全套 性能 硬盘 笔记
C笔记---01基础篇
###一、C语言内存分区  1、程序代码区：存放 CPU 执行的机器指令。 2、数据区 2.1常量区：字符串、数字等常量存 ......
Markdown学习笔记
标题 标题 只有1-6 # ctrl+横排数字键 字体 加粗 两个** 斜体 一个** 列表 无续列表 -/**加空格 有序列表 数字+点加空格 引用 这是一个引用 右书名号加空格 表格 直接右键建立 代码块 这是一个代码块 三个``` 图片 ......
性能测试平台RunnerGo：提升企业级应用性能的秘密武器
在当今的信息化时代，性能测试已经成为企业级应用开发过程中必不可少的一环。然而，传统的性能测试工具往往不能满足日益增长的企业需求。在这样的背景下，一款名为RunnerGo的性能测试平台正受到越来越多企业的青睐。本文将深入介绍RunnerGo的优势、功能以及实际应用案例，带您领略RunnerGo的魅力。 ......
一般图最大匹配学习笔记
[Uoj #79](https://uoj.ac/problem/79) [Luogu P6113](https://www.luogu.com.cn/problem/P6113) 带花树算法（匈牙利算法 $Pro~max$） 我们考虑现在访问到 $u$ 点（黑色），$u$ 连向 $v$ 点，分类讨 ......
javascript学习笔记day7
今天学了挺多新东西的，在学校教的东西都是很老了东西了，果然互联网完全真能靠自学，下面是今天的笔记 var let const 优先使用const，即不会改变的变量，假设后续发现这个变量会改变就再使用letconsole.log 打印属性 console.dir打印信息innerText 只修改标标签 ......
在移动硬盘上安装Win11系统（不使用工具）
一、准备镜像文件 1、前往官网下载Win11镜像文件。 Win11官网：Download Windows 11 (microsoft.com) 2、装载Win11镜像 找到Win11镜像。右键点击装载 之后再此电脑里面就能看见一个DVD驱动器，记住这个驱动器的盘符，这里为F盘。 二、划分分区 1、选 ......
把 Windows 10 安装在外接活动硬盘（ssd）上面（1）
不使用 Windows to go, 把 Windows 10 安装在外接活动硬盘（ssd）上面（1） 起因于知乎上的一个提问 准备工作 1、一个SSD活动硬盘。 2、Windows10最新映像（ISO文件） 实现过程 一、清空SSD数据 1、以管理员身份运行命令提示符 2、清空SSD的所有数据（提 ......
把 Windows 10 安装在外接活动硬盘（ssd）上面（2）——VHDX文件（虚拟磁盘文件）部署
不使用 Windows to go, 把 Windows 10 安装在外接活动硬盘（ssd）上面（2）——VHDX文件部署 上一篇文章带来的问题 准备工作 实现过程 一、清空SSD数据 二、创建磁盘信息 1、创建启动分区（200MB） 2、创建存放文件的主分区 3、创建存放系统的虚拟磁盘文件（VHD ......
学习笔记：堆
## 前言 堆是在大纲里面的 但是大家都在有 `priority_queue` 优先队列 以至于很少人去学习手写堆 因此 需要补一补 ## 概念 什么是堆？ 就是一棵**完全二叉树** 且**任意**当前节点必定比儿子大/小 这就是大/小根堆 性质：堆的子树也是堆 ## 步骤 ### 1.查找最小值 ......
学习笔记415—激活函数(tanh、ReLU、softmax)
激活函数在神经网络中的作用有很多，主要作用是给神经网络提供非线性建模能力。如果没有激活函数，那么再多层的神经网络也只能处理线性可分问题。常用的激活函数有 sigmoid、 tanh、 relu、 softmax等。 1.1、sigmoid函数 sigmoid函数将输入变换为(0,1)上的输出。它将范 ......
期货公司开户高性能的交易后台
关于选择期货公司 选择期货公司时，对于小资金交易者来说，最重要的是手续费标准，因为小资金交易者不同于产业客户不同需要太多的产业信息库存信息。对散户交易者而言更多的是依靠技术分析，进行日内或者波动交易能够更加有效的避免风险。 手续费标准则尽量选择更低的标准，但是什么才是最低呢？ 举个栗子，比如豆粕这个 ......
学习笔记416—BP神经网络模型：深入探究与应用
BP神经网络模型：深入探究与应用 导言BP神经网络模型（Backpropagation Neural Network）是一种广泛应用于机器学习和人工智能领域的神经网络模型。它以其强大的非线性拟合能力和适应性而备受关注。1. BP神经网络模型原理1.1 神经网络基础在深入探讨BP神经网络模型之前，我们 ......
学习笔记：分块
## 前言 非常粗略 ## 概念 什么是**分块**算法？ 很简单 就是暴力 把一段长度为 $n$ 的序列 分成 $\sqrt{n}$ 块 块长为 $\sqrt n$ 然后进行一系列暴力乱搞 它的好处就是非常暴力 好！ 先来看一道 [板子](https://www.luogu.com.cn/prob ......
学习笔记414—Sigmoid函数求导
Sigmoid函数求导 基础知识： Sigmoid函数： Sigmoid图形： 生成Sigmoid图形代码： import torch from d2l import torch as d2l %matplotlib inline x=torch.arange(-8.0,8.0,0.1,requir ......
01 字典树学习笔记
# 01 字典树 前置知识：[字典树](https://oi-wiki.org/string/trie/)。 01 字典树是一种特殊的字典树，它会把数字看作二进制的 $\texttt{01}$ 串存入字符串。 在树上，除了叶子节点外的所有节点都表示一个数的范围。  ### 小技巧 - [基数排序](https://www.cnblogs.com/pdpdzaa/p/17532682.html) ## 数学 ### 一些 ......
洛谷P5937 [CEOI1999]Parity Game_学习笔记
洛谷P5937 [CEOI1999]Parity Game 本来是想练习一下离散化的，结果看到这道又有并查集又有离散化的题，于是就逝了逝，在阅读题解后， 发现自己对并查集和离散化认识有点问题，于是写下这篇笔记总结一下。 看到这种给出几个条件判断矛盾的题，便想到了两种常见思路，一种是拓扑排序， ......
大连人工智能计算平台——华为昇腾AI平台——高性能计算HPC——如何在MPI中支持multiprocessing和fork操作——如何在HPC平台上使用pytorch——是否可以通过调度器的提交参数绕过HPC的计费系统
本文要讨论的就是如何在MPI中支持multiprocessing和fork操作，但是这个问题同时也是如何在HPC平台如何使用pytorch的问题，可以说这两个问题其实是同一个问题，而这个问题的解决过程中又产生了另一个问题，你就是是否可以通过调度器的提交参数绕过HPC的计费系统？ ......
m基于UWB信号的Rake接收性能matlab仿真,对比最大比合并,等增益合并,选择合并
1.算法仿真效果 matlab2022a仿真结果如下： 2.算法涉及理论知识概要 基于UWB信号的Rake接收性能仿真涉及了多个步骤，包括信号生成、传输、接收以及多径信道中的信号合并等。超宽带（UWB）通信技术以其大带宽、高容量和抗多径传播等优势而受到关注。Rake接收器是UWB通信系统中用于抑制多 ......
linux学习指令与现有环境解决问题笔记
# linux学习指令与现有环境笔记 *注意：我将pytorch和cuda安装在了pytorch这个虚拟环境中* ## pytorch安装及注意问题 注意版本对应，稳定版2.0.1对应cuda11.7，别按错了 按错导致重新安装 ##cuda安装过程与对应问题 ![image](https://im ......
基于亚马逊云科技无服务器服务快速搭建电商平台——性能篇
使用 Serverless 构建独立站的优势 在传统架构模式下，如果需要进行电商大促需要提前预置计算资源以支撑高并发访问，会造成计算资源浪费并且增加运维工作量。本文介绍一种新的部署方式，将 WordPress 和 WooCommerce 部署在 Amazon Lambda 中。Lambda 是无服务 ......