在过去两年多，LLM 在我的生活中更多的是充当“助手”的角色。那时经常能发现它的回答存在明显纰漏；熟悉的场景我尚可纠错，不熟的领域就容易被误导。因此 对于我已经熟悉的机械性劳动或简单编码任务，我会交给它；但只要涉及我不了解的领域，就会在采用前做额外验证。 自 ChatGPT o3 与 Cursor 的 Agent 模式推出后，我明显感受到：基础模型…
基于 commit: 23b67b37b246fb7cecb3815c6873fa3d18c3c0e7 目前公司主要用 v0，v1 架构已经发生了较大变化，后续补充整理。 调度器结构 数据结构 调度器的关键数据结构主要包含三个双端队列，存储 sequence group： waiting 队列：存放等待 prefill 的请求和重计算请求。所有请求…
最近一直在使用 cursor、windsurf、claude code，总结了一些使用经验。 让 Agent 写文档！ 写文档是个好习惯，所以我们要强迫 Agent 写文档，维护一套自己的本地知识库。 每次 Agent 成功完成一次开发任务，我都会让他们总结在这次任务中，沉淀了哪些关键认知，记录或更新到一个专门的“笔记目录”中，包括： 那些纠结了很…
参考资料 Raft Scope Zookeeper：分布式系统入门到实战 Raft 论文导读：探索一种可理解的共识算法 [译] [论文] Raft 共识算法（及 etcd/raft 源码解析）（USENIX, 2014） 解读共识算法Raft（1）简介和状态简化_哔哩哔哩_bilibili raft | Interview 论文精读 这里主要是引用…
今天实在不想学习，无聊把博客搞回来了。但是自己感觉之前的很多内容实在是抽象过头了，想隐藏，却发现WordPress批量操作里没有“隐藏这个选项” 方法 进入WordPress数据库。 默认情况下，wp_posts表中的post_stauts列标识状态，似乎有private，public，貌似还标识是否在回收站中（回收站中的帖子会在30天后被删除） …
研究反应能否发生和反映限度问题。 开尔文表述：从单一热源取出热使之完全变为功，而不发生其他变化是不可能的。 克劳修斯表述：热不能从低温物体自发地传给高温物体。 第二类永动机（从单一热源吸收热并将其转化为功，做功后将等量的热还给环境）是不可能造成的。 自发过程 在一定条件下不需要任何外力介入而自动发生的过程。 特征 具有特定的方向和限度； 不可逆； …
能量守恒定律：第一类永动机是不可能造成的。 第一类永动机：不靠外界提供能量，本身能量也不减少，但能连续不断对外做功。 热力学能 即内能，系统内部能量（包括分子势能等）的总和，是广度性质的状态函数，用符号$U$表示。 理想气体的分子势能为0。 热力学能无法求出绝对值，只能求变化值。热力学第一定律的数学表达式： $$ \Delta U=U_2-U_1=…
系统与环境 物理化学研究的系统是理想气体、有相变化的的物理过程、化学反应。 系统：研究对象； 环境：与系统密切相关的对象。 系统的分类 敞开系统：能量交换 + 物质交换； 封闭系统：只有能量交换；物理化学中默认的系统类型； 孤立系统：没有物质和能量交换（理想状态下的杜瓦罐，即真空罐）。 现实中的爆炸，因为发生的时间极其短，来不及发生物质和能量交换，…
最近我在使用树莓派4B(ubuntu)的时候，即便每次都通过halt命令正常关机，但是重新启动后总是会面临各种各样的磁盘问题，因此开贴记录解决办法。 end kernel panic: No working init found 可能的原因是SD卡损坏，需要进行修复。要把卡插到另一个Linux机器上，然后进行以下步骤。 查看SD卡设备名称：sudo…
点击后面的链接下载Java：https://download.oracle.com/java/17/latest/jdk-17_windows-x64_bin.msi 下载完成后，双击打开这个文件，一直点下一步即可完成安装。 在桌面上新建一个文件夹，将在群内下载的hmcl.jar拖到文件夹里,然后双击文件夹里的hmcl.jar文件，这时候可能会询问…
Notion
最近开始用Notion记笔记，发现这真是一个超级好用、全能的笔记App，已经打算以后将笔记阵地从博客转到notion了。
可是今晚被朋友提醒，notion是web app，所有数据都只必须存储且只能存储在云端。那这就很难受了，我会担心自己的数据被notion偷看，或者notion服务器出现问题。
上reddit看了一下，这两年来有非常多讨论notion offline version的帖子，但是notion从来没有给过回应。看起来notion团队是不打算做offline version了。另外，虽然我并不需要中文版本，但是在中文用户如此多的情况下，notion依然不推出中文版本（甚至已经有了韩文版本）。结合这两点，notion的团队给人一种很傲慢的感觉......
今天遇到一道题，涉及到二维数组排序，而排序结果始终不正确。检查代码，我发现我的cmpfunc返回的是一个浮点数，但是cmpfunc的函数原型要求返回整型数。 因此可以用以下代码代替 int cmpfunc(const void* a, const void* b) { return (浮点数 - 浮点数 > 0) ? 0 : 1; }
概念 $G=$<$V, E$> 基本属性 度数：与结点关联的边数，环贡献两个度数；有向图中，出度与入度之和为度数； 最大度：$\Delta (G)$； 最小度：$\delta (G)$； 直径：图中两点间最大距离； 基本概念 邻接点：由一条边关联的两个结点； 自回路/环：关联于同一结点的两条边，不等于回路； 平行边：连接于同一结点的边；…
吸收 溶解度曲线 分别表示溶解速率等于逸出速率时的分压和摩尔分数 亨利定律 溶解度越大： 亨利系数$E$更小 溶解度系数$H$更大 相平衡常数$m$更小 $c_A^*=Hp_A$，即$H=\frac{c_A}{p_A^*}$，其中$c_A^*$是相平衡溶解度，$H$为比例系数 $E=\frac{C}{H}$ $p_A^*=Ex_a$ $m=\fra…
Description n\times nn×n的01矩阵aa中，若存在四个整数$l,r,u,d(1\leq l<r\leq n,1\leq d<u\leq n)$l,r,u,d(1≤l<r≤n,1≤d<u≤n)使得a[u][l]=1a[u][l]=1且a[u][r]=1a[u][r]=1且a[d][l]=1a[d][l]=…
本章重点是掌握拓展操作码的方法和寻址方式及其对应的名称。 指令格式 操作码 + 地址码 定长：指令系统中所有指令的二进制位数相同 变长：可以不同 地址码 单地址、双地址、三地址、零地址等。 零地址是事先约定好的地址，如栈顶、次栈顶、累加器等。 随着地址段位数增长，会导致指令过长，且会导致程序设计的灵活性变差。 操作码 规整型 操作码长度固定，指令码…
存储系统的组成 RAM 基本结构 译码器驱动电路 译码器：将地址总线的地址码转换成与之对应的译码输出线上的有效电平。 驱动器：提供驱动电流驱动相应的读写电路。 I/O和读写电路 完成被选中储存单元中各位的读出和吸入操作。 读入放大器 写入放大器 读写控制电路 读写控制线 控制器传递控制信号到主储存器。 ROM 储存单元 位（记忆单元）：二进制数基本…
这是《计算机组成原理》实验的一道题目，要求输入一个IEEE754标准的二进制浮点数，转十进制整数输出。我在Google中并没有查询到比较简洁的方案，大部分代码都是通过按照IEEE754标准的原理，先计算尾数，然后计算阶码，左移右移小数点，然后乘上符号位。可能老师更想要我们以这种方式来实现吧，因为可以考察对IEEE754的理解。 但最简单的实现方法当…
不知道为什么，每次重启之后我的环境变量配置就会失效，每次都要重新查一下就很麻烦，因此记录一下。 安装 下载二进制文件，放到/usr/java/jdk目录下 添加到PATH 进入/usr/java目录 export PATH=$PWD/jdk/bin:$PATH 检查Java版本 java -version . . . 转自https://adopt…
重装系统后重新配置深度学习环境，先安装了Python3.9，然后打开PyCharm，发现PyCharm显示没有Python解释器。 解决方法：文件 - 设置 - 项目 - 解释器 - 右侧小齿轮 - 添加 - 系统解释器 - 确定 注意：安装python的时候一定要勾选add to path并且在安装完成后选择修改path字符数量上限。否则需要手动…
基本算术的实现 加减乘除最后都可归结为加法运算，因此加法器是核心。 全加器 $\rm P_i$：传递进位，$\rm =A_i\oplus B_i$ $\rm G_i$：本地进位，$\rm =A_iB_i$ $\rm C_i=G_i+P_iC_{i-1}$ 串行加法器 串行加法器并不是一串加法器串联，而是只由一个加法器，各位数据先后送入。 并行加法器…
终于学到这里了，一直觉得动态规划是一个很高档的东西hhhhh 动态规划是将大问题拆分成小问题，而小问题之间是相互关联的，且较为相似，因此可以将前面的计算结果记录下来用在后面的问题中，避免重复计算。DP有线性DP和非线性DP，线性DP将状态记录在数组上，而非线性DP则是将状态记录在树上的。 基础DP 最少硬币 从最小面额开始从前往后递推。 #incl…
整数 常用的有符号整数表示方法有原码、反码、补码。 原码 最高位为符号位。 反码 最高有效位权为$-(2^{w-1}-1)$ 补码 最高位是符号位，同时也叫“负权”，权是$-2^{w-1}$ 由以上定义可知，补码能表示的负数比正数多1，因为补码所能表示的最小负数是负权值，而能表示的最大正数是负权值的绝对值-1。可见补码的范围是不对称的。C语言标准规…
原核生物 原核生物即广义细菌 分类 按传统分类方法： 细菌 放线菌 蓝细菌 枝原体（书上写的“枝”） 立克次氏体 衣原体 按分子生物学分类方法（rRNA） 古细菌 真细菌 细菌 狭义细菌 细菌是一类细胞细而短（直径0.5$\rm ㎛$，长度约为0.5-5$\rm ㎛$）、结构简单、细胞壁坚韧、以二等分方式繁殖和水生性较强的原核生物。 近期发现的长达…
光学显微镜 普通复式光学显微镜 相差显微镜和微分干涉显微镜 荧光显微镜 在光镜水平上，对细胞内特异的蛋白质、核酸、糖类、脂质以及某些离子等组分进行定性研究的有力工具。可以观察到特定物质在细胞中的定位，以及物质的动态变化过程。 原理是让荧光分子与要观察的样本特异性结合，然后发出激光使样品中的荧光分子发出荧光。其核心部件是滤光片系统及专用的物镜镜头。 …
下载 下载IBM的OpenJDK，下载JRE即可，链接： https://developer.ibm.com/languages/java/semeru-runtimes/downloads 下载到哪里？JDK默认安装目录\usr\java，可以直接下载到这个目录中。 Linux系统目录结构：https://www.runoob.com/linux…
链接：初识卷积神经网络 卷积神经网络 举例：一个简单的对MNIST数字进行分类的卷积神经网络。 from keras import layers from keras import models model = models.Sequential() model.add(layers.Conv2D(32, (3, 3), activation=&#…
本章将会学习到完整的解决机器学习任务的工作流程，建立起可靠的解决深度学习问题的概念框架。 机器学习的四个分支 监督学习 目前最常见，最受关注的深度学习分支。给定一组样本，让机器学习输入到目标的映射。 分类 回归 序列生成 语法树检测 目标检测 图像分割 无监督学习 在没有目标的情况下，让机器寻找输入数据的有趣变换。应用于数据可视化、数据压缩、数据去…
迟来的西岭雪山游记
逃亡！
“踩着月光，打开车窗，离开这城市，想找个解放”。期末结束，我们一起前往西岭雪山，来了一场短暂的逃亡~
本来是想好好写一篇文章，但是发现实在没那文笔，所以就只是挂一些照片和视频，记录一下这次旅行~
第一次滑雪！
录像这一次，摔了数十次的h10竟然没摔
高山上的《一次就好》
山上有两处地方有人卖唱~（视频中有帅哥跟唱）
缆车drama
恐高的人在缆车上能有多drama
云海日出
一些大家的照片
绿光
vlog
小明鼎鼎的大作~BV号1zr4y1Y7cn
<div class="video-wrapper">
<iframe src="//player.bilibili.com/player.html?aid=765749853&bvid=BV1zr4y1Y7cn&cid=485012807&page=1"
scrolling="no"
frameborder="no"
framespacing="0"
allowfullscreen="true"
width="100%"
height="100%"
position="relative"
>
</iframe>
</div>响应式iframe和插入视频还有点问题，之后再研究CSS……
注：若无特殊说明，代码均复制粘贴自Deep Learning with Python官网的Jupyter Notebook文件。 神经网络剖析 层 深度学习的基础组件，将一个或多个输入张量转换为一个或多个输出张量。 大部分层都是有状态的，即有权重。不同的张量格式与不同的数据处理类型要用到不同的层 (sample, features)的2D张量通常用…
概述 数据结构要素 数据的逻辑结构：线性结构（数组、栈、队列、链表）、非线性结构、集合、图等。 数据的存储结构：顺序存储（数组）、链式存储、索引存储、散列存储等。 数据的运算：初始化、判空、统计、查找、遍历、插入、删除、更新等。 常见的数据结构 数组 链表 栈 队列 树 二叉树 集合 哈希 堆 优先队列 并查集 并查集 - OI Wiki主要用于处…
基本概念 人工智能 曾经符号主义人工智能盛行，但它的能力被局限于解决明确的逻辑问题。更加复杂、模糊的问题，如图像分类、语音识别和语言翻译，由机器学习接任。 表示（Representation） 机器学习三要素 输入数据点，如图片 预期输出的示例，如图片所对应的正确标签 衡量算法效果好坏的方法。这是一种反馈信号，用于调节算法的工作方式。这个调节步骤就…
卷积 卷积方式 卷积效果 垂直线清晰可见： 水平线清晰可见： 池化 将图像中的像素分组并过滤到一个子集合中。 池化方式： 例子：2×2最大池化，选择2×2矩阵中的最大值，并构成新的矩阵。 池化效果 尺寸缩小四倍，图像特征被保留，甚至被增强。 特征提取 用于卷积和池化的过滤器也是学习得到的，这个过程被称为特征提取。 图：Dense是随机初始化的，在学…
机器学习 – 初识TensorFlow
第17届全国大学生智能车竞赛”智能视觉组”资料汇总
PyTorch环境配置遇到的问题
ACM笔记 – 搜索技术
PlatformIO 无法连接网络 解决办法
ACM笔记 – STL和基本数据结构
世界，您好！
服务器美图
一个线性方程的推导 训练模型，让其推理出一组输入和输出间的关系 x值 -1.0, 0.0, 1.0, 2.0, 3.0, 4.0 y值 -3.0, -1.0, 1.0, 3.0, 5.0, 7.0 以上两组数据的关系是$y=2x-1$ 代码实现 from tensorflow import keras from tensorflow.keras i…
规则 总则： https://zhuoqing.blog.csdn.net/article/details/121438560 智能视觉组补充说明： https://zhuoqing.blog.csdn.net/article/details/122262365 官方培训 第一弹： https://zhuoqing.blog.csdn.net/ar…
Anaconda下载速度慢 通过切换到清华镜像解决 参考： https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/ PyCharm无法导入torch包 应该是因为在安装Anaconda的时候没有勾选将Anaconda作为默认python解释器导致的。 解决办法： 在PyCharm中选择文件-设置-项目…
《算法竞赛入门到进阶》的该章节，主要介绍BFS和DFS，以及它们的优化技术，并介绍一些经典案例如排列组合、生成子集、八皇后、八数码、图遍历等。 递归和排序 问题 打印$n$个数的全排列，共$n!$个 打印$n$个数中任意$m$个数的全排列，共$\frac{n!}{(n-m)!}$个 解决方案 方案一、调用STL 先对这些数字进行排序，获得最小序列。…
在VSCode中成功安装了PlatformIO拓展后，每次尝试打开PlatformIO Home Page 都会出现Error: Error: You are not connected to the Internet. PlatformIO needs the Internet connection to download dependent p…
容器 包括顺序式容器和关联式容器 顺序式容器 经学长提醒，stack、queue、priority_queue更准确的定义是“适配器”，参考C++（STL）容器适配器 Vector 复杂度： 访问复杂度：$O(1)$ 移动复杂度：$O(n)$ vector是STL的动态数组。以数组形式储存，内存空间连续。插入和删除操作，以及需要增长数组时，需要进行…
欢迎使用WordPress。这是您的第一篇文章。编辑或删除它，然后开始写作吧！
这篇文章没有摘要