<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gitblog_02213的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/gitblog_02213</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; gitblog_02213]]></copyright><item><title><![CDATA[EmbeddingGemma-2-Text-Vision-440M量化方案深度解析：int4/int8 QAT量化如何把模型压缩到388MB]]></title><link>https://blog.youkuaiyun.com/gitblog_02213/article/details/149628737</link><guid>https://blog.youkuaiyun.com/gitblog_02213/article/details/149628737</guid><author>gitblog_02213</author><pubDate>Mon, 09 Nov 2026 14:19:35 +0800</pubDate><description><![CDATA[EmbeddingGemma-2-Text-Vision-440M 是 Google 推出的 4.4 亿参数端侧多模态嵌入模型，依托 LiteRT-LM 运行时，通过 **int4/int8 QAT（量化感知训练）** 混合量化方案，将模型下载体积压缩至 **388MB**，让图像搜索、视觉文档检索这类多模态任务得以在智能手机与边缘设备上离线运行。本文将拆解它的量化方案构成、体积计算公式以及各硬件]]></description><category></category></item><item><title><![CDATA[gemini-watermark-remover Skill 实战指南：基于 gwr CLI 的本地文件去水印 Agent 工作流]]></title><link>https://blog.youkuaiyun.com/gitblog_02213/article/details/144844837</link><guid>https://blog.youkuaiyun.com/gitblog_02213/article/details/144844837</guid><author>gitblog_02213</author><pubDate>Sun, 11 Oct 2026 22:43:56 +0800</pubDate><description><![CDATA[**导读**：本文围绕 [skills/gemini-watermark-remover/references/usage.md](https://link.gitcode.com/i/734a174540195d268ca402049052009b) 展开，完整讲解如何让 AI 编程 Agent 通过项目自带的 Skill 运行时（`run.mjs`）与 `gwr` CLI，对本地 Gemini]]></description><category></category></item><item><title><![CDATA[Toutiao客户端核心功能拆解：新闻、视频、图片模块实现详解]]></title><link>https://blog.youkuaiyun.com/gitblog_02213/article/details/145176976</link><guid>https://blog.youkuaiyun.com/gitblog_02213/article/details/145176976</guid><author>gitblog_02213</author><pubDate>Sat, 23 May 2026 07:12:02 +0800</pubDate><description><![CDATA[Toutiao是一款基于MVP + RxJava + Retrofit架构的第三方今日头条客户端，为用户提供高效流畅的新闻阅读、视频播放和图片浏览体验。本文将深入剖析其核心功能模块的实现原理，帮助开发者快速理解项目架构与功能设计。

## 📰 新闻模块：高效内容加载与展示

新闻模块作为应用的核心功能，采用了分层架构设计，确保内容加载与展示的高效性。

### 数据层设计

新闻数据通过`INe]]></description><category></category></item><item><title><![CDATA[Adobe Downloader：macOS上轻松获取Adobe软件的开源神器]]></title><link>https://blog.youkuaiyun.com/gitblog_02213/article/details/144880131</link><guid>https://blog.youkuaiyun.com/gitblog_02213/article/details/144880131</guid><author>gitblog_02213</author><pubDate>Fri, 22 May 2026 17:43:17 +0800</pubDate><description><![CDATA[还在为Adobe官方复杂的下载流程而烦恼吗？Adobe Downloader是一款专为macOS用户设计的开源下载工具，让你无需订阅、无需登录就能快速下载所有Adobe产品，包括最新的测试版本。本文将为你详细介绍这款工具的强大功能和使用技巧。

## 项目亮点速览

Adobe Downloader的核心价值可以用四个关键词概括：

1. **完全免费** - 开源透明，不收取任何费用
2. **]]></description><category></category></item><item><title><![CDATA[worker-plugin完全指南：如何在Webpack中自动打包Web Workers]]></title><link>https://blog.youkuaiyun.com/gitblog_02213/article/details/144578895</link><guid>https://blog.youkuaiyun.com/gitblog_02213/article/details/144578895</guid><author>gitblog_02213</author><pubDate>Sun, 10 May 2026 15:53:54 +0800</pubDate><description><![CDATA[worker-plugin是一款强大的Webpack插件，它能够自动打包和编译Web Workers，为开发者提供了简单高效的Web Worker集成方案。通过使用worker-plugin，你可以轻松地在Webpack项目中使用Web Workers，而无需担心复杂的配置和兼容性问题。

## 为什么选择worker-plugin？

在现代Web应用开发中，Web Workers扮演着重要的角]]></description><category></category></item><item><title><![CDATA[Video2X模型量化研究：INT8精度对超分质量影响分析]]></title><link>https://blog.youkuaiyun.com/gitblog_02213/article/details/145154616</link><guid>https://blog.youkuaiyun.com/gitblog_02213/article/details/145154616</guid><author>gitblog_02213</author><pubDate>Mon, 26 Jan 2026 19:11:15 +0800</pubDate><description><![CDATA[在视频超分和帧插值领域，Video2X作为一款基于机器学习的无损视频放大工具，已经成为众多视频处理爱好者的首选方案。随着模型复杂度的不断提升，如何在保证超分质量的同时优化模型性能成为了关键课题。本文深入探讨Video2X模型量化技术，特别是INT8精度对超分质量的具体影响。🔍

## 模型量化技术概述

模型量化是将神经网络中的浮点权重和激活值转换为低精度表示的过程。Video2X支持多种超分模]]></description><category></category></item><item><title><![CDATA[ 【性能革命】通义千问本地部署实测：32B模型MMLU跑分突破85%意味着什么？]]></title><link>https://blog.youkuaiyun.com/gitblog_02213/article/details/149682608</link><guid>https://blog.youkuaiyun.com/gitblog_02213/article/details/149682608</guid><author>gitblog_02213</author><pubDate>Mon, 26 Jan 2026 17:17:04 +0800</pubDate><description><![CDATA[当企业数据科学家小王第三次因为本地部署的7B模型推理速度过慢而错过项目 deadline 时，他不会想到：只需3步操作，就能在普通办公电脑上运行性能媲美云端的32B大模型。2025年AI部署领域最震撼的突破已经到来——FlashAI推出的通义千问本地部署整合包，正在重新定义私有化大模型的性能标准。

**读完本文你将获得**：
- 32B参数模型在消费级硬件的实测性能数据（含MMLU/GSAT双维]]></description><category></category></item><item><title><![CDATA[LAVIS技术变革研究：探索多模态智能的完整指南]]></title><link>https://blog.youkuaiyun.com/gitblog_02213/article/details/145154361</link><guid>https://blog.youkuaiyun.com/gitblog_02213/article/details/145154361</guid><author>gitblog_02213</author><pubDate>Sun, 25 Jan 2026 02:20:21 +0800</pubDate><description><![CDATA[LAVIS作为一站式语言-视觉智能库，正在引领多模态技术变革。本文将深入分析LAVIS如何通过创新架构和前沿模型，实现语言与视觉的深度融合，为开发者和研究者提供构建下一代AI应用的强大工具。

## 多模态智能的技术突破

近年来，多模态技术已成为AI领域的核心研究方向。LAVIS（Language-Vision Intelligence Suite）通过整合先进的视觉-语言模型，打破了传统单模态]]></description><category></category></item><item><title><![CDATA[透明度与公平性：将Tencent-Hunyuan-Large从一个“技术黑盒”变为值得信赖的合作伙伴...]]></title><link>https://blog.youkuaiyun.com/gitblog_02213/article/details/150406017</link><guid>https://blog.youkuaiyun.com/gitblog_02213/article/details/150406017</guid><author>gitblog_02213</author><pubDate>Fri, 15 Aug 2025 00:55:14 +0800</pubDate><description><![CDATA[透明度与公平性：将Tencent-Hunyuan-Large从一个“技术黑盒”变为值得信赖的合作伙伴

    
        
            【免费下载链接】Tencent-Hunyuan-Large
            
            
                
                项目地址: https://ai.gitcode.com/hf_m...]]></description><category></category></item><item><title><![CDATA[突破视觉识别瓶颈：五大工具链让ViT-Base-Patch16-224效率提升300%]]></title><link>https://blog.youkuaiyun.com/gitblog_02213/article/details/149683605</link><guid>https://blog.youkuaiyun.com/gitblog_02213/article/details/149683605</guid><author>gitblog_02213</author><pubDate>Sun, 27 Jul 2025 09:03:22 +0800</pubDate><description><![CDATA[当你尝试将Vision Transformer (ViT) 模型应用到实际项目中时，是否遇到过以下痛点：
- 模型加载速度慢，影响用户体验
- 显存占用过高，无法在边缘设备运行
- 推理时间长，难以满足实时性要求
- 预处理步骤繁琐，容易出错
- 缺乏有效的可视化工具，调试困难

本文将介绍五大工具链，帮助你解决这些问题，让ViT-Base-Patch16-224模型如虎添翼，在保持高精度的同时，...]]></description><category></category></item><item><title><![CDATA[【2025重磅解析】从pyannote.audio V1到speaker-diarization：语音分离技术的十年进化与工业级突破]]></title><link>https://blog.youkuaiyun.com/gitblog_02213/article/details/149683067</link><guid>https://blog.youkuaiyun.com/gitblog_02213/article/details/149683067</guid><author>gitblog_02213</author><pubDate>Sun, 27 Jul 2025 09:01:48 +0800</pubDate><description><![CDATA[你是否还在为会议录音中15个人的交叉对话焦头烂额？是否因远程访谈的多 speaker 音频整理耗费8小时人工？pyannote.speaker-diarization正以2.5%实时因子（1小时音频仅需1.5分钟处理）和最低8.17%的语音分离错误率（DER），重新定义音频智能分析的技术边界。本文将系统拆解从pyannote.audio V1到最新2.1.1版本的技术跃迁，揭示如何用开源工具链实现...]]></description><category></category></item><item><title><![CDATA[从模糊到锐利：sd-vae-ft-mse-original如何解决Stable Diffusion人脸重建难题]]></title><link>https://blog.youkuaiyun.com/gitblog_02213/article/details/149682497</link><guid>https://blog.youkuaiyun.com/gitblog_02213/article/details/149682497</guid><author>gitblog_02213</author><pubDate>Sun, 27 Jul 2025 09:00:04 +0800</pubDate><description><![CDATA[你是否曾为Stable Diffusion生成的人脸模糊不清而困扰？当AI绘画席卷创意行业，68%的创作者却在社交平台抱怨"手部扭曲"、"面部崩坏"等基础问题。本文将深入解析sd-vae-ft-mse-original——这款由Stability AI推出的改进型自动编码器（Autoencoder）如何通过28万步针对性训练，将人脸重建质量提升37%，成为AIGC领域的"清晰度革命"。

读完本文...]]></description><category></category></item><item><title><![CDATA[【限时免费】 深度拆解distilgpt2：从基座到技术实现]]></title><link>https://blog.youkuaiyun.com/gitblog_02213/article/details/149628553</link><guid>https://blog.youkuaiyun.com/gitblog_02213/article/details/149628553</guid><author>gitblog_02213</author><pubDate>Fri, 25 Jul 2025 09:07:52 +0800</pubDate><description><![CDATA[深度拆解distilgpt2：从基座到技术实现

    
        
            【免费下载链接】distilgpt2
            
            
                
                项目地址: https://gitcode.com/mirrors/distilbert/distilgpt2
            
  ...]]></description><category></category></item><item><title><![CDATA[【限时免费】 all-MiniLM-L6-v2：不止是轻量级这么简单]]></title><link>https://blog.youkuaiyun.com/gitblog_02213/article/details/149625849</link><guid>https://blog.youkuaiyun.com/gitblog_02213/article/details/149625849</guid><author>gitblog_02213</author><pubDate>Fri, 25 Jul 2025 09:00:03 +0800</pubDate><description><![CDATA[在人工智能领域，大型语言模型（LLM）的崛起似乎让“更大即更好”成为了一种默认的共识。然而，随着模型规模的膨胀，计算资源的需求、推理延迟的增加以及部署成本的飙升，也让许多团队开始反思：我们真的需要又一个大模型吗？  

正是在这样的背景下，**all-MiniLM-L6-v2**以其独特的定位脱颖而出。它并非盲目追求规模，而是通过精巧的设计和高效的性能，证明了“小而美”同样可以胜任复杂的语义任务。...]]></description><category></category></item><item><title><![CDATA[深入解析sd-vae-ft-mse-original模型的配置与环境要求]]></title><link>https://blog.youkuaiyun.com/gitblog_02213/article/details/145223159</link><guid>https://blog.youkuaiyun.com/gitblog_02213/article/details/145223159</guid><author>gitblog_02213</author><pubDate>Sat, 18 Jan 2025 10:41:35 +0800</pubDate><description><![CDATA[在深度学习领域，正确的模型配置和环境搭建是确保研究顺利进行的关键因素。本文旨在详细介绍sd-vae-ft-mse-original模型的配置需求和环境搭建步骤，帮助用户高效地部署和使用该模型。

## 系统要求

### 操作系统
sd-vae-ft-mse-original模型支持主流的Linux操作系统。建议使用Ubuntu 18.04或更高版本，以确保软件依赖和兼容性。

### 硬件规格
...]]></description><category></category></item><item><title><![CDATA[像素革命：用Pixel Art XL打造赛博时代的复古美学]]></title><link>https://blog.youkuaiyun.com/gitblog_02213/article/details/145177466</link><guid>https://blog.youkuaiyun.com/gitblog_02213/article/details/145177466</guid><author>gitblog_02213</author><pubDate>Thu, 16 Jan 2025 11:36:18 +0800</pubDate><description><![CDATA[你是否曾为像素艺术（Pixel Art）的创作效率低下而困扰？是否在寻找一种能兼顾复古美学与现代AI效率的解决方案？本文将带你全面掌握Pixel Art XL——这款基于Stable Diffusion XL（SDXL）的像素艺术专用模型，通过8步实操指南+5大进阶技巧，让你从AI绘画新手蜕变为像素艺术大师。读完本文，你将获得：

- 零代码实现高质量像素画的完整流程
- 解决常见噪点/模糊问题的...]]></description><category></category></item><item><title><![CDATA[新手指南：快速上手 sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 模型]]></title><link>https://blog.youkuaiyun.com/gitblog_02213/article/details/144578979</link><guid>https://blog.youkuaiyun.com/gitblog_02213/article/details/144578979</guid><author>gitblog_02213</author><pubDate>Thu, 19 Dec 2024 10:37:24 +0800</pubDate><description><![CDATA[欢迎来到 sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 模型的学习之旅！在这个指南中，我们将帮助你快速上手这个强大的自然语言处理模型，并理解如何将其应用于各种任务，如句子相似度计算、语义搜索和聚类。

## 基础知识准备

### 必备的理论知识
在使用 sentence-transformers/paraphrase-mu...]]></description><category></category></item><item><title><![CDATA[《探索Text-to-Video合成：安装与使用指南》]]></title><link>https://blog.youkuaiyun.com/gitblog_02213/article/details/144419635</link><guid>https://blog.youkuaiyun.com/gitblog_02213/article/details/144419635</guid><author>gitblog_02213</author><pubDate>Thu, 12 Dec 2024 10:33:50 +0800</pubDate><description><![CDATA[在当今的数字时代，视频内容的生产与消费达到了前所未有的高度。文本到视频的合成技术，尤其是像Text-to-video-synthesis Model这样的先进模型，为内容创作者提供了一个强大的工具，能够将文本描述转换为相应的视频内容。本文旨在提供一个全面的安装和使用指南，帮助用户轻松上手并利用这一模型进行视频创作。

## 安装前准备

在开始安装Text-to-video-synthesis M...]]></description><category></category></item></channel></rss>