潜流https://latentflow.pages.dev/ 关于计算机视觉、深度学习与开发实践的个人笔记。zh-cn LLM Intro（十一）：VLM 的图像理解与视觉定位https://latentflow.pages.dev/posts/llm-intro-11/https://latentflow.pages.dev/posts/llm-intro-11/Sat, 23 May 2026 16:00:00 GMT从图片张量和 patchify 解释视觉编码器、projector 与多模态位置，再连接训练、问答和坐标定位。LLM IntroVLM多模态 LLM Intro（十）：Agent 的工具调用与执行循环https://latentflow.pages.dev/posts/llm-intro-10/https://latentflow.pages.dev/posts/llm-intro-10/Sat, 16 May 2026 16:00:00 GMT从工具 schema 与消息协议开始，实现一个有终止条件的 Agent 循环，再解释反馈修正、记忆和状态图。LLM IntroAgent工具调用 LLM Intro（九）：RAG 的检索、重排与生成https://latentflow.pages.dev/posts/llm-intro-09/https://latentflow.pages.dev/posts/llm-intro-09/Sat, 09 May 2026 16:00:00 GMT从文档切分、向量表示到混合检索与重排，搭起一条可追溯的 RAG 流程，并分别评估检索和生成。LLM IntroRAG检索 LLM Intro（八）：理解量化、AWQ 与 QLoRAhttps://latentflow.pages.dev/posts/llm-intro-08/https://latentflow.pages.dev/posts/llm-intro-08/Sat, 02 May 2026 16:00:00 GMT解释量化的映射与误差，沿着粒度、激活离群值理解 AWQ，并区分 QLoRA 的存储精度与计算精度。LLM Intro量化AWQQLoRA LLM Intro（七）：用 SFT 与 LoRA 微调语言模型https://latentflow.pages.dev/posts/llm-intro-07/https://latentflow.pages.dev/posts/llm-intro-07/Sat, 25 Apr 2026 16:00:00 GMT从 SFT 数据与标签构造出发，推导 LoRA 的低秩更新、初始化和参数量，再连接到实际训练与保存。LLM IntroSFTLoRA微调 LLM Intro（六）：GPU 执行模型与 Triton 算子https://latentflow.pages.dev/posts/llm-intro-06/https://latentflow.pages.dev/posts/llm-intro-06/Sat, 18 Apr 2026 16:00:00 GMT用数据搬运解释 GPU 性能，再完成 Triton 向量加法，并推导按行融合 softmax 的计算方式。LLM IntroLLMGPUTriton LLM Intro（五）：用 Hugging Face 调用与评估模型https://latentflow.pages.dev/posts/llm-intro-05/https://latentflow.pages.dev/posts/llm-intro-05/Sat, 11 Apr 2026 16:00:00 GMT完成模型与 tokenizer 加载、对话模板、批量输入和生成，再用可解释的指标评估输出。LLM IntroLLM评测 LLM Intro（四）：从注意力到完整的 Transformerhttps://latentflow.pages.dev/posts/llm-intro-04/https://latentflow.pages.dev/posts/llm-intro-04/Sat, 04 Apr 2026 16:00:00 GMT从 QKV、因果遮罩和多头注意力出发，接上位置表示、残差、归一化与可运行的 decoder-only 网络。LLM IntroLLMTransformer LLM Intro（三）：RNN 的序列建模与门控机制https://latentflow.pages.dev/posts/llm-intro-03/https://latentflow.pages.dev/posts/llm-intro-03/Sat, 21 Mar 2026 16:00:00 GMT从隐藏状态递推到情感分类，说明 RNN 的张量形状、padding、反向传播与门控机制。LLM IntroLLMRNNPyTorch LLM Intro（二）：文本表示与自回归生成https://latentflow.pages.dev/posts/llm-intro-02/https://latentflow.pages.dev/posts/llm-intro-02/Sat, 14 Mar 2026 16:00:00 GMT把文本编码、下一 token 预测和解码策略连成完整流程，并解释 padding、温度与搜索。LLM IntroLLM文本表示 LLM Intro（一）：从张量到神经网络训练https://latentflow.pages.dev/posts/llm-intro-01/https://latentflow.pages.dev/posts/llm-intro-01/Sat, 07 Mar 2026 16:00:00 GMT从数组、广播与矩阵乘法开始，逐步理解计算图、梯度下降和 PyTorch 训练循环。LLM Intro深度学习PyTorch CUDA Toolkit 安装：runfile 与 conda-forgehttps://latentflow.pages.dev/posts/cudatoolkit-dev-安装/https://latentflow.pages.dev/posts/cudatoolkit-dev-安装/Mon, 12 Aug 2024 17:43:16 GMT记录 CUDA Toolkit 的 runfile 安装、临时目录配置、无 root 权限安装，以及旧版 cudatoolkit-dev 的使用方式。CUDALinux InstantNGP 的多分辨率哈希编码https://latentflow.pages.dev/posts/instantngp哈希编码/https://latentflow.pages.dev/posts/instantngp哈希编码/Thu, 02 May 2024 17:43:16 GMT从 NeRF 的位置编码出发，梳理 InstantNGP 如何通过多分辨率网格、特征查表和插值编码空间坐标。计算机视觉NeRF Conda 版 PyTorch 的 CPU affinity 问题https://latentflow.pages.dev/posts/conda安装的pytorch导致fork-process的affinity为0/https://latentflow.pages.dev/posts/conda安装的pytorch导致fork-process的affinity为0/Mon, 08 Apr 2024 17:43:16 GMTDataLoader 启用多个 worker 后仍集中使用少数 CPU：记录 LLVM OpenMP 引起的亲和性异常及排查方法。PyTorchLinux 裁剪和缩放对相机内参的影响https://latentflow.pages.dev/posts/裁剪和缩放对相机内参的影响/https://latentflow.pages.dev/posts/裁剪和缩放对相机内参的影响/Mon, 19 Jun 2023 17:43:16 GMT用统一的坐标变换说明图像裁剪、缩放及两者组合时，相机内参应该如何更新。计算机视觉