llama-cpp-python快速上手 搭建环境 项目地址GitHub,有能力的话可以直接阅读原始文档。 首先按照文档，安装llama-cpp-python 1pip install llama-cpp-python 接下来，你可能缺一些依赖，这一点在文档中没有涉及但是我整理了我缺少的依赖，依次运行即可。 123456pip install uvicornpip install anyiopip

快速上手llama2.c(更新版) 在上一次我同时在我的博客和知乎发布了快速上手llama2.c 之后，我一个小透明也收获了不少收藏，并收到了人生中第一个这样的留言(其实我感觉是机器人)。 当然，之前的llama2.c也有一些不好的地方，例如不能添加自己的prompt,所以我提了这样的一个issue,今天收到了贡献者的回复说是可以用了。那我们来看一下。 首先还是克隆整个仓库，编译并下载模型，这里

Paper Gestalt笔记 最近读到了一篇CVPR2010非常优秀的论文，叫做Paper Gestalt ,他考虑到近年来(2010年的近年来)CVPR的投稿两出现了大量增长，但是作者很可能接触到一个不优秀的审稿人，所以训练了一个视觉分类器来判断一篇CVPR的论文是否应该被接受来辅助审稿。当然模型效果非常优秀了，在误分类15%的goog paper (应该被接受)的情况下可以筛选掉50% ba

DINO-v2笔记 DINO-v2一种无监督学习的预训练方法，可以生成具有强大泛化能力的视觉特征，适用于各种图像分布和任务，而无需进行微调。这篇论文重点介绍了数据和模型规模方面的技术贡献，包括自动构建一个多样化和精心筛选的图像数据集、在多个层级上进行训练、使用Sinkhorn-Knopp居中方法和KoLeo正则化等。实验结果表明，该方法在多个图像理解任务上的表现超过了目前公开的最佳无监督和半监督方

快速上手llama2.c llama2.c一个完整的解决方案，可以使用PyTorch从头开始训练的Llama 2 LLM（Lightweight Language Model）模型，并将权重导出为二进制文件，然后加载到一个简单的500行C文件（run.c）中进行推理。另外，你也可以加载、微调和推理Meta的Llama 2模型（但这部分仍在积极开发中）。因此，这个仓库提供了一个"全栈"的训练和推理方

AnyDoor笔记 在这项工作中，香港大学，阿里联合提出了提出了 AnyDoor，这是一种基于扩散的生成器，可以进行对象隐形传态。这项研究的核心贡献是使用判别 ID 提取器和频率感知细节提取器来表征目标对象。在视频和图像数据的不同组合上进行训练，我们在场景图像的特定位置合成对象。AnyDoor 为一般区域到区域的映射任务提供了通用解决方案，并且可以为各种应用有利可图。 项目地址 AnyDoor的模

Archlinux安装scrcpy加载共享库出错 在安装scrcpy时通过sudo pacman -S scrcpy顺利安装,但是运行报错 1scrcpy: error while loading shared libraries: libusb-1.0.so.0: wrong ELF class: ELFCLASS32 这是在64位系统上运行32位库出错，我发现了这个10年的issue http

npc_gzip笔记 论文笔记 npc_gzip 的论文名叫做 "Low-Resource" Text Classification: A Parameter-Free Classification Method with Compressors ,意为不需要参数，使用压缩器的文本分类方法。论文的代码也只有仅仅的十四行，就在部分数据集上取得了超越 bert 的效果。 npc_gzip由一个无损压缩

python调用c++函数 当我们需要在Python中使用C++编写的函数时，可以将C++代码编译成共享库文件（.so文件），然后来调用这些函数。这里介绍两种方法。 使用python的api 首先要安装安装python-dev 和cmake 在Archlinux下yay python-dev ，yay cmake即可。其他平台需要自行搜索 首先创建一个C++文件 main.cpp 12345678

Filesystem type ntfs3,ntfs not configured in kernel 昨天卸载硬盘的时候卡住了，然后我就直接拔下了硬盘，再插上就出现了这个问题 我先用备份恢复了一下，但是重新插上硬盘问题依然存在。接下来google了一下，Archwiki中有提到这个问题，但是标记这个问题是已经过时的，所描述的问题已得到解决。从内核版本6.2开始，ntfs3支持windows_n