更多精彩内容,欢迎继续阅读
1. 事件ID 153到底是什么:从系统日志到显卡驱动的完整链路1.1 先搞清楚这个报错在说什么如果你在Windows事件查看器里翻到过这样一条记录——“无法找到来自源 nvlddmkm 的事件 ID 153 的描述。本地计算机上未安装引发此事件的组件,或者安装已损坏”——…
阅读更多 →最近私信里有不少朋友在问同一件事:从网上下载了ASUS华硕原厂系统Win11.22H2新版镜像,照着2019年甚至2020年的老教程操作,结果要么进不去恢复环境,要么卡在某个环节报错,甚至恢复完成之后系统不稳定。我实际对比了一下…
阅读更多 →如果你用CPU写过图像卷积,大概体会过那种无能为力:一帧1920x1080的灰度图,套一个3x3的均值滤波,单线程循环要三五十毫秒;放到视频流里,就是眼睁睁看着帧率往下掉。第一反应往往是上多线程、改算法ÿ…
阅读更多 →大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…
阅读更多 →当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:
阅读更多 →📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…
阅读更多 →文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…
阅读更多 →一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…
阅读更多 →文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…
阅读更多 →