PyTorch机器学习实现液态神经网络

液态神经网络（LNN，Liquid Neural Networks）是种先进的神经网络，其设计理念借鉴自人脑的工作机制。LNN能够顺序地处理数据，并且能够实时适应数据的变化。LNN 架构液态神经网络是一种时间连续的递归神经网络（RNN， Recurrent Neural Network）。LNN不仅按顺序处理输入信息，还保留了对过去输入的记忆，根据新输入调整其行为，且具备处理可变长度输入的能力，这显著提升了其对任务的理解力。

FFmpeg

FFmpeg的功能非常强大，包括但不限于视频采集、视频格式转换、视频抓图、给视频加水印等。例如，它可以将一种视频格式转换为另一种，如从MP4转换为AVI；FFmpeg包含了非常先进的音频/视频编解码库libavcodec，为了保证高可移植性和编解码质量，libavcodec里很多code都是从头开发的。总的来说，FFmpeg是一个功能强大的多媒体处理工具，可以在各种操作系统上运行，并提供了丰富的音频和视频处理功能。**FFmpeg是一套开源的计算机程序，用于记录、转换数字音频、视频，并能将其转化为流**。

whisper之初步使用记录

随着AI大模型的不断发展，语音识别等周边内容也再次引发关注，通过语音转文字再与大模型交互，从而实现语音与大模型交互。今天我们介绍下语音识别领域的顶级选手whisper。一、whisper是什么？whisper是openai开源的语音识别模型，也是使用了Transformer架构。openai宣称whisper的语音识别能力已经到了人类的水平。接下来我们参考Github结合其他技术博客内容，实操下whisper的使用。本篇主要介绍了whisper的安装、调用、识别效果评估以及一点调用封装。

【C++】优先级队列与仿函数

优先级队列是什么、怎么用，以及它的模拟实现。仿函数是什么，有什么用？

Visual Studio 中.net8.0（以前叫NET Core）框架和.net framewok 框架有什么区别？

.NET Core（.net8.0）框架和.net framewok框架的区别

class常量池、运行时常量池和字符串常量池详解

字符串常量池专门用于存储字符串常量。对于 Hotspot 虚拟机来说，类加载时，字符串字面量作为类常量池的一部分信息被载入运行时常量池中，它们以特殊的形式存储在运行时常量池中，此时它们并未被实例化为Java堆中的String对象。只有当这个字符串字面量被调用时，才会对其进行解析，即检查字符串常量池中是否已经存在相同内容的字符串对象。如果存在，就直接返回指向该对象的引用，如果不存在，虚拟机会在字符串常量池中创建一个对应的String实例，并返回这个新实例的引用。

04-18 周四 为LLM_inference项目配置GitHub CI过程记录

04-15 周一 GitHub仓库CI服务器配置过程文档是托管与GitHub上的仓库，下载最新的客户端程序即可。self hosted runner是github支持的ci特性，可以参见官网，了解具体内容。是GitHub CI的工作流需要使用的步骤的仓库，Find tools to improve your workflow配置CI服务器中actions-runner客户端配置workflow工作流。

定时器中断方式控制LED--第六天

1.2.main()函数里面的软件定时消掉，用定时器定时；定义一个中断函数，写入爆表100次，led翻转。ET0 = 1 打开定时器0中断；EA = 1 打开总中断EA。TR0 =1 开始计时；TF0 = 0 计算爆表。给初值定一个10ms。1.1给定时器TMOD 初值。

企业电子招标采购系统源码Spring Boot + Mybatis + Redis + Layui + 前后端分离 构建企业电子招采平台之立项流程图

通供应商门户具备内外协同的能力，为外部供应商集中推送展示与其相关的所有采购业务信息（历史合作、考察整改，绩效评价等），支持供应商信息的自助维护，实时风险自动提。涉及技术：Eureka、Config、Zuul、OAuth2、Security、OSS、Turbine、Zipkin、Feign、Monitor、Stream、ElasticSearch等。前端架构：VUE、Uniapp、Layui、Bootstrap、H5、CSS3。功能模块： 待办消息，招标公告，中标公告，信息发布。

Ali-Sentinel-Spring WebMVC 流控

Ali-Sentinel-Spring WebMVC 流控

【LSTM】LSTM网络及参数学习笔记

LSTM网络结构，LSTM网络参数，超参含义

大模型微调之 在亚马逊AWS上实战LlaMA案例（十）

大模型微调之 在亚马逊AWS上实战LlaMA案例（十）

ffmpeg推流flv到rtmp

ffmpeg推流flv到rtmp

吴恩达2022机器学习专项课程C2（高级学习算法）W1（神经网络）：2.3 案例图像识别

本例中，第一层中查找短小的边缘，第二层中查找眼睛和鼻子等面部部位，然后在第三层中查找更完整的面部形状。第一个隐藏层的输出到第二个隐藏层，第二个隐藏层的输出到到第三层，最后到输出层，最后估计，例如这可能是某个特定人物的概率。亮度值的范围是0-255。只要输入不同的数据，神经网络就会自动学习检测不同的特征，从而完成汽车检测、人脸识别，或者判定输入是否含有某个特定事物的预测任务。构建一个人脸识别应用程序，能否训练一个神经网络，该网络以包含100万像素亮度值的特征向量为输入，并输出图片中人物的身份。

Hadamard Product（点乘）、Matmul Product（矩阵相乘）和Concat Operation（拼接操作）在神经网络中的应用

Hadamard乘积（Hadamard Product），矩阵乘法（Matmul Product）和拼接操作（Concatenation Operation）在神经网络中的使用

算法面试题目

算法题：判断一个字符串能否由另一个字符串旋转而来，比如abcd旋转后可以变成dabc或者bcda等，写完后面试官要求O(1)transformer中，同一个词可以有不同的注意力权重吗？为什么现在的大模型大多是decoder-only的架构？为什么Transformer的架构需要多头注意力机制？请简述下PPO算法流程，它跟TRPO的区别是什么？LLM中的因果语言建模与掩码语言建模有什么区别？如何评估大语言模型（LLMs）的性能？有哪些常见的优化LLMs输出的技术？如何减轻LLM中的幻觉现象？

ASP.NET MVC 如何使用 Form Authentication?

.NET 的 Form Authentication 是一种基于表单的简单且灵活的身份验证机制，用户通过输入用户名和密码来登录应用程序，并且通过配置来控制用户访问权限。相比 JWT 身份验证，Form Authentication 具有简单易用、自定义性强等优点，但同时也存在 CSRF（跨站请求伪造）等安全风险，适合用在简单的 Web 应用中。

QT设计模式：策略模式

策略模式（Strategy Pattern）是一种设计模式，它定义了一系列方法，并使它们可以相互替换。策略模式使得算法可以独立于客户端而变化，使得客户端可以根据需要选择相应的算法。（环境）：负责维护一个对 Strategy 对象的引用，并将客户端的请求委托给 Strategy 对象执行。可以定义一个接口来让 Strategy 对象访问它的数据。（策略）：定义了所有支持的方法的公共接口。（具体策略）：实现了Strategy接口的具体算法。