AlienProgrammer的博客

在深度学习与高性能计算领域，GPU 早已成为加速训练与推理的“第二颗 CPU”。但想让 GPU 真正发挥作用，离不开一套与之配套的软件栈——CUDA。本教程将以“零基础、可复制”为目标，从硬件检测到环境变量，一步一步带你完成 CUDA Toolkit 与 cuDNN 的完整安装与验证。安装之前弄清楚自己是否需要安装cuda和cudnn…切记本文出发点是使用pytorch运行后发现无法使用cuda加速模型计算，输出为false。

AI开发绕不过一个问题是，如何从hugging face下载模型/数据集，由于众所周知的原因，访问和下载需要科学上网，还不稳定，总是下载失败。大部分教程都比较专业，即使命令比较详细，从0开始的新手可能也不知道在哪使用，许多命令还不区分Windows和Linux和mac，也缺少图片的指示。本教程选取几个常用和简单的方法下载模型，以bert模型为例hugging face doc官网：huggingface_hub.hf_hub_download。

在使用创建新项目的时候，可以选择四种虚拟环境：virtualenv，pipenv，poetry，conda，由于对这些并不是十分的了解，深入梳理后发现最新最流行的是uv【保姆级喂饭教程】Python依赖管理工具大全：Virtualenv、venv、Pipenv、Poetry、pdm、Rye、UV、Conda、Pixi等前面的内容毕竟丰富，这里重新总结一下， 只选取实际操作的内容命令一句话说明典型示例uv run在项目虚拟环境里执行任意命令或脚本uv init创建新的 Python 项目骨架uv add。

在Spring Cloud项目中使用了MyBatis-Plus的BaseMapper，在执行mp自带的insert方法时，速度非常慢，发现即使传入一个list，其底层是通过循环遍历list依次插入的，并没有实现mysql支持的insert 多个 value连接的批量插入方式。同时我还需要自定义创建一些公共方法，所以选择创建一个自定义的MyBaseMapper，增加批量插入、截断表等方法。

本文详细介绍了MySQL中UNION操作符的使用方法。UNION用于合并多个SELECT语句的结果集，要求各查询列数相同、数据类型兼容且顺序一致。文章讲解了两种合并方式：UNION DISTINCT（默认去重）和UNION ALL（保留重复行），并通过员工表、订单表等实例演示了实际应用场景，包括数据整合、分页查询和作为子查询使用。特别提醒在字段名不同时需要别名处理，以及大数据量时优先使用UNION ALL提升性能。最后建议通过索引优化等方式提高UNION操作效率。

mapper文件，作为Mybatis框架中定义SQL语句和映射关系的配置文件，在引入mybtis-plus后，有了更多的实现方式，本文对此做一个对比总结。