一、部署与配置文档 官方文档：https://hermes-agent.nousresearch.com/docs/zh-Hans/ 中文社区文档：https://hermesagent.org.cn/docs/getting-started/installation 二、常用命令 部分可参考：https://hermesagent.org.cn/docs/user-guide/configura

一、说明 本文件代码以下记录了一个完整、可运行的 TensorFlow 示例，演示“知识蒸馏”是怎么从教师模型训练、到学生模型蒸馏、再到模型导出与结果可视化的。 本文件代码colab地址 此文件代码已经上传保存到google colab上，可以直接运行：https://colab.research.google.com/drive/1sFxDyFvHRZr5YvV8S2PFw-583RaucK

五、PyTorch模型定义 5.1 PyTorch模型定义的方式 我们会在不同场合看到多种不同的模型架构，比如 CNN（Convolutional Neural Network，卷积神经网络）、RNN（Recurrent Neural Network，循环神经网络）、GNN（Graph Neural Network，图神经网络），它们是深度学习领域针对不同数据结构设计的神经网络架构，分别用来解决网

PyTorch Tensor、Pandas DataFrame 与 NumPy Array 数据转换指南 在深度学习与数据科学开发中，数据常需要在 Pandas（数据处理与清洗）、NumPy（数值计算与矩阵操作） 和 PyTorch（模型训练与张量计算） 三者之间流动。本文总结了两两转换的标准操作、注意事项及实际开发中的经典连续转换场景。 一、 两两转换操作与代码示例 1.1 NumPy <

HPC 性能分析完整指南：从理论峰值到经验 Roofline 本指南由两部分组成： 练习 1：用公式和命令，手动算出机器的理论性能上限（FLOP/s 峰值、内存带宽、机器平衡） 练习 2：用 Empirical Roofline Tool (ERT) 实测同一台机器，画出经验 Roofline 图 理论值画天花板，实测值告诉你"实际上限"。两者对照，才是完整的性能画像。 第一部分：理论性