logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

深度学习系统学习计划

该blog和专栏主要制定一个详细深度学习学习计划,然后再次基础上制定并总结每日学习计划,进行查漏补缺,从而提高专业知识能力。适用目标:在 8-12 周内夯实深度学习基础,并系统提升 CV、NLP、LLM 的理论理解、代码能力和项目分析能力。

#pytorch#学习#深度学习
如何判断docker是apt的还是snap的,以及是否有对应版本的nvidia Container toolkit

这是 apt/deb Docker 的标准位置。若实际是 Snap Docker,它通常不使用这个配置路径,因此不存在直接“对应的 Snap Toolkit 版本”;实际部署通常建议改用 apt/deb Docker,再安装 APT 的。没有与 Docker 版本一一对应的“同版本包”;它主要匹配 Ubuntu 版本、CPU 架构和 NVIDIA 驱动。Docker 能看到。可以从“实际运行的 d

#docker#eureka#容器
kit-usd-agents的MCP Server介绍

解决 OpenUSD API 和场景数据问题;Kit MCP:解决 Omniverse Kit 框架和扩展问题;OmniUI MCP:解决界面和 UI 开发问题;:解决机器人仿真和 Isaac Sim 开发问题。使用它们的主要原因不是让 GPT 具备新的语言能力,而是让 GPT 能够访问结构化、可搜索、与具体版本更匹配的 NVIDIA 专业资料。这样可以将“查文档、找扩展、找示例、写代码”整合到同

深度学习系统学习计划

该blog和专栏主要制定一个详细深度学习学习计划,然后再次基础上制定并总结每日学习计划,进行查漏补缺,从而提高专业知识能力。适用目标:在 8-12 周内夯实深度学习基础,并系统提升 CV、NLP、LLM 的理论理解、代码能力和项目分析能力。

#pytorch#学习#深度学习
Day 1: PyTorch 基础学习计划

日期:2026-06-10今天的目标:建立 PyTorch 训练的基本手感。不要追求学完很多概念,今天只要把一条最小训练链路跑通,并能说清楚每一步在干什么。今天的核心句子:tensor 装数据,model 做预测,loss 衡量错得多离谱,backward 算梯度,optimizer 根据梯度改参数。如果今天结束时能用自己的话讲清楚这句话,并跑通一个线性回归脚本,就算完成。

#pytorch#学习#人工智能
GitLab 空项目上传本地文件夹内容到 main 分支--project/localfolder/README.md与project/README.md

本地B没有 Git,上传到空 GitLab 项目Agit initgit remote add origin git@gitlab . com:用户名 / A . git本地Bgit remote set-url origin git@gitlab.com:用户名/A.git本地Bgit initgit remote add origin git@gitlab.com:用户名/A.gitgit a

#gitlab#git
omniverse:kit-usd-agents介绍

GitHub 页面当前显示约 7 个提交、无正式 Release,并标注暂不接受贡献,因此接入前应锁定 commit,并自行验证 Kit、Isaac Sim、AIQ Toolkit 和 Docker 版本兼容性。真正执行复杂场景修改时,仍需要你验证生成的代码和场景结果。Kit MCP 则更偏向完整的 Kit 开发工作流,包括扩展搜索、依赖图、API 查询、测试示例和应用模板。这些服务主要通过 RA

gpt5.6与claude fable等模型对比

结论:截至 2026 年 7 月 20 日,GPT‑5.6 没有传统意义上的同行评审论文或 arXiv 论文。最接近“论文”的官方技术材料是 7 月 9 日发布的,另有和包含完整性能表的。但 Sol 并非全面获胜。Fable 5 在 SWE‑Bench Pro 上为 80.0%,明显高于 Sol 的 64.6%;

到底了