<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[xukeke12138的博客]]></title><description><![CDATA[不说了，都在码里了！]]></description><link>https://blog.youkuaiyun.com/xukeke12138</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; xukeke12138]]></copyright><item><title><![CDATA[英伟达到昇腾训练迁移：并行配置等问题]]></title><link>https://blog.youkuaiyun.com/xukeke12138/article/details/163081629</link><guid>https://blog.youkuaiyun.com/xukeke12138/article/details/163081629</guid><author>xukeke12138</author><pubDate>Tue, 21 Jul 2026 16:43:41 +0800</pubDate><description><![CDATA[问题域核心对策并行配置配置抽象层 + 多机模板 + 超参数动态缩放通信环境自动识别后端注入环境变量，调大HCCL Buffer算子兼容建立算子映射表，统一降级为PyTorch原生或昇腾专用APICheckpoint全量权重保存 + 重分片转换，避免直接加载分片MoE调度调整EP/DP比例，开启通信重叠与算法优选经过以上改造，我们的千亿MoE模型成功迁移至昇腾，训练收敛曲线与英伟达差异 < 0.5%，单步耗时差距控制在 15% 以内。关键经验。]]></description><category></category></item><item><title><![CDATA[vLLM-Ascend 四机部署满血版 DeepSeek-R1-0528-BF16]]></title><link>https://blog.youkuaiyun.com/xukeke12138/article/details/156653025</link><guid>https://blog.youkuaiyun.com/xukeke12138/article/details/156653025</guid><author>xukeke12138</author><pubDate>Tue, 06 Jan 2026 17:17:30 +0800</pubDate><description><![CDATA[在此跳过docker镜像的load和docker服务化的过程，直接看vllm启动脚本，使用的vLLM版本是0.13.rc1。]]></description><category></category></item><item><title><![CDATA[Docker 容器运行后自动退出的解决方案]]></title><link>https://blog.youkuaiyun.com/xukeke12138/article/details/144981041</link><guid>https://blog.youkuaiyun.com/xukeke12138/article/details/144981041</guid><author>xukeke12138</author><pubDate>Tue, 07 Jan 2025 11:03:00 +0800</pubDate><description><![CDATA[根据不同的需求，可以选择不同的方案来让 Docker 容器保持运行。如果只是开发调试，可以使用方案二或方案三；如果需要运行服务，建议使用方案一或方案二，并根据具体服务进行配置。]]></description><category></category></item><item><title><![CDATA[Docker使用指南]]></title><link>https://blog.youkuaiyun.com/xukeke12138/article/details/142451146</link><guid>https://blog.youkuaiyun.com/xukeke12138/article/details/142451146</guid><author>xukeke12138</author><pubDate>Mon, 23 Sep 2024 10:05:04 +0800</pubDate><description><![CDATA[创建 Dockerfile：FROM <基础镜像>COPY . .RUN <安装依赖命令>CMD ["<启动命令>"]docker build -t <镜像名>:<标签> .]]></description><category></category></item><item><title><![CDATA[【论文阅读】PureGaze]]></title><link>https://blog.youkuaiyun.com/xukeke12138/article/details/130167453</link><guid>https://blog.youkuaiyun.com/xukeke12138/article/details/130167453</guid><author>xukeke12138</author><pubDate>Sat, 15 Apr 2023 11:19:49 +0800</pubDate><description><![CDATA[基于提纯的思想，可以把 gaze estimation 的问题定义为g= F( E(I) )。其中，E 是一个特征提取的函数，F 是一个回归的函数，I 是输入模型的 Face/Eye image，g 是estimated gaze。同时，定义Z =  E(I，Z 为提取到的特征。在此基础上，可以认为输入的 I 就是一系列特征的集合。可以把输入特征分为两大类：一类是与gaze有关的特征，表示为 G。]]></description><category></category></item><item><title><![CDATA[【论文阅读】3D-LaneNet]]></title><link>https://blog.youkuaiyun.com/xukeke12138/article/details/130160416</link><guid>https://blog.youkuaiyun.com/xukeke12138/article/details/130160416</guid><author>xukeke12138</author><pubDate>Fri, 14 Apr 2023 19:22:00 +0800</pubDate><description><![CDATA[因此对每个 anchor 需要记录三个信息*（c1，c2，d）*，其中，匹配到的左边的 gt 作为 c1。然后，对于 y 方向的 Y_ref，求出 gt 与 Y_ref 的交点，将每个 gt 归属于距其最近（交点的 x 方向距离最小）的anchor。使用非极大值抑制的方法。在相机和地面的坐标（系）转换中，可以把相机的外参当作是三个——距离地面的垂直高度 H_cam，竖直和水平方向旋转角（pitch，roll）。top-view 通道，这个视图是虚拟的，用来提取 BEV 空间的特征，最后进行车道线的预测。]]></description><category></category></item><item><title><![CDATA[【论文阅读】视线估计方向论文]]></title><link>https://blog.youkuaiyun.com/xukeke12138/article/details/128652719</link><guid>https://blog.youkuaiyun.com/xukeke12138/article/details/128652719</guid><author>xukeke12138</author><pubDate>Wed, 11 Jan 2023 23:55:58 +0800</pubDate><description><![CDATA[视线估计方向的一些论文]]></description><category></category></item><item><title><![CDATA[【动态规划】气球游戏]]></title><link>https://blog.youkuaiyun.com/xukeke12138/article/details/127481767</link><guid>https://blog.youkuaiyun.com/xukeke12138/article/details/127481767</guid><author>xukeke12138</author><pubDate>Sun, 23 Oct 2022 21:53:32 +0800</pubDate><description><![CDATA[气球游戏，一道简单的线性dp问题。]]></description><category></category></item><item><title><![CDATA[【配环境】m1芯片 创建环境+安装pytorch]]></title><link>https://blog.youkuaiyun.com/xukeke12138/article/details/125921615</link><guid>https://blog.youkuaiyun.com/xukeke12138/article/details/125921615</guid><author>xukeke12138</author><pubDate>Thu, 21 Jul 2022 21:42:43 +0800</pubDate><description><![CDATA[m1芯片macbook安装pytorch环境的方法]]></description><category></category></item><item><title><![CDATA[【论文阅读】Fantastic Answers and Where to Find Them]]></title><link>https://blog.youkuaiyun.com/xukeke12138/article/details/125605237</link><guid>https://blog.youkuaiyun.com/xukeke12138/article/details/125605237</guid><author>xukeke12138</author><pubDate>Tue, 05 Jul 2022 14:38:13 +0800</pubDate><description><![CDATA[论文 2020-CVPR]]></description><category></category></item><item><title><![CDATA[【PyQt5】Qt designer+pyQt5 在VSCode中可以直接生成pythonUI的方法]]></title><link>https://blog.youkuaiyun.com/xukeke12138/article/details/122235791</link><guid>https://blog.youkuaiyun.com/xukeke12138/article/details/122235791</guid><author>xukeke12138</author><pubDate>Thu, 30 Dec 2021 14:23:24 +0800</pubDate><description><![CDATA[之前手写过调用pyqt5的方法之后，这里记录一下使用QtDesigner直接生成一下ui文件，并且转化成python类。
首先是下载安装QtDesigner，然后保存为ui文件。mac上下载安装QtDesigner可以看这篇。
然后在VSCode中下载一个扩展包PYQT Integration。右键ui文件就可以选择编译成为py文件。
怎么样是不是很简单！
在另外一个文件里可以使用如下代码运行ui
import sys
from PyQt5 import QtCore, QtGui, QtWidgets
f]]></description><category></category></item><item><title><![CDATA[【PyQt5】创建主界面+打开文件+显示按钮和文字]]></title><link>https://blog.youkuaiyun.com/xukeke12138/article/details/121959311</link><guid>https://blog.youkuaiyun.com/xukeke12138/article/details/121959311</guid><author>xukeke12138</author><pubDate>Wed, 15 Dec 2021 19:13:20 +0800</pubDate><description><![CDATA[因为考虑到后期加模块可能会比较多，所以前端可视化界面开发选择了PyQt这个工具。
首先是希望能够在主界面中通过点击按钮（PushButton）完成上传文件的功能（现在还没有数据去，其实就是打开文件）。
self.pushButton = QtWidgets.QPushButton(self.centralWidget)
self.pushButton.setGeometry(QtCore.QRect(350, 100, 75, 25)) # 设置按钮的位置x，y 长 宽
self.pushButton.se]]></description><category></category></item><item><title><![CDATA[Python爬取新闻信息，分词统计并画词云]]></title><link>https://blog.youkuaiyun.com/xukeke12138/article/details/117167932</link><guid>https://blog.youkuaiyun.com/xukeke12138/article/details/117167932</guid><author>xukeke12138</author><pubDate>Sat, 22 May 2021 17:53:55 +0800</pubDate><description><![CDATA[Python爬取新闻信息，分词统计并画词云
中国新闻网，是知名的中文新闻门户网站，也是全球互联网中文新闻资讯最重要的原创内容供应商之一。依托中新社遍布全球的采编网络,每天24小时面向广大网民和网络媒体，快速、准确地提供文字、图片、视频等多样化的资讯服务。

分析页面内容：首先，打开中国新闻网的页面可以看到，导航栏里已经有很多的分类标签选项。但是，可以跳转的标签并不全是按照新闻的内容进行分类的。

例如，标签中的“金融”、“汽车”和“体育”是按照内容划分，但是“国际”、“港澳”和“台湾”是按照新闻的来源地划分]]></description><category></category></item><item><title><![CDATA[RMQ、树上差分和LCA问题]]></title><link>https://blog.youkuaiyun.com/xukeke12138/article/details/116191502</link><guid>https://blog.youkuaiyun.com/xukeke12138/article/details/116191502</guid><author>xukeke12138</author><pubDate>Tue, 27 Apr 2021 09:49:20 +0800</pubDate><description><![CDATA[RMQ、树上差分和LCA问题
倍增
首先，回忆一下倍增的思想。
倍增的意思就是成倍地增长。由于“任意一个整数可以表示为若干个2的次幂项的和”，所以可以将问题的状态空间划分为2的次幂项个，从而降低时间复杂度为O(logN)。
经典的快速幂算法就是将问题的状态空间进行了划分。
int qpow(int a, int b, int p){ // (a ^ b) mod p
    int ans = 1 % p;
    while(b){
        if(b &amp; 1){
            a]]></description><category></category></item><item><title><![CDATA[贪心算法入门]]></title><link>https://blog.youkuaiyun.com/xukeke12138/article/details/115332931</link><guid>https://blog.youkuaiyun.com/xukeke12138/article/details/115332931</guid><author>xukeke12138</author><pubDate>Tue, 30 Mar 2021 18:55:57 +0800</pubDate><description><![CDATA[贪心

贪心策略：每次决策时采取当前最优策略。

要求：问题的整体最优性可以由局部最优性导出。

无后效性
即，某个状态以后的过程不会影响以前的状态，只与当前状态有关。

算法设计的关键是贪心策略的选择。

算法思路

建立数学模型来描述问题（可行性证明）
把需要求解的问题划分为若干个子问题
对每一个子问题，求出局部最优解
将子问题的解组合，得到全局最优解


例题

钱币找零问题
【问题】
有面值1元、5元、10元、20元、50元和100元的纸币各若干张，支付固定金额k元。
求最少需要多少张纸币？

【.]]></description><category></category></item><item><title><![CDATA[Spark--ALS推荐算法]]></title><link>https://blog.youkuaiyun.com/xukeke12138/article/details/115332905</link><guid>https://blog.youkuaiyun.com/xukeke12138/article/details/115332905</guid><author>xukeke12138</author><pubDate>Tue, 30 Mar 2021 18:54:52 +0800</pubDate><description><![CDATA[Spark–ALS推荐算法



常用的推荐方法：


基于内容的推荐
将物品和用户分类。将已分类的物品推荐给对该物品感兴趣的用户。需要较多的人力成本。


基于统计的推荐
基于统计信息，如热门推荐。易于实现，但对用户的个性化偏好的描述能力较弱。


协同过滤推荐
可以达到个性化推荐，不需要内容分析，可以发现用户新的兴趣点，自动化程度高。



协同过滤 (Collaborative Filtering, 简称 CF)
一个简单的问题：如果你现在想看个电影，但你不知道具体看哪部，你会怎么做？

协同过滤的.]]></description><category></category></item><item><title><![CDATA[python的文本分类]]></title><link>https://blog.youkuaiyun.com/xukeke12138/article/details/111602970</link><guid>https://blog.youkuaiyun.com/xukeke12138/article/details/111602970</guid><author>xukeke12138</author><pubDate>Thu, 24 Dec 2020 04:49:19 +0800</pubDate><description><![CDATA[文本分类
这里写目录标题文本分类分类器朴素贝叶斯分类器基于nltk的朴素贝叶斯分类器
分类器
分类器：特征选择 + 分类器模型
分类器的实现过程：

选择特征
训练
评估，错误分析，修改特征
重新训练在新的开发集上

有监督的文本分类器的举例
设计一个人名-性别分类器，可以依据名字判断性别。
特征选择：选择名字最后一个字母作为特征。特征集是词典{(特征名字: 特征值)}
import nltk
from nltk.corpus import names 
import random

names = [(n]]></description><category></category></item><item><title><![CDATA[python的词性标注]]></title><link>https://blog.youkuaiyun.com/xukeke12138/article/details/111602898</link><guid>https://blog.youkuaiyun.com/xukeke12138/article/details/111602898</guid><author>xukeke12138</author><pubDate>Thu, 24 Dec 2020 01:56:36 +0800</pubDate><description><![CDATA[词性标注
这里写目录标题词性标注词性标注的特殊问题词性标注的方法设计简单标注器常用标注器介绍词性标注器的应用词性分布基于词性标注 研究词的组合
词性标注：在给定的句子中判定每个词的语法范畴，确定词性并加以标注的过程。
难点：兼类词的消歧，未登录词标注
在某具体的语言环境中，一个词只能属于某一类词性。
词性标注的特殊问题

形态标准：不符合汉语划分；
意义标准：参考作用；
分布标准（功能标准）；

词性标注的方法


基于规则的词性标注


基于机器学习的词性标注
无监督学习——聚类方法
半监督学习——自训练]]></description><category></category></item><item><title><![CDATA[python的中文分词]]></title><link>https://blog.youkuaiyun.com/xukeke12138/article/details/111598683</link><guid>https://blog.youkuaiyun.com/xukeke12138/article/details/111598683</guid><author>xukeke12138</author><pubDate>Wed, 23 Dec 2020 20:39:40 +0800</pubDate><description><![CDATA[中文分词
这里写目录标题中文分词基于词典的分词方法最大匹配算法：（正向/逆向）预处理优化基于统计的分词方法基于语义、理解的分词方法分词工具jieba算法：thula分词工具包练习
基于词典的分词方法
机械分词方法、字符串匹配的分词方法。
按照一定的策略将待分词的汉字串与一个充分大的机器词典中的词条进行匹配。
三个要素:1.分词词典 2.文本扫描顺序 3.匹配原则
按照扫描句子的顺序，可以分为正向扫描、逆向扫描和双向扫描。
匹配的原则主要有最大匹配、最小匹配、逐词匹配和最佳匹配。
最大匹配算法：（正向/逆向）]]></description><category></category></item><item><title><![CDATA[python的基本文本处理操作]]></title><link>https://blog.youkuaiyun.com/xukeke12138/article/details/111233706</link><guid>https://blog.youkuaiyun.com/xukeke12138/article/details/111233706</guid><author>xukeke12138</author><pubDate>Wed, 16 Dec 2020 10:28:16 +0800</pubDate><description><![CDATA[基本文本的处理
语料库
nltk的基本语料库函数

nltk语料库的导入
from nltk.book import *
from nltk.corpus import gutenberg

文本的词汇多样性
在计算文本长度时，按照词次数（token_number）计数。即，len(text)。
定义函数lexcical_diversity()，计算文本的词汇多样性。即词次数（token_number）/词数（type_number）。
def lexcical_diversity(text):
    r]]></description><category></category></item></channel></rss>