<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[x1664的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/x1664</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; x1664]]></copyright><item><title><![CDATA[Tare使用：如何在虚拟环境中调试，（小白教程）]]></title><link>https://blog.youkuaiyun.com/x1664/article/details/167494991</link><guid>https://blog.youkuaiyun.com/x1664/article/details/167494991</guid><author>x1664</author><pubDate>Sat, 10 Oct 2026 17:51:50 +0800</pubDate><description><![CDATA[IDE 调试也一样——module 模式 + cwd 就是调试包结构项目的最稳姿势。debugpy 是 Python 调试器依赖包。结论：debugpy 其实已经装好了。问题不在环境，而在 IDE 没有用。推荐第一种（module 模式），与日常命令行运行方式完全一致，最稳。debugpy 的问题解决后，F5 启动又报错，且断点停在。是一个包（目录），Python 必须把项目根目录。方式启动时，Python 只会把脚本所在目录（即。，它会把当前工作目录（cwd）加入。，不会把项目根目录加进去。]]></description><category></category></item><item><title><![CDATA[cursor:model not availaable]]></title><link>https://blog.youkuaiyun.com/x1664/article/details/157440516</link><guid>https://blog.youkuaiyun.com/x1664/article/details/157440516</guid><author>x1664</author><pubDate>Tue, 27 Jan 2026 21:51:55 +0800</pubDate><description><![CDATA[换节点没用后，打开设置-->将HTTP/2设置为1.1。]]></description><category></category></item><item><title><![CDATA[安装docker wsl --update报错解决]]></title><link>https://blog.youkuaiyun.com/x1664/article/details/157181589</link><guid>https://blog.youkuaiyun.com/x1664/article/details/157181589</guid><author>x1664</author><pubDate>Tue, 20 Jan 2026 18:46:51 +0800</pubDate><description><![CDATA[Docker Desktop 需要依赖 WSL 2 或 Hyper-V 作为后端运行方式，在启用wsl指令后输入更新指令报错。无法与服务器建立连接最开始运行时说无法建立连接，开启vpn后显示直接使用本地安装。]]></description><category></category></item><item><title><![CDATA[Datawhale AI夏令营--构建一个面向应急管理领域的智能问答系统task2]]></title><link>https://blog.youkuaiyun.com/x1664/article/details/153929987</link><guid>https://blog.youkuaiyun.com/x1664/article/details/153929987</guid><author>x1664</author><pubDate>Sun, 26 Oct 2025 23:32:36 +0800</pubDate><description><![CDATA[构建一个这个系统需要能够理解并回答关于危化品企业、安全生产政策法规的各类问题。这不仅是一个简单的问答机器人，它需要结合结构化的表格数据和非结构的文本数据，为应急管理人员提供快速、准确的决策支持。通过学习这个 Baseline，你将掌握利用大语言模型（LLM）和检索增强生成（RAG）技术处理混合数据问答任务的基础方法。面向对象：大语言模型应用开发初学者，需要具备基础的python开发能力，向量计算数学基础。:这是我们Baseline的核心技术。]]></description><category></category></item><item><title><![CDATA[机器学习（1）-K均值聚类]]></title><link>https://blog.youkuaiyun.com/x1664/article/details/150486324</link><guid>https://blog.youkuaiyun.com/x1664/article/details/150486324</guid><author>x1664</author><pubDate>Mon, 18 Aug 2025 11:35:33 +0800</pubDate><description><![CDATA[1、K-means基本概念：是一种无监督学习方法，不依赖人工标注的类别，而是根据数据本身的特征，将相似的数据点自动分为若干类。给定一个参数，表示希望划分成的簇（cluster）数量；找到每个簇的“中心点”（质心，centroid），让同一簇内的点尽可能相似，不同簇之间的点尽可能不同。]]></description><category></category></item><item><title><![CDATA[2025Datawhale AI夏令营第一期-(1)用AI预测新增用户]]></title><link>https://blog.youkuaiyun.com/x1664/article/details/149246364</link><guid>https://blog.youkuaiyun.com/x1664/article/details/149246364</guid><author>x1664</author><pubDate>Thu, 10 Jul 2025 11:55:03 +0800</pubDate><description><![CDATA[打开终端运行下面指令，下载baseline文件。如果没看到文件夹可以刷新一下。打开文件，一键运行！]]></description><category></category></item><item><title><![CDATA[Windows的xshell连接VW里的centos系统里的mysql失败解决方法]]></title><link>https://blog.youkuaiyun.com/x1664/article/details/148953281</link><guid>https://blog.youkuaiyun.com/x1664/article/details/148953281</guid><author>x1664</author><pubDate>Fri, 27 Jun 2025 15:12:56 +0800</pubDate><description><![CDATA[之前电脑使用的是WIFI，使用有线后导致xshell无法连接虚拟机里的mySQL.]]></description><category></category></item><item><title><![CDATA[vmware虚拟机Linux系统（ CentOS7）初始化没有选择Pinyin,无法输入中文（Linux系统输入中文）]]></title><link>https://blog.youkuaiyun.com/x1664/article/details/147659904</link><guid>https://blog.youkuaiyun.com/x1664/article/details/147659904</guid><author>x1664</author><pubDate>Fri, 02 May 2025 09:36:48 +0800</pubDate><description><![CDATA[1、问题：在初始化虚拟机时，没有点选中文输入，导致最开始无法输入中文、也没有切换标志。2、原因：因为输入法选择问题，我们只需要添加一个pinyin的中文输入法即。点击切换第二个汉语就可以输入中文了。这个时候就出现的切换图标。]]></description><category></category></item><item><title><![CDATA[Grad_CAM活力图，查看自己模型]]></title><link>https://blog.youkuaiyun.com/x1664/article/details/145160902</link><guid>https://blog.youkuaiyun.com/x1664/article/details/145160902</guid><author>x1664</author><pubDate>Wed, 15 Jan 2025 16:52:49 +0800</pubDate><description><![CDATA[保存的，可以通过以下代码去掉。]]></description><category></category></item><item><title><![CDATA[win11电脑右键新建没有txt文本文档解决方法]]></title><link>https://blog.youkuaiyun.com/x1664/article/details/143208262</link><guid>https://blog.youkuaiyun.com/x1664/article/details/143208262</guid><author>x1664</author><pubDate>Thu, 24 Oct 2024 14:23:38 +0800</pubDate><description><![CDATA[win11电脑右键新建没有txt文本文档解决方法。3、右健重启，就出来了。]]></description><category></category></item><item><title><![CDATA[数字电路与逻辑设计（第3版）课后解答]]></title><link>https://blog.youkuaiyun.com/x1664/article/details/142877226</link><guid>https://blog.youkuaiyun.com/x1664/article/details/142877226</guid><author>x1664</author><pubDate>Sat, 12 Oct 2024 14:26:30 +0800</pubDate><description><![CDATA[PDF:数字电路与逻辑设计（第3版）课后解答]]></description><category></category></item><item><title><![CDATA[（全部习题答案）研究生英语读写教程基础级教师用书PDF]]></title><link>https://blog.youkuaiyun.com/x1664/article/details/142816029</link><guid>https://blog.youkuaiyun.com/x1664/article/details/142816029</guid><author>x1664</author><pubDate>Thu, 10 Oct 2024 11:01:33 +0800</pubDate><description><![CDATA[研究生英语读写教程（基础级）]]></description><category></category></item><item><title><![CDATA[SQL入门题]]></title><link>https://blog.youkuaiyun.com/x1664/article/details/142225447</link><guid>https://blog.youkuaiyun.com/x1664/article/details/142225447</guid><author>x1664</author><pubDate>Fri, 13 Sep 2024 22:29:18 +0800</pubDate><description><![CDATA[作者SQL入门小白，此栏仅是记录一些解题过程。]]></description><category></category></item><item><title><![CDATA[Tensorboard 基础与使用-——界面介绍]]></title><link>https://blog.youkuaiyun.com/x1664/article/details/142186422</link><guid>https://blog.youkuaiyun.com/x1664/article/details/142186422</guid><author>x1664</author><pubDate>Thu, 12 Sep 2024 21:42:13 +0800</pubDate><description><![CDATA[首先介绍Summary Writer的参数设置，然后是方法。]]></description><category></category></item><item><title><![CDATA[书生大模型实战营基础（6）——OpenCompass 评测 InternLM-1.8B 实践]]></title><link>https://blog.youkuaiyun.com/x1664/article/details/141740745</link><guid>https://blog.youkuaiyun.com/x1664/article/details/141740745</guid><author>x1664</author><pubDate>Sat, 31 Aug 2024 10:24:53 +0800</pubDate><description><![CDATA[在 OpenCompass 中评估一个模型通常包括以下几个阶段：配置 -> 推理 -> 评估 -> 可视化。接下来，我们将展示 OpenCompass 的基础用法，分别用命令行方式和配置文件的方式评测InternLM2-Chat-1.8B，展示书生浦语在C-Eval基准任务上的评估。更多评测技巧请查看。]]></description><category></category></item><item><title><![CDATA[书生大模型实战营基础（5）——XTuner 微调个人小助手认知任务]]></title><link>https://blog.youkuaiyun.com/x1664/article/details/141717681</link><guid>https://blog.youkuaiyun.com/x1664/article/details/141717681</guid><author>x1664</author><pubDate>Sat, 31 Aug 2024 01:28:56 +0800</pubDate><description><![CDATA[对于 LoRA 或者 QLoRA 微调出来的模型其实并不是一个完整的模型，而是一个额外的层（Adapter），训练完的这个层最终还是要与原模型进行合并才能被正常的使用。对于全量微调的模型（full）其实是不需要进行整合这一步的，因为全量微调修改的是原模型的权重而非微调一个新的 Adapter ，因此是不需要进行模型整合的。比如我们这里微调的是书生·浦语的模型，我们就可以匹配搜索。，在使用前我们需要准备好三个路径，包括原模型的路径、训练好的 Adapter 层的（模型格式转换后的）路径以及最终保存的路径。]]></description><category></category></item><item><title><![CDATA[书生大模型实战营基础（4）——Llamaindex RAG实践]]></title><link>https://blog.youkuaiyun.com/x1664/article/details/141710140</link><guid>https://blog.youkuaiyun.com/x1664/article/details/141710140</guid><author>x1664</author><pubDate>Fri, 30 Aug 2024 20:52:27 +0800</pubDate><description><![CDATA[正式介绍（Retrieval Augmented Generation，RAG）技术以前，大家不妨想想为什么会出现这样一个技术。给模型注入新知识的方式，可以简单分为两种方式，一种是内部的，即更新模型的权重，另一个就是外部的方式，给模型注入格外的上下文或者说外部信息，不改变它的的权重。第一种方式，改变了模型的权重即进行模型训练，这是一件代价比较大的事情，大语言模型具体的训练过程，可以参考技术报告。第二种方式，并不改变模型的权重，只是给模型引入格外的信息。]]></description><category></category></item><item><title><![CDATA[书生大模型实战营基础（3）——LangGPT结构化提示词编写实践]]></title><link>https://blog.youkuaiyun.com/x1664/article/details/141686959</link><guid>https://blog.youkuaiyun.com/x1664/article/details/141686959</guid><author>x1664</author><pubDate>Fri, 30 Aug 2024 09:54:09 +0800</pubDate><description><![CDATA[Prompt是一种用于指导以大语言模型为代表的生成式人工智能生成内容(文本、图像、视频等)的输入方式。它通常是一个简短的文本或问题，用于描述任务和要求。Prompt可以包含一些特定的关键词或短语，用于引导模型生成符合特定主题或风格的内容。例如，如果我们要生成一篇关于“人工智能”的文章，我们可以使用“人工智能”作为Prompt，让模型生成一篇关于人工智能的介绍、应用、发展等方面的文章。Prompt还可以包含一些特定的指令或要求，用于控制生成文本的语气、风格、长度等方面。]]></description><category></category></item><item><title><![CDATA[书生大模型实战营基础（2）——8G 显存玩转书生大模型 Demo]]></title><link>https://blog.youkuaiyun.com/x1664/article/details/141683554</link><guid>https://blog.youkuaiyun.com/x1664/article/details/141683554</guid><author>x1664</author><pubDate>Thu, 29 Aug 2024 19:30:43 +0800</pubDate><description><![CDATA[选择 10% 的开发机，镜像选择为 Cuda-12.2。在输入开发机名称后，点击创建开发机。创建开发机后，进入开发机，在terminal创建虚拟环境。]]></description><category></category></item><item><title><![CDATA[书生大模型实战营基础（1）——书生大模型全链路开源开放体系笔记]]></title><link>https://blog.youkuaiyun.com/x1664/article/details/141679917</link><guid>https://blog.youkuaiyun.com/x1664/article/details/141679917</guid><author>x1664</author><pubDate>Thu, 29 Aug 2024 16:14:10 +0800</pubDate><description><![CDATA[书生·浦语的发展历程：大海捞针实验简述：给模型提供一段非常长的背景知识，模型是否能完美定位这背景知识中的任何位置、任何信息。20B的模型有着涌现（生成）现象，102B未开源数据方面预训练。]]></description><category></category></item></channel></rss>