完全的全连接囿于模型问题，准确率只能到70。但还是因为内向，被要求每周PPT汇报一次。昨天项目答辩，一天讲了俩PPT。性格内向真要变得外向起来才行吗。正常情况都是用卷积，下次再写。

现在在modelarts上用八卡昇腾910跑llama，不同于之前自己配环境，昇腾生态创新中心都是用的镜像，虽说打包起来不用自己配的那么麻烦，但一键启动之后各种找不到包、调用函数出错的问题搞得我头大，真的每跑一次大模型都要找一个相匹配的镜像才可以吗？最近在做大模型的昇腾迁移，国产化框架踩坑不少，基本一天的工作量相当于之前做纯视觉算法时一周踩过的坑数了。

构体获取Tiling信息，根据Tiling信息控制数据搬入搬出Local Memory的流程；由于Tiling实现中完成的均为标量计算，AI Core并不擅长，所以我们。Kernel实现即算子核函数实现，在Kernel函数内部通过解析Host侧传入的Tiling结。切分数据的算法称为Tiling算法或者Tiling策略。环多少次）的计算程序，称之为Tiling实现，也叫Tiling函数（Tilin

长序列定义为序列长度超过32K甚至可到达1M级别的文本。长序列特性的主要要求是在输入文本超长的场景下，模型回答的效果及性能也可以同时得到保障。在长序列场景下，由Attention和部分造成的显存消耗会快速的成倍增长。因此对这部分显存的优化便是长序列特性的关键技术点。其中涉及到诸如KV Cache量化，kv多头压缩，训短推长等关键算法技术。：在训练时通过较长的文本对模型的权重进行训练，从而使得模型在

【代码】昇腾 paged_attention 算子。

正是因为LangChain连接了开发者和复杂的LLM应用，因此，开发变得更为简单、高效。越来越多的开发者，不论是LLM领域的还是非LLM领域的，都选择使用LangChain。现代软件工程宗旨：将庞大复杂的系统划分为更小、更易于管理和使用的部分LangChain以**“组件”**和**“链”**作为2个关键概念，为LLM应用开发者提供了便利。

自从 2013 年 Docker 诞生以来，容器一跃成为 IT 界最热门的话题。而 Kubernetes 趁着容器的东风，击败众多竞争对手，成为了“容器编排”领域的King。可以说，现在 Kubernetes 已经没有了实际意义上的竞争对手，它的地位就如同 Linux 一样，成为了事实上的云原生操作系统，是构建现代应用的基石。

如果服务器上有 N路NPU，回显N行含“d801”字段，表示NPU正常在位。

最近在看慕课上北大开的数据结构和算法Python版，老师讲的深入浅出，我会不断输出课上的心得体会，与大家共同讨论，共同进步。Python算法之回归分析回归分析是一种用于数据分类的回归模型。这个模型非常简单，事实上，它是一个线性分类器。无论如何，当你想要去探索你的数据的时候，这是一个很好的出发点。很容易编程，完全可以速成。且模型是解释性的模型，也就是说模型将告诉你每个特性对因变量的影响。绿色和蓝色-

大模型算法