- 博客(150)
- 资源 (8)
- 收藏
- 关注
RSS订阅
原创 【Tensorflow2.0】Tensorflow2.x的安装教程
anaconda 可以使tensorflow的安装变的简单昨天tensorflow 开发者大会刚开完，会上发布了关于 TensorFlow 2.0，TensorFlow Lite，TensorFlow.js，Swift for TensorFlow，TFX 等产品生态体系的最新更新和首次发布的内容，2019年任会支持tensorflow1.x,但是我们相信，版本的升级会带来易用性和使用性能的提升......
2019-10-21 22:44:43
112445
66
原创 onnxruntime-gpu与cuda版本对应及是否能调用cuda测试
onnxruntime-gpu安装及cuda版本对应关系和是否可以调用gpu测试
2025-03-11 16:21:55
777
1
原创 vscode+cline+continue+deepseekv3实现cursor和windsurf平替
deepseekv3+continue+cline平替cursor和windsurf
2025-01-02 14:46:20
15693
6
原创 想深入理解 LLMs？这四本书籍帮你打通任督二脉！
这四本书籍相辅相成，从理论到实践再到工程，全方位地为你构建完整的 LLM 知识体系。从基本原理到实际应用，再到系统构建和生产部署，这四本书将帮助你全面掌握 LLM 的知识，让你在快速发展的 AI 领域中脱颖而出。如果你真的渴望深入理解 LLMs，并将其应用于实际场景中，那么这四本书绝对是你的不二之选。不要犹豫，现在就开始你的 LLM 学习之旅吧！这四本书籍可能需要你有一定的编程基础和机器学习基础，如果你还没有相关知识，建议先补充基础知识，然后再进行深入学习。希望这篇文章能够帮助到你！
2024-12-26 12:53:14
1016
1
翻译 构建高效智能体
智能体”可以有多种定义。一些客户将智能体定义为完全自主的系统，它们可以长时间独立运行，并使用各种工具来完成复杂的任务。另一些人则使用这个术语来描述更具规范性的实现，即遵循预定义的工作流程。工作流程workflows是指通过预定义的代码路径编排 LLM 和工具的系统。智能体agents则指的是 LLM 动态地指导其自身过程和工具使用，并保持对完成任务方式的控制的系统。下面，我们将详细探讨这两种类型的智能体系统。在附录 1（“实践中的智能体”）中，我们将描述客户发现使用这些类型系统特别有价值的两个领域。
2024-12-23 10:11:55
154
原创 3、LLM动手实践路线
通过不断的尝试和学习，你将逐渐掌握 LLM 的实际应用技能。记住，这是一个持续学习和迭代的过程。GitHub 上有许多优秀的 LLM 相关开源项目，例如各种 LLM 的实现、微调脚本、应用示例等。你需要积极寻找各种实践机会，从简单的任务开始，逐步挑战更复杂的项目。这些框架可以帮助你更便捷地构建基于 LLM 的应用程序，例如问答系统、聊天机器人等。网上有很多关于 LLM 实践的教程和示例代码，例如博客文章、GitHub 仓库等。提供免费的 GPU 资源，是进行 LLM 实践的理想平台。
2024-12-20 10:49:12
637
原创 2、深入理解LLM原理资源
深入理解 LLM 原理的阶段，这意味着你可能已经掌握了一些基础知识，现在需要更深入地挖掘其内部机制。这是一个关键阶段，需要你投入更多的时间和精力阅读学术论文、技术博客，并进行思考和总结。通过以上这些资源和方法，相信你能够更深入地理解 LLM 的原理，为后续的学习和应用打下坚实的基础。这是一个充满挑战但也充满乐趣的过程，祝你学习顺利！
2024-12-20 10:35:08
991
原创 1、学习大模型总纲
学习大模型技术是一个循序渐进的过程，需要理论学习和实践相结合。由于大模型涉及的知识面非常广，建议你根据自己的背景和兴趣选择合适的学习路径。学习大模型技术是一个令人兴奋且充满挑战的旅程。希望以上建议能帮助你找到适合自己的学习方法，并在这个快速发展的领域取得进步！
2024-12-20 10:29:13
1010
原创 sapiens推理的安装与使用
是meta发布的以人为中心的视觉大模型，"sapiens"这个词来源于拉丁语，意为“智慧的”或“理智的”。在生物学分类中，"Homo sapiens"指的是现代人类，即智人。在您提供的上下文中，"sapiens"被用来指代一个以人为中心的视觉大模型，这里的翻译可以理解为“智能体”。主要有四个功能，分别是2D姿态估计、人体部位分割、深度估计和法线估计,效果请参看官方。
2024-11-18 16:00:40
1637
2
原创 ubuntu配置远程桌面
如下步聚中，如果使用系统自带的有问题，先试下1，如果不行，直接用2以后的，是没有问题的。是一种与现有的 X11 显示服务器一起使用的 VNC 服务器，允许你在 VNC 会话中共享当前登录的桌面环境。是一种高性能的 VNC 服务器，兼容性好，且支持现代桌面环境。工作中常常的工作模式是本地电脑访问远程服务器，如果是图像算法工程师，必然需要查看图片，如果数据都在远程服务器上， 那么我们需要安装远程桌面。如果问题依然存在，可能需要检查系统是否正确安装了桌面环境，或者检查 VNC 服务器与桌面环境的兼容性。
2024-10-17 15:58:23
10785
原创 labelme使用
文章目录1、labelme简介2、labelme用途3、labelme安装4、labelme使用4.1 分类标注4.2 目标检测标注4.3 语义分割标注4.4 实例分割标注4.5视频标注4.6其它形状标注5其它本文主要介绍图像分割所用自定义数据集制作工具labelme及其使用方法
2024-05-21 10:13:46
3616
原创 计算图片中两个任意形状多边形相交部分的大小
本文使用opencv实现对于一张图中任意两个多边形相交面积的大小，而且是使用图像处理的方法，思路很是清奇
2023-11-14 14:10:12
450
原创 2、基于pytorch lightning的fabric实现pytorch的多GPU训练和混合精度功能
使用pytorch lightning fabric模块快速实现模型的混合精度和分布式训练
2023-10-25 15:48:46
2803
原创 2、vscode c++ 项目配置调试及运行
主要写了基本的vscode环境下，cmake工具如何配置项目的cmakelist.特别的写了调试和运行使用方法。对于常用计算机视觉常用库opencv也写了配置方式。onnxruntime的配轩方式也有写到。
2023-10-11 20:10:51
1461
原创 基于图片相似度对视频进行抽帧
基于图片相似度来选取不同的图片进行保存，相似度计算方法主要参考https://aistudio.baidu.com/projectdetail/4185629?channelType=0&channel=0 这篇中的方法。做深度学习需要自己收集图片，其中一种是收集视频，然后将视频转换成图片。在视频转图片过程中，会存在大量的高度相似帧，对于模型训练无用，而且增加标注成本，如何选取有足够差异的图片是我们需要的。代码中提供基于hash的三种方法和一种结构相似性方法，需要手动改代码来切换方法及相关阈值。
2023-10-07 16:55:05
1039
原创 picodet onnx转其它芯片支持格式时遇到
原代码中，用的paddle.nn.Upsample(scale_factor=2,mode=“nearest”)，在GPU上可以正常推理，但最终目的是为了上AI，所以必须把这个算子进行适配，好在该算子没有参数，无需对模型进行重新训练，只是说在转换上有地方有点问题。整个模型转换过程是：paddle 动态模型转成静态，再用paddle2onnx转成onnx,onnx再转成特定芯片的格式，这是最后一个环节出的问题，即onnx转特定AI芯片时，转换工具报出来错，下面找原因。
2023-10-07 14:02:08
342
LLM图书 四本《Building An LLM from scratch》《Hands-on LLMs》《AI Engineering》《LLM Engineer’s Handbook》
2024-12-27
nmap-7.70-setup.zip
2021-09-06
xfeatured.zip
2021-04-23
vscode-server.zip
2021-04-22
opencv_contrib
2020-12-15
opencv.zip
2020-12-15
torch-1.7.0-cp36-cp36m-linux_aarch64.whl
2020-11-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人