lora

在CH585M代码中如何精细化配置PMU（电源管理单元）和RAM保留CH585M的低功耗核心是「PMU下电模式」和「RAM保留分级」的组合，两者直接决定休眠功耗：CH585M的SDK提供了2个核心函数，是精细化配置的基础，先理解参数含义：

【大模型进阶】视频课程2 LORA微调原理深度解析+LLaMA Factory实操指南：小白也能玩转大模型定制链接: 1.大模型lora微调的原理链接: 2.LlamaFactory介绍与linux安装链接: 3.LlamaFactory微调qwen，改变模型自我认知

物联网云平台数据库选型与搭建全指南（NRF52840, CH585M,ESP32-S3的硬件资源要求选型对比、方案设计、搭建步骤）物联网云平台最流行：时序数据库（InfluxDB/TDengine）+ 关系型数据库（PostgreSQL）+ 缓存（Redis）的组合（90%以上物联网平台采用）；

物联网云平台数据库选型与搭建全指南（LoRaWAN）物联网云平台最流行：时序数据库（InfluxDB/TDengine）+ 关系型数据库（PostgreSQL）+ 缓存（Redis）的组合（90%以上物联网平台采用）；

计算 CH584M-SX1262-W25Q16 组合最低功耗 (1)要计算 CH584M（MCU）+ SX1262（LoRa模块）+ W25Q16（串行Flash）组合的最低功耗，需基于器件数据手册，提取各器件“仅保留必要唤醒能力（CH584M保留IO唤醒+RTC唤醒，SX1262保留唤醒触发能力）、其余功能全关”的最深度低功耗模式参数，再通过“并行叠加”计算总功耗（低功耗模式下各器件独立耗电，无额外协同损耗）。

基于 Qwen2.5 与 LLaMA-Factory 的 LoRA 微调实战本文将详细介绍如何在 Windows 环境下（单卡 8G 显存），利用 LLaMA-Factory 框架对 Qwen2.5-1.5B 模型进行 LoRA 微调，并通过 Ollama 实现本地部署。我们将通过人设注入（Identity Injection），把通用的 AI 模型训练成一位名为 Elaine 的专属助手。

高精度人数统计传感器揭秘为何要安装高准确率的人数统计设备？在商业运营与安全管理的双重需求下，高准确率人数统计设备已从 “可选配置” 升级为 “核心基建”。精准的客流数据不仅能为商业决策提供数据支撑，推动业绩增长，更能筑牢安全防线，实现风险预警与秩序维护，全方位破解企业运营痛点，构建高效、可靠的智能运营生态。

土丁爱吃大米饭

AIGC开发游戏素材之序列帧动画在 AI 驱动的数字艺术创作领域，像素艺术作为一种独特的视觉风格，正经历着前所未有的技术革新。2D Pixel Toolkit LoRA作为专门为独立游戏开发训练的像素风生成模型，通过低秩适应（LoRA）技术，实现了对基座模型的高效微调，能够生成真正的像素图而非模糊的伪像素图。该模型由开发者 "始于空 006" 创作，最初为自用目的训练，后因考虑独立游戏产业发展需要而公开发布，旨在帮助游戏开发者快速生成高质量像素素材。（CivitAI和LiblibAI都可以下载和使用）

ICCV`25 | 视频交互“随心所欲”！复旦&通义万相等开源DreamRelation:让想象力从此无边界项目链接：https://dreamrelation.github.io/ 文章链接：https://openaccess.thecvf.com/content/ICCV2025/papers/Wei_DreamRelation_Relation-Centric_Video_Customization_ICCV_2025_paper.pdf 开源链接：https://github.com/ali-vilab/DreamRelation

程序员老奥

【有手就行】LoRA：用你自己的数据来微调大模型，让大模型真正懂你上上周的周末无事在家，然后写了一篇《【有手就行】自己花20分钟从0开始训练一个“大模型”》，结果发现这两个星期涨了几十个关注，比我前面写了几个月文章得到的关注还多，看来这种浅显易懂的、入门级的技术文章相对来说会有更多人爱看一些。既然如此，我再把早先在做OddAgent时候，微调语音助手功能的流程也简单理一下，然后放出来给大家做一个参考吧。

小鱼儿电子

56-基于LoRa的水质监测系统设计与实现水是生命之源，是维系生态系统平衡、保障社会经济可持续发展的基础性战略资源。随着全球工业化进程的加速、城市化率的提升以及农业生产规模的扩大，工业废水、生活污水的违规排放以及农业面源污染等问题日益突出，导致水体富营养化、重金属超标、有机物污染等水质恶化现象频发。据《2024年中国生态环境状况公报》显示，我国部分流域的劣Ⅴ类水体占比虽较往年有所下降，但在一些经济发达地区的支流及农村水环境中，水质污染问题仍未得到根本性解决，直接威胁到饮用水安全、食品安全以及公众健康。水质监测作为水污染防治的“眼睛”，是掌握水体污

轻量模型微调：LoRA、QLoRA实战对比与工程实践指南目录摘要一、技术原理与架构设计1.1 微调技术演进背景1.2 LoRA技术原理深度解析1.3 QLoRA技术突破与量化策略

lora实现一主多从通信前言：如何实现一个主lora与多个从lora之间高效的数据传输。我这里的主lora主要负责集中采集多个从lora的数据。典型的应用就是主lora采集附近多个lora传感器的数据。本文中用到的lora为sx1268，最多按照5个从设备进行设计。

Ubuntu环境中LLaMA Factory 的部署与配置—构建大语言模型微调平台什么是LLaMA-Factory？ LLaMA-Factory，全称Large Language Model Factory，即大型语言模型工厂。它支持多种预训练模型和微调算法，提供了一套完整的工具和接口，使得用户能够轻松地对预训练的模型进行定制化的训练和调整，以适应特定的应用场景，如智能客服、语音识别、机器翻译等。

探索LoSA：动态低秩稀疏自适应——大模型高效微调的新突破本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！

成都纵横智控科技官方账号

告别布线噩梦：8公里LoRa边缘网关如何重构工业物联边界在很多工业场景中，设备本身的价格可能并不高，但部署成本却惊人。想象一下：要给一公里外的设备接上线，光是挖沟、铺管、穿线的人工和材料费就可能高达数万元，更别说后续的维护了。

LIFT：基于低秩引导的稀疏微调本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！

南京大学LLM开发基础（四）MoE, LoRA, 数的精度 + MLP层实验https://njudeepengine.github.io/llm-course-lecture/2025/lecture8.html#1

DIY机器人工房

要解决 ESP32 与 STM32 之间 LoRa 通信无应答的问题，可从以下硬件、软件、参数匹配三个维度逐一排查：吐槽：我两个问题：TX与RX接反；GND没有共地TX/RX 交叉与共地电源与天线串口参数完全对齐LoRa 工作模式与参数匹配

大模型面经（一） Prompt + RAG + 微调目录大模型微调问题一：领域微调中，如何平衡 “领域知识习得” 和 “通用能力保留”？问题二：SFT 后模型出现 “指令遵循能力下降”