Python

轻译是作者自研的 Windows 桌面端 + Zotero 插件组合，解决一个具体需求：在 Zotero 10 的 PDF阅读模式里划选文本、右键即可调用自配的 LLM API 完成翻译。文章按三步介绍了安装使用流程（配置桌面端、安装启用连接器插件、划词翻译），并强调工具定位——极简、轻量、快捷，专注覆盖读英文论文时最常见的翻译场景。

本文记录了将 SO-101 Follower 机械臂从社区版 LeRobot 分支迁移到官方最新版 LeRobot 框架的完整过程。主要内容包括：使用 uv 创建独立 Python 3.12 环境、安装官方仓库并启用 feetech 扩展、硬件连接与串口识别、舵机配置与校准、以及冒烟测试验证。迁移成功实现了机械臂在官方框架下的基础功能，包括串口识别、电机配置、校准和最小控制测试，为后续实验提供了标准化的开发环境。

基于 OpenCV 的视觉定位与串口控制，实现 6 轴机械臂目标检测与抓取。包含坐标变换、逆运动学解算与 JSON 串口协议。

个人项目：基于 ROS2 的激光雷达小车 建图与导航 项目时间：2024.09 – 2024.10 技术栈：ROS2 Humble / Navigation2 / Cartographer / slam-toolbox / Micro-ROS / ESP32 / 分布式架构 视频展示：

本章聚焦 PyTorch 模型的保存与加载：为什么推荐保存 state_dict、如何安全地 torch.load(weights_only=True)，以及保存整个模型为何被视为 legacy 用法。并以 FashionMNIST 的 MLP 为例，跑通从训练到推理验证的完整流程。

本文记录 PyTorch 官方教程“Optimizing Model Parameters”的学习过程，梳理训练所需的超参数、损失函数与优化器，并用 FashionMNIST + MLP 示例串起“前向→算损失→反向传播→参数更新”的完整训练/评估流程。

本章主要理解了 nn.Module 的模型定义方式、forward 机制、logits 与 softmax 的关系，以及参数的训练流程，为后续训练与优化打基础。

本文记录了基于 PyTorch 官方 Tutorial 学习 Transforms 的过程，主要整理 Transforms 的基本用法和个人理解。

本文记录了基于 PyTorch 官方 Tutorial 学习 Datasets & DataLoaders 的过程，主要整理 Dataset / DataLoader 的基本用法和个人理解。

本文记录了基于 PyTorch 官方 Tutorial 学习 Tensor 的过程，涵盖张量创建、属性、设备迁移、切片、矩阵运算及与 NumPy 的互通机制，并整理了常见易错点，作为个人深度学习入门笔记。