<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[技术宅学长的博客]]></title><description><![CDATA[B站UP技术宅学长，时不时分享论文、代码]]></description><link>https://blog.youkuaiyun.com/qq_33440910</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_33440910]]></copyright><item><title><![CDATA[[2026年最新] iPad 用于 Windows 扩展屏解决方案 Moonlight + Sunshine + parsec-vdd 完美分辨率匹配各种ipad]]></title><link>https://blog.youkuaiyun.com/qq_33440910/article/details/161341972</link><guid>https://blog.youkuaiyun.com/qq_33440910/article/details/161341972</guid><author>qq_33440910</author><pubDate>Sat, 23 May 2026 14:53:14 +0800</pubDate><description><![CDATA[本文介绍了使用Sunshine和Moonlight实现跨设备屏幕推流的完整教程。首先在Windows端安装Sunshine服务端并配置登录信息，然后在接收端安装Moonlight客户端进行配对连接。针对iPad作为副屏使用时，推荐安装parsec-vdd虚拟屏幕软件创建自定义分辨率的虚拟显示器，并提供了各型号iPad的具体分辨率参数。最后详细说明了如何在Sunshine中配置虚拟显示器ID，以及在iPad端优化显示设置的方法，实现将iPad作为电脑扩展屏使用的完整流程。]]></description><category></category></item><item><title><![CDATA[彻底卸载OpenClaw（小龙虾）保姆级教程｜无残留、保安全]]></title><link>https://blog.youkuaiyun.com/qq_33440910/article/details/158979753</link><guid>https://blog.youkuaiyun.com/qq_33440910/article/details/158979753</guid><author>qq_33440910</author><pubDate>Thu, 12 Mar 2026 23:55:55 +0800</pubDate><description><![CDATA[本文提供OpenClaw（小龙虾）软件的彻底卸载教程，覆盖Windows、Mac和Linux三大平台。针对该软件卸载后易残留后台服务、配置文件和API密钥等安全隐患，教程详细指导用户完成：1）卸载前准备（停止服务/备份数据）；2）分平台卸载步骤（官方一键卸载和手动方案）；3）关键残留清理（删除历史目录/轮换API密钥）；4）常见问题排查。特别强调安全收尾操作，包括撤销第三方授权和重启电脑，确保无隐私泄露风险。教程同时提供新手友好的一键卸载方案和高级手动方案，满足不同用户需求。]]></description><category></category></item><item><title><![CDATA[部署OpenClaw（小龙虾）：科研党专属AI智能体保姆级教程]]></title><link>https://blog.youkuaiyun.com/qq_33440910/article/details/158979734</link><guid>https://blog.youkuaiyun.com/qq_33440910/article/details/158979734</guid><author>qq_33440910</author><pubDate>Thu, 12 Mar 2026 23:52:53 +0800</pubDate><description><![CDATA[摘要：OpenClaw是一款开源本地部署的AI智能体框架，专为科研人员设计。它能自动化处理文献检索、数据整理、代码运行等科研任务，支持Windows/Mac/Linux系统。部署只需三步：1)准备Python/Git环境；2)分系统安装；3)配置API密钥。核心优势包括数据本地存储安全、全自动化流程、丰富科研技能库和开源免费特性。安装时需注意系统权限和API密钥有效性，成功部署后可通过控制面板调用各类科研任务，显著提升研究效率。]]></description><category></category></item><item><title><![CDATA[优快云 又开始整活？我免费文章竟被自动改成 VIP！]]></title><link>https://blog.youkuaiyun.com/qq_33440910/article/details/158261541</link><guid>https://blog.youkuaiyun.com/qq_33440910/article/details/158261541</guid><author>qq_33440910</author><pubDate>Sat, 21 Feb 2026 09:20:05 +0800</pubDate><description><![CDATA[📝 我写东西主要就是为了：给自己做个备份，记录一下日常折腾什么，学到什么皮毛就顺手记下来，免得过几个月忘了，放在公开平台只是图个方便，检索一下也快，我平时真正整理东西都是放在 GitHub，要么开私库，要么在本地 markdown folder 里一堆未整理的草稿。最近上 优快云 看了一眼自己的主页，结果直接给我整无语了——我之前免费发布的很多文章，居然自动变成了 VIP 付费可见？我上一次登录还是上一次，中间根本没修改 优快云，结果再上来就发现好几篇文章——被系统自动改成了 VIP 付费。]]></description><category></category></item><item><title><![CDATA[Router门控网络简单介绍]]></title><link>https://blog.youkuaiyun.com/qq_33440910/article/details/158239358</link><guid>https://blog.youkuaiyun.com/qq_33440910/article/details/158239358</guid><author>qq_33440910</author><pubDate>Fri, 20 Feb 2026 23:01:47 +0800</pubDate><description><![CDATA[摘要： Router门控网络是MoE架构的核心组件，负责为每个输入token动态选择最合适的专家网络（FFN层），实现模型容量的高效扩展。其核心流程包括：1）通过线性层计算token对所有专家的匹配分数；2）选择Top-K专家（通常K=1或2）；3）加权融合专家输出。关键约束是负载均衡，需确保专家调用均匀。代码示例展示了Top-2 Router与MoE-FFN的实现，通过Router调度不同专家处理特定token，显著提升模型性能而不显著增加计算量。]]></description><category></category></item><item><title><![CDATA[什么是FFN层（Feed-Forward Network，前馈神经网络层）]]></title><link>https://blog.youkuaiyun.com/qq_33440910/article/details/158238830</link><guid>https://blog.youkuaiyun.com/qq_33440910/article/details/158238830</guid><author>qq_33440910</author><pubDate>Fri, 20 Feb 2026 21:50:44 +0800</pubDate><description><![CDATA[摘要： FFN层（前馈神经网络）是Transformer的核心模块，采用“升维→激活→降维”结构（如512→2048→512），通过GELU等激活函数引入非线性。其逐位置独立处理特性与注意力层互补：注意力层负责全局关联，FFN层负责局部精修。典型实现包含两层全连接和Dropout，现代变体包括SwiGLU激活和MoE稀疏化。代码示例展示了标准FFN层及在Transformer块中的调用流程，遵循“LayerNorm→FFN→残差”范式，保证高效的非线性特征提取能力。]]></description><category></category></item><item><title><![CDATA[关于CLS与mean_pooling的一些笔记]]></title><link>https://blog.youkuaiyun.com/qq_33440910/article/details/156690923</link><guid>https://blog.youkuaiyun.com/qq_33440910/article/details/156690923</guid><author>qq_33440910</author><pubDate>Wed, 07 Jan 2026 16:25:05 +0800</pubDate><description><![CDATA[文章摘要：本文探讨了自然语言处理中两种句子嵌入方法的选择问题。[CLS]Token和mean_pooling各有优势：[CLS]Token通过特殊分类标记捕获整体语义，适合区分性任务；mean_pooling则计算所有标记的平均值，在语义相似性任务中表现更好。文章详细分析了两种方法的数学原理、适用场景及实现细节，并提供了ONNX模型的使用代码示例，包括tokenize处理、编码器运行和嵌入归一化等关键步骤。最终建议根据模型架构和训练目标选择合适的方法，[CLS]Token更适合需要高度区分的任务。]]></description><category></category></item><item><title><![CDATA[使用PyTorch进行图像风格迁移：基于VGG19实现]]></title><link>https://blog.youkuaiyun.com/qq_33440910/article/details/142263884</link><guid>https://blog.youkuaiyun.com/qq_33440910/article/details/142263884</guid><author>qq_33440910</author><pubDate>Sat, 14 Sep 2024 17:54:33 +0800</pubDate><description><![CDATA[本文展示了如何使用PyTorch和VGG19模型实现图像风格迁移。通过合理设置内容和风格损失的权重，我们可以生成既保留内容图像结构又具有风格图像艺术风格的全新图像。]]></description><category></category></item><item><title><![CDATA[硕士该去算法岗还是开发岗？]]></title><link>https://blog.youkuaiyun.com/qq_33440910/article/details/142207868</link><guid>https://blog.youkuaiyun.com/qq_33440910/article/details/142207868</guid><author>qq_33440910</author><pubDate>Fri, 13 Sep 2024 13:06:34 +0800</pubDate><description><![CDATA[最近很多学弟问我这个问题，他是某985硕士，想去算法，但是又没有很好的论文和实习。走开发又不甘心自己堂堂985硕士去做开发，那岂不是就是和本科大专一样了。这里我说一下我对算法岗和开发岗的理解。]]></description><category></category></item><item><title><![CDATA[深度学习中常见的损失函数]]></title><link>https://blog.youkuaiyun.com/qq_33440910/article/details/142169947</link><guid>https://blog.youkuaiyun.com/qq_33440910/article/details/142169947</guid><author>qq_33440910</author><pubDate>Thu, 12 Sep 2024 11:12:51 +0800</pubDate><description><![CDATA[不同的损失函数适用于不同的任务，回归任务中通常使用均方误差（MSE）和绝对误差（MAE），分类任务中使用交叉熵损失，物体检测和分割中使用IoU和Dice损失，而生成模型中使用对抗损失和重构损失。根据具体任务的特点选择合适的损失函数对于模型的性能有很大影响。]]></description><category></category></item><item><title><![CDATA[Pycharm Remote Development 报错解决]]></title><link>https://blog.youkuaiyun.com/qq_33440910/article/details/142089204</link><guid>https://blog.youkuaiyun.com/qq_33440910/article/details/142089204</guid><author>qq_33440910</author><pubDate>Tue, 10 Sep 2024 10:05:26 +0800</pubDate><description><![CDATA[实测解决方法，1更新本地ide到最新的专业版本，2删除所有远程服务器上安装的历史版本的client，重新安装最新版本，3 使用 ps aux | grep pycharm命令检查后台运行的pycharm程序，kill掉所有pycharm程序后，重新打开项目即可解决报错问题。如果依然有问题，建议检查网络连接是否稳定，远程主机的资源（如 CPU、内存）是否充足。这个错误通常与 PyCharm 在使用 Remote Development 功能时，远程主机上的 IDE 后端进程进入了无效状态有关。]]></description><category></category></item><item><title><![CDATA[基于PyTorch分布式训练的实现与优化（以CIFAR-10为例）]]></title><link>https://blog.youkuaiyun.com/qq_33440910/article/details/141933453</link><guid>https://blog.youkuaiyun.com/qq_33440910/article/details/141933453</guid><author>qq_33440910</author><pubDate>Thu, 05 Sep 2024 15:58:19 +0800</pubDate><description><![CDATA[本文展示了如何在PyTorch框架下使用模块进行分布式训练。通过此技术，可以有效地利用多个GPU资源，加速大规模数据集上的模型训练。希望本文能帮助读者更好地理解和应用PyTorch的分布式训练技术。]]></description><category></category></item><item><title><![CDATA[三子棋、井字棋 -python版本代码-C语言版本代码]]></title><link>https://blog.youkuaiyun.com/qq_33440910/article/details/140770066</link><guid>https://blog.youkuaiyun.com/qq_33440910/article/details/140770066</guid><author>qq_33440910</author><pubDate>Mon, 29 Jul 2024 14:21:32 +0800</pubDate><description><![CDATA[三子棋是一种民间传统游戏，又叫九宫棋、圈圈叉叉棋、一条龙、井字棋等。游戏分为双方对战，双方依次在9宫格棋盘上摆放棋子，率先将自己的三个棋子走成一条线就视为胜利，而对方就算输了，但是三子棋在很多时候会出现和棋的局面。开始游戏后，我们需要将棋盘打印出来。（2）设置先落子玩家或者电脑。一、三子棋的大体思路。]]></description><category></category></item><item><title><![CDATA[2周速通春招联想Lenovo机器学习算法岗-面经篇]]></title><link>https://blog.youkuaiyun.com/qq_33440910/article/details/138234572</link><guid>https://blog.youkuaiyun.com/qq_33440910/article/details/138234572</guid><author>qq_33440910</author><pubDate>Sat, 27 Apr 2024 01:00:00 +0800</pubDate><description><![CDATA[联想 机器学习算法面经]]></description><category></category></item><item><title><![CDATA[MLU370配置环境以及算子转换流程]]></title><link>https://blog.youkuaiyun.com/qq_33440910/article/details/137935468</link><guid>https://blog.youkuaiyun.com/qq_33440910/article/details/137935468</guid><author>qq_33440910</author><pubDate>Thu, 18 Apr 2024 20:13:19 +0800</pubDate><description><![CDATA[在MLU370上运行程序，需要把项目代码算子转化一下，算子转换的代码如下。]]></description><category></category></item><item><title><![CDATA[LLM大模型可视化-以nano-gpt为例]]></title><link>https://blog.youkuaiyun.com/qq_33440910/article/details/137203510</link><guid>https://blog.youkuaiyun.com/qq_33440910/article/details/137203510</guid><author>qq_33440910</author><pubDate>Sun, 31 Mar 2024 17:28:19 +0800</pubDate><description><![CDATA[nano-gpt欢迎来到 GPT 大型语言模型的演练！在这里，我们将探索只有 85,000 个参数的 nano-gpt 模型。它的目标很简单：取六个字母的序列：CBABBC并按字母顺序排序，即“ABBBCC”。tokenvocabulary我们将这些字母中的每一个称为标记，模型的不同标记集构成了它的词汇表：token 令牌ABCindex 索引012在此表中，每个令牌都分配了一个数字，即其令牌索引。现在我们可以将这个数字序列输入到模型中：210。]]></description><category></category></item><item><title><![CDATA[Forecast-MAE: Self-supervised Pre-training for Motion Forecasting with Masked Autoencoders 论文翻译]]></title><link>https://blog.youkuaiyun.com/qq_33440910/article/details/137012800</link><guid>https://blog.youkuaiyun.com/qq_33440910/article/details/137012800</guid><author>qq_33440910</author><pubDate>Mon, 25 Mar 2024 14:36:31 +0800</pubDate><description><![CDATA[*摘要：**本研究探索了自监督学习（SSL）应用于运动预测任务的可能性，尽管SSL在计算机视觉和自然语言处理领域已取得广泛成功，但其在运动预测领域的探索仍相对有限。为填补这一空白，我们引入了Forecast-MAE，这是一个针对运动预测任务特别设计的掩码自动编码器框架的扩展。我们的方法包括一种新颖的遮蔽策略，利用代理轨迹与道路网络之间的强联系，通过互补遮蔽代理的未来或历史轨迹以及随机遮蔽车道段来实现。]]></description><category></category></item><item><title><![CDATA[文生视频模型调研]]></title><link>https://blog.youkuaiyun.com/qq_33440910/article/details/136217957</link><guid>https://blog.youkuaiyun.com/qq_33440910/article/details/136217957</guid><author>qq_33440910</author><pubDate>Wed, 21 Feb 2024 18:22:10 +0800</pubDate><description><![CDATA[文生视频只有OpenAI的Sora，其他的（）都是动图。OpenAI发布了可以生成60s视频的Sora模型。刚刚发布的google的就一下子变得无人问津了，太尴尬了。]]></description><category></category></item><item><title><![CDATA[forecast-mae调试代码报错记录2个：]]></title><link>https://blog.youkuaiyun.com/qq_33440910/article/details/136070395</link><guid>https://blog.youkuaiyun.com/qq_33440910/article/details/136070395</guid><author>qq_33440910</author><pubDate>Wed, 07 Feb 2024 15:54:13 +0800</pubDate><description><![CDATA[微调命令python3 train.py data_root=/path/to/data_root model=model_forecast gpus=4 batch_size=32 monitor=val_minFDE 'pretrained_weights="/path/to/pretrain_ckpt"'中的两个错误。]]></description><category></category></item><item><title><![CDATA[python从excel中读取数据，并将文字标签转换为数字]]></title><link>https://blog.youkuaiyun.com/qq_33440910/article/details/135929486</link><guid>https://blog.youkuaiyun.com/qq_33440910/article/details/135929486</guid><author>qq_33440910</author><pubDate>Tue, 30 Jan 2024 11:44:30 +0800</pubDate><description><![CDATA[【代码】python从excel中读取数据，并将文字标签转换为数字。]]></description><category></category></item></channel></rss>