<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[xiaoh_7的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/xiaoh_7</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; xiaoh_7]]></copyright><item><title><![CDATA[VSCode 远程连接配置指南：Windows 环境下 SSH 公钥免密登录实践]]></title><link>https://blog.youkuaiyun.com/xiaoh_7/article/details/162655050</link><guid>https://blog.youkuaiyun.com/xiaoh_7/article/details/162655050</guid><author>xiaoh_7</author><pubDate>Tue, 07 Jul 2026 10:01:17 +0800</pubDate><description><![CDATA[本文详细介绍了在 Windows 环境下，为 VSCode 配置 SSH 公钥免密登录远程 Linux 服务器的完整流程。内容涵盖从背景目的、环境要求，到生成 SSH 密钥对、部署公钥至服务器、验证免密登录状态，以及最终在 VSCode 中配置 SSH Config 的具体步骤。文章最后还提供了常见问题（如连接仍需密码、私钥文件权限警告）的排查方法，旨在帮助开发者实现高效、安全的远程开发环境搭建。]]></description><category></category></item><item><title><![CDATA[解决视频处理中的 HEVC 解码错误：Could not find ref with POC xxx【已解决】]]></title><link>https://blog.youkuaiyun.com/xiaoh_7/article/details/147516469</link><guid>https://blog.youkuaiyun.com/xiaoh_7/article/details/147516469</guid><author>xiaoh_7</author><pubDate>Fri, 25 Apr 2025 16:52:46 +0800</pubDate><description><![CDATA[解决了视频处理中的 HEVC 解码错误：Could not find ref with POC xx的问题]]></description><category></category></item><item><title><![CDATA[总结一下 KNN、K-means 和 SVM【附代码实现】]]></title><link>https://blog.youkuaiyun.com/xiaoh_7/article/details/142696998</link><guid>https://blog.youkuaiyun.com/xiaoh_7/article/details/142696998</guid><author>xiaoh_7</author><pubDate>Thu, 03 Oct 2024 22:21:04 +0800</pubDate><description><![CDATA[在机器学习中感觉经常被问的几个算法：K近邻算法（K-Nearest Neighbors, KNN）、K均值聚类算法（K-means）以及支持向量机（Support Vector Machine, SVM）。给自己做个总结笔记，并贴出来，如果有误欢迎指出。]]></description><category></category></item><item><title><![CDATA[多模态论文一：CLIP模型主要内容讲解【原理+代码】]]></title><link>https://blog.youkuaiyun.com/xiaoh_7/article/details/140706674</link><guid>https://blog.youkuaiyun.com/xiaoh_7/article/details/140706674</guid><author>xiaoh_7</author><pubDate>Fri, 26 Jul 2024 14:22:52 +0800</pubDate><description><![CDATA[在人工智能的浪潮中，图像识别与自然语言处理一直是两个独立的领域。然而，OpenAI的CLIP模型（Contrastive Language-Image Pre-training）的出现，彻底改变了这一格局。本文将带您深入了解CLIP模型的核心原理、预训练过程以及其在零样本学习、图像分类和文本到图像检索等任务中的卓越表现。通过对比学习的力量，CLIP模型不仅能够理解图像与文本之间的深层关联，还能在未见过的类别上实现惊人的零样本迁移能力。]]></description><category></category></item><item><title><![CDATA[NeRF：从二维图像到三维重建【初识！原理通俗讲解】]]></title><link>https://blog.youkuaiyun.com/xiaoh_7/article/details/140663883</link><guid>https://blog.youkuaiyun.com/xiaoh_7/article/details/140663883</guid><author>xiaoh_7</author><pubDate>Wed, 24 Jul 2024 16:03:33 +0800</pubDate><description><![CDATA[简单介绍了NeRF这个三维重建模型的输入前处理、模型结构、位置编码、体渲染及反渲染技术，NeRF实现了从二维图像到三维重建的过程。其在高质量三维重建和细节捕捉方面的出色表现，使其在学术研究和实际应用中都展示了广阔的前景。]]></description><category></category></item><item><title><![CDATA[Transformer加速工具包：探索 vLLM、DeepSpeed 和 CTranslate2【通俗易懂，附代码】]]></title><link>https://blog.youkuaiyun.com/xiaoh_7/article/details/140448367</link><guid>https://blog.youkuaiyun.com/xiaoh_7/article/details/140448367</guid><author>xiaoh_7</author><pubDate>Mon, 15 Jul 2024 20:37:27 +0800</pubDate><description><![CDATA[在我最近的学习中，简单了解了几种用于加速 Transformer 模型的工具包，包括 vLLM、DeepSpeed 和 CTranslate2。每个工具包都有其独特的优势和适用场景，做个笔记，记录一些心得和简单的使用方法（包括了NLP和CV方面的transformer）。CTranslate2 是一个高效的推理引擎，专为 Transformer 模型优化，特别适用于机器翻译和其他自然语言处理任务。使用 DeepSpeed 后，可以高效地训练 ViT 模型，并且显存占用大幅减少，极大提升了训练效率。]]></description><category></category></item><item><title><![CDATA[手撕Transformer！！从每一模块原理讲解到代码实现【超详细！】]]></title><link>https://blog.youkuaiyun.com/xiaoh_7/article/details/140019530</link><guid>https://blog.youkuaiyun.com/xiaoh_7/article/details/140019530</guid><author>xiaoh_7</author><pubDate>Mon, 01 Jul 2024 14:13:41 +0800</pubDate><description><![CDATA[最近有空，把Transformer的每模块的原理和实现过程仔细看了一遍，记录下来，方便有需要的时候查看。]]></description><category></category></item><item><title><![CDATA[Comfy UI使用最新SD3模型，并解决报错‘NoneType‘ object has no attribute ‘tokenize‘【实测可行】]]></title><link>https://blog.youkuaiyun.com/xiaoh_7/article/details/139737866</link><guid>https://blog.youkuaiyun.com/xiaoh_7/article/details/139737866</guid><author>xiaoh_7</author><pubDate>Mon, 17 Jun 2024 10:56:41 +0800</pubDate><description><![CDATA[前几天SD3发布了，所以想着尝尝鲜，便去下载了SD3来玩一玩。使用的是Comfy UI而不是Stable Diffusion UI，这是一个比SD UI更加灵活的UI界面，使用的是节点式的搭建模式。但是在使用原始的默认案例调用SD3的时候，遇到报错’NoneType’ object has no attribute ‘tokenize’因为使用的是Comfy UI官方提供的一键安装包，环境问题也没错。经过一系列排查，最后定位到原因并解决。]]></description><category></category></item><item><title><![CDATA[ISP算法及其常用细类算法【汇总表】]]></title><link>https://blog.youkuaiyun.com/xiaoh_7/article/details/139598144</link><guid>https://blog.youkuaiyun.com/xiaoh_7/article/details/139598144</guid><author>xiaoh_7</author><pubDate>Tue, 11 Jun 2024 14:26:09 +0800</pubDate><description><![CDATA[最近在查漏补缺的时候，做了以下的ISP算法的常见方法表格整理，有需要的话截图自取，如果有错误的地方也欢迎指出来，一起学习！]]></description><category></category></item><item><title><![CDATA[解决vscode终端不显示conda环境变量名称问题【详细步骤！实测可行！！】]]></title><link>https://blog.youkuaiyun.com/xiaoh_7/article/details/139465137</link><guid>https://blog.youkuaiyun.com/xiaoh_7/article/details/139465137</guid><author>xiaoh_7</author><pubDate>Wed, 05 Jun 2024 11:04:44 +0800</pubDate><description><![CDATA[记录并解决vscode终端不显示conda环境变量名称问题，附上了详细的操作步骤，实测可行]]></description><category></category></item><item><title><![CDATA[探索Lora：微调大型语言模型和扩散模型的低秩适配方法【原理解析，清晰简洁易懂！附代码】]]></title><link>https://blog.youkuaiyun.com/xiaoh_7/article/details/139308538</link><guid>https://blog.youkuaiyun.com/xiaoh_7/article/details/139308538</guid><author>xiaoh_7</author><pubDate>Wed, 29 May 2024 23:48:54 +0800</pubDate><description><![CDATA[Lora是一种创新且高效的微调大型模型的方法。通过低秩矩阵分解，Lora能够在保持模型性能的同时，显著减少计算资源和存储需求。本文介绍了Lora的背景、原理、公式、代码实现及其效果，希望能帮助你更好地理解和掌握这一方法。随着大型模型在各个领域的广泛应用，Lora的出现为我们提供了一种高效、实用的微调解决方案。]]></description><category></category></item><item><title><![CDATA[Linux服务器报错OSError: [Errno 28] inotify watch limit reached的解决方法【实测可行】]]></title><link>https://blog.youkuaiyun.com/xiaoh_7/article/details/139138317</link><guid>https://blog.youkuaiyun.com/xiaoh_7/article/details/139138317</guid><author>xiaoh_7</author><pubDate>Thu, 23 May 2024 09:55:57 +0800</pubDate><description><![CDATA[今天我在使用服务器开启服务监听时，遇到报错OSError: [Errno 28] inotify watch limit reached。查了一下，这个报错信息表示inotify监视器的限制已经达到了系统的最大值，无法再监视更多的文件或目录。给出了解决方法。]]></description><category></category></item><item><title><![CDATA[PyTorch与Weights & Biases：使用wandb训练与评估的日志和实操【附代码！】]]></title><link>https://blog.youkuaiyun.com/xiaoh_7/article/details/139068306</link><guid>https://blog.youkuaiyun.com/xiaoh_7/article/details/139068306</guid><author>xiaoh_7</author><pubDate>Mon, 20 May 2024 16:28:20 +0800</pubDate><description><![CDATA[借助wandb，您可以轻松追踪实验进展，比较不同模型的性能，从而加速模型优化和迭代过程。无论您是PyTorch的新手还是资深用户，这个博客都将为您提供宝贵的见解和实用的技巧。]]></description><category></category></item><item><title><![CDATA[整理常见的图像分割模型及其特点！！【附模型图】]]></title><link>https://blog.youkuaiyun.com/xiaoh_7/article/details/139051057</link><guid>https://blog.youkuaiyun.com/xiaoh_7/article/details/139051057</guid><author>xiaoh_7</author><pubDate>Mon, 20 May 2024 00:07:08 +0800</pubDate><description><![CDATA[最近因为个人学习需要，简单调研了一下图像分割模型，做了个小汇总。]]></description><category></category></item><item><title><![CDATA[机器学习算法之KNN分类算法【附python实现代码！可运行】]]></title><link>https://blog.youkuaiyun.com/xiaoh_7/article/details/138627281</link><guid>https://blog.youkuaiyun.com/xiaoh_7/article/details/138627281</guid><author>xiaoh_7</author><pubDate>Thu, 09 May 2024 19:20:18 +0800</pubDate><description><![CDATA[本博客介绍了KNNf分类算法的原理和主要思想，同时介绍了如何基于python使用scikit-learn库中的K-最近邻（KNN）分类器在鸢尾花数据集（Iris Dataset）上进行分类预测。]]></description><category></category></item><item><title><![CDATA[【PyTorch 实战4：DeepLabv3+图像分割模型】10min揭秘 DeepLabv3+ 分割网络架构、工作原理以及pytorch代码实现（附代码实现！）]]></title><link>https://blog.youkuaiyun.com/xiaoh_7/article/details/138415785</link><guid>https://blog.youkuaiyun.com/xiaoh_7/article/details/138415785</guid><author>xiaoh_7</author><pubDate>Fri, 03 May 2024 14:38:54 +0800</pubDate><description><![CDATA[本文将详细介绍DeepLabv3+这一图像分割模型的基本原理、关键公式，并给出了PyTorch的实现代码]]></description><category></category></item><item><title><![CDATA[Sobel算法：边缘提取的原理与实践【基于python、C++基于opencv的代码实现！！】]]></title><link>https://blog.youkuaiyun.com/xiaoh_7/article/details/138312198</link><guid>https://blog.youkuaiyun.com/xiaoh_7/article/details/138312198</guid><author>xiaoh_7</author><pubDate>Wed, 01 May 2024 17:30:00 +0800</pubDate><description><![CDATA[Sobel算法作为边缘检测的经典方法，通过计算图像的梯度来准确捕捉边缘信息。本文深入解析了Sobel算法的原理，包括卷积操作、梯度计算与合成以及阈值处理等步骤，并探讨了其在实际应用中的优缺点。并给出了代码实现！]]></description><category></category></item><item><title><![CDATA[AIGC技术：现状剖析与未来趋势展望]]></title><link>https://blog.youkuaiyun.com/xiaoh_7/article/details/138301910</link><guid>https://blog.youkuaiyun.com/xiaoh_7/article/details/138301910</guid><author>xiaoh_7</author><pubDate>Mon, 29 Apr 2024 09:34:13 +0800</pubDate><description><![CDATA[AIGC技术作为人工智能领域的一个重要分支，其发展前景广阔而充满挑战。我们期待着AIGC技术在未来能够带来更多的创新和惊喜，为人类社会的发展贡献更多的力量。。]]></description><category></category></item><item><title><![CDATA[PyTorch模型参数量计算【使用torchsummary库与自定义 两种方法！附完整代码！！】]]></title><link>https://blog.youkuaiyun.com/xiaoh_7/article/details/138283524</link><guid>https://blog.youkuaiyun.com/xiaoh_7/article/details/138283524</guid><author>xiaoh_7</author><pubDate>Sun, 28 Apr 2024 16:55:51 +0800</pubDate><description><![CDATA[本文详细介绍了如何在PyTorch框架中计算模型参数量的两种实用方法。首先，通过利用torchsummary库，我们展示了如何快速获取模型的详细层信息以及参数量的统计。其次，我们介绍了如何自定义函数来计算模型参数量，这种方法更加灵活，可以根据具体需求定制输出信息。]]></description><category></category></item><item><title><![CDATA[【PyTorch 实战3：YOLOv5检测模型】10min揭秘 YOLOv5 检测网络架构、工作原理以及pytorch代码实现（附代码实现！）]]></title><link>https://blog.youkuaiyun.com/xiaoh_7/article/details/138269484</link><guid>https://blog.youkuaiyun.com/xiaoh_7/article/details/138269484</guid><author>xiaoh_7</author><pubDate>Sun, 28 Apr 2024 10:34:24 +0800</pubDate><description><![CDATA[本文深入介绍了YOLOv5，这是一种先进的目标检测模型，采用PyTorch实现。我们探讨了YOLOv5的架构、性能、代码实现以及应用领域，并展望了未来的发展方向。通过本文，读者将了解到YOLOv5的核心原理和实际应用，以及如何在自己的项目中使用和优化该模型。]]></description><category></category></item></channel></rss>