让一个大模型跑起来，远不止 pip install 和 model.generate() 那么简单。从底层计算框架到上层服务接口，整个技术栈错综复杂，包含各种各样百花齐放的工具。笔者在刚开始学习这方面的知识时被各种五花八门的工具搞的眼花缭乱，为此，特意进行了整理并写成了本文章。

本文将带你自底向上系统梳理当前主流的大模型部署工具链，这也是互联网上难得的对大模型部署工具进行系统梳理的文章。

在数据分析的世界里，pandas.DataFrame 是最常用的数据结构之一。然而，许多初学者甚至中级用户都会遇到一个常见的困惑：为什么在构造DataFrame时，有时候 Series 变成一列，有时候却变成一行？为什么Pandas的Series底层由NumPy数组提供支撑，但是NumPy ndarray和 Pandas DataFrame在行和列的定义上有时候看起来是“反过来的”？

本文将系统梳理 DataFrame 的构造逻辑，揭示其背后的设计哲学，并强调一个至关重要的概念：样本 vs. 特征。掌握这些原则，你将不再被“按行还是按列”所困扰。

在使用 NumPy 进行数据处理和科学计算时，axis 参数是一个无处不在却又常常令人困惑的概念。无论是求和、拼接、排序还是分割，axis 都在背后决定着操作的方向。理解 axis 的本质，是掌握 NumPy 多维数组操作的关键。

本文将从维度（ndim）、形状（shape） 与 axis 的关系入手，系统梳理 axis 在不同函数中的行为模式，帮助你彻底掌握这一核心概念。