<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[vcsir的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/vcsir</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; vcsir]]></copyright><item><title><![CDATA[陈小群股票“龙头战法“学习笔记]]></title><link>https://blog.youkuaiyun.com/vcsir/article/details/170047175</link><guid>https://blog.youkuaiyun.com/vcsir/article/details/170047175</guid><author>vcsir</author><pubDate>Wed, 04 Nov 2026 15:35:25 +0800</pubDate><description><![CDATA[陈小群是 A 股市场新生代知名游资（95 后），以 “龙头战法” 著称，从 30 万起步做到数十亿级别资金体量。]]></description><category></category></item><item><title><![CDATA[【Codex 安装 Windows-MCP 详细步骤】]]></title><link>https://blog.youkuaiyun.com/vcsir/article/details/169336452</link><guid>https://blog.youkuaiyun.com/vcsir/article/details/169336452</guid><author>vcsir</author><pubDate>Wed, 28 Oct 2026 09:17:30 +0800</pubDate><description><![CDATA[第一次运行会自动下载依赖（约 86 个包，需要 1-2 分钟），之后启动就快了。替换成实际的 Windows 用户名，路径里的反斜杠要写双。：在 config.toml 中改用 uvx 完整路径。完全关闭 Codex（包括托盘图标），然后重新打开。Windows-MCP 依赖。⚠️ 修改 PATH 后需要。：Codex 找不到。或重启电脑才能生效。]]></description><category></category></item><item><title><![CDATA[【如何在windows操作系统上部署GIt服务器】]]></title><link>https://blog.youkuaiyun.com/vcsir/article/details/169141401</link><guid>https://blog.youkuaiyun.com/vcsir/article/details/169141401</guid><author>vcsir</author><pubDate>Mon, 26 Oct 2026 09:56:56 +0800</pubDate><description><![CDATA[在 Windows 上部署 Git 服务器主要有四种主流方案，各有适用场景，以下按推荐优先级逐一介绍。]]></description><category></category></item><item><title><![CDATA[【Windows 环境下 CodeGraph安装使用教程】]]></title><link>https://blog.youkuaiyun.com/vcsir/article/details/168976418</link><guid>https://blog.youkuaiyun.com/vcsir/article/details/168976418</guid><author>vcsir</author><pubDate>Sat, 24 Oct 2026 19:29:16 +0800</pubDate><description><![CDATA[的完整安装步骤。]]></description><category></category></item><item><title><![CDATA[通用 Token 统计脚本]]></title><link>https://blog.youkuaiyun.com/vcsir/article/details/168520208</link><guid>https://blog.youkuaiyun.com/vcsir/article/details/168520208</guid><author>vcsir</author><pubDate>Tue, 20 Oct 2026 08:25:25 +0800</pubDate><description><![CDATA[支持：OpenAI (tiktoken) + HuggingFace 模型 (Qwen、Llama、Yi 等)tiktoken。]]></description><category></category></item><item><title><![CDATA[【大模型 Token 计算方法】]]></title><link>https://blog.youkuaiyun.com/vcsir/article/details/168519335</link><guid>https://blog.youkuaiyun.com/vcsir/article/details/168519335</guid><author>vcsir</author><pubDate>Tue, 20 Oct 2026 08:16:24 +0800</pubDate><description><![CDATA[Token = 分词器按 BPE 切分后的片段数量；粗略估算中文：字数 ×1.5；精确值必须用该模型配套的 tokenizer 编码后求长度。]]></description><category></category></item><item><title><![CDATA[Illustrious XL vs 原生SDXL]]></title><link>https://blog.youkuaiyun.com/vcsir/article/details/166142802</link><guid>https://blog.youkuaiyun.com/vcsir/article/details/166142802</guid><author>vcsir</author><pubDate>Sun, 20 Sep 2026 23:38:08 +0800</pubDate><description><![CDATA[底层骨架是一样的（都是SDXL双编码器、UNet结构），]]></description><category></category></item><item><title><![CDATA[【K采样器中的 CFG 参数介绍以及调节大小对生成图像的影响】]]></title><link>https://blog.youkuaiyun.com/vcsir/article/details/166138394</link><guid>https://blog.youkuaiyun.com/vcsir/article/details/166138394</guid><author>vcsir</author><pubDate>Sun, 20 Sep 2026 18:36:28 +0800</pubDate><description><![CDATA[CFG 控制 AI 有多严格遵守你的正向 / 反向提示词，是「听话程度」旋钮，在每一步去噪采样的时候生效。]]></description><category></category></item><item><title><![CDATA[【使用 Pytorch 实现入门级的人工神经网络】]]></title><link>https://blog.youkuaiyun.com/vcsir/article/details/126137738</link><guid>https://blog.youkuaiyun.com/vcsir/article/details/126137738</guid><author>vcsir</author><pubDate>Wed, 03 Aug 2022 13:14:42 +0800</pubDate><description><![CDATA[我们都想深入研究深度学习并探索其可以执行的各种任务，例如构建机器人或将中文翻译成英语等系列任务。要深入研究，我们必须从基础开始，神经网络的基本构建模块将帮助我们了解我们如何处理数据，就像我们在大脑中所做的那样。本文将从头开始了解神经网络，以及如何使用 Pytorch 构建人工神经网络。......]]></description><category></category></item><item><title><![CDATA[【深度学习中的激活函数的整理与使用总结】]]></title><link>https://blog.youkuaiyun.com/vcsir/article/details/126133505</link><guid>https://blog.youkuaiyun.com/vcsir/article/details/126133505</guid><author>vcsir</author><pubDate>Wed, 03 Aug 2022 10:44:45 +0800</pubDate><description><![CDATA[激活函数定义如下：激活函数计算加权总和，然后对其添加偏差以决定是否应该激活神经元。激活函数的目标是将非线性引入神经元的输出。没有激活函数的神经网络基本上是深度学习中的线性回归网络模型，因为这些函数对神经网络的输入执行非线性计算，使其能够学习和执行更复杂的任务。因此，研究激活函数的导数和应用，以及分析每个激活函数的优缺点，对于选择在特定神经网络模型中可能具有非线性和准确性的适当类型的激活函数是至关重要的。...]]></description><category></category></item><item><title><![CDATA[【深度学习中的损失函数整理与总结】]]></title><link>https://blog.youkuaiyun.com/vcsir/article/details/126093858</link><guid>https://blog.youkuaiyun.com/vcsir/article/details/126093858</guid><author>vcsir</author><pubDate>Mon, 01 Aug 2022 12:10:50 +0800</pubDate><description><![CDATA[损失函数在机器学习或深度学习中非常重要，假设您正在处理任何问题，并且您已经在数据集上训练了一个机器学习模型，并准备将其放在您的客户面前，但是你怎么能确定这个模型会给出最佳结果呢？是否有指标或技术可以帮助您快速评估数据集上的模型？是的，这里损失函数在机器学习或深度学习中就发挥了重要的作用。在本文中，我整理并总结了不同类型的损失函数。维基百科说，在数学优化和决策理论中，损失或成本函数（有时也称为误差函数）是将事件或一个或多个变量的值映射到一个实数上的函数，该实数直观地表示了本事件。...]]></description><category></category></item><item><title><![CDATA[【使用Pytorch实现ResNet网络模型：ResNet50、ResNet101和ResNet152】]]></title><link>https://blog.youkuaiyun.com/vcsir/article/details/126082152</link><guid>https://blog.youkuaiyun.com/vcsir/article/details/126082152</guid><author>vcsir</author><pubDate>Sun, 31 Jul 2022 11:11:46 +0800</pubDate><description><![CDATA[在深度学习和计算机视觉领域取得了一系列突破。尤其是随着非常深的卷积神经网络的引入，这些模型有助于在图像识别和图像分类等问题上取得最先进的结果。因此，多年来，深度学习架构变得越来越深（添加更多层）以解决越来越复杂的任务，这也有助于提高分类和识别任务的性能并使其变得健壮。但是当我们继续向神经网络添加更多层时，训练变得非常困难，并且模型的准确性开始饱和，然后也会下降。ResNet将我们从这种情况中解救出来，并帮助解决了这个问题。·用跳跃连接填充零以增加其尺寸。·1×1卷积层被添加到输入以匹配维度。...]]></description><category></category></item><item><title><![CDATA[【使用Pytorch实现VGG16网络模型】]]></title><link>https://blog.youkuaiyun.com/vcsir/article/details/126073144</link><guid>https://blog.youkuaiyun.com/vcsir/article/details/126073144</guid><author>vcsir</author><pubDate>Sat, 30 Jul 2022 19:57:28 +0800</pubDate><description><![CDATA[VGG-Network是K.Simonyan和A.Zisserman在论文“VeryDeepConvolutionalNetworksforLarge-ScaleImageRecognition”中提出的卷积神经网络模型。该架构在ImageNet中实现了92.7%的top-5测试准确率，该网络拥有超过1400万张属于1000个类别的图像。•模型的输入是固定大小的224×224224×224RGB图像•预处理是从每个像素中减去训练集RGB值的平均值。......]]></description><category></category></item><item><title><![CDATA[机器学习和深度学习中的梯度下降及其类型]]></title><link>https://blog.youkuaiyun.com/vcsir/article/details/126069280</link><guid>https://blog.youkuaiyun.com/vcsir/article/details/126069280</guid><author>vcsir</author><pubDate>Sat, 30 Jul 2022 11:48:24 +0800</pubDate><description><![CDATA[梯度下降算法是一种最常用于机器学习和深度学习的优化算法。梯度下降调整参数以将特定函数最小化到局部最小值。在线性回归中，它找到权重和偏差，深度学习反向传播使用该方法。该算法的目标是识别模型参数，如权重和偏差，以减少训练数据上的模型误差。在本文中，我们将探索不同类型的梯度下降。因此，让我们开始阅读这篇文章吧！如果稍微改变输入，梯度会测量函数输出的变化量。在机器学习中，梯度是具有多个输入变量的函数的导数。在数学术语中称为函数的斜率，梯度只是衡量关于误差变化的所有权重的变化。.........]]></description><category></category></item><item><title><![CDATA[如何禁用Windows系统自动更新？]]></title><link>https://blog.youkuaiyun.com/vcsir/article/details/125222219</link><guid>https://blog.youkuaiyun.com/vcsir/article/details/125222219</guid><author>vcsir</author><pubDate>Fri, 10 Jun 2022 15:36:51 +0800</pubDate><description><![CDATA[操作步骤如下：
1、 将软件工具zip文件解压到d盘
2、 在任务栏搜索框中输入cmd，然后在“命令提示符”菜单点鼠标右键打开“以管理员身份运行“
3、 然后在命令提示符中输入：D:\DisableWindowsUpdate\DisableWindowsUpdate.exe，按回车键，
4、 “禁用windows自动更新服务“”已成功安装并启动，安装完毕！...]]></description><category></category></item></channel></rss>