看了那么多chatGPT的文章，作为一名不精通算法的开发，也对大模型心痒痒。但想要部署自己的大模型，且不说没有算法相关的经验了，光是大模型占用的算力资源，手头的个人电脑其实也很难独立部署。就算使用算法压缩后的大模型，部署在个人电脑上，还要忍受极端缓慢的计算速度以及与chatGPT相差甚远的模型效果。有什么办法能够部署属于我们自己的大模型呢？有编程基础：作为一个合格的程序员，这应该是必备素质。

文生图（狮子）：2、文生图（城市）：下边将开始介绍怎么做的，有兴趣的可以继续读一读。这里使用的AI绘图工具是Stable Diffusion，没有的同学需要去部署一个，计算平台国内建议使用AutoDL，国外可以白嫖Kaggle的算力，这两个我都用过。具体怎么部署网上已经有很多教程，这里就不多说了，如果大家希望我再写一篇部署说明，请在评论区留言，人多了可以考虑。生成艺术二维码有两种方法：一是直接使用

文生图（狮子）：2、文生图（城市）：下边将开始介绍怎么做的，有兴趣的可以继续读一读。这里使用的AI绘图工具是Stable Diffusion，没有的同学需要去部署一个，计算平台国内建议使用AutoDL，国外可以白嫖Kaggle的算力，这两个我都用过。具体怎么部署网上已经有很多教程，这里就不多说了，如果大家希望我再写一篇部署说明，请在评论区留言，人多了可以考虑。生成艺术二维码有两种方法：一是直接使用

本文深入解析鸿蒙next位置服务开发，介绍了GNSS与网络定位两种核心方式，并详细讲解了四种典型场景的实现方法：当前位置定位通过getCurrentLocation()获取瞬时坐标；实时定位通过on('locationChange')追踪运动轨迹；后台定位结合长时任务实现持续更新；历史定位利用getLastLocation()获取缓存数据。文章还提供了常见问题排查方案，如定位偏差处理、权限检查等，

在模型的部署中，为了高效利用硬件算力，常常会需要将多个输入组成一个batch同时输入网络进行推理，这个batch的大小根据系统的负载或者摄像头的路数时刻在变化，因此网络的输入batch是在动态变化的。另一方面，算法工程师在导模型的时候，如果没有指定输入层输出层的名称，导出的模型的层名有时候可读性比较差，比如输出是batchnorm_274这类名称，为了方便维护，也有需要对onnx的输入输出层名称进

什么是动画呢？动画实际上就是不同的图片连续起来形成的。flutter为我们提供了一个AnimationController来对动画进行详尽的控制，不过直接是用AnimationController是比较复杂的，如果只是对一个widget的属性进行修改，可以做成动画吗？答案是肯定的，一起来看看吧。

在前两篇文章中，我们已经了解了Flutter的基础知识，包括Flutter的设计理念、框架结构、Widget系统、基础Widgets以及布局。在本文中，我们将进一步探讨Flutter的高级主题，包括处理用户交互、创建动画、访问网络数据等等。为了更好地理解这些概念，我们将通过实际的示例代码来详细讲解。

时间一晃研究生都过去大半年了，学了些东西，也做了些项目，借着博客总结一下。这次先聊一个简单的话题开个头。开发中，常用形似 “a/b/c” 的描述方式来描述路径、定位资源，有着层次化和可读性高的特点，最经典的例子就是 URL（统一资源定位符），第二节会进行简要介绍。将资源都路径化后，可以通过每一段路径精确的匹配来唯一的确定一个资源。但有时候，需要对具有相关特征的一组资源进行统一的描述或操作。

Okio最初是作为OkHttp的一个组件出现，是 OkHttp 实现HTTP协议数据构建、解析中使用到的底层 IO 库。其相比于传统的 java.io 和 java.nio ，其在文件网络等数据读写操作更加便捷、高效。Okio的设计思想是将数据的读写操作封装为一个统一的接口，即Source和Sink，其中输入为Source，输出为Sink。Okio还提供了Buffer和ByteString用于封装

所谓深度神经网络的优化算法，即用来更新神经网络参数，并使损失函数最小化的算法。优化算法对于深度学习非常重要，如果说网络参数初始化（模型迭代的初始点）能够决定模型是否收敛，那优化算法的性能则直接影响模型的训练效率。了解不同优化算法的原理及其超参数的作用将使我们更有效的调整优化器的超参数，从而提高模型的性能。本文的优化算法特指: 寻找神经网络上的一组参数 θ，它能显著地降低损失函数 J(θ)，该损失函