- 博客(178)
- 收藏
- 关注
RSS订阅
原创 深度学习实战基础案例——卷积神经网络（CNN）基于SqueezeNet的眼疾识别|第1例
SqueezeNet是一种轻量且高效的CNN模型，它参数比AlexNet少50倍，但模型性能（accuracy）与AlexNet接近。顾名思义，Squeeze的中文意思是压缩和挤压的意思，所以我们通过算法的名字就可以猜想到，该算法一定是通过压缩模型来降低模型参数量的。当然任何算法的改进都是在原先的基础上提升精度或者降低模型参数，因此该算法的主要目的就是在于降低模型参数量的同时保持模型精度。基础环境：python3.7编译器：pycharm深度学习框架：pytorch链接（提取码：2357 ）
2023-08-13 15:12:15
13729
27
原创 最新版本的Anaconda环境配置、Cuda、cuDNN以及pytorch环境一键式配置流程
本教程是最新的深度学习入门环境配置教程，跟着本教程可以帮你解决入门深度学习之前的环境配置问题。同时，本教程拒绝琐碎，大部分以图例形式进行教程。
2023-08-12 12:05:05
8666
20
原创 基于PP-YOLOE-SOD实现遥感场景下的小目标检测
目标边界框的宽高与图像的宽高比例小于一定值目标边界框面积与图像面积的比值开方小于一定值分辨率小于32*32像素的目标。如MS-COCO数据集像素值范围在［10，50］之间的目标。如DOTA/WIDER FACE数据集paddle从数据集整体层面提出了如下定义：目标边界框的宽高与图像的宽高比例的中位数小于0.04时，判定该数据集为小目标数据集。目前，小目标检测主要有以下几个难点：覆盖面积小，有效特征少小目标下采样后丢失问题，边界框难以回归，模型难以收敛。
2023-03-16 19:43:16
4132
14
原创 从零开始学OpenCV——图像灰度变换详解（线性与非线性变换）
在实际应用中,为了突出图像中感兴趣的研究对象，常常要求增强某一灰度范围的对比度，或对不同范围的灰度值进行不同的处理，即分段线性拉伸。分段线性拉伸是仅将某一范围的灰度值进行拉伸，而其余范围的灰度值实际上被压缩了。阈值变换可以将灰度图像转换成黑白二值图像，用户指定一阈值T，灰度低于T置0，高于T置255。伽玛变换又称为 指数变换 或 幂次变换，是另一种常用的灰度非线性变换。输出图象每个象素点的灰度值仅由输入图像相同位置象素点的灰度值决定。时，该灰度变换是线性的，此时通过线性方式改变原图像。
2023-03-15 21:10:41
9768
7
原创 Python机器学习数据建模与分析——Numpy和Pandas综合应用案例：空气质量监测数据的预处理和基本分析
Python作为一款面向对象、跨平台并且开源的计算机语言，是机器学习实践的首选工具。入门Python机器学习应从了解并掌握Python的Numpy、Pandas、Matplotlib包开始。学习Python和完成机器学习实践的有效途径是：以特定的机器学习应用场景和数据作为出发点，沿着由浅入深的数据分析脉络，以逐个解决数据分析实际问题为目标，逐步展开对Python的学习和机器学习的实践。📢本文由 心无旁骛~ 原创，首发于 优快云博客🙉。
2023-01-21 19:31:44
5638
15
原创 【ROS2】技术笔记：ROS 2 构建工具 `colcon build` 详解
colcon build是ROS 2的核心构建工具，用于自动化构建和安装软件包。它通过解析package.xml确定依赖顺序，调用底层构建系统（如CMake）完成编译。常用参数包括：--symlink-install（快速迭代Python/Launch文件）、--packages-select（构建指定包）、--cmake-args（配置构建类型）。典型用法组合分为开发模式（Debug+符号链接）和发布模式（Release优化）。输出目录包括install/（最终文件）、build/（中间文件）和log/（
2025-11-24 11:21:59
249
原创 SAM3 深度解读与工程实践：从原理到打造 Interactive Vision Studio 工作台
Meta发布的Segment Anything Model 3（SAM3）在图像分割和视频跟踪领域取得重大突破，实现了语义与视觉的深度融合。SAM3通过引入开放词汇概念理解能力，构建统一架构共享视觉编码器，并优化多模态提示和数据引擎，显著提升了分割精度和效率。作者基于Gradio开发了交互式视觉工作台SAM3 Interactive Vision Studio，支持图像分割和视频跟踪功能，并开源了项目代码。用户可通过简单步骤在本地部署该系统，直观体验SAM3的强大性能。这一进展标志着视觉大模型向概念理解迈出
2025-11-23 11:24:27
937
原创 Ubuntu 22.04（Jammy Jellyfish）升级内核方案
摘要：Ubuntu 22.04用户可通过两种方式升级内核：1）官方推荐的HWE内核（稳定、长期支持），执行sudo apt install linux-generic-hwe-22.04即可；2）手动安装主线内核（获取最新特性但无官方支持）。升级前需用uname -r确认当前版本，建议生产环境优先选择HWE内核，测试环境可尝试主线内核。升级后需重启系统，出现问题可通过GRUB回滚旧内核。注意备份数据并检查硬件兼容性，服务器等关键环境应谨慎操作。（148字）
2025-11-17 22:47:28
711
1
原创 GitHub 代码提交指南
摘要：本文详细介绍了Git基本使用流程，包括安装配置、仓库创建、文件管理、提交推送和分支操作。重点讲解了如何通过.gitignore文件排除不需要提交的文件，提供了常见忽略项示例，并解释了已跟踪文件的处理方法。此外，还涵盖了工作区状态检查、暂存提交、远程推送等核心操作，以及分支管理和常见问题解决方案，为Git新手提供了完整的版本控制入门指引。
2025-11-17 18:21:20
527
原创 Masquerade 总结笔记：解锁野外人类视频的机器人政策学习潜力
摘要： Masquerade框架通过显式缩小人类与机器人的视觉差距，利用野外人类视频提升机器人策略泛化能力。其核心方法包括：(1) 将人类视频编辑为“机器人化”数据（姿态映射、手臂修复、虚拟机器人叠加）；(2) 基于编辑数据预训练视觉编码器；(3) 联合少量真实机器人数据微调策略。实验表明，该方法在分布外场景中平均成功率提升至74%，显著优于基线。尽管依赖第一人称视角数据，但其“视觉对齐+联合训练”范式为利用非第一人称视频提供了潜在方向，如通过多视角重建或强化学习补偿视角差异。这一突破为机器人学习的数据瓶颈
2025-11-17 16:25:30
549
原创 NeurIPS 2025 超越认知的物理挑战：PhyBlock 3D积木基准撬动大模型空间推理极限
研究团队提出PhyBlock基准，系统性评估21种视觉语言模型在3D积木搭建任务中的物理理解和规划能力。该基准包含400个分层搭建场景和2200道物理理解VQA问题，涵盖从简单堆叠到22块积木的复杂结构。实验发现主流模型在简单任务表现尚可，但在复杂空间依赖和高层推理上性能急剧下降，尤其存在姿态误估和支撑依赖两大核心缺陷。值得注意的是，开源模型显著落后于闭源模型，而思考模式提示对空间任务几乎无效。结果表明当前VLM缺乏真正的物理直觉，精确的三维姿态理解成为制约其3D规划能力的关键瓶颈。这一基准为具身智能研究提
2025-11-17 11:17:45
1217
原创 【BUG解决】error: system does not fully support snapd: cannot mount squashfs image using “squashfs“
摘要：在Ubuntu 22.04(ARM64)安装Chromium时出现snapd挂载squashfs错误。主要原因是内核缺少squashfs/loop模块或SELinux干扰。解决方案包括：1)加载内核模块(squashfs/loop)；2)禁用SELinux；3)重试安装。替代方案可使用Flatpak或PPA安装。该问题常见于ARM设备，与Ubuntu默认使用snap打包应用有关。系统需确保内核支持必要模块且安全模块配置正确。
2025-11-14 10:38:22
274
原创 Jetson ORIN NANO SUPER 装机流程
本文详细介绍了使用NVIDIA SDK Manager在Jetson Orin Nano开发套件上烧录系统和安装SDK组件的完整流程。教程包含准备工作、SDK Manager安装、目标设备选择、许可协议接受、系统烧录以及安装验证等关键步骤。特别强调了连接稳定性、网络要求以及时间预估等注意事项，并提供了常见命令用于验证安装结果。该指南适用于Jetson Orin Nano 8GB/16GB版本，需在Ubuntu主机环境下操作，整个安装过程约需1小时以上。
2025-11-13 22:48:17
918
原创 MotionTrans: 从人类VR数据学习机器人操作的运动级迁移
清华大学与北京大学等机构联合提出MotionTrans框架，通过VR采集人类演示数据，实现机器人运动级操作学习。该研究在15个人类任务和15个机器人任务上进行联合训练，成功将13个人类任务的动作迁移至机器人，其中9个任务在零样本下达到良好成功率。框架创新性地设计了人机数据转换方法和加权多任务训练策略，构建包含3,213条演示的多样化数据集。实验表明，该方法不仅实现零样本动作迁移，还能显著提升少样本微调效果，为利用丰富人类数据解决机器人操作学习问题提供了新思路。
2025-11-12 22:16:23
1309
原创 Docker常见命令
本文提供了一份实用的Docker基础操作指南，涵盖安装、核心概念和常用命令。主要内容包括：Docker引擎的安装方法（支持Linux/macOS/Windows）；镜像与容器的核心概念区分；镜像搜索/拉取/删除和容器运行/启停/日志查看等基础操作；网络配置与数据管理技巧；Dockerfile构建自定义镜像的示例；以及清理资源、查看详情等组合命令。文中还解答了权限错误、端口占用等常见问题，帮助开发者快速掌握容器化技术的关键操作。
2025-11-12 17:20:51
674
原创 ROS2 Action 通信详解：从自定义消息到 Server/Client 实现（附 MoveIt! 联动示例）
ROS2 Action 控制与 MoveIt! 示例 摘要：本文介绍了基于 ROS2（Humble/Iron 版本）的 Action 控制方法，包含自定义 Action 实现和 MoveIt! 运动规划集成。第一部分详细展示了从创建功能包到实现 Action Server/Client 的完整流程（包含目标、反馈、结果三要素），通过 Python 脚本实现了任务进度监控和取消功能。第二部分简要说明如何利用 MoveIt! 封装的 Action 接口实现机器人运动规划功能。所有示例均遵循标准 ROS2 命令行
2025-11-11 22:34:33
643
原创 MoveIt! 与 Action 控制的本质区别与协同关系
摘要：MoveIt!与ROS Action控制的关键区别在于定位和功能。Action是通用通信协议，解决长时间任务的异步交互问题（如导航、机械臂控制）；而MoveIt!是专注于机器人运动规划的专用框架，负责避障、轨迹生成等核心逻辑。MoveIt!内部封装Action接口（如MoveGroupAction）供外部调用，实际开发中两者协同工作——Action处理任务交互，MoveIt!解决运动规划。常见误区包括混淆两者层级关系或认为它们可相互替代。典型应用场景中，MoveIt!通过Action接收目标、反馈进度
2025-11-11 22:32:35
774
原创 LeRobot v3.0 数据集格式详细分析
LeRobot Dataset v3.0 是 Hugging Face 推出的标准化机器人学习数据格式，提供统一的多模态时序数据访问接口，支持感官运动信号、多摄像头视频，以及丰富的元数据用于索引、搜索和可视化。版本信息: v3.0（包含在 lerobot >= 0.4.0 中）文件组织: v3.0使用文件基础而非episode基础的存储元数据驱动: Episode边界通过元数据而非文件名解析高效访问: 内存映射 + 流式加载 = 低内存占用标准化格式: 统一的schema支持跨数据集训练Hub集成。
2025-10-31 11:09:39
893
6
原创 在Linux服务器上配置GitHub SSH密钥的完整指南
本教程介绍如何在Ubuntu系统通过SSH密钥安全连接GitHub仓库。首先检查现有SSH密钥，若无则使用Ed25519算法生成新密钥对。将公钥内容复制并添加到GitHub账户的SSH设置中。测试连接成功后，修改Git仓库远程URL或直接使用SSH链接克隆。教程包含常见问题排查方法，如权限设置和连接问题，并建议定期轮换密钥和使用独立密钥增强安全性。完成配置后即可实现免密安全的Git操作。
2025-10-31 09:32:16
471
原创 具身智能落地加速：人形机器人领域的技术趋势与无界智慧团队人才
无界智慧团队正在招聘具身智能领域人才，包括紧急招募的资深机械结构工程师和常规招聘的机器人硬件/VLA岗位。团队由ACM金牌得主、机器人专家和顶尖院校科研人员组成，配备高性能研发设施。机械工程师需5年以上AGV/工业设备设计经验，负责人形机器人结构优化和量产导入；常规岗位面向具备机器人/算法经验的工程师或实习生。团队提供有竞争力的薪酬和成长空间，对标国际顶级组织。投递简历至hr@spatialtemporal.ai，紧急岗位优先处理。
2025-10-29 18:24:02
964
原创 【VLA半自动化数采】FieldGen: From Teleoperated Pre-Manipulation Trajectories...论文阅读笔记
FieldGen论文提出了一种半自动化数据生成框架，通过分解机器人操作任务为预操作和精细操作两个阶段，解决了真实世界数据收集的效率与多样性难题。其核心创新在于构建锥形场和球形场来自动生成多样化轨迹，同时保留人类专家对关键操作步骤的监督。实验表明，该方法在相同时间内收集的数据质量显著优于传统遥操作，数据收集效率提升2.47倍，在多个任务上达到100%成功率。FieldGen为机器人学习提供了高效、高质量且多样化的真实世界数据生成方案，平衡了自动化效率与人工监督的精准性。
2025-10-28 19:47:13
916
1
原创 机器人控制的基石：ROS 2 Controller Spawner 深度解析、应用对比与防范陷阱
在 ROS 2 机器人控制系统中，框架扮演着核心角色。而spawner（控制器启动器）则是实现控制器自动化加载和启动的关键工具。本文将详细解析spawner的工作原理，对比手动服务调用与自动化启动的优劣，并基于实际的 OpenArm 双臂机器人调试经验，总结出在使用spawner启动资源密集型控制器时的最佳工程实践，以确保系统在性能受限的硬件上也能稳定运行。特性原始官方 Spawner (风险)修复后的 Spawner (最佳实践)启动方式单一 Spawner，多个参数独立 Spawner，各自参数。
2025-10-27 20:40:49
1115
原创 Socket和Websocket编程的区别
文章摘要： WebSocket与Socket的关键区别在于数据传输方式。Socket基于TCP/UDP协议实现底层网络通信，需手动建立连接；WebSocket则基于HTTP协议升级实现双向实时通信。主要差异包括：协议层（传输层vs应用层）、连接方式（短连接vs长连接）、通信模式（单向vs双向）和传输效率（高效但需额外开销）。代码示例展示了Python实现的Socket服务器/客户端（使用socket模块）和WebSocket服务器/客户端（使用websockets库），前者需处理线程管理，后者通过异步编程简
2025-10-27 20:04:42
888
原创 PIL与OpenCV图像读取的颜色格式陷阱：RGB vs BGR
为什么图像颜色会反转？PIL与OpenCV的RGB/BGR格式差异解析 当使用PIL和OpenCV处理图像时，开发者常遇到红色变蓝色的问题。核心原因是： PIL/Pillow使用RGB格式（红绿蓝通道顺序） OpenCV采用BGR格式（蓝绿红通道顺序） 直接混用会导致颜色通道错位，红蓝互换 解决方法： PIL转OpenCV时：cv2.cvtColor(img_rgb, cv2.COLOR_RGB2BGR) OpenCV转PIL时：cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB
2025-10-15 16:44:07
802
原创 【OpenArm|Control】openarm机械臂ROS2仿真控制
openarm_ros2 存储库包含用于 ros2_control 的包集合。它抽象化了硬件控制，将手臂公开为接收位置、速度和扭矩命令并输出关节状态的接口。openarm_bringup 包提供了通过包与 ROS2 控制框架集成的启动文件。该软件包提供启动文件和配置，用于启动硬件接口、加载控制器以及将物理臂连接到 ROS2 生态系统。启动后，您可以使用标准 ROS2 控制工具和接口来命令手臂并接收反馈。openarm_bringupbringup 包支持模拟硬件（用于模拟/测试）和通过硬件插件的真实
2025-10-07 17:31:29
1748
原创 【OpenArm|URDF】openarm仿真环境配置以及URDF导出
本文介绍了ROS2环境下机械臂模型（openarm）的配置与可视化流程。首先通过鱼香ROS脚本安装ROS2 Humble版本，设置工作空间并克隆机械臂描述包。接着使用xacro工具生成单臂/双臂的URDF模型文件，支持不同配置（含末端执行器、ROS2控制等）。然后安装joint_state_publisher_gui工具包，通过RVIZ实现模型可视化展示。最后提供URDF文件导出方法，便于其他应用使用。文档包含详细命令和参数说明，并附有可视化效果图。
2025-10-07 12:42:17
649
原创 【ROS2】DDS通信协议介绍
本文介绍了DDS协议在ROS2中的核心作用与应用。DDS是一种面向分布式实时系统的中间件标准，基于发布-订阅模型，支持高效数据传输。ROS2通过抽象层集成多种DDS实现，利用QoS策略确保通信的可靠性、实时性和容错性。文章还通过Python示例展示了如何配置QoS参数创建ROS2发布-订阅系统，包括功能包创建、setup.py配置及QoS策略设置（如可靠性传输和消息历史保留）。DDS的高吞吐量、低延迟特性使其成为机器人系统中传感器数据和控制命令传输的理想选择。
2025-09-27 21:07:49
1338
原创 【ROS学习笔记】ROS1和ROS2对比
摘要： ROS1与ROS2是机器人开发的两代操作系统，分别适用于不同场景。ROS1成熟稳定、生态丰富，适合教育和快速原型开发，但存在实时性差、依赖主节点等局限。ROS2采用DDS通信协议，实现去中心化架构，支持硬实时、多机器人协作和端到端加密，更适配工业自动化等高要求场景，但学习曲线陡峭且生态仍在建设中。建议新项目优先选择ROS2，旧系统逐步迁移，根据项目需求（实时性/安全性 vs 开发效率）权衡选择。随着ROS2持续迭代，它正成为具身智能时代机器人商业化的关键技术底座。
2025-09-27 20:29:57
833
原创 【ROS 学习笔记】ROS1（Noetic）& ROS2（Humble）话题创建全流程梳理
本文介绍了在ROS1中创建话题的完整流程，包括准备工作、功能包创建、发布者和订阅者节点的编写（提供C++和Python版本），以及必要的配置步骤。关键点包括：初始化ROS工作空间、创建功能包并添加依赖、实现消息发布/订阅逻辑、配置CMake编译规则（C++需要）。通过std_msgs/String类型示例，演示了话题通信的核心机制。
2025-09-24 17:17:02
804
原创 【VLA实践】openpi0自定义lerobot格式数据集微调实践
摘要 本文介绍了如何在本地环境中对OpenPI模型（如pi0或pi0_fast）进行离线微调，适用于机器人数据集（如LeRobot）。步骤包括： 环境准备：安装Python依赖（如uv）、创建Conda环境（vla311），并设置缓存目录（OPENPI_DATA_HOME）。 离线资源处理：复制PaliGemma分词模型到缓存目录，配置FAST Processor（针对Pi0-FAST）。 数据集适配：自定义LeRobotAgibotG01DataConfig类，映射数据集键名并处理16维双臂数据。 LoR
2025-09-20 15:17:07
956
原创 识场景善分析：无界智慧推出助力空间理解与推理的大模型3D-MoRe
3D-MoRe模型：突破3D场景理解瓶颈的多模态推理框架 由无界智慧联合多所高校研发的3D-MoRe模型，通过创新性"生成-融合-推理"范式，显著提升了3D场景理解能力。该模型核心突破包括： 自适应多模态数据融合：集成ScanNet等数据源，生成62,000个问答对和73,000条物体描述，通过语义过滤保证质量； 分层跨模态交互架构(CMIM)：结合文本编码、视觉提示与3D场景特征，实现多模态深度对齐； 性能提升：在ScanQA和ScanRefer任务上分别实现2.15%和1.84%的指
2025-09-17 10:33:15
861
原创 ICCV 2025 最新力作！A0：首个空间可供性感知的通用机器人操作模型
摘要： 无界智慧团队推出首个基于空间可供性感知的通用机器人操作模型A0，通过具身无关的可供性表征实现跨平台操作能力。A0创新性地采用分层任务分解（高层可供性理解+底层动作执行）和高效表征学习，在Franka、Kinova等平台上验证显示：复杂任务成功率提升70%，执行步骤仅需4-5步，效率达其他方法的10倍。关键技术包括统一多源数据的可供性表征和基于DiT的扩散模型架构，相关成果已被ICCV 2025接收并开源。实验证明A0在擦拭白板等需空间推理的任务中表现优异，为机器人通用操作提供了新范式。
2025-09-16 09:59:19
1431
2
原创 智元精灵GO1 agibot数据转换Lerobot通用格式数据脚本
本文介绍了一个高效Python脚本，用于将zhiyuanData格式转换为标准LeRobot格式。该工具支持多模态数据处理（HDF5关节数据、JSON元信息、多视角图像），通过智能降采样将数据统一至10fps，确保状态-动作对的一致性。核心功能包括时间戳精确对齐、自动目录结构生成、容错处理和高性能多线程处理。脚本提供简单命令行接口，支持本地转换或直接推送至Hugging Face Hub，为机器人学习研究提供标准化数据预处理方案，解决了多源数据格式不统一的问题。开源地址：https://github.com
2025-08-24 21:31:00
839
2
原创 Linux服务器后台任务挂起命令介绍
本文介绍了四种Linux后台任务运行方式： nohup：简单易用，适合临时任务，通过nohup command &实现后台运行 screen：支持会话管理，可断开/重连会话，适合交互式长任务 tmux：功能比screen更强大，支持分屏等高级特性 systemd：专业服务管理，提供日志记录和自动重启，适合生产环境 使用建议：开发测试推荐screen/tmux，生产环境建议systemd，临时任务可用nohup。每种方式各有特点，可根据实际需求选择。
2025-08-13 16:50:25
430
原创 基于Hyper-V的HomeAssistant OS安装
本文详细介绍了在Windows系统上使用Hyper-V安装HomeAssistant智能家居控制系统的完整过程。首先说明了Windows家庭版安装Hyper-V的方法，包括创建批处理脚本、系统重启等步骤。接着指导用户下载HomeAssistant镜像，在Hyper-V管理器中创建虚拟机，配置内存、网络等参数。文章重点描述了取消安全启动设置、启动虚拟机以及初始化HomeAssistant的注意事项，并提供了访问HomeAssistant Web界面的IP地址和端口信息。整个安装过程图文并茂，适合新手用户参考实
2025-08-13 14:15:21
1092
原创 Poetry与UV——现代Python依赖管理的革新者
本文这里虽然介绍了poetry和uv两种python项目管理工具，但是它们两者之间其实是可以互补的。如果需要构建大型python项目，则Poetry 可以提供完整的项目管理框架，而uv 解决依赖安装速度问题，两者结合兼顾规范和效率，尤其适合中大型项目或长期维护的项目。追求完整解决方案：选择Poetry优化现有项目：引入UV终极方案：Poetry声明依赖 + UV执行安装特性PoetryUV依赖冲突解决❌✅✅环境隔离❌✅✅确定性构建❌✅✅极速安装❌❌✅。
2025-08-09 19:47:21
1340
原创 基于 LangChain + 通义千问 + bge-large 中文 Embedding 搭建一个RAG问答示例
本文介绍了如何使用LangChain框架和阿里云通义千问模型构建RAG（检索增强生成）应用。主要内容包括：LangChain框架介绍、RAG架构原理（检索+生成）、BGE中文嵌入模型的使用方法，以及完整的实现代码解析。代码实现了文档加载、分块处理、向量存储和检索功能，通过提示模板优化回答质量，并展示了如何编排处理链。该应用可扩展为问答系统或知识库助手，适合处理中文文本，通过调整分块策略和提示工程可进一步提升效果。
2025-08-03 22:43:56
997
原创 【Nginx反向代理】通过Nginx反向代理将多个后端server统一到同一个端口上的方法
摘要：在多开发者协作项目中，不同后端服务部署在不同端口或服务器上，导致前端调用接口时面临多端口、跨域等复杂问题。使用Nginx反向代理可统一入口，通过配置/api1/、/api2/等路径将请求转发至对应服务（如本地5051端口或远程服务器）。方案优势包括隐藏服务细节、集中处理跨域、简化前端调用逻辑，并提供负载均衡灵活性。文中给出Nginx安装命令、配置示例及常用操作指令（启动/重启/配置检查等），便于快速部署维护。（149字）
2025-08-01 18:07:58
722
原创 【bug】ERROR: Failed to build installable wheels for some pyproject.toml based projects (pyaudio)
摘要：解决pyaudio安装失败问题，不同系统安装依赖的方法：Ubuntu/Debian需安装python3-dev和portaudio19-dev；CentOS/RHEL安装python3-devel和portaudio-devel；macOS用Homebrew安装portaudio；Windows建议直接使用预编译包。作者在Linux和macOS系统上验证了这些方法有效。
2025-07-04 18:08:47
1617
原创 单卡4090服务器部署qwen2.5-VL-7B
本文介绍了Qwen2.5-VL多模态大模型的两种部署方法。推荐使用Docker镜像方式，通过拉取官方镜像并运行脚本即可快速部署API服务，还提供了Flask调用示例。手动安装方式需特定依赖版本，但可能遇到初始化失败问题，作者通过移植Docker环境中的依赖包成功解决。两种方法均支持图像和视频输入，适用于多模态任务测试。
2025-07-04 17:53:33
815
1
该包包含Mysql安装包以及详细文档教程，还有Navicat8的安装包以及详细文档安装教程
2023-01-09
python爬虫课设，爬取51job网站岗位基本信息，大学开展python数据获取与预处理的小伙伴们，可以直接拿来用
2023-01-09
B站韩顺平学习资料总结，韩老师所有的课堂笔记与代码 看
2022-07-08
红蜘蛛教室控屏软件，上课进行学习机演示可用
2022-12-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人