coderliu

摘要： 本文系统梳理了大语言模型（LLM）微调的核心知识：什么时候该用微调而不是提示工程或 RAG、五种主流高效微调方法对比、LoRA 背后的低秩假设与矩阵分解/SVD 数学原理、微调数据准备的质量与数量要求、显存占用的估算方法，以及微调后如何科学地评估模型效果。 一、提示工程 VS RAG VS 微调：什 阅读全文

摘要： 本文整理自课程《PyTorch 与视觉检测》的学习内容，涵盖 PyTorch 核心概念、CNN 卷积神经网络、YOLO 目标检测算法（v1 到 v13），以及一个完整的实战项目——钢铁表面缺陷检测。适合想入门深度学习视觉方向的同学阅读。 一、PyTorch 是什么 1.1 PyTorch = Num 阅读全文

摘要： 前言 大模型（LLM）本身只会"说话"，要让它真正"干活"——查数据、调接口、读文档、写代码，就需要 Agent 框架来搭桥。目前主流的 AI Agent 框架有： LangChain：全能型框架，管道式编排与丰富生态 LlamaIndex：数据驱动的 RAG 专家 Qwen-Agent：轻量级全能 阅读全文

摘要： 引言 用过 ChatGPT 或者各类国产大模型的朋友，可能都有过这样的疑问：这些模型到底是怎么"训练"出来的？为什么它既能陪你闲聊，又能写代码、做推理？它背后那套训练流程，是不是就是简单地"喂数据"这么简单？ 本文整理自一份大模型课程课件，尝试用尽量通俗的语言，把大语言模型（LLM）的训练脉络梳理清 阅读全文

摘要： 一、视觉和语言的打通 1.1 什么是"打通"？ 所谓打通，就是一个模型能同时看懂语言和视觉——输入端既能读文字也能看图；进阶能力是输出端也不限于文字，还能输出图片、视频。 1.2 打通之后有什么好处？ 视觉转译：把看到的内容翻译成文字（或反过来），例如看图说话、根据描述改图； 融合推理：视觉信息和语 阅读全文

摘要： 前段时间上了一门 AI Agent 的课，这周把讲义翻出来，加上自己的理解整理成这篇笔记。 先说说为什么去上这门课。日常用 LLM 的体感挺分裂的：聊天、写文案、改稿子它都很溜，可真让它办一件具体的事，比如帮我把记录了上个月业务数据的那份文件找出来，它就开始露馅，要么一本正经编个文件名，要么两手一摊 阅读全文

摘要： 导语：在大模型应用开发中，Prompt 和 RAG 是两个绕不开的核心话题。前者决定了你能否与大模型"高效对话"，后者决定了你的应用能否拥有"真实记忆"。本文将从底层逻辑出发，带你系统理解 Prompt 工程的本质，深入拆解 RAG 的架构与陷阱，并分享在生产环境中沉淀下来的高级技巧。 一、引言：为 阅读全文

摘要： 今天同事被一个需求搞的很难受，场景是甲方有内网、外网、中转机三台服务器，其中内网和外网的mysql数据库需要互相同步，中转机是windows系统，同事不想太麻烦（数据量也不是很大）。最好是简单搭建即可进行同步内外数据库中的数据。canal的方案太复杂涉及到的组件太多，flink对于windows的支 阅读全文

摘要： 前几天搞服务器备份发邮件的功能，搞了好长时间都没调通，想必有很多人和我遇到过一样的问题，今天分享出来帮大家解决燃眉之急。我不允许还有不会的童鞋出现。 安装mailx（邮件服务） yum install mailx -y 编辑配置文件 vim /etc/mail.rc set from=xxx@qq. 阅读全文

摘要： Hadoop集群配置 增加环境变量 export PATH=$PATH:/root/hadoop/bin:/root/hadoop/sbin 修改workers配置 vim ${HADOOP_HOME}/etc/hadoop/workers #增加你的workers节点的名称 hadoop2 had 阅读全文