<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[guojun0718的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/guojun0718</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; guojun0718]]></copyright><item><title><![CDATA[跟随小白一起详细体验涂鸦智能开发二：环境搭建]]></title><link>https://blog.youkuaiyun.com/guojun0718/article/details/151785912</link><guid>https://blog.youkuaiyun.com/guojun0718/article/details/151785912</guid><author>guojun0718</author><pubDate>Mon, 22 Sep 2025 14:28:26 +0800</pubDate><description><![CDATA[本文详细记录了Windows开发环境配置过程中遇到的各种问题及解决方案。主要内容包括：1）Windows Terminal的安装与错误排查（需64位系统19041以上版本）；2）Python 3.8+、Git、Make等基础工具的安装配置；3）虚拟机环境下VMware Tools的异常处理（需禁用Hyper-V解决冲突）；4）常用工具如7-Zip的安装设置。文中提供了所有必要软件的下载链接和详细操作步骤，特别针对蓝屏、版本兼容等常见问题给出了具体解决方法。最终成功搭建起完整的开发环境，并总结了各工具的正确使]]></description><category></category></item><item><title><![CDATA[跟随小白一起详细体验涂鸦智能开发一：安装VMware虚拟机]]></title><link>https://blog.youkuaiyun.com/guojun0718/article/details/151758320</link><guid>https://blog.youkuaiyun.com/guojun0718/article/details/151758320</guid><author>guojun0718</author><pubDate>Wed, 17 Sep 2025 10:18:05 +0800</pubDate><description><![CDATA[摘要：本文详细介绍了在VMware中安装Windows 10虚拟机的完整步骤：1）下载VMware并创建新虚拟机（注意选择BIOS模式）；2）下载Win10镜像并配置ISO启动；3）完成Windows安装流程；4）设置共享文件夹实现主机与虚拟机文件互通。教程特别提醒了安装过程中的关键选项（如不选EFI、跳过账户设置等），并提供了激活Windows的提示。整个安装过程包含BIOS设置、分区选择等详细操作指引。]]></description><category></category></item><item><title><![CDATA[《算法导论》]]></title><link>https://blog.youkuaiyun.com/guojun0718/article/details/151751680</link><guid>https://blog.youkuaiyun.com/guojun0718/article/details/151751680</guid><author>guojun0718</author><pubDate>Tue, 16 Sep 2025 10:52:26 +0800</pubDate><description><![CDATA[《算法导论》是计算机算法领域的经典教材，全面系统地介绍了各类算法，兼顾深度与可读性。全书采用伪代码描述算法，适合不同层次读者学习。第三版新增概率分析、随机算法等章节，对内容进行了全面修订。书中包含900多道习题和实例研究，既适合本科生数据结构课程，也可作为研究生算法教材和工程师的参考手册。该书以严谨的数学分析结合通俗讲解，深入浅出地展现了算法设计与分析的核心内容。]]></description><category></category></item><item><title><![CDATA[《深入理解计算机系统》]]></title><link>https://blog.youkuaiyun.com/guojun0718/article/details/151750719</link><guid>https://blog.youkuaiyun.com/guojun0718/article/details/151750719</guid><author>guojun0718</author><pubDate>Tue, 16 Sep 2025 10:24:36 +0800</pubDate><description><![CDATA[《深入理解计算机系统（第3版）》是计算机系统领域的经典教材，被全球10余万程序员和众多知名高校采用。新版全面转向x86-64架构，重写大量代码并新增浮点数据处理内容，改进了处理器体系结构和性能模型，扩充了链接技术和信号处理等高级主题，为读者提供更深入的系统知识。电子版资源可通过指定链接获取。]]></description><category></category></item><item><title><![CDATA[让AI数据中心突破性能极限]]></title><link>https://blog.youkuaiyun.com/guojun0718/article/details/151719267</link><guid>https://blog.youkuaiyun.com/guojun0718/article/details/151719267</guid><author>guojun0718</author><pubDate>Mon, 15 Sep 2025 16:05:43 +0800</pubDate><description><![CDATA[随着生成式AI和大模型的爆发，全球算力需求急速攀升，AI服务器大规模兴建推动数据中心算力升级。2024年，全球数据中心投资预计突破4000亿美元，AI数据中心（AIDC）新装机容量达70GW，年复合增长率高达73%。然而，高算力带来高耗电挑战——AI服务器（如NVIDIA H5X™ H200）功耗从1,780W激增至19,700W，到2030年AIDC预计占全球发电量的4.5%。这对服务器电源提出了更高要求：需实现以支持在单位体积内实现更大算力；以降低转换损耗；以优化热管理和运营成本；同时确保与。]]></description><category></category></item><item><title><![CDATA[Tomcat指南（二）第一章Getting Started with Tomcat]]></title><link>https://blog.youkuaiyun.com/guojun0718/article/details/140862047</link><guid>https://blog.youkuaiyun.com/guojun0718/article/details/140862047</guid><author>guojun0718</author><pubDate>Fri, 02 Aug 2024 06:10:06 +0800</pubDate><description><![CDATA[无论您安装和使用的是哪个版本的Tomcat，您都应该查看更改日志中列出的错误，因为您的版本中存在的错误在较新版本的Tomcat中已修复，并将显示在较新的版本下列出的更改日志中。只需先安装rpm命令。现在，从Apache二进制发布页面下载二进制发布档案，网址为http://tomcat.apache.org/download-60.cgi.您应该下载Tomcat主页上列出的最新稳定版本，网址为http://tomcat.apache.org.下载您选择的Tomcat版本的所有tar.gz存档文件。]]></description><category></category></item><item><title><![CDATA[Tomcat指南（一）前言]]></title><link>https://blog.youkuaiyun.com/guojun0718/article/details/140838741</link><guid>https://blog.youkuaiyun.com/guojun0718/article/details/140838741</guid><author>guojun0718</author><pubDate>Thu, 01 Aug 2024 09:30:19 +0800</pubDate><description><![CDATA[Tomcat作为一个完整的独立web服务器工作。如果您已经运行了Apache的httpd web服务器，并且不想一次更改所有内容，那么第5章“与Apache web服务器的集成”将介绍Tomcat与Apache httpd的使用，并讨论了使Tomcat在Apache httpd安装“前面”或“后面”茁壮成长的几种方法。如果您的请求流量超过了单个Tomcat的处理能力，或者即使您的一台服务器崩溃，您也希望您的网站继续提供请求，那么您的网站可能需要在多台Tomcat服务器、多台Apache或两者的组合上运行。]]></description><category></category></item><item><title><![CDATA[自己在Vmware中搭建mqtt服务器]]></title><link>https://blog.youkuaiyun.com/guojun0718/article/details/140772473</link><guid>https://blog.youkuaiyun.com/guojun0718/article/details/140772473</guid><author>guojun0718</author><pubDate>Mon, 29 Jul 2024 15:31:10 +0800</pubDate><description><![CDATA[7月 28 19:23:00 localhost.localdomain emqx[1886]: EXEC: /usr/lib/emqx/erts-14.2.5/bin/erlexec -enable-feature maybe_expr -noinput -noshell +Bd -boot /usr/lib/...]]></description><category></category></item><item><title><![CDATA[昇思25天学习打卡营第n天|本地安装mindspore之二|开始第一课的代码。以及对比xshell，MobaXterm]]></title><link>https://blog.youkuaiyun.com/guojun0718/article/details/140587671</link><guid>https://blog.youkuaiyun.com/guojun0718/article/details/140587671</guid><author>guojun0718</author><pubDate>Tue, 23 Jul 2024 20:51:03 +0800</pubDate><description><![CDATA[开始准备在本地的系统上跑例子了。从第一课开始吧。]]></description><category></category></item><item><title><![CDATA[昇思25天学习打卡营第九天|本地安装mindspore之一|Linux的系统在vmware上的安装以及mindspore的安装]]></title><link>https://blog.youkuaiyun.com/guojun0718/article/details/140585615</link><guid>https://blog.youkuaiyun.com/guojun0718/article/details/140585615</guid><author>guojun0718</author><pubDate>Sun, 21 Jul 2024 14:11:20 +0800</pubDate><description><![CDATA[课程已经学完了，打算再深入一些。初步的想法是，在本地安装，本地执行。根据老师的指引，，“https ://www.mindspore.cn/install/”，注意，因为csdn博客编辑器的原因，当我把链接粘贴过来的时候，链接就自动的变为隐藏在蓝色文字背后的url了。所以我在https后面多加了一个空格，以便显著显示链接文本，以及复制。结果，由于没有认真的通读按照指南，想当然的认为，服务器用centos，然后就开始折腾安装centos了。]]></description><category></category></item><item><title><![CDATA[昇思25天学习打卡营第八天|应用实践/LLM原理与实践/基于MindSpore通过GPT实现情感分类]]></title><link>https://blog.youkuaiyun.com/guojun0718/article/details/140538343</link><guid>https://blog.youkuaiyun.com/guojun0718/article/details/140538343</guid><author>guojun0718</author><pubDate>Fri, 19 Jul 2024 06:44:17 +0800</pubDate><description><![CDATA[1，特别注意原文该案例在 mindnlp 0.3.1 版本完成适配，如果发现案例跑不通，可以指定mindnlp版本，执行`!一定改过来。2，特别难得跑资源的网络不稳定，换个时间再试下进过n次实验，在凌晨3点，跑通程序。所以。。。跟着课程，要有信心。代码是没有问题的。毕竟本人全部实测了一遍。打卡截图。]]></description><category></category></item><item><title><![CDATA[昇思25天学习打卡营第八天|应用实践/LLM原理与实践/MindNLP ChatGLM-6B StreamChat]]></title><link>https://blog.youkuaiyun.com/guojun0718/article/details/140527143</link><guid>https://blog.youkuaiyun.com/guojun0718/article/details/140527143</guid><author>guojun0718</author><pubDate>Thu, 18 Jul 2024 19:25:45 +0800</pubDate><description><![CDATA[实验环境已经预装了mindspore==2.2.14，如需更换mindspore版本，可更改下面mindspore的版本号。# 实验环境已经预装了mindspore==2.2.14，如需更换mindspore版本，可更改下面mindspore的版本号。NameError: name '你好' is not defined。'是的，今天天气很热。prompt = '今天好热'prompt = '你好'prompt = '你好'下载权重大约需要10分钟。要在这个代码最后，添加。----> 1 你好。]]></description><category></category></item><item><title><![CDATA[昇思25天学习打卡营第八天|应用实践/LLM原理与实践/文本解码原理--以MindNLP为例]]></title><link>https://blog.youkuaiyun.com/guojun0718/article/details/140525427</link><guid>https://blog.youkuaiyun.com/guojun0718/article/details/140525427</guid><author>guojun0718</author><pubDate>Thu, 18 Jul 2024 16:09:28 +0800</pubDate><description><![CDATA[上午的算力要强一些吗？上午跑的课程还挺顺利的。下午就频繁出错。无论怎么重启系统，始终在这里卡住了。最后实在是没办法，只好放弃了。跳到下一课了。就是本次课程了。本次课程也报错了一次。重新跑一次，就出结果了。]]></description><category></category></item><item><title><![CDATA[昇思25天学习打卡营第八天|应用实践/LLM原理与实践/基于MindSpore的GPT2文本摘要]]></title><link>https://blog.youkuaiyun.com/guojun0718/article/details/140522875</link><guid>https://blog.youkuaiyun.com/guojun0718/article/details/140522875</guid><author>guojun0718</author><pubDate>Thu, 18 Jul 2024 14:56:37 +0800</pubDate><description><![CDATA[1]:# 实验环境已经预装了mindspore==2.2.14，如需更换mindspore版本，可更改下面mindspore的版本号!![2]:!# 该案例在 mindnlp 0.3.1 版本完成适配，如果发现案例跑不通，可以指定mindnlp版本，执行`!!]]></description><category></category></item><item><title><![CDATA[昇思25天学习打卡营第八天|应用实践/LLM原理与实践/基于 MindSpore 实现 BERT 对话情绪识别]]></title><link>https://blog.youkuaiyun.com/guojun0718/article/details/140516708</link><guid>https://blog.youkuaiyun.com/guojun0718/article/details/140516708</guid><author>guojun0718</author><pubDate>Thu, 18 Jul 2024 10:57:28 +0800</pubDate><description><![CDATA[BERT全称是来自变换器的双向编码器表征量（Bidirectional Encoder Representations from Transformers），它是Google于2018年末开发并发布的一种新型语言模型。与BERT模型相似的预训练语言模型例如问答、命名实体识别、自然语言推理、文本分类等在许多自然语言处理任务中发挥着重要作用。模型是基于Transformer中的Encoder并加上双向的结构，因此一定要熟练掌握Transformer的Encoder的结构。]]></description><category></category></item><item><title><![CDATA[昇思25天学习打卡营第八天|应用实践/自然语言处理/RNN实现情感分类]]></title><link>https://blog.youkuaiyun.com/guojun0718/article/details/140514744</link><guid>https://blog.youkuaiyun.com/guojun0718/article/details/140514744</guid><author>guojun0718</author><pubDate>Thu, 18 Jul 2024 10:15:20 +0800</pubDate><description><![CDATA[情感分类是自然语言处理中的经典任务，是典型的分类问题。输入: This film is terrible正确标签: Negative预测标签: Negative输入: This film is great正确标签: Positive预测标签: Positive最后我们设计一个预测函数，实现开头描述的效果，输入一句评价，获得评价的情感分类。将输入句子进行分词；使用词表获取对应的index id序列；index id序列转为Tensor；送入模型获得预测结果；打印输出预测结果。]]></description><category></category></item><item><title><![CDATA[昇思25天学习打卡营第八天|应用实践/自然语言处理/LSTM+CRF序列标注]]></title><link>https://blog.youkuaiyun.com/guojun0718/article/details/140512315</link><guid>https://blog.youkuaiyun.com/guojun0718/article/details/140512315</guid><author>guojun0718</author><pubDate>Thu, 18 Jul 2024 09:15:39 +0800</pubDate><description><![CDATA[序列标注指给定输入序列，给序列中每个Token进行标注标签的过程。序列标注问题通常用于从文本中进行信息抽取，包括分词(Word Segmentation)、词性标注(Position Tagging)、命名实体识别(Named Entity Recognition, NER)等。输入序列清华大学座落于首都北京输出标注BIIIOOOOOBI如上表所示，清华大学和北京是地名，需要将其识别，我们对每个输入的单词预测其标签，最后根据标签来识别实体。]]></description><category></category></item><item><title><![CDATA[昇思25天学习打卡营第七天|应用实践/生成式/Pix2Pix实现图像转换]]></title><link>https://blog.youkuaiyun.com/guojun0718/article/details/140507094</link><guid>https://blog.youkuaiyun.com/guojun0718/article/details/140507094</guid><author>guojun0718</author><pubDate>Wed, 17 Jul 2024 22:30:09 +0800</pubDate><description><![CDATA[Pix2Pix是基于条件生成对抗网络（cGAN, Condition Generative Adversarial Networks ）实现的一种深度学习图像转换模型，该模型是由Phillip Isola等作者在2017年CVPR上提出的，可以实现语义/标签到真实图片、灰度图到彩色图、航空图到地图、白天到黑夜、线稿图到实物图的转换。生成器和判别器。传统上，尽管此类任务的目标都是相同的从像素预测像素，但每项都是用单独的专用机器来处理的。]]></description><category></category></item><item><title><![CDATA[昇思25天学习打卡营第七天|应用实践/生成式/GAN图像生成]]></title><link>https://blog.youkuaiyun.com/guojun0718/article/details/140506698</link><guid>https://blog.youkuaiyun.com/guojun0718/article/details/140506698</guid><author>guojun0718</author><pubDate>Wed, 17 Jul 2024 22:08:17 +0800</pubDate><description><![CDATA[生成式对抗网络(Generative Adversarial Networks，GAN)是一种生成式机器学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。最初，GAN由Ian J. Goodfellow于2014年发明，并在论文生成器的任务是生成看起来像训练图像的“假”图像；判别器需要判断从生成器输出的图像是真实的训练图像还是虚假的图像。GAN通过设计生成模型和判别模型这两个模块，使其互相博弈学习产生了相当好的输出。GAN模型的核心在于提出了通过对抗过程来估计生成模型这一全新框架。]]></description><category></category></item><item><title><![CDATA[昇思25天学习打卡营第七天|应用实践/生成式/Diffusion扩散模型]]></title><link>https://blog.youkuaiyun.com/guojun0718/article/details/140498592</link><guid>https://blog.youkuaiyun.com/guojun0718/article/details/140498592</guid><author>guojun0718</author><pubDate>Wed, 17 Jul 2024 16:45:54 +0800</pubDate><description><![CDATA[如果将Diffusion与其他生成模型（如Normalizing Flows、GAN或VAE）进行比较，它并没有那么复杂，它们都将噪声从一些简单分布转换为数据样本，Diffusion也是从纯噪声开始通过一个神经网络学习逐步去噪，最终得到一个实际图像。Diffusion对于图像的处理包括以下两个过程：我们选择的固定（或预定义）正向扩散过程 𝑞𝑞 ：它逐渐将高斯噪声添加到图像中，直到最终得到纯噪声。]]></description><category></category></item></channel></rss>