A LIVING NOTEBOOK
关于模型、工具和工程实践的持续记录。
01
讲述agent在Mac上的使用场景和底层技术
02
讲述对codex使用过程总结
03
讲述利用claude code和ollama来打造属于自己免费的coding agent
04
讲述agent的原理、架构与协作模式全景
05
大模型的工具对比
06
大模型的强化学习类型
07
记录学习openclaw的过程
08
记录学习大模型的RAFT
09
记录学习大模型的RAG
10
记录学习大模型的微调和推理加速
11
记录学习taskflow的心得
12
记录学习知识图谱的一些总结
13
记录写专利期间的心得体会
14
记录pyspark的使用过程心得体会
15
记录Langchain的使用过程心得体会
16
记录pytorch_lightning的使用过程心得体会
17
记录配置远程linux的python环境
18
记录pyspark的使用体会
19
记录accelerate在分布式训练和推理中的使用过程
20
记录LLM的应用及训练过程
21
记录实战中NLP的事件抽取
22
记录docker的使用过程
23
记录自动化爬虫的使用过程和技巧
24
记录模型压缩的技巧和方法
25
记录文本领域好用的标注工具
26
记录文本领域数据增强的方法
27
记录python使用中的装饰器及魔法函数
28
记录对于对git-lfs的使用记录
29
记录对于贝叶斯公式及模型的理解
30
记录在博客中上传图片的好用工具和github图床相关配置
31
记录学习git中遇到的一些常用命令
32
记录算法面试中遇到的基础问题和过程记录
33
记录使用Jetson Xavier NX的使用体验中遇到的问题和记录
34
记录ZED双目相机的python API使用过程
35
对比pyinstaller和nuitka打包工具及nuitka的使用过程
36
讲述Mask RCNN在tensorflow2.x下如何跑通自己的数据集
37
讲述ORB-SLAM3在windows下的编译及其使用
38
讲述目标检测(one stage)-从FPN到DSSD
39
讲述在C++下实现的消息队列(多消费者模式)
40
目标检测(one stage)——YOLOv2
41
介绍如何在win10下安装python版本的PCL点云库
42
目标检测(one stage)——SSD
43
目标检测(one stage)的开始——YOLOv1
44
介绍Windows平台软件管理工具
45
介绍pytorch的C++版本的gpu使用的解决问题的过程记录
46
介绍在图卷积网络在多标签分类任务中的应用
47
介绍在C++平台下搭建torch和paddle的环境
48
介绍如何利用vcpkg来管理C++的库
49
介绍如何利用Jasper2主题(jekyll)完成个人博客设置和利用netlify加速访问速度
50
主要讲述将Keras训练好的.h5模型转换成.pt格式,并将其转换后的模型部署到C++环境中,并生成DLL
51
介绍如何在windows下搭建tensorflow的C++环境
52
介绍如何利用官方开源的Yolov5训练一个属于自己的模型
53
介绍如何在Windows10环境中搭建GPU使用环境和pytorch
54
在Windows环境中利用jekyll来本地测试jekyll主题,并结合github pages来搭建个人的博客。
55
介绍在Windows环境下本地安装mysql和导入sql文件的使用
56
在Windows下利用Visual Studio2019 来搭建opencv3.4.11的C++环境
57
在Mac中利用Xcode神器搭建opencv3的C++环境
58
面试中机器学习,深度学习中常问的算法总结
59
讲述如何利用Postman和Jmeter对网络接口进行压力测试
60
讲述Neo4j图数据库的使用,图挖掘算法(社区算法)的实现
61
主要讲述无监督的异常检测模型
62
讲述如何在Windows环境中安装clion和配置opencv环境
63
讲述在Linux环境下python包编译及安装过程,以及包管理工具virtualenv
64
讲述在深度学习建模过程中遇到的问题及其解决思路
65
介绍python的数据分析常用工具pandas、numpy和机器学习工具sklearn的总结