捣鼓PP-HumanSeg的使用
最近捣鼓了PaddleSeg中的PP-HumanSeg项目，人像分割。这个项目发布时间较早，根据描述，已经广泛应用在了百度视频会议中，并支持多端，多种网络架构。我使用的环境是Python 3.12.3，PaddleSeg 2.10。安装项目根目录里面提供了pip install -r requirements.txt，直接安装即可。paddleseg需要安装源码目录的版本，别使用pip直接安装。(
LLaMA-Factory对模型进行微调
LLaMA-Factory提供了简单易用的WebUI对模型进行微调，是一个非常好用的微调平台。LLaMA Factory 是一个简单易用且高效的大型语言模型（Large Language Model）训练与微调平台。通过 LLaMA Factory，可以在无需编写任何代码的前提下，在本地完成上百种预训练模型的微调官方提供了详细的教程：安装 - LLaMA Factory。# 拉取源 git clo
捣鼓两块Siynkike信克3T-SAS硬盘
从海鲜市场买了两块3T的SAS盘，硬盘本身是日立的HUS72303CLAR3000和HUS724030ALS640，都是3.5寸，7200转的硬盘，橙色倒是还凑合，有个9新，原来的旧标已经撕下来了，SMART信息不知道被清理了多少次了，满扫倒是还能保持全绿。最扯的是，我买的时候，两块一起买的，标也是差不多的，盘芯正好赶上了日立（HITACHI）改名为昱科（HGST）的时候，两块硬盘虽然关键参数上差
使用rembg并捣鼓ONNX Runtime
最近捣鼓了一下Python下的开源库rembg，一个非常好用的背景移除工具，支持各种各样的物体用于移除背景。并且支持多种模型，还支持微调训练。具体可以看官网：danielgatis/rembg: Rembg is a tool to remove images background。本文使用的环境是ubuntu 22.04，CUDA 12.2。环境准备首先需要知道自己的硬件环境（CUDA）和ONN
zynq-zc702+fmcomms2+Linux环境搭建和编译
环境准备需要先拉取meta-adi、AD的Linux分支（2022_R2）、使用的系统是Ubuntu 22.04。analogdevicesinc/linux: Linux kernel variant from Analog Devices; see README.md for detailsanalogdevicesinc/meta-adi at 2019_R2可以参考教程：meta-adi/
llama.cpp将safetensors模型转换为gguf
llama.cpp提供了各种LLM的处理工具，其中convert_hf_to_gguf.py，就可以帮助我们将safetensors模型转换为gguf格式，其中，模型的大小不会改变，只是格式被修改了：具体可以看官方项目：ggml-org/llama.cpp: LLM inference in C/C++1.克隆官方项目git clone https://github.com/ggerganov/l
hdl配置-fmcomms2
为了驱动AD9361需要使用HDL库，本文从Windows和Linux两个平台分别进行了编译，注意区分版本。使用的环境是，HDL版本是hdl-2021_r1，从analogdevicesinc/hdl: HDL libraries and projects中拉取需要的分支，直接从releases中下载也可以。但实际后面我使用时，发现还是系统环境在Ubuntu 20.04，用hdl_2022_r2才
no-OS配置并编译
在7020驱动AD9361时，可以选择No-OS方式，省去麻烦的Linux的环境部署，Analog Devices的官网中提供了完善的教程，可以参考：No-OS Build Guide Analog Devices Wiki]。使用以下命令，拉取No-OS，可以使用-b选择分支，本文拉取的分支为2021.1，--recursive务必要加上，拉取目录下的子模块。git clone --recurs