<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_45313714的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_45313714</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_45313714]]></copyright><item><title><![CDATA[二、ctc基础--待完善]]></title><link>https://blog.youkuaiyun.com/qq_45313714/article/details/157143396</link><guid>https://blog.youkuaiyun.com/qq_45313714/article/details/157143396</guid><author>qq_45313714</author><pubDate>Mon, 19 Jan 2026 23:45:39 +0800</pubDate><description><![CDATA[相当于去算一下你上一步选取出来的前k个候选句子里面中最有可能的那一个，Attention 可以看到 Encoder embedding，Decoder 模拟语言模型特性，提升输出流畅性、减少 CTC 的“省略字”问题。在神经网络训练中，我们不仅需要损失函数的值（通常为负对数似然：-log P(Y|X)），更需要该损失相对于模型每一个输出（在每一个时间步 t 对每一个标签 k 的概率）的梯度。相当于上一步得到的是每个字典中元素的概率，就每一帧上，所有元素的概率和为1，选取出概率最高的元素。]]></description><category></category></item><item><title><![CDATA[一、语音识别基础(1.1 语音特征的提取)]]></title><link>https://blog.youkuaiyun.com/qq_45313714/article/details/156872298</link><guid>https://blog.youkuaiyun.com/qq_45313714/article/details/156872298</guid><author>qq_45313714</author><pubDate>Mon, 12 Jan 2026 22:10:09 +0800</pubDate><description><![CDATA[整个流程：语音 → 特征() → 编码器(Transformer/Conformer) → CTC/Attention → 解码 → 文本。]]></description><category></category></item><item><title><![CDATA[7.调整指令级原语]]></title><link>https://blog.youkuaiyun.com/qq_45313714/article/details/154960694</link><guid>https://blog.youkuaiyun.com/qq_45313714/article/details/154960694</guid><author>qq_45313714</author><pubDate>Mon, 17 Nov 2025 22:19:54 +0800</pubDate><description><![CDATA[指令是处理器的一个逻辑单元。了解内核代码什么时候会产生不同指令以及高级语言如何转化为指令。对两个功能性一样的指令的选择可以影响许多应用程序的特性，包含性能、精确度和准确性。影响cuda内核生成指令的三大因素：浮点运算、内置函数与标准函数、原子操作。]]></description><category></category></item><item><title><![CDATA[6. cuda流和并发]]></title><link>https://blog.youkuaiyun.com/qq_45313714/article/details/154755885</link><guid>https://blog.youkuaiyun.com/qq_45313714/article/details/154755885</guid><author>qq_45313714</author><pubDate>Wed, 12 Nov 2025 22:40:14 +0800</pubDate><description><![CDATA[cuda流是一系列异步的cuda操作，这些操作按照主机代码确定的顺序在设备上运行。流都封装这些操作，保持操作的顺序，允许操作在流中排队。流中操作的执行对于主机代码来说总是异步的。]]></description><category></category></item><item><title><![CDATA[拓展知识：了解grid、block、thread 关系]]></title><link>https://blog.youkuaiyun.com/qq_45313714/article/details/154088712</link><guid>https://blog.youkuaiyun.com/qq_45313714/article/details/154088712</guid><author>qq_45313714</author><pubDate>Wed, 29 Oct 2025 23:07:03 +0800</pubDate><description><![CDATA[如何理解呢？一个三维的东西，grid最顶层，其次是block，最底层是thread。]]></description><category></category></item><item><title><![CDATA[5.共享内存和常量内存]]></title><link>https://blog.youkuaiyun.com/qq_45313714/article/details/153990482</link><guid>https://blog.youkuaiyun.com/qq_45313714/article/details/153990482</guid><author>qq_45313714</author><pubDate>Tue, 28 Oct 2025 00:04:40 +0800</pubDate><description><![CDATA[板载内存片上内存CUDA 概念硬件位置说明寄存器（Registers）芯片上（片上内存）每个线程独有，最快共享内存（Shared Memory）芯片上（片上内存）同一线程块共享常量内存（Constant Memory）芯片上 + 板载都有缓存机制小容量只读纹理内存（Texture Memory）板载内存（VRAM）特殊只读优化区全局内存（Global Memory）板载内存（VRAM）存放所有线程可访问的数据，容量最大但延迟最高本地内存（Local Memory）板载内存（VRAM）]]></description><category></category></item><item><title><![CDATA[4.cuda全局内存]]></title><link>https://blog.youkuaiyun.com/qq_45313714/article/details/153753466</link><guid>https://blog.youkuaiyun.com/qq_45313714/article/details/153753466</guid><author>qq_45313714</author><pubDate>Wed, 22 Oct 2025 23:47:46 +0800</pubDate><description><![CDATA[目的：在现有的硬件存储子系统下，必须依靠内存模型获得最佳的延迟与带宽。]]></description><category></category></item><item><title><![CDATA[3.cuda执行模型]]></title><link>https://blog.youkuaiyun.com/qq_45313714/article/details/153703808</link><guid>https://blog.youkuaiyun.com/qq_45313714/article/details/153703808</guid><author>qq_45313714</author><pubDate>Tue, 21 Oct 2025 22:20:49 +0800</pubDate><description><![CDATA[RTX 对应的架构是 Ampere SM(流式多处理器)组件名称功能描述INT32 核心用于整数运算，支持并发执行（与 FP32 并行），适合逻辑、索引类任务。FP32 核心（CUDA Cores）用于执行单精度浮点运算（如加减乘除等），Ampere 每个 SM 有 128 个 FP32 核心，吞吐量翻倍。Tensor Cores（张量核心）第三代 Tensor Core，支持 FP16、BF16、TF32、INT8 等多种数据类型，广泛用于深度学习中的矩阵乘法（如 GEMM）。]]></description><category></category></item><item><title><![CDATA[2.CUDA编程模型]]></title><link>https://blog.youkuaiyun.com/qq_45313714/article/details/153656097</link><guid>https://blog.youkuaiyun.com/qq_45313714/article/details/153656097</guid><author>qq_45313714</author><pubDate>Mon, 20 Oct 2025 22:38:41 +0800</pubDate><description><![CDATA[CUDA编程模型使用由C语言扩展生成的注释代码在异构计算系统中执行应用程序。在一个异构环境中包含多个CPU与GPU，每个CPU与GPU的内存由一条PCI-Express总线分隔开。主机：CPU及其内存。(主机内存) 变量名 h_开头设备：GPU及其内存。(设备内存) 变量名 d_开头。]]></description><category></category></item><item><title><![CDATA[1.基于cuda的异构计算]]></title><link>https://blog.youkuaiyun.com/qq_45313714/article/details/153653318</link><guid>https://blog.youkuaiyun.com/qq_45313714/article/details/153653318</guid><author>qq_45313714</author><pubDate>Mon, 20 Oct 2025 22:06:34 +0800</pubDate><description><![CDATA[定义：同时使用许多计算资源(核心或计算机)来执行并发运算。]]></description><category></category></item><item><title><![CDATA[1. cuda配置代码提示]]></title><link>https://blog.youkuaiyun.com/qq_45313714/article/details/153262717</link><guid>https://blog.youkuaiyun.com/qq_45313714/article/details/153262717</guid><author>qq_45313714</author><pubDate>Tue, 14 Oct 2025 15:14:02 +0800</pubDate><description><![CDATA[ctrl + shift + p , 搜setting.json, 找到服务器的那个配置，我用的是linux服务器。]]></description><category></category></item><item><title><![CDATA[flutter加载dll 报错问题]]></title><link>https://blog.youkuaiyun.com/qq_45313714/article/details/148287022</link><guid>https://blog.youkuaiyun.com/qq_45313714/article/details/148287022</guid><author>qq_45313714</author><pubDate>Wed, 28 May 2025 16:47:39 +0800</pubDate><description><![CDATA[LoadLibrary 报错 126 or 193。]]></description><category></category></item><item><title><![CDATA[3.神经网络]]></title><link>https://blog.youkuaiyun.com/qq_45313714/article/details/147055109</link><guid>https://blog.youkuaiyun.com/qq_45313714/article/details/147055109</guid><author>qq_45313714</author><pubDate>Tue, 08 Apr 2025 22:49:55 +0800</pubDate><description><![CDATA[神经网络神经元的结构：输入（Input）：接收来自前一层神经元的信息。权重（Weights）：每个输入都有一个权重，表示其重要性。加权和（Weighted Sum）：神经元对所有输入信号进行加权求和。偏置（Bias）：调整加权和的结果，使得网络能更好地拟合数据。激活函数（Activation Function）：决定该神经元是否激活，通常使用像 ReLU、Sigmoid、Tanh 等函数。]]></description><category></category></item><item><title><![CDATA[监督学习凑字]]></title><link>https://blog.youkuaiyun.com/qq_45313714/article/details/146926415</link><guid>https://blog.youkuaiyun.com/qq_45313714/article/details/146926415</guid><author>qq_45313714</author><pubDate>Tue, 01 Apr 2025 23:56:10 +0800</pubDate><description><![CDATA[线性回归模型是一种通过线性方程描述自变量与因变量之间关系的统计分析方法，用于预测或解释变量间的定量依赖关系。分类： 一元线性回归模型、多元线性回归模型。训练集：假设呢，我这边就是一个一元的回归模型。(x,y) x表示的是输入的一个特征，y表示预测的一个结果。y−​fxy−​表示的是预测出来的一个结果值fwb​xwxbw表示的是权重，b表示一个偏置。避免过拟合的问题。增强模型的一个鲁棒性。]]></description><category></category></item><item><title><![CDATA[机器学习的定义及分类]]></title><link>https://blog.youkuaiyun.com/qq_45313714/article/details/146921963</link><guid>https://blog.youkuaiyun.com/qq_45313714/article/details/146921963</guid><author>qq_45313714</author><pubDate>Tue, 01 Apr 2025 20:18:27 +0800</pubDate><description><![CDATA[机器学习（Machine Learning, ML）是人工智能（AI）的一个重要分支，旨在通过，使计算机能够从数据中获取知识和经验，并利用这些。其核心思想是使用数据来训练计算机算法，使其能够从数据中学习并改进自己的性能，而无需明确地编程。]]></description><category></category></item><item><title><![CDATA[utf-8 转unicode]]></title><link>https://blog.youkuaiyun.com/qq_45313714/article/details/145518500</link><guid>https://blog.youkuaiyun.com/qq_45313714/article/details/145518500</guid><author>qq_45313714</author><pubDate>Sat, 08 Feb 2025 16:29:34 +0800</pubDate><description><![CDATA[【代码】utf-8 转unicode。]]></description><category></category></item><item><title><![CDATA[utf-8字符判断及处理]]></title><link>https://blog.youkuaiyun.com/qq_45313714/article/details/145515576</link><guid>https://blog.youkuaiyun.com/qq_45313714/article/details/145515576</guid><author>qq_45313714</author><pubDate>Sat, 08 Feb 2025 14:41:39 +0800</pubDate><description><![CDATA[UTF-8 最大的一个特点，就是它是一种编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。UTF-8 的编码规则很简单，只有二条：1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的 Unicode 码。因此对于英语字母，UTF-8 编码和 ASCII 码是相同的。2）对于n字节的符号（n > 1），第一个字节的前n位都设为1，第n + 1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的 Unicode 码。]]></description><category></category></item><item><title><![CDATA[C++四大类型转换]]></title><link>https://blog.youkuaiyun.com/qq_45313714/article/details/144743890</link><guid>https://blog.youkuaiyun.com/qq_45313714/article/details/144743890</guid><author>qq_45313714</author><pubDate>Thu, 26 Dec 2024 14:31:41 +0800</pubDate><description><![CDATA[【代码】C++四大类型转换。]]></description><category></category></item><item><title><![CDATA[C++自旋锁]]></title><link>https://blog.youkuaiyun.com/qq_45313714/article/details/144692592</link><guid>https://blog.youkuaiyun.com/qq_45313714/article/details/144692592</guid><author>qq_45313714</author><pubDate>Tue, 24 Dec 2024 13:47:14 +0800</pubDate><description><![CDATA[非自旋锁，非自旋锁和自旋锁是完全不一样的，如果它发现此时获取不到锁，它就把自己的线程切换状态，让线程休眠，然后 CPU 就可以在这段时间去做很多其他的事情，直到之前持有这把锁的线程释放了锁，于是 CPU 再把之前的线程恢复回来，让这个线程再去尝试获取这把锁。如果再次失败，就再次让线程休眠。而不像普通的锁那样，如果获取不到锁就进入阻塞。自旋锁（spinlock）：是指当一个线程在获取锁的时候，如果锁已经被其它线程获取，那么该线程将循环等待，然后不断的判断锁是否能够被成功获取，直到获取到锁才会退出循环。]]></description><category></category></item><item><title><![CDATA[leecode 44. 通配符匹配]]></title><link>https://blog.youkuaiyun.com/qq_45313714/article/details/143530970</link><guid>https://blog.youkuaiyun.com/qq_45313714/article/details/143530970</guid><author>qq_45313714</author><pubDate>Tue, 05 Nov 2024 22:27:02 +0800</pubDate><description><![CDATA[给你一个输入字符串 (s) 和一个字符模式 § ，请你实现一个支持 ‘?’ 和 ‘’ 匹配规则的通配符匹配：’ 可以匹配任何单个字符。’ 可以匹配任意字符序列（包括空字符序列）。判定匹配成功的充要条件是：字符模式必须能够 完全匹配 输入字符串（而不是部分匹配）。]]></description><category></category></item></channel></rss>