技术,生活,随看 \随转
用go语言实现一个类似docker的容器系列教程。
本系列教程主要是为了弄清楚容器化的原理，纸上得来终觉浅，绝知此事要躬行，理论始终不及动手实践来的深刻，所以这个系列会用go语言实现一个类似docker的容器化功能，最终能够容器化的运行一个进程。
tinydocker | #教程
本系列教程主要是为了弄清楚容器化的原理，纸上得来终觉浅，绝知此事要躬行，理论始终不及动手实践来的深刻，所以这个系列会用go语言实现一个类似docker的容器化功能，最终能够容器化的运行一个进程。
tinydocker | #教程
https://flippa.com/ 买卖产品的网站 平台
🤳 独立开发者故事 #67 - “用技能来交朋友，用Swap来交换人生新可能！”
1、介绍下你自己和目前所做的产品
哈喽，大家好，我是Swap创始人世杰，互联网从业者、摄影爱好者，坐标上海。
Swap是以技能共享为载体的年轻人社区，目前是微信小程序。
“技能交换”、“兴趣搭子”、“技能集市”，用户可以在这里找到志同道合的伙伴，并可以把自己的手艺变现。
当前已有超过2万位技能达人入驻，其中不乏大厂员工、高校学子、钢琴十级、网球教练、健身达人等。
欢迎大家前往【Swap技能交换微信小程序】体验～
2、做这个产品的灵感来源是什么？
在前些年刚来上海的时候，每天处于两点一线的生活，渴望社交但对低质量无意义社交感到疲倦，偶尔间发现上海的技能交换社群，通过几次线下活动对我的感受不错，以兴趣技能为话题进行陌生人破冰可以获得更棒的交友体验。
近些年在各个社交媒体可以看到很多关于技能交换的帖子，但在国内并未发现有一个成熟的平台可以把信息聚合起来，此时创立Swap的种子在心中萌芽。
经过近半年的打磨，Swap 1.0版本于2023年中旬正式上线微信小程序。
“Swap”意为交换，每个人的人生都不应仅限于此，来Swap交换人生新可能。
3、10分满分的话，你愿意给你的产品打几分？理由是？
8分，在创造 Swap的 300 多天里，我收到了很多用户真诚的反馈与评价。陪我们走过了一遭春夏。如今Swap3.0版本上线，Swap主体功能已经闭合。
用心做产品，把用户体验放在首位，是我们一直所坚持的底线。
4、除了自己的产品，你还有在用哪些产品（App、网站、小程序等）？
近期有在使用一些AI产品，像是ChatGPT、Midjourney、Notion等，如何让AI在Swap上更好的服务用户也是我最近在探寻的。
5、你有哪些工作/生活习惯？
把时间花在更有意义的事情上，做产出最大化的事。
留出时间来思考为达成某件目标需要走的路线，这个过程有点像象棋中的“走一步看三步”。
6、请用一句话打动用户并让她使用你的产品
Swap——以技能交朋友，用兴趣搞点钱
PS. Ελάτε να πιείτε ένα φλιτζάνι καφέ.
频道：@NewlearnerChannel
作为一款求职工具，Reactive Resume 最大的优势在于能根据不同岗位灵活调整简历内容，提高匹配度，并且可以将简历翻译成多语言版本。
🐙 GitHub：https://github.com/AmruthPillai/Reactive-Resume
🚀 一键部署：https://bja.sealos.run/?openapp=system-template%3FtemplateName%3DReactive-Resume
主要亮点：
隐私至上
- 零用户追踪，零广告
- 可自托管，完全掌控数据
功能强大
- 实时编辑，所见即所得
- 支持拖放定制，页面布局随心组合
- 集成 OpenAI API，一键增强写作
- 通过 ChatGPT 翻译，轻松创建多语言版本
- 自定义板块，适配不同行业需求
- 一份主账号，管理多份简历
设计出众
- 提供数十款专业、现代的模板选择
- 支持 EuroPass 欧盟标准简历模板
- 可使用 Google Fonts 中任意字体
- 自定义配色
便捷分享
- 生成个性化的分享链接
- 追踪简历浏览和下载次数
- 随时更新，确保展现最新状态
技术栈：
- 前端：React (Vite)
- 后端：NestJS
- 数据库：Postgres,Prisma ORM
- 对象存储：Minio
- 其他：OAuth、Sentry、Crowdin 等
📢关注频道：@cloud_native_share
💬加入群聊：@cloudnativer
📮欢迎投稿：@cloud_native_yang
🎁访问主页： icloudnative.io
📢 太强了！这个项目从零实现了 Meta 的开源大模型 llama3！
🧩 从 #tokenizer 到 #attention，再到 #feedforward 层，这个 notebook 详细展示了如何从零开始实现 #llama3 的每一个模块。它直接从 #Meta 为 llama3 提供的模型文件加载 tensor，通过一个 #tensor、一次矩阵乘法来构建模型的每一个部分。
🔍 亮点：
1️⃣ 使用 #tiktoken 作为 tokenizer，将输入文本转换为模型可读的 token
2️⃣ 详细展示了如何将 token 映射为对应的 #embedding 向量
3️⃣ 利用 RoPE(Rotary Positional Embedding) 对 embedding 进行位置编码，为 attention 模块提供位置信息
4️⃣ 从头实现了 self-attention 模块，包括 query、key、value 矩阵的计算和注意力分数的计算
5️⃣ 使用 #SwiGLU 作为前馈网络，为模型引入非线性能力
6️⃣ 将 attention 和前馈层堆叠为一个完整的 #transformer 模型，实现了 llama3 的整体架构
📚 无论你是想学习如何从零实现一个大模型，还是想知道 llama、alpaca、vicuna 等大型语言模型的技术细节，这份 #notebook 都是一个绝佳的学习资源。
https://github.com/naklecha/llama3-from-scratch
📢关注频道：@cloud_native_share
💬加入群聊：@cloudnativer
📮欢迎投稿：@cloud_native_yang
🎁访问主页： icloudnative.io
🧩 从 #tokenizer 到 #attention，再到 #feedforward 层，这个 notebook 详细展示了如何从零开始实现 #llama3 的每一个模块。它直接从 #Meta 为 llama3 提供的模型文件加载 tensor，通过一个 #tensor、一次矩阵乘法来构建模型的每一个部分。
🔍 亮点：
1️⃣ 使用 #tiktoken 作为 tokenizer，将输入文本转换为模型可读的 token
2️⃣ 详细展示了如何将 token 映射为对应的 #embedding 向量
3️⃣ 利用 RoPE(Rotary Positional Embedding) 对 embedding 进行位置编码，为 attention 模块提供位置信息
4️⃣ 从头实现了 self-attention 模块，包括 query、key、value 矩阵的计算和注意力分数的计算
5️⃣ 使用 #SwiGLU 作为前馈网络，为模型引入非线性能力
6️⃣ 将 attention 和前馈层堆叠为一个完整的 #transformer 模型，实现了 llama3 的整体架构
📚 无论你是想学习如何从零实现一个大模型，还是想知道 llama、alpaca、vicuna 等大型语言模型的技术细节，这份 #notebook 都是一个绝佳的学习资源。
https://github.com/naklecha/llama3-from-scratch
📢关注频道：@cloud_native_share
💬加入群聊：@cloudnativer
📮欢迎投稿：@cloud_native_yang
🎁访问主页： icloudnative.io
GitHub
GitHub - naklecha/llama3-from-scratch: llama3 implementation one matrix multiplication at a time
llama3 implementation one matrix multiplication at a time - naklecha/llama3-from-scratch
