动容器。验证表明该方法能有效解决torch.cuda.is_available()返回False的问题，比单纯关闭SELinux(setenforce 0)更彻底。
2026-02-27 15:00:42
686
原创 图像过亮或者过暗判断算法代码以及解析
本文通过三个5×5灰度图像实例，详细演示了亮度/暗度系数的计算过程。核心算法采用四步闭环：基准锚定（128）、整体偏移量化、离散度修正和归一化判定。过暗图像（像素18-25）得da=-105、k≈35.47；过亮图像（像素220-230）得da=95、k≈34.42；正常图像（像素120-135）得da=0、k=0。结果表明：da符号指示方向（正/负），k值大小反映极端程度（k≥0.8为严重异常）。该算法能有效区分过亮、过暗和正常图像。
2026-01-27 16:52:28
692
原创 拉普拉斯算子识别图像模糊详解
拉普拉斯算子是二阶微分算子，在计算机视觉中核心用于提取图像边缘、量化图像清晰度，本质是衡量图像像素灰度的二阶变化率，清晰图像的边缘灰度变化剧烈，二阶变化率大，模糊图像的灰度变化平缓，二阶变化平缓，
2026-01-27 14:47:34
579
原创 LongVU多模态 构建、训练自己数据集整个过程
根目录LICENSE：项目遵循的Apache License 2.0协议内容，规定了项目的使用、复制、修改和分发等权限及限制。README.md：项目的说明文档，包含项目简介、快速开始指南（如安装步骤、模型下载、本地运行演示等）、推理代码示例等，帮助用户快速了解和使用项目。app.py：用于构建本地演示界面的代码，基于Gradio库实现，支持用户上传图片或视频并与模型进行交互，设置生成回答的参数（如温度、Top P、最大输出 tokens 等）。：项目运行所需的依赖库列表，通过可安装所需依赖。
2025-10-13 14:47:45
1290
2
原创 yolo 数据加载以及自定义增强流程以及代码介绍
YOLO11训练框架与数据增强流程 本文详细介绍了YOLO目标检测模型的训练流程，重点解析了数据加载和增强的实现机制。训练过程从配置文件解析开始（如coco128.yaml），通过BaseTrainer构建数据加载器。核心组件YOLODataset负责图像和标签的加载，其__getitem__方法实现了马赛克增强选择、数据读取和变换应用。数据增强模块（augment.py）包含多种变换方式，通过v8_transforms函数按训练/验证模式组合不同增强策略。整个流程实现了从数据准备、增强处理到模型训练的
2025-09-26 09:42:34
1322
原创 ShuhuaiRen/TimeIT 数据集分析与自定义标注规范
ShuhuaiRen/TimeIT数据集是一个多模态视频理解数据集，主要用于时间感知的视频事件描述与定位。数据集整合了12个来源的10万+视频片段，涵盖日常活动、体育等多个场景。原始数据采用QA格式，包含视频路径、时间精确到0.1秒的事件描述和来源标注。评估数据需转换为COCO格式，分为密集视频描述和时间视频定位两种任务。自定义标注需遵循严格规范：时间片段按自然事件划分(5-30秒)，描述需包含主体+动作+对象三要素，时间戳精确到0.1秒。标注过程建议采用双人交叉验证，转换COCO格式时需确保时间片段与描述
2025-09-26 09:26:44
819
原创 qwen2.5-vl VS TimeChat VS LongVU
Qwen2.5-VL-72B在长视频理解和时间敏感任务上表现优异，在LVBench、MLVU基准和Charades-STA数据集（mIoU 50.9）上超越GPT-4o等竞品。TimeChat在时间戳定位任务（Charades-STA）的R@1指标达32.2分。实验设置方面，Qwen2.5-VL限制视频token不超过24,576，而LongVU为8,129。Qwen2.5-VL通过同步MRoPE技术增强时间定位能力，在多项视频理解任务中展现领先性能。
2025-09-26 09:25:05
447
原创 构建生产级多模态数据集：视觉与视频模型 （附实现代码 参照LLaVA-OneVision-Data和VideoChat2）
LLaVA-OneVision-Data-SAE 的结构[{},}]自定义标注的核心是为你的图像生成高质量的对任务类型指令模板示例期望输出示例简单描述“描述这张图片。“一张城市夜景的照片，高楼灯火通明。详细描述“详细描述图片中的场景、物体和它们的属性。“照片近处是一杯咖啡，杯上有拉花…”视觉问答 (VQA)“图片中有几只动物？“两只。推理问答“这个人为什么穿着雨衣？“因为正在下雨。多图比较“比较这两张图片的风格。“图一更写实，图二更抽象。
2025-09-26 09:20:58
1492
原创 长视频分析模型 LongVU 论文内容总结与技术架构解析
LongVU：面向长视频理解的高效时空压缩框架 LongVU提出了一种创新的三级压缩机制，解决多模态大语言模型处理长视频时的令牌冗余问题。核心方法包括：1）基于DINOv2特征的时间冗余去除，通过帧间相似度分析减少50%冗余帧；2）文本引导的空间压缩，利用跨模态注意力选择关键帧保留高分辨率；3）帧间依赖的空间剪枝，动态分配视觉令牌资源。实验表明，该方法能在8k上下文限制下处理小时级视频，相比均匀采样方法提升显著。技术架构采用DINOv2特征提取和跨模态注意力机制，实现时空自适应压缩，在保持关键视觉信息的同时
2025-09-26 09:09:28
1094
原创 解决：NVIDIA-SMI couldn‘t find libnvidia-ml.so library in your system.
解决：NVIDIA-SMI couldn’t find libnvidia-ml.so library in your system. Please make sure that the NVIDIA Display Driver is properly installed and present in your system.Please also try adding directory that contains li PATH.
2025-09-12 15:25:28
670
原创 github 上传代码步骤
点击 Create Repository，复制仓库URL（推荐SSH格式：git@github.com:用户名/仓库名.git）。关键：不要勾选 “Initialize with README”（避免与本地仓库冲突）。登录GitHub → 点击右上角 + → New Repository。填写仓库名称（建议与本地项目同名），选择 Public/Private。
2025-08-19 16:17:11
278
原创 gitlib 常见命令
git pull origin <分支名> # 拉取远程最新代码并合并。git merge <目标分支> # 将目标分支合并到当前分支。git push origin <分支名> # 推送到远程分支。git clone <项目URL> # 从 GitLab 拉取代码到本地。git add +路径 （可以多个） 添加修改到暂存区。git diff +文件路径 查看修改位置。git diff +文件路径 查看修改位置。
2025-05-30 15:57:09
507
原创 docker 常见命令
docker compose stop可以快速停止服务，方便后续重新启动，而不必重新构建。而down则适合彻底重置环境。docker exec <容器名> lsof -i :80。docker logs --tail 100 <容器名>docker-compose down会删除容器和网络。docker port <容器名> 80/tcp。docker port <容器ID或名称>-f参数可指定任意路径的配置文件。
2025-04-22 17:57:25
498
原创 DeepSeek-R1-Distill 微调(sft)训练实战喂饭级别
使用LLama-Factory大模型训练框架微调DeepSeek-R1-Distill实战link。
2025-02-20 11:27:16
1916
原创 Qwen-VL论文解读
在本文中，我们介绍了Qwen-VL系列，这是一组大规模的视觉-语言模型（LVLMs），旨在感知和理解文本和图像。从Qwen-LM开始，我们通过精心设计的（i）视觉受体，（ii）输入-输出接口，（iii）3阶段训练管道，以及（iv）多语言多模态清洗语料库，赋予其视觉能力。除了传统的图像描述和问答，我们还通过图像-标题-框元组的对齐实现了Qwen-VLs的定位和文本阅读能力。
2025-01-16 18:03:15
1343
原创 qwen2-vl模型推理代码，以及min_pixels和max_pixels设置
max_pixels 决定了模型在处理图像时，允许输入图像的最大像素数量。如果输入图像的像素超过设定值，通常会对图像进行缩放或裁剪。
2025-01-15 11:20:54
5135
原创 YOLO11训练自己的数据集图文实战,一键从数据集到训练，一站式训练和到部署推理,包含voc数据集处理
yolov8官方链接:本文章是以labelimg标注好的voc数据集为基础,通过转换格式训练模型,
2025-01-14 18:49:27
2811
原创 在Linux中，分卷压缩
不支持大文件：在某些较旧的Linux系统上，zip和unzip命令可能不支持大文件（超过2GB）。在Linux中，分卷压缩是一种将大文件或目录分割成多个较小文件的方法，以便更方便地进行存储、传输或处理。这将生成一系列以myfolder.zip为前缀的分卷文件，如myfolder.zip.z01、myfolder.zip.z02等，每个文件的大小不超过100MB。确保所有分卷文件都完整无缺是解决这个问题的关键。传输方便：在网络传输大文件时，分卷压缩可以避免网络中断导致的传输失败，同时方便分段下载。
2024-12-19 11:00:12
1624
原创 【大模型训练集RLHF,SFT,DPO,多模态的构建格式以及示例解析】
解释：在指令监督微调时，instruction 列对应的内容会与 input 列对应的内容拼接后作为人类指令，即人类指令为 instruction\ninput。Sharegpt 格式的偏好数据集同样需要在 chosen 列中提供更优的消息，并在 rejected 列中提供更差的消息。role: 指示说话者的角色，可能是“human”（人类用户）或“assistant”（模型助手）。结构: 同样是一个对象，包含角色和文本，表明这是一个被拒绝的输出。描述: 表示在给定上下文中，人类不选择的助手响应。
2024-11-05 09:46:31
4872
原创 模型django封装uvicorn服务器部署实战
Uvicorn 是一个轻量级的 ASGI 服务器，它基于 uvloop 和 httptools 这两个高性能的异步库。Uvicorn 提供了快速的启动时间和低延迟的响应，非常适合用于生产环境。是一个开源且强大的Web框架，适用于快速开发和部署Python Web应用程序。3.启动django项目。2.安装Uvicorn。1.安装django。
2024-09-24 16:01:41
686
原创 LLama-Factory大模型训练框架，基于自己数据集微调qwen7B模型实战
LLama-Factory，大模型训练框架，支持多种模型，多种训练方式，link。
2024-07-04 11:17:36
4087
2
原创 mmdetection使用自己的voc数据集训练模型实战
一.自己数据集整理将labelimg格式数据集进行整理1.1. 更换图片后缀为jpg2.删除xml和jpg名称不对应的图片1.3 查看class name1.4 创建以下目录结构其中JPEGImgs里面是所有图片Annotations里面是所有xml文件dataset.py文件代码为准备好一切后,python dataset.py自动划分数据集由此,数据集已经准备完成。
2024-02-06 15:27:00
1799
原创 mmdetection模型转onnx和tensorrt实战
mmdetection 中cascade-rcnn转tensorrt模型,并进行api推理
2024-02-05 15:50:53
1819
1
原创 GLM 130B和chatGLM2-6B模型结构
可以自由设置单词mask,句子smask,文章gmask,可以根据任务的不同设置mask，文本理解设置单词级别mask，文本生成色湖之句子级别的gmask，glm130B中设置的师70%句子级别gmask，30%词级别mask，3，RoPE旋转式编码，绝对编码实现相对编码，主要就是对每个位置token中的q, k向量乘以矩阵，然后用更新的q,k向量做attention中的内积就会引入相对位置信息了。整个流程，相当于forward 参数的计算都是fp16,，更新梯度使用fp32，有更长的表示范围，
2023-07-11 19:11:37
2592
原创 LLaMA
和transformer不同的是，为了提高训练的稳定性，作者对transformer子层的输入进行归一化，而不是输出部分，残差链结构在进行归一化，使用RMSNorm归一化函数，swiGLU激活函数，代替RELU。基于transforme架构，7B模型堆叠32个decoder模块，输入维度是4096，每个mutil head attention中头的个数32个，预训练模型是使用1T的token，研究表明，最好的模型性能不是由最大的模型体积实现，而是在更多的数据上训练较小的模型实现。380个令牌/秒/GPU。
2023-07-03 17:36:15
884
原创 Transformer面试题总结以及手搓源码示例
BN是对同一个batch内的所有数据的同一个特征数据进行操作；1.2 解码器：解码器同样由N=6相同的层组成，除了和编码器有两个相同的子层以外，解码器第三个子层是带有掩码的注意力机制，Mask mutil-Head Attention ，做解码是一个自回归，需要确保当前时刻t的位置不会关注t以后的数据。(做内积的目的是计算q和k两个向量的相似度，两个向量越接近相似度越高，一个query中有n个q v 对，最后输出是n个结果，最后softmax会得到n个和为1的权重，乘以v得到最后的输出)
2023-06-27 15:56:54
883
原创 注意力机制，解码器和编码器的改进
Attention的结构Seq2seq是一个非常强大的框架，应用面很广，这里我们将介绍进一步强化seq2seq的注意力机制，基于attention机制，seq2seq可以像我们人类一样，将注意力集中在必要的信息上，
2023-06-20 18:22:00
1080
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