使用git命令，将主分支的代码同步到子分支上

在日常的工作中经常需要在k8s集群中部署应用，并创建service，步骤虽然简单，但是缺经常忘记，因此总结了下具体的过程，以ngnix为例子。

向k8s集群中添加节点，有时候会遇到各种问题，因此总结了下步骤。

ubuntu server 20.04安装Nvidia显卡驱动，以A6000为例

【代码】ubuntu20.04离线安装Nvidia-container-toolkit。

Redhat上源码安装python3版本。

正则表达式主要用于字符串的模式匹配，或者是字符的匹配。正则表达式还可以将一些非结构化的文档内容转化为结构化。另外一个作用是去除噪声，可以将无关的文本内容去除掉。

基于规则的分词，主要是通过维护词典，在切分语句时，将语句的每个字符串与词表中的词逐一匹配，找到则切分，否则不切分。以上主要总结了三种规则匹配方法，正向最大匹配法，逆向最大匹配法，和双向最大匹配算法，并给出了相应的代码实现，以上代码都可以直接运行出结果。

多模态融合是将不同模态信息（如图像、文本）进行联合建模的技术，核心挑战在于处理异质数据的时空对齐和语义关联。融合方法按阶段分为早期（输入层拼接）、晚期（决策层合并）和中间融合（主流方法）。现代技术主要包括：基于注意力的跨模态交互（如BLIP）、门控机制动态加权（如MFHM）、张量积建模二阶关系（如MUTAN）、轻量适配器注入（如LLaVA）以及生成式隐式融合（如Flamingo）。当前趋势是通过冻

SmoothQuant是一种高效的LLM量化方法，通过数学变换将激活值中的异常值影响迁移到权重上，实现INT8量化。核心思想是引入平滑因子s，对输入激活和权重进行等价变换：Y = (X·diag(s)^{-1})·(diag(s)·W)。平滑因子根据通道最大值和迁移强度α计算，平衡量化难度。该方法可离线完成，无运行时开销，适用于Transformer各层。实验表明，SmoothQuant能在保持模