<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Yc Chan 的个人博客]]></title><description><![CDATA[任职于金融科技领域，熟练各领域技术在金融科技的应用。]]></description><link>https://blog.youkuaiyun.com/koodoc</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; koodoc]]></copyright><item><title><![CDATA[DeepSeek 对各行业的影响评分]]></title><link>https://blog.youkuaiyun.com/koodoc/article/details/145431163</link><guid>https://blog.youkuaiyun.com/koodoc/article/details/145431163</guid><author>koodoc</author><pubDate>Mon, 03 Feb 2025 16:44:26 +0800</pubDate><description><![CDATA[数据中心: 8/10人工智能应用行业: 9/10光模块: 6/10半导体: 7/10这些评分基于DeepSeek的技术和产品在各个行业中的应用潜力和市场需求。需要注意的是，实际影响还会受到市场环境、竞争格局和技术进步等多种因素的影响。]]></description><category></category></item><item><title><![CDATA[如何诊断rke2的dns解析超时问题]]></title><link>https://blog.youkuaiyun.com/koodoc/article/details/141186581</link><guid>https://blog.youkuaiyun.com/koodoc/article/details/141186581</guid><author>koodoc</author><pubDate>Wed, 14 Aug 2024 11:31:57 +0800</pubDate><description><![CDATA[当遇到 RKE2 集群中的 DNS 解析超时问题时，可以采取一系列步骤来诊断和解决问题。]]></description><category></category></item><item><title><![CDATA[二进制包方式安装NodeJS v20.16.0 版本]]></title><link>https://blog.youkuaiyun.com/koodoc/article/details/140885908</link><guid>https://blog.youkuaiyun.com/koodoc/article/details/140885908</guid><author>koodoc</author><pubDate>Sat, 03 Aug 2024 09:50:11 +0800</pubDate><description><![CDATA[首先在官网下载二进制安装包。]]></description><category></category></item><item><title><![CDATA[cat /proc/meminfo 解读]]></title><link>https://blog.youkuaiyun.com/koodoc/article/details/140773577</link><guid>https://blog.youkuaiyun.com/koodoc/article/details/140773577</guid><author>koodoc</author><pubDate>Mon, 29 Jul 2024 16:05:08 +0800</pubDate><description><![CDATA[这些值可以帮助你了解系统的内存使用情况，例如查看是否有足够的空闲内存供新进程使用，或者系统是否开始使用交换空间，这可能会影响性能。通常情况下，即使“MemFree”显示的数值较低，如果“Buffers”和“Cached”的值较高，则表明系统内存管理正常，因为这部分内存可以快速释放给需要的应用程序。是一个特殊的文件，它存在于 Linux 操作系统中，用于提供关于系统内存使用情况的信息。查看其内容时，你会看到一系列有关系统物理内存和虚拟内存的统计信息。]]></description><category></category></item><item><title><![CDATA[高并发的Linux主机应该优化脏页参数为多少]]></title><link>https://blog.youkuaiyun.com/koodoc/article/details/140773118</link><guid>https://blog.youkuaiyun.com/koodoc/article/details/140773118</guid><author>koodoc</author><pubDate>Mon, 29 Jul 2024 15:50:24 +0800</pubDate><description><![CDATA[对于高并发的 Linux 主机来说，优化脏页相关的参数是为了更好地平衡内存缓存与磁盘 I/O 性能。这些参数的设置取决于多种因素，包括系统的内存大小、应用的工作负载特性以及预期的响应时间等。下面是一些建议的设置，但请注意这些只是指导性的建议，实际的设置应根据您的具体情况进行调整。]]></description><category></category></item><item><title><![CDATA[使用 Grafana Loki 和 MinIO 进行日志记录]]></title><link>https://blog.youkuaiyun.com/koodoc/article/details/140730068</link><guid>https://blog.youkuaiyun.com/koodoc/article/details/140730068</guid><author>koodoc</author><pubDate>Sat, 27 Jul 2024 09:02:02 +0800</pubDate><description><![CDATA[是一个以 Prometheus 为蓝本的分布式多租户日志聚合系统。Loki 在2018 年西雅图 KubeCon 大会上宣布并在 AGPLv3 许可下发布，在云原生可观察性堆栈中占据突出地位，并经常与 Grafana 和 Prometheus 结合使用，以在单个 UI 中查看指标、日志和跟踪并发出警报。将应用程序集 Grafana-Loki-Promtail 视为大致等同于 ELK 堆栈是有帮助的，Promtail 代理将日志发送（拖尾）到 Loki 数据存储并在 Grafana 中将它们可视化。]]></description><category></category></item><item><title><![CDATA[npm 设置源 淘宝/阿里/腾讯/华为/网易/中科/清华]]></title><link>https://blog.youkuaiyun.com/koodoc/article/details/140088061</link><guid>https://blog.youkuaiyun.com/koodoc/article/details/140088061</guid><author>koodoc</author><pubDate>Sun, 30 Jun 2024 22:50:44 +0800</pubDate><description><![CDATA[要查看您当前使用的是哪个源，可以运行。这将显示当前配置的源 URL。]]></description><category></category></item><item><title><![CDATA[Ubuntu 22.04上的MySQL 8数据文件夹迁移到/mnt/mysql-data]]></title><link>https://blog.youkuaiyun.com/koodoc/article/details/136611559</link><guid>https://blog.youkuaiyun.com/koodoc/article/details/136611559</guid><author>koodoc</author><pubDate>Sun, 10 Mar 2024 23:15:49 +0800</pubDate><description><![CDATA[请注意，在执行这些步骤之前，建议创建数据的完整备份，并在尝试这些操作之前在测试环境中验证每个步骤。如果您的系统使用了SELinux或其他安全模块，您可能还需要更新相应的安全策略。更新AppArmor配置（如果已启用）以允许MySQL在新路径中读写。更新MySQL配置文件my.cnf（如果存在），将数据目录指向新位置。]]></description><category></category></item><item><title><![CDATA[检索增强生成（RAG）是什么]]></title><link>https://blog.youkuaiyun.com/koodoc/article/details/136577922</link><guid>https://blog.youkuaiyun.com/koodoc/article/details/136577922</guid><author>koodoc</author><pubDate>Sat, 09 Mar 2024 09:56:21 +0800</pubDate><description><![CDATA[什么是检索增强生成？检索增强生成（RAG）是对大型语言模型输出进行优化的方法，使其能够在生成响应之前引用训练数据来源之外的权威知识库。大型语言模型（LLM）通过海量数据进行训练，利用数十亿个参数执行诸如回答问题、语言翻译和生成句子等任务。在已经具备强大功能的LLM基础上，RAG通过扩展其能力，使其能够访问特定领域或企业的内部知识库，而无需重新训练模型。这种方法经济高效，能够有效改进LLM输出，在不同情境下保持相关性、准确性和实用性。]]></description><category></category></item><item><title><![CDATA[Pytorch 无法识别GPU问题解决方法]]></title><link>https://blog.youkuaiyun.com/koodoc/article/details/136334394</link><guid>https://blog.youkuaiyun.com/koodoc/article/details/136334394</guid><author>koodoc</author><pubDate>Tue, 27 Feb 2024 23:41:08 +0800</pubDate><description><![CDATA[在本文中，我们将介绍如何解决PyTorch无法识别GPU的问题，并提供一些示例来说明解决方法。在深度学习领域，GPU是加速模型训练和推理的重要工具之一。然而，有时候我们会面临PyTorch无法正确识别GPU的情况，即torch.cuda.is_available()函数返回False。接下来，我们将详细讨论这个问题及其解决方法。]]></description><category></category></item><item><title><![CDATA[使用Python怎么读取zabbix监控数据]]></title><link>https://blog.youkuaiyun.com/koodoc/article/details/136288025</link><guid>https://blog.youkuaiyun.com/koodoc/article/details/136288025</guid><author>koodoc</author><pubDate>Sun, 25 Feb 2024 21:51:17 +0800</pubDate><description><![CDATA[要使用Python从Zabbix中读取数据，可以使用zabbix-api库。现在就可以开始查询数据了。]]></description><category></category></item><item><title><![CDATA[SpaceMesh Mining 教程]]></title><link>https://blog.youkuaiyun.com/koodoc/article/details/136268307</link><guid>https://blog.youkuaiyun.com/koodoc/article/details/136268307</guid><author>koodoc</author><pubDate>Sat, 24 Feb 2024 10:09:13 +0800</pubDate><description><![CDATA[當參與Spacemesh的用戶在完成P盤工作後需要完成兩個部分工作：PoET+PoST，這兩部分均是在不同的規定時間完成，具體可參考後續的時間表。註意！只有PoET和PoST均完成的用戶才可以獲得收益。Spacemesh相關P盤教程：說明：1.Spacemesh每個紀元epoch周期為14天，在8月7日完成PoET的將在8月20日完成PoST，收益將在8月25日後發放（之後用戶收益將每隔14天發放一次） 後續PoET時間為8月7日+N14 **後續PoST時間為8月20日+N。]]></description><category></category></item><item><title><![CDATA[OpenAI Embeddings 文本嵌入模型]]></title><link>https://blog.youkuaiyun.com/koodoc/article/details/136251260</link><guid>https://blog.youkuaiyun.com/koodoc/article/details/136251260</guid><author>koodoc</author><pubDate>Fri, 23 Feb 2024 11:19:20 +0800</pubDate><description><![CDATA[OpenAI 的文本嵌入模型可以计算文本字符串的特征向量，通过向量计算字符串之间的语义相关性。embeddings模型计算出来的向量数据是浮点数数组。两个向量之间的距离可以表达它们之间的相关性。距离越近表明相关性越高，距离越远表明相关性越低。]]></description><category></category></item><item><title><![CDATA[文本嵌入（embedding)介绍]]></title><link>https://blog.youkuaiyun.com/koodoc/article/details/136245452</link><guid>https://blog.youkuaiyun.com/koodoc/article/details/136245452</guid><author>koodoc</author><pubDate>Thu, 22 Feb 2024 23:58:42 +0800</pubDate><description><![CDATA[文本嵌入(Text Embedding)是自然语言处理中的一个重要概念,它的目标是将文本中的词表示成固定长度的稠密向量,也称为词向量(Word Vector)。这样每个词都可以用一个连续的、低维的稠密向量来表示,比如200-300维。文本嵌入的主要目的是捕捉每个词的语义信息,使得语义相关的词在嵌入空间中距离较近,不相关的词距离较远。这样就可以用向量间的距离来表示词之间的语义关系。]]></description><category></category></item><item><title><![CDATA[中国大陆用户如何通过Fetch GitHub Hosts访问GitHub]]></title><link>https://blog.youkuaiyun.com/koodoc/article/details/136223422</link><guid>https://blog.youkuaiyun.com/koodoc/article/details/136223422</guid><author>koodoc</author><pubDate>Thu, 22 Feb 2024 01:05:41 +0800</pubDate><description><![CDATA[到Releases或FastGit镜像中下载您的系统版本（目前支持WindowsLinuxMacOS。]]></description><category></category></item><item><title><![CDATA[【译】理解LSTM循环神经网络（通俗易懂版）]]></title><link>https://blog.youkuaiyun.com/koodoc/article/details/136180598</link><guid>https://blog.youkuaiyun.com/koodoc/article/details/136180598</guid><author>koodoc</author><pubDate>Tue, 20 Feb 2024 00:08:56 +0800</pubDate><description><![CDATA[之前也提到过RNNs取得了不错的成绩，这些成绩很多是基于LSTMs来做的，说明LSTMs适用于大部分的序列场景应用。一般文章写法会堆一堆公式吓唬人，希望本文一步一步的拆分能有助于大家的理解。LSTMs对于RNNs的使用是一大进步。那么现在还有个问题，是否还有更大的进步？对于很多研究者来说，但是是肯定的，那就是attention的问世。attention的思想是让RNN在每一步挑选信息的时候都能从更大的信息集里面挑选出有用信息。]]></description><category></category></item></channel></rss>