<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[lockhou的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/lockhou</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; lockhou]]></copyright><item><title><![CDATA[基于 Python 的降雪监测系统设计与实现]]></title><link>https://blog.youkuaiyun.com/lockhou/article/details/160031906</link><guid>https://blog.youkuaiyun.com/lockhou/article/details/160031906</guid><author>lockhou</author><pubDate>Fri, 10 Apr 2026 21:03:53 +0800</pubDate><description><![CDATA[本文介绍了一个基于Python的降雪监测系统设计，该系统通过分析视频帧差分来检测降雪。系统采用OpenCV进行图像处理，PyQt构建用户界面，实现了视频加载、帧差分分析和降雪检测功能。通过灰度转换、阈值处理和轮廓检测等技术，系统能识别连续运动的白色区域并判断雪量等级。测试表明系统具备基本降雪检测能力，但在复杂场景下仍需优化参数设置以降低误报率。该项目综合运用了Python编程、计算机视觉和GUI开发等技术，为通信工程专业的实践教学提供了典型案例。]]></description><category></category></item><item><title><![CDATA[✅ **FSDP + LoRA 结合训练完整实践与问题解决全指南（含踩坑与版本选择）*]]></title><link>https://blog.youkuaiyun.com/lockhou/article/details/154499440</link><guid>https://blog.youkuaiyun.com/lockhou/article/details/154499440</guid><author>lockhou</author><pubDate>Thu, 06 Nov 2025 21:29:11 +0800</pubDate><description><![CDATA[摘要：本文详细介绍了在LoRA（低秩适配）微调大模型时结合FSDP（全分片数据并行）的最佳实践方案。通过真实踩坑经验，总结出关键操作顺序：先注入LoRA再包裹FSDP，并启用use_orig_params=True解决参数冻结问题。针对常见报错提供了具体解决方案，包括升级PyTorch版本（需&gt;2.2）以完全支持该功能，同时指出新版本可能出现的显存警告属于正常现象。文章还给出了完整的代码实现流程，从模型加载、LoRA注入、参数冻结、FSDP包装到优化器设置和模型保存，为分布式高效微调大模型提供了可落地]]></description><category></category></item><item><title><![CDATA[Pycharm+Deepseek结合使用Continue插件无法返回中文产生乱码]]></title><link>https://blog.youkuaiyun.com/lockhou/article/details/154354626</link><guid>https://blog.youkuaiyun.com/lockhou/article/details/154354626</guid><author>lockhou</author><pubDate>Mon, 03 Nov 2025 17:26:51 +0800</pubDate><description><![CDATA[摘要： 用户在使用Pycharm+Deepseek的Continue插件时遇到中文乱码问题。通过对比测试发现ProxyAI插件无此问题，确定是Continue插件版本问题。参考可行案例后，在Continue官网（0.0.83版本）下载历史版本，并手动安装到Pycharm。配置API后成功解决中文乱码，正常显示中文输出。关键步骤包括版本回退和本地插件安装，证实版本兼容性是导致乱码的主因。（149字）]]></description><category></category></item><item><title><![CDATA[基于Python的OCR文字识别系统]]></title><link>https://blog.youkuaiyun.com/lockhou/article/details/151046255</link><guid>https://blog.youkuaiyun.com/lockhou/article/details/151046255</guid><author>lockhou</author><pubDate>Sun, 31 Aug 2025 14:43:10 +0800</pubDate><description><![CDATA[摘要：本项目开发了一个基于Python的OCR文字识别系统，支持中文简体和英文识别。系统采用EasyOCR、OpenCV等库实现文本检测与识别功能，并利用PyQt5构建用户界面，具备图像上传、文本识别和结果显示等核心功能。该系统可有效提升文档处理效率，降低人工输入成本，适用于文档数字化管理场景。开发环境为Windows 10+Python 3.8。（149字）]]></description><category></category></item><item><title><![CDATA[MindSpore GPU 版本安装教程]]></title><link>https://blog.youkuaiyun.com/lockhou/article/details/147365728</link><guid>https://blog.youkuaiyun.com/lockhou/article/details/147365728</guid><author>lockhou</author><pubDate>Sun, 20 Apr 2025 15:55:25 +0800</pubDate><description><![CDATA[MindSpore GPU版本安装至今没找到一个非常简单的教程，因此特此记录，为了尽可能不全完整的MindSpore安装，也简单说明一下对于CPU版本的安装。]]></description><category></category></item><item><title><![CDATA[chainer-gpu版本,cupy安装教程]]></title><link>https://blog.youkuaiyun.com/lockhou/article/details/146202409</link><guid>https://blog.youkuaiyun.com/lockhou/article/details/146202409</guid><author>lockhou</author><pubDate>Wed, 12 Mar 2025 13:07:30 +0800</pubDate><description><![CDATA[但是我的cupy是和cuda版本匹配的，可能是和chainer存在不兼容的情况，并且我之前看到cupy-cuda102虽然对于不同cuda是不同的，但是其本身还有不同版本呢，具体如下，我目前是最新的，因此我换成最旧的，但是gpu都吊不起来了，所以最后经过尝试。我全部返回true，说明可以正常调用gpu，但是引入chainer产生提醒cudnn is not enabled，我觉得可能还是没正确用上gpu，所以我先觉得运行程序看一下，确实占用显存，我运行代码截图如下。我查阅资料，发现可能是下面这个回答，]]></description><category></category></item><item><title><![CDATA[Choco-slover的使用]]></title><link>https://blog.youkuaiyun.com/lockhou/article/details/130292535</link><guid>https://blog.youkuaiyun.com/lockhou/article/details/130292535</guid><author>lockhou</author><pubDate>Fri, 21 Apr 2023 17:58:56 +0800</pubDate><description><![CDATA[【代码】Choco-slover的使用。]]></description><category></category></item><item><title><![CDATA[在Eclipse中安装配置JDK11]]></title><link>https://blog.youkuaiyun.com/lockhou/article/details/130290815</link><guid>https://blog.youkuaiyun.com/lockhou/article/details/130290815</guid><author>lockhou</author><pubDate>Fri, 21 Apr 2023 16:11:19 +0800</pubDate><description><![CDATA[添加上面的路径 C:\Program Files\Java\jre-11.0.6 即可。执行完成以后，会在 C:\Program Files\Java 目录下生成 jre-11.0.6 文件夹，即为所需要的JRE目录。最后在 Java->Installed JREs->Execution Environments 中沟通JDK11的JRE即可。在Eclipse的菜单的“ Windows -> Preference”中进行配置。使用下载的安装包进行安装，双击可执行文件一路下一步即可。]]></description><category></category></item><item><title><![CDATA[maven安装教程（结合eclipse和IDEA）]]></title><link>https://blog.youkuaiyun.com/lockhou/article/details/130288001</link><guid>https://blog.youkuaiyun.com/lockhou/article/details/130288001</guid><author>lockhou</author><pubDate>Fri, 21 Apr 2023 15:09:55 +0800</pubDate><description><![CDATA[首次执行 mvn help:system 命令，Maven相关工具自动帮我们到Maven中央仓库下载缺省的或者Maven中央仓库更新的各种配置文件和类库（jar包)到Maven本地仓库中。本文须知：安装maven环境之前要先安装java jdk环境（没有安装java环境的可以先去看安装JAVA环境的教程）Maven 3.3+ require JDK 1.7 及以上。添加如下配置（注意要添加在和两个标签之间，其它配置同理）,放在默认节点的前面,是添加在原来默认的节点之前不要删除修改原有的节点。]]></description><category></category></item><item><title><![CDATA[choco-slover安装]]></title><link>https://blog.youkuaiyun.com/lockhou/article/details/130277416</link><guid>https://blog.youkuaiyun.com/lockhou/article/details/130277416</guid><author>lockhou</author><pubDate>Thu, 20 Apr 2023 23:39:55 +0800</pubDate><description><![CDATA[简单来说，jar包是对写好的类进行了打包。我们可以通过将jar包放到lib目录下来使用这些jar包中的类、属性和方法。专业解释，JAR文件是Java Archive File-java档案文件的简称，是与平台无关的文件格式，基于zip文件格式将许多文件合成一个压缩文件.jar，区别是比zip多了一个包含了一个 META-INF/MANIFEST.MF 文件，这个文件是在生成 JAR 文件的时候自动创建的。]]></description><category></category></item><item><title><![CDATA[FORD-FULKERSON算法]]></title><link>https://blog.youkuaiyun.com/lockhou/article/details/129910834</link><guid>https://blog.youkuaiyun.com/lockhou/article/details/129910834</guid><author>lockhou</author><pubDate>Sun, 02 Apr 2023 15:50:27 +0800</pubDate><description><![CDATA[其中w也有流流向了u和v，而这部分流无法流向源点s，因为没有路径，所以最后这部分流量加上s到u和v的流量，在u和v之间无论如何互相传递流，最终都要流向集合T，所以这个流量值是等于s流向u和v的值的。首先，我们必须了解一个特性，根据上一篇文章中讲到的最大流问题的线性规划表示时，提到，流网络的流量守恒的原则，根据这个原则我们可以知道，对网络的任意割，其净流量的都是相等的。举个例子，假设（u，v）当前流量为3/4，那么就是说c（u，v）=4，f（u，v）=3，那么r（u，v）=1。首先介绍下，割的概念。]]></description><category></category></item><item><title><![CDATA[AllDifferent约束条件下广义弧一致性的实证研究-Generalised arc consistency for the AllDifferent constraint: survey]]></title><link>https://blog.youkuaiyun.com/lockhou/article/details/129887722</link><guid>https://blog.youkuaiyun.com/lockhou/article/details/129887722</guid><author>lockhou</author><pubDate>Fri, 31 Mar 2023 22:15:31 +0800</pubDate><description><![CDATA[AllDifferent约束是任何约束工具包、语言或求解器的重要组成部分，因为它被广泛应用于各种约束模型中。文献中包含了这个约束的许多不同版本，它们以推断的强度与计算成本进行交易。在这篇文章中，我们关注于推理的最高强度，加强了一个称为广义弧一致性(GAC)的性质。本文对GAC的主要算法在AllDifferent约束条件下的优化进行了分析研究。我们从文献中对一些关键技术进行了实证评估。我们还报告了这些技术的重要实现细节，这些细节通常在已发表的论文中没有描述。我们特别关注。]]></description><category></category></item><item><title><![CDATA[Tarjan算法超超超详解（ACM/OI）（强连通分量/缩点）（图论）（C++）]]></title><link>https://blog.youkuaiyun.com/lockhou/article/details/129877144</link><guid>https://blog.youkuaiyun.com/lockhou/article/details/129877144</guid><author>lockhou</author><pubDate>Fri, 31 Mar 2023 14:08:07 +0800</pubDate><description><![CDATA[在有向图G中，如果两个顶点u，ｖ间有一条从ｕ到ｖ的有向路径，同时还有一条从ｖ到ｕ的有向路径，则称两个顶点强连通。如果有向图G的每两个顶点都强连通，称G是一个强连通图。有向非强连通图的极大强连通子图，称为强连通分量（Strongly Connected Components, SCC）。换句话说，一个强连通分量中的每两个点可以互相到达，且这个强连通分量所包含的的节点数尽可能大。例如：（下图中被框起来的子图就是强连通分量，共三个）：显然，环是一个强连通分量的子图。]]></description><category></category></item><item><title><![CDATA[Alldifferent约束下无用约束传播的早期有效识别-Early and Efficient Identification of Useless Constraint Propagation]]></title><link>https://blog.youkuaiyun.com/lockhou/article/details/129842915</link><guid>https://blog.youkuaiyun.com/lockhou/article/details/129842915</guid><author>lockhou</author><pubDate>Wed, 29 Mar 2023 21:27:01 +0800</pubDate><description><![CDATA[约束传播和回溯是解决约束满足问题的两种基本技术。在解的搜索过程中，通过约束传播丢弃不属于任何解的变量对和值对，保证广义弧的一致性，避免了无结果的搜索。然而，约束传播经常被调用，对许多CSP几乎没有影响。在预测何时调用约束传播以求解CSP方面投入了大量精力。然而，对于不同的约束条件，还没有一个有效的解决方法。本文给出了一个新的定理，用于在一个值图中识别所有alldifferent约束的边，这些约束的去除会导致无用的约束传播。]]></description><category></category></item><item><title><![CDATA[A Fast Algorithm for Generalized Arc Consistency of the Alldifferent Constraint（不同约束广义圆弧相容的快速算法 ）]]></title><link>https://blog.youkuaiyun.com/lockhou/article/details/129806337</link><guid>https://blog.youkuaiyun.com/lockhou/article/details/129806337</guid><author>lockhou</author><pubDate>Mon, 27 Mar 2023 23:47:43 +0800</pubDate><description><![CDATA[各种不同的约束可以在各种各样的组合问题中找到[Wallace1996]，包括各种谜题、图着色和指派问题。]]></description><category></category></item><item><title><![CDATA[A fltering algorithm for constraints of difference in CSPs]]></title><link>https://blog.youkuaiyun.com/lockhou/article/details/129771318</link><guid>https://blog.youkuaiyun.com/lockhou/article/details/129771318</guid><author>lockhou</author><pubDate>Sat, 25 Mar 2023 21:17:09 +0800</pubDate><description><![CDATA[CSP解的存在性问题是NP完全的。因此，一些方法已经发展起来，以简化CSP之前或期间的搜索解决方案。一致性技术是最常用的技术。对于二进制CSP和N元CSP提出了几种实现弧一致性的算法。引入的特殊约束的算法AC-4进行了改进，研究了单调和泛函二元约束。在本工作中，我们对n元约束的一个特殊情况：“不同约束”感兴趣，为此我们提出了一个过滤算法。如果一个约束在变量子集上被一组元组定义，而在同一元组中出现的值都是不同的，则称为“不同约束”。它们存在于现实生活中的许多问题中。]]></description><category></category></item><item><title><![CDATA[网页爬虫开发基础实验]]></title><link>https://blog.youkuaiyun.com/lockhou/article/details/128894935</link><guid>https://blog.youkuaiyun.com/lockhou/article/details/128894935</guid><author>lockhou</author><pubDate>Sun, 05 Feb 2023 23:50:37 +0800</pubDate><description><![CDATA[1．掌握使用Request库生成GET请求、Request库上传请求头中的User-Agent（信息），Request库查看返回的响应头、Request库查看返回的状态码、以及Request库和chardet库识别返回的页面内容编码，并正确显示页面内容。
2．掌握Xpath的语法知识、etree模块的使用方法以及在动态网页种直接获取Xpath路径方法。
3．掌握使用Beautiful Soup库搜索文档树中的节点，掌握使用Beautiful Soup库提取搜索到的节点中的文本内容。
4．掌握综合运用Requ]]></description><category></category></item><item><title><![CDATA[目标检测—安全帽检测实践]]></title><link>https://blog.youkuaiyun.com/lockhou/article/details/126193883</link><guid>https://blog.youkuaiyun.com/lockhou/article/details/126193883</guid><author>lockhou</author><pubDate>Sat, 06 Aug 2022 13:51:12 +0800</pubDate><description><![CDATA[在该项目当中我们采用的是传统的开源数据集SHWD(Safety helmet (hardhat) wearing detect dataset)数据集标签为hat，person。]]></description><category></category></item><item><title><![CDATA[word2vec发展过程]]></title><link>https://blog.youkuaiyun.com/lockhou/article/details/126193815</link><guid>https://blog.youkuaiyun.com/lockhou/article/details/126193815</guid><author>lockhou</author><pubDate>Sat, 06 Aug 2022 13:41:17 +0800</pubDate><description><![CDATA[最后一点，在神经网络模型中，如”the”、”a”等频繁词会降低训练的速度以及损害训练结果准确性，为了解决这个问题，引入了欠采样技术，技术原理很简单，就是以某个随机的概率舍弃词典中的词，越频繁的词被舍弃的概率越大，因此，在不改变词频排列顺序的前提下，大大减小了频繁词与非频繁词的比例，从而突出了非频繁词，训练结果更加准确，训练的速度也更快。假设词表中共有n个词，将所有单词排序后，每个单词都会有一个位置信息，则对于单词[公式]，可以使用n维向量来表示，其中向量的第i分量的值为1，其余值为0，向量记为[0,0,….]]></description><category></category></item><item><title><![CDATA[word2vec原理]]></title><link>https://blog.youkuaiyun.com/lockhou/article/details/126193772</link><guid>https://blog.youkuaiyun.com/lockhou/article/details/126193772</guid><author>lockhou</author><pubDate>Sat, 06 Aug 2022 13:38:17 +0800</pubDate><description><![CDATA[这篇论文详细地推导和解释了word2vec模型的参数更新公式，包括：CBOW（continuous bag-of-word）模型和SG（skip-gram）模型，以及两种参数优化技术：hierarchical softmax 和 negative sampling.]]></description><category></category></item></channel></rss>