X-Plore

# X-Plore

- **Notes before Jul 2025**: [lvynote.com](https://blog.csdn.net/2301_80171004?type=blog) - **Notes after Jul 2025 (in progress)**: [lvynote.github.io](https://github.com/lvy010/lvynote.github.io) 部署到[个人网站](https://lvyovo-wiki.tech)上啦 I like solving problems and exploring various designs · Quickly learning and consolidating systematic documentation · Sharing after gaining my own understanding 关于网站的建议/想法/问题 都可以在这个仓库下提issue/邮箱我٩( 'ω' )و

作品集 · 262个仓库整理 · 个人专栏 · 项目整合 · Leetcode · 千篇文章整合 · 播客 · 亚洲最大的hackthon双奖 · CV · 2025 sum · 2024 C++ · 1000+ q&a

--- Core: Document everything - recording the learning process itself is a contribution. - 按照“专栏 → 文章”结构组织，点击可以直接跳转到对应文章 算法学习分享见:[Algo-Atlas](https://github.com/lvy010/Algo-Atlas)，下面主要是算法之外的一些 如果这个仓库可以帮你节约一些时间, 或者引起一些兴趣和思考，那真的是太好不过啦, 预祝有一段快乐的编程探索之旅 | 专栏 | 专栏 | 专栏 | 专栏 | | --------------------------------------------------- | ------------------------------------------------- | ------------------------------------------------------------- | ------------------------------------------ | | [LLM \| SLM \| vLLM](#llm-slm-vllm) | [illustrate_column](#illustratecolumn) | [开源指南project-based-learn](#开源指南project-based-learn) | [AIGC & Math \[Think\]](#aigc-math-think) | | [AI底层&生态](#ai底层生态) | [AI框架&应用](#ai框架应用) | [强化学习RL](#强化学习rl) | [Quantification](#quantification) | | [Unmanned Aerial Vehicle](#unmanned-aerial-vehicle) | [Compilation Principles](#compilation-principles) | [K8S](#k8s) | [PHP](#php) | | [分布式 \| 去中心](#分布式-去中心) | [Product](#product) | [Robotics](#robotics) | [CUDA](#cuda) | | [前端ts js](#前端ts-js) | [Qt & LVGL](#qt-lvgl) | [v8-JS Engine](#v8-js-engine) | [必备工具 \| 配置教程](#必备工具-配置教程) | | [解决方法](#解决方法) | [Docker & yaml配置](#docker-yaml配置) | [CMU 15-445 & 大数据](#cmu-15-445-大数据) | [MySQL](#mysql) | | [Redis 文档学习](#redis-文档学习) | [C++](#c) | [C++_notes](#cnotes) | [STL源码剖析](#stl源码剖析) | | [C++常用库 & 源码](#c常用库-源码) | [Java](#java) | [Windows](#windows) | [IOS \| Swift](#ios-swift) | | [Android](#android) | [测试 \| 自动化 \| n8n](#测试-自动化-n8n) | [performance analysis](#performance-analysis) | [音视频](#音视频) | | [FFmpeg](#ffmpeg) | [AI会议助手后端框架.cpp](#ai会议助手后端框架cpp) | [智能驾驶](#智能驾驶) | [AIoT](#aiot) | | [esp32--AI语音助手](#esp32-ai语音助手) | [❗‼️Linux os+网络](#linux-os网络) | [操作系统](#操作系统) | [Linux网络实验](#linux网络实验) | | [Linux_kernel](#linuxkernel) | [Delve into OS](#delve-into-os) | [读书笔记](#读书笔记) | [Shell](#shell) | | [Web3](#web3) | [爬虫](#爬虫) | [system-design](#system-design) | [Rust](#rust) | | [golang](#golang) | [C# demo](#c-demo) | [Python](#python) | [py常用库 & 源码](#py常用库-源码) | | [️Computer Vision](#computer-vision) | [Engine & Rendering](#engine-rendering) | [游戏设计](#游戏设计) | [ElasticSearch](#elasticsearch) | | [English学习&文档](#english学习文档) | [vibe coding](#vibe-coding) | [Data structures\[C++\]](#data-structuresc) | [ProtoBuf \| Json](#protobuf-json) | | [算法](#算法) | [Lc随想录&图](#lc随想录图) | [Lc每日一题&周赛](#lc每日一题周赛) | [贪心算法](#贪心算法) | | [动态规划](#动态规划) | [Lc优选算法_100](#lc优选算法100) | [Lc递归，搜索与回溯](#lc递归，搜索与回溯) | [项目](#项目) | | [实现Json-Rpc](#实现json-rpc) | [boost搜索引擎](#boost搜索引擎) | [Microservice Chat Room](#microservice-chat-room) | [设计模式](#设计模式) | | [‍‍Git CI/CD](#git-cicd) | [Others](#others) | [youtube随记](#youtube随记) | [network security](#network-security) | | [C语言](#c语言) | ...in process | | lvynote部分(待整理) | in process： [√]对表单进行学习指数的排序和"豆瓣点评"，分享我的一些学习收获，大部分是凭兴趣学了一下orz，表单暂用emoji先标记了，赛博仓鼠的学习症实录... ### Re:Discussions 后续计划对系列文章进行总结整理，更新至 [./从零开始的X学习之路](./从零开始的X学习之路/) 下 #### completed - [Re:Algo - Starting Algorithms from Zero](./从零开始的X学习之路/从零开始的算法学习之路.md) #### in process - [Re:Project - Building Boost-Search from Scratch](https://github.com/lvy010/boost_searcher) - [Re:Project - Building Json-RPC from Scratch](https://github.com/lvy010/nano-Json-Rpc) #### the next article 内容比较多，可能需要一些时间，可以先mark一下~有什么感兴趣想先看到的选题，可以在issue中对专栏表格中的内容进行讨论交流/投票 - [[Discussions]从零开始的讨论专栏٩( 'ω' )و #1](https://github.com/lvy010/X-Plore/issues/1) - [[Discussions]一些准备做的事情 #2](https://github.com/lvy010/X-Plore/issues/2) - 技术平台的构想：[OpenMind](https://github.com/lvy010/OpenMind) > 第一次搭建仓库做分享，正在不断整理&构建中，大家有什么有趣的项目/选题/课程推荐/想法/交流/问题/发现了错别字...都可以直接提issue/pr‍ > 支持一切帮助该repo更加容易使用的二创, welcome to join me~ ### 使用指南 - git clone 到本地，用 Typora 打开，可以直接对源.md文件进行自己的增删改查 & 批注 - 所有笔记 & 代码均为开源，可以自由获取/引用/改造，二创可以fork一份 tips: - 如果没使用过 GitHub，复制仓库链接给 AI 并提问——“我该如何把这个仓库 clone 到本地使用”，碰到问题继续追问 AI，刚好实践学一下GitHub使用方法~ - 如何从0开始参与开源：可以这个专栏+AI了解[开源指南project-based-learn](https://blog.csdn.net/2301_80171004/category_12991609.html)，然后自己创建一个repo练手/直接用这个仓库也行，支持一切有助于学习&进步的操作&想法 --- ### to do list [√]Preparing an **agent + my_note -> X-Plore 2.0** to help those who are interested enjoy a joyful programming exploration journey - github-agent初步实现:https://github.com/lvy010/github-agent 由于内容比较多，给一些下一步的想法列出来了备忘，不断完善优化ing 寒假计划: 1. ~~添加表单版索引（update 12.7）~~ 2. 目前只总结整理了部分笔记，7月后的笔记备份：[lvynote](https://github.com/lvy010/lvynote.github.io)还没加入，之后按照“专栏 → 文章”结构同下组织 3. ~~类似算法学习分享部分的[readme](https://github.com/lvy010/leetcode))，写一份[算法之外]我比较深入学习过 & 觉得有趣部分的分享，基于记录过的专栏做复盘~~ 4. ~~将做过的项目初步规范化，达到可供他人使用的标准，先开源出来再调整迭代~~ ## Building - Gradually updating the “Re: CS – From Zero to X” series. - Preparing an **agent + my_note -> X-Plore 2.0** to help those who are interested enjoy a joyful programming exploration journey. --- # Map ### LLM | SLM | vLLM - [\[nano-vllm\] LLMEngine类 | generate循环调用step | add_request](https://lvynote.blog.csdn.net/article/details/154618233) - [\[nano-vllm\] docs | 高性能LLM 推理引擎](https://lvynote.blog.csdn.net/article/details/154618314) - [\[nanoGPT\] 性能与效率 | `torch.compile\(\)` |`Flash Attention`|`混合精度训练`|`estimate_mfu`](https://lvynote.blog.csdn.net/article/details/153975856) - [\[nanoGPT\] 文本生成 | 自回归采样 | `generate`方法](https://lvynote.blog.csdn.net/article/details/153975643) - [\[nanoGPT\] 检查点 | `ckpt.pt`记忆 | 预训练模型加载`from_pretrained`](https://lvynote.blog.csdn.net/article/details/153966571) - [\[nanoGPT\] 编排训练 | `get_batch` | AdamW | `get_lr` | 分布式训练\(DDP\)](https://lvynote.blog.csdn.net/article/details/153930355) - [\[nanoGPT\] configurator.py | exec\(\) & globals\(\)](https://lvynote.blog.csdn.net/article/details/153930252) - [\[nanoGPT\] GPT模型架构 | `LayerNorm` | `CausalSelfAttention` |`MLP` | `Block`](https://lvynote.blog.csdn.net/article/details/153792813) - [\[nanoGPT\] 数据预处理与分词 | BPE配合`tiktoken`](https://lvynote.blog.csdn.net/article/details/153792688) - [\[nanoGPT\] 复现GPT-2 | 基线测试 | 训练阶段 | 性能结果](https://lvynote.blog.csdn.net/article/details/153792577) - [\[nanoGPT\] ChatGPT 的 LLM 的全栈实现 | 快速上手](https://lvynote.blog.csdn.net/article/details/153792363) - [\[Sora\] 文本调节器 | `HFEmbedder` | T5 & CLIP](https://lvynote.blog.csdn.net/article/details/153415790) - [\[VoiceRAG\] 浏览器音频处理 | `Recorder`语音捕获 | `Player`播放AI语音响应](https://lvynote.blog.csdn.net/article/details/152933233) - [\[Tongyi\] 强化学习\(RL\) & 监督微调\(SFT\) | 组相对策略优化（GRPO）](https://lvynote.blog.csdn.net/article/details/152803684) - [\[Tongyi\] £ 合成数据生成流水线 | 预训练、监督微调和强化学习生成场景](https://lvynote.blog.csdn.net/article/details/152803453) - [\[Tongyi\] 评估数据接口 | JSONL | 文件解析](https://lvynote.blog.csdn.net/article/details/152803258) - [\[Tongyi\] 推理执行模式 | ReAct与Heavy](https://lvynote.blog.csdn.net/article/details/152803011) - [\[Tongyi\] 工具集成 | run_react_infer](https://lvynote.blog.csdn.net/article/details/152802719) - [\[Tongyi\] 智能代理搜索范式 | 决策-＞行动-＞观察\(循环迭代\)](https://lvynote.blog.csdn.net/article/details/151903113) - [\[Tongyi\] DeepResearch Model | MODEL_PATH](https://lvynote.blog.csdn.net/article/details/151903007) - [\[rStar\] 解决方案节点 | `BaseNode` | `MCTSNode`](https://lvynote.blog.csdn.net/article/details/151424796) - [\[rStar\] 策略与奖励大语言模型](https://lvynote.blog.csdn.net/article/details/151419002) - [\[rStar\] 搜索代理\(MCTS/束搜索\)](https://lvynote.blog.csdn.net/article/details/151408662) - [\[rStar\] docs | 求解协调器](https://lvynote.blog.csdn.net/article/details/151406090) - [\[网络入侵AI检测\] 模型性能评估与报告](https://lvynote.blog.csdn.net/article/details/151369735) - [\[网络入侵AI检测\] 模型训练生命周期（Keras）](https://lvynote.blog.csdn.net/article/details/151366910) - [\[网络入侵AI检测\] CNN-LSTM混合模型](https://lvynote.blog.csdn.net/article/details/151366243) - [\[网络入侵AI检测\] 循环神经网络（RNN）模型（LSTM/GRU/SimpleRNN）](https://lvynote.blog.csdn.net/article/details/151365006) - [\[网络入侵AI检测\] 纯卷积神经网络（CNN）模型 | CNN处理数据](https://lvynote.blog.csdn.net/article/details/151331933) - [\[网络入侵AI检测\] 深度前馈神经网络（DNN）模型](https://lvynote.blog.csdn.net/article/details/151327415) - [\[网络入侵AI检测\] 经典机器学习模型](https://lvynote.blog.csdn.net/article/details/151324134) - [\[网络入侵AI检测\] 数据加载与预处理 | CSV文件](https://lvynote.blog.csdn.net/article/details/151323753) - [\[awesome-nlp\] docs | 精选NLP资源 | 分类](https://lvynote.blog.csdn.net/article/details/150987396) - [\[Sync_ai_vid\] 数据处理流水线 | 配置管理系统](https://lvynote.blog.csdn.net/article/details/150931813) - [\[Sync_ai_vid\] 唇形同步评判器 | 图像与视频处理器 | GPU测试](https://lvynote.blog.csdn.net/article/details/150929802) - [\[Sync_ai