摘要： OpenClaw setup│◇ Security ─────────────────────────────────────────────────────────────────────────────╮│ ││ Security warning — please read. ││ ││ Ope 阅读全文

摘要： 1，安装cuda，安装cudnn，安装miniconda，生成python12，zsh切换到bash，创建sparktts虚拟环境并激活。 2，git下载sparktts代码（修改hosts），切换到目录下，安装依赖requirement.txt。可使用阿里源，更快。安装lfs大文件支持，sudo 阅读全文

摘要： 1，Kali内核6.8 2， sudo apt install nvidia-driver nvidia-cuda-toolkit nvcc在/usr/bin下，无需加路径 头文件在/usr/include下，也无须加路径 但cuda的库文件在/usr/lib/x86_64-linux-gnu下，需 阅读全文

摘要： 再次安装docker单机版ufm-南京 500节点license的mac ip link set dev eno2 address a0:88:c2:7b:f2:3aip link set dev eno2 address a0:88:c2:7b:e3:a2 ifconfig ib0 10.10.1 阅读全文

摘要： 基本概念 随机试验：一种试验，其结果不可预测。 样本空间：随机试验所有可能结果的集合。 事件：样本空间的子集，表示随机试验的某些结果。 概率：事件发生的可能性大小，通常在0到1之间。 古典概率：假设所有结果等可能时的概率计算。 互斥事件：不能同时发生的事件。 全概率：一系列互斥且完备的事件的概率总和 阅读全文

摘要： 假设： 输入（中文）： "我有一本书" 目标（英文）： "I have a book" A，一般过程 一，训练阶段： 在 训练阶段，我们希望训练模型从源语言（中文）生成目标语言（英文）。在这个过程中，解码器依赖于编码器的输出，并通过与目标序列进行比较来计算损失，并优化模型参数。 # 1. 输入序列（ 阅读全文

摘要： 1，词向量的本质 词向量（WordEmbedding）是通过训练得到的低维稠密向量，用于表示词汇的语义信息。在训练过程中，词向量不仅捕捉了词汇的自身特征（如词义、词性），还捕捉了词汇的上下文特征（如语法角色、位置信息、与其他词的关系）。 2，词向量的维度 词向量的每个维度并不是独立的，而是通过训练数 阅读全文

摘要： #include <stdio.h>#include <stdlib.h>#include <stdint.h>#include <string.h> #define ROTRIGHT(word, bits) (((word) >> (bits)) | ((word) << (32 - (bits) 阅读全文

摘要： 1，权重更新前后，如果梯度是正的，权重将减少；如果梯度是负的，权重将增加。 2，权重更新前后，权重的大小没有必然结论。 3，注意跨越最小极值点的情况。 阅读全文

摘要： 1，操作系统命令行看系统python的库 where pythonC:\Users\augus\AppData\Local\Microsoft\WindowsApps\python.exe >>> for item in sys.path:... print(item)... C:\Program 阅读全文