dycljj的博客

ubuntu容器安装并使用codex

dycljj — Mon, 13 Apr 2026 22:30:06 +0800

最近一直在折腾各种环境、各种API key，总感觉没用过就落伍了，头大呀🤦‍不知道各位有没有这种感觉。使用了一段使用claude code，购买API基本都是按量付费，用不起了… 继而转战codex，毕竟有包月套餐，相对还是挺划算的。在windows上用着总感觉不得劲，毕竟很多开发任务还要依赖linux系统以及GPU，所以想着在服务器容器中也安装一下codex，本文主要记录一下我在安装过程中的踩的一些坑，希望能够帮到大家。我是在容器中安装的，如果是直接在服务器上安装，流程差不多，可能还会简单点。

华为Atlas 300I Duo部署Qwen3-VL-8B多模态大模型

dycljj — Sun, 12 Apr 2026 00:21:44 +0800

本文分享了在鲲鹏920（ARM架构）和Atlas 300I Duo NPU硬件上部署vLLM框架的经验。作者指出该硬件组合目前仍处于实验性支持阶段，性能表现不佳。文章详细介绍了软硬件配置要求（推荐使用v0.18.0rc1-310p镜像和Qwen3-VL-8B-Instruct模型），并提供了容器部署和启动的具体命令。性能测试显示，即使在最优条件下（小尺寸图片+短输出），P95延迟仍高达4.2秒。作者建议谨慎选择该硬件部署vLLM，目前性能表现不理想，主要瓶颈在于输出长度而非图片尺寸。

OpenClaw使用kimi web_search返回401问题

dycljj — Tue, 31 Mar 2026 21:55:10 +0800

解决openclaw调用web_search返回401问题

windows下编译tensorflow2.5.0 c++库并调用

dycljj — Fri, 02 Jul 2021 19:55:34 +0800

近期使用python+keras+unet网络训练了一个图像分割模型（.h5），因为最终需要在C++中使用，所以需要2步转换：模型转换（h5 —> pb）：需要的朋友可以参考一下之前写的文章。模型转换编译tensorflow，生成C++库：本文重点说明的内容。说明：keras没有c++相关接口，所以不能直接在c++中调用由keras.save生成的h5模型，需要将其转换为pb模型，由tensorflow c++相关接口来调用。 1、开始之前明确需要编译的tensorflow版本，这个和

keras训练的h5模型转换为pb模型

dycljj — Mon, 28 Jun 2021 18:22:55 +0800

最近使用keras训练了一个图像分割的模型(.h5)，但最终需要在C++中调用该模型，由于keras没有C++接口，所以需要将.h5模型转换为.pb模型后通过tensorflow C++接口进行调用。由于本人之前接触深度学习较少，很多东西不是很懂，所以在转换过程中遇到了很多问题，在此记录，共同学习。 1、转换之前需要注意的点本人在转换过程中发现tensorflow1.x和2.x存在区别，所以在转换之前最好确定训练模型时使用的tensorflow版本，转换过程使用的环境尽量和训练模型使用的环境保持一致，

机器学习笔记06-吴恩达机器学习课后习题(1)

dycljj — Tue, 22 Dec 2020 20:17:47 +0800

前言本节主要分析吴恩达教授授课过程中的课后练习题计算过程，通过习题进一步复习巩固前边所学知识。 1、课后习题：ex1下载地址：https://pan.baidu.com/s/158L1eMLSlkWUYvHe_9iVQw提取码：xodk2、使用工具：Octave 6.1.0，官网：https://wiki.octave.org/GNU_Octave_Wiki该版本下载地址：https://www.gnu.org/software/octave/download 习题简述 ex1习题主要包含3部分内容的练

机器学习笔记05-矩阵基础知识

dycljj — Wed, 16 Dec 2020 19:03:38 +0800

前言矩阵的相关操作在机器学习中很重要，为了给之后打下坚实的基础，在此对矩阵的基础知识进行总结学习。主要包括矩阵的四则运算（加减乘除）以及矩阵的转置与逆矩阵。什么是矩阵在数学中，矩阵（Matrix）是一个按照长方阵列排列的复数或实数集合，最早来自于方程组的系数及常数所构成的方阵。这一概念由19世纪英国数学家凯利首先提出。直观解释就是由中括号包起来的一组二维数据，如下所示即就是一个2*2的矩阵。 A=[1234] A = \left[\begin{array}{ll} 1 & 2 \\ 3 &

机器学习笔记04-梯度下降算法中的学习率（步长）

dycljj — Sun, 06 Dec 2020 18:18:07 +0800

1、回顾之前所说的梯度下降算法中有几个细节，求导部分已经在上一节进行说明，接下来主要对公式当中的α\alphaα，即就是学习率（步长）进行说明。 θj:=θj−α∂∂θjJ(θ0,θ1),for(j=1andj=0) \theta_{j}:=\theta_{j}-\alpha \frac{\partial}{\partial \theta_{j}} J_{\left(\theta_{0}, \theta_{1}\right)},for(j=1 and j=0)θj:=θj−α∂θj∂J(θ0,θ

CString与string转换

dycljj — Thu, 03 Dec 2020 15:17:04 +0800

string转CString 在使用MFC时，遇到了CString与string转换的问题，特此记录下来。其实CString与string的转换方式有挺多种的，但也并不是每一种都适用，可能需要一些稍微的改动才能正常运行。比如网上常见的一种转换方法（如果你的能直接转换也是没问题滴）：哦吼，发现转不了，就很气。提示错误为：no suitable constructor exists to convert from “const char *” to “ATL::CStringT

spdlog日志库使用

dycljj — Wed, 02 Dec 2020 17:06:20 +0800

1、说明 spdlog是一款开源的、快速的日志库。使用简单、功能齐全，能满足日常开发使用。下载地址：https://github.com/gabime/spdlog 它的优点有很多，使用过程主要体现的优点有以下几点：（1）配置特别简单，仅包含头文件即可；（2）写日志方式简单明了；（3）可实现自动按日期创建日志文件/定时创建日志文件；（4）可自定义日志格式；（5）可以输出当前输出日志所在的文件及函数；（6）可自定义文档大小；（7）可将不同级别的信息输出到不同日志文件；（8）多平台等。结合自

机器学习笔记03-求导规则与梯度下降算法推导

dycljj — Fri, 27 Nov 2020 16:53:20 +0800

导数简介关于导数的定义，网上已经有很多了，本文主要说明一些常见函数的导数以及一些推导过程。之前看过一篇知乎，对如何理解导数讲的挺全面的，有兴趣的朋友可以看看这篇文章—>如何理解导数的概念。关于导数最简单也最通俗易懂的一个定义就是：曲线的切线的斜率。什么意思呢？（1）首先理解切线，曲线上两点的连线确定一条割线，当这两个点足够靠近时，割线就变成了切线。（2）当B点慢慢靠近A点时，割线的斜率一直在发生变化。当B点足够靠近A点时(“极限的思想”)，斜率也越来越接近一个值，这个值就叫作导数。（3）我

机器学习笔记02-线性回归模型中的代价函数与梯度下降

dycljj — Fri, 20 Nov 2020 16:50:27 +0800

总结该部分主要针对前一节内容进行补充和回顾，上一节主要介绍了-线性回归函数模型与代价函数。上一节内容点此查看。（1）线性回归函数模型，表示为： hypothesis：hθ(x)=θ0+θ1x等价于：h(x)=θ0+θ1x\begin{array}{l} hypothesis：h_{\theta(x)}=\theta_{0}+\theta_{1} x \\ 等价于：h_{(x)}=\theta_{0}+\theta_{1} x \end{array}hypothesis：hθ(x)=θ0+θ1x等价

机器学习笔记01-单变量线性回归以及代价函数

dycljj — Sat, 07 Nov 2020 19:08:09 +0800

这里写自定义目录标题目录常见名词功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入目录开篇：一枚热爱机器学习的菜鸟程序员，通过学习吴恩达教授的机器学习课程，总结归纳一些重要知识点及自己的感悟。文中有错误或不足之处，希望大家批评指正

MFC中Picture Control 控件中图像遮挡后消失

dycljj — Tue, 25 Aug 2020 09:50:46 +0800

1、说明最近在使用MFC时发现，Picture Control控件中的图像若被其他窗口遮盖、窗口移出屏幕外、最小化等操作时，都会导致图像消失。其原因在于onPaint()函数。

Dalsa 相机拍摄图像丢帧(模糊)解决办法

dycljj — Mon, 13 Jul 2020 20:48:27 +0800

Dalsa相机图像丢帧可能存在的原因 1、硬件原因（1）硬件主要涉及网线和网卡的选择，Dalsa相机最好选择千兆网线和千兆网卡。若一台PC需要连接多个相机，最好添加对应个数的网卡；（2）网卡配置：对应网卡需要进行配置，配置方法如下所示： ①打开“网络连接”，选择对应网卡，右键选择“属性”； ②选择“配置” ③选择“高级”，配置“巨帧数据包”，选择最大(9014字节)；“速度和双工”，选择最大(1.0 Gbps全双工)。至此，和硬件相关的配置已经结束，如果能解决图像丢帧的问题.

LintCode-合并排序数组

dycljj — Sun, 09 Feb 2020 17:04:44 +0800

描述合并两个有序升序的整数数组A和B变成一个新的数组。新数组也要有序。例如int a[] = {1,2,3,4},int b[] ={2,4,5,6} 合并后的结果为[1,2,2,3,4,4,5,6] 方法一：直接比较两个vector中的所有元素 vector mergeSortedArray(vector &A, vector&...

LintCode-求取A+B的问题

dycljj — Wed, 05 Feb 2020 12:56:19 +0800

问题：给出两个整数a和b，求取它们的和。分析：1.首先我们想到的方法肯定是直接使用“+”等运算符，例如return a+b，如果直接使用算术运算符，那么这道题就没有任何意义了。 2.大家都知道咋们键入的一系列指令、数据等最终都会被计算机转化为对应的二进制数据来识别，所以除了直接使用算术运算符，还有一种方法就是基于二进制数据使用位运算。通常情况下，位运算比算术运算要快。位运算有很多种比如“...

无重复字符最长字串的长度

dycljj — Fri, 03 Jan 2020 15:52:48 +0800

1、题目说明给定一个字符串，请你找出其中不含有重复字符的最长子串的长度。示例输入输出说明 “abcade” 5 无重复字符最长子串为“bcade”，所以输出为5 “aaaaa” 1 无重复字符最长子串为“a“，所以输出为1 ”qwwer“ 3 无重复字符最长子串为”wer“，所以输出为3 2、分析根据示例我们可...

机器视觉领域的牛人主页及代码

dycljj — Fri, 26 Apr 2019 10:31:37 +0800

转载：http://blog.sina.com.cn/s/blog_6833a4df01012bcf.html 牛人主页（主页有很多论文代码） Serge Belongieat UC San Diego Antonio Torralbaat MIT Alexei Ffrosat CMU Ce Liuat Microsoft Research New England Vittor...

Linux之shell脚本（一）

dycljj — Wed, 27 Feb 2019 22:09:27 +0800

1、shell脚本 shell终端解释器可以当作人与计算机硬件之间的“翻译官”，它作为用户与Linux系统内部的通信媒介，除了能够支持各种变量与参数外，还提供了比如循环、分支等高级编程语言才有的控制结构特性。shell脚本命令的工作方式有两种：交互式和批处理。交互式：用户每输入一条命令就立即执行。批处理：由用户事先编写好一个完整的shell脚本，shell会一次性执行脚本中诸多的命令。 ...