知识 源码 课堂 模型
一句话解决加载模型时的CUDA out of memory
在加载模型一行后加上max_memory即可，超出显存后会自动移到内存。 model = AutoModel.from_pretrained('your_model', trust_remote_code=True, max_memory={0: "6GiB", "cpu": "10GiB"}) 记 ......
[刷题技巧] 堆的相关知识点汇总
1. 堆 一、堆的引入 现在我们想专门设计一种数据结构，用来存放整数，要求提供3个接口： 添加元素 获取最大值(或最小值) 删除最大值(或最小值) 有一种最优的数据结构就是堆。 时间复杂度：获取最大值的：O(1)、删除最大值O(log n)、添加元素O(log n) 二、堆的相关概念 堆(Heap是 ......
[Spring][Ngbatis源码学习] Spring 的资源管理 ResourceLoader
在学习Ngbatis的源码时，看到了有关xml文件的加载，涉及到了资源的加载，对相关知识进行总结与整理。 1. 相关类 Resource AbstractResource ResourceLoader DefaultResourceLoader ResourcePatternResolver Pat ......
集合知识的补充
集合的分类 collection为单列集合（每一个元素对应一个数据） map为双列集合（每一个元素对应一对数据） 接下来对collection分析 1、单列集合的顶层接口，定义的是所有单列集合共有的功能 2、接口不可实例化，要调用接口的方法时，随意找个实现类即可（多态） eg：Collection ......
五种网络IO模型详解
一 IO操作本质 数据复制的过程中不会消耗CPU # 1 内存分为内核缓冲区和用户缓冲区 # 2 用户的应用程序不能直接操作内核缓冲区，需要将数据从内核拷贝到用户才能使用 # 3 而IO操作、网络请求加载到内存的数据一开始是放在内核缓冲区的 文章相关视频讲解： C/C++ Linux服务器开发高级架 ......
Feign源码解析：初始化过程（一）
前言 打算系统分析下Feign的代码，上一篇讲了下Feign的历史，本篇的话，先讲下Feign相关的beanDefinition，beanDefinition就是bean的设计图，bean都是按照beanDefinition来制造的。 Feign相关的bean不少，有一些是因为我们的Feign相关注 ......
面试Python时必会的知识点总结
目前代码技能已经成了测试同学面试考核的刚需，对于测试开发来讲需求最大的是java和python两门语言，二者也都是面向对象语言。对于刚入门代码的同学来说面向对象相关的概念比较难于理解，而面向对象编程相关的知识点偏偏又是面试中的高频问题，所以本文我以python为例，带大家快速搞定面向对象中的核心概念 ......
HarmonyOS学习（二） ArkTS 基础知识
HarmonyOS学习（二） ArkTS 基础知识 一、ArkTS介绍 ArkTS是HarmonyOS应用的开发语言，在TypeScript的基础上拓展了声明式UI、状态管理等相应的能力，让开发者以更简洁自然的方式开发高性能应用。TypeScript是JavaScript的拓展，ArkTS是Type ......
如何在Windows本地运行一个大语言模型
ChatGLM3 是智谱AI和清华大学 KEG 实验室联合发布的新一代对话预训练模型，可以在消费级显卡上轻松运行一个离线的对话机器人。 它功能强大，配置过程简单，对初学者比较友好。 本文记录了ChatGLM3的环境配置过程，希望能对跟我一样的新手朋友起到帮助。 准备工作： 准备一台装有Nvidia显 ......
Kubernetes: client-go 源码剖析（二）
上接 Kubernetes: client-go 源码剖析（一） 2.3 运行 informer 运行 informer 将 Reflector，informer 和 indexer 组件关联以实现 informer 流程图的流程。 2.3.1 Reflector List&Watch 运行 inf ......
直播平台源码，教你如何写出同步与异步
直播平台源码，教你如何写出同步与异步 同步示例代码： console.log("开始"); function syncOperation() { console.log("同步操作"); } syncOperation(); console.log("结束"); 输出结果： 开始 同步操作 结束 在 ......
值迭代与策略迭代（有模型）
先说一下我初始理解，就是图片上面有三部曲，然后他是一个有模型的算法，然后假如说我让他训练100次就是，用python来表达就是 for episode in (100),这个就是最外面的那一层循环，然后每次episode，就是上面三部曲，但是第一步初始化环境是会根据上一个episode来变化的，从第 ......
C#_Win32_PInvoke源码生成器
介绍 一个源代码生成器，用于向 C#项目添加一组用户定义的 Win32 P/Invoke 方法和相关的类型。 链接地址: https://github.com/microsoft/CsWin32 还在手动添加平台调用的代码或者增加无用的程序集?微软的官方解决方案来了! 特色 快速将 P/Invoke ......
KCP源码剖析和应用解析
一，什么是KCP KCP是一个快速可靠的协议，基于UDP的类似TCP的协议。 随着网络带宽的不断增大，在很多网络应用场景中，TCP的旧有特性对当今一些要求及时响应的网络要求不符合。而TCP又是嵌在操作系统内核中的模块，用户态软件不能够自定义来修改太多TCP的细节。所以推出了KCP以应对延迟越发要求高 ......
Kubernetes: client-go 源码剖析（一）
0. 前言 在看 kube-scheduler 组件的过程中遇到了 kube-scheduler 对于 client-go 的调用，泛泛的理解调用过程总有种隔靴搔痒的感觉，于是调转头先把 client-go 理清楚在回来看 kube-scheduler。 为什么要看 client-go，并且要深入到 ......
聊聊GLM基座模型的理论知识
概述 大模型有两个流程：预训练和推理。 预训练是在某种神经网络模型架构上，导入大规模语料数据，通过一系列的神经网络隐藏层的矩阵计算、微分计算等，输出权重，学习率，模型参数等超参数信息。 推理是在预训练的成果上，应用超参数文件，基于预训练结果，根据用户的输入信息，推理预测其行为。 GLM模型原理的理解 ......
实现高光反射光照模型
\(C_{specular}=(C_{light} \cdot M_{specular})max(0,\hat{V} \cdot \hat{R})^{M_{gloss}}\) 其中，\(C_{light}\) 是光源的颜色，\(M_{specular}\) 是材质的高光反射颜色，\(\hat{V}\ ......
电脑硬件知识分享：
一般有以下配件： CPU分类：AMD，INTEL AMD的CPU有针脚： IntelCPU 没有针脚： CPU的一些参数： 举例： CPU插槽： CPU供电接口一般在CPU插槽附近：有4PIN和8PIN的 8PIN 4pin cpu风扇供电接口： 内存参数： 举例： 内存条图片： 硬盘分类 机械硬盘 ......
基础知识之上传与下载
缘起 上传和下载是两个经典场景，做项目的时候遇到了这两种情况。 上传 设置上传按钮 const upoadImgCom = () => { return ( <> <label className={styles["upload-button"]} htmlFor="fileInputCompany ......
Apple Watch小知识：走进蜂窝网络世界
一、Apple Watch蜂窝网络的定义与原理 蜂窝网络（Cellular Network），又称移动网络（Mobile Network），是一种移动通信硬件架构。在Apple Watch中，蜂窝网络功能可以让用户在脱离iPhone的情况下，通过内置的eSIM实现通话、短信和数据等移动通信服务。这意 ......
知识|基于混合模式的多余度飞控全数字仿真系统研究
*余度（Redundancy）：一种确保安全的设计手段，使得出现两个及以上故障时，才会引起既定不希望发生的工作状态。 飞行控制软件主要完成飞行传感器数据处理、飞行姿态控制和余度管理任务，对保证飞机安全性和可靠性起着关键作用，但是现实中与飞行控制软件相关的研发测试过程依旧举步维艰。其主要原因是硬件设备 ......
技术写作者所需的关键技能和知识
技术写作者所需的技能 成为一名优秀的技术写作者需要以下核心技能： 写作技巧: 优秀的语言和语法掌握能力 出色的拼写能力 对标点符号的理解 技术知识: 对复杂技术概念有很好的理解 将复杂概念转换为易于理解的内容 研究技能: 识别最终用户的需求 快速理解新概念和技术的能力 工具技能: 熟练使用各种通信和 ......
机器学习的里程碑：从基础理论到大语言模型的进步
在人工智能的迅猛发展中，大语言模型和传统机器学习是不同发展阶段下的产物。大语言模型，如广为人知的GPT系列和BERT，主要依赖于复杂的神经网络结构，它们能够处理和生成人类语言，为自然语言处理带来了革命性的变化。这些模型的发展标志着从简单的任务特定模型向更通用、更灵活的解决方案的转变。相比之下，传统机 ......
Java核心知识体系8：Java如何保证线程安全性
Java核心知识体系1：泛型机制详解 Java核心知识体系2：注解机制详解 Java核心知识体系3：异常机制详解 Java核心知识体系4：AOP原理和切面应用 Java核心知识体系5：反射机制详解 Java核心知识体系6：集合框架详解 Java核心知识体系7：线程不安全分析 1 Java内存模型（J ......
将Transformer用于扩散模型，AI 生成视频达到照片级真实感
前言 在视频生成场景中，用 Transformer 做扩散模型的去噪骨干已经被李飞飞等研究者证明行得通。这可算得上是 Transformer 在视频生成领域取得的一项重大成功。 本文转载自机器之心 仅用于学术分享，若侵权请联系删除 欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪 ......
shell补-了解方法-获得一些知识的场景途径
shell补-了解方法-获得一些知识的场景途径 读万卷书行万里路 工作忙碌领导的任务 名师指路 自己开悟 阅人无数哈哈哈 shell补-了解方法-it相关的一些书籍学习方法介绍 浪潮之巅 大话存储：跟硬件相关的 TCP/IP 卷一 协议 HTTP权威指南 另一些的基础推荐： 跟老男孩学运维：shel ......
纯卷积BEV模型的巅峰战力 | BEVENet不用Transformer一样成就ADAS的量产未来(转)
近年来，在自动驾驶领域，鸟瞰视角（BEV）空间中的3D目标检测作为一种普遍的方法逐渐脱颖而出。尽管与视角视图方法相比，BEV方法在精度和速度估计方面得到了改进，但将BEV技术部署到实际自动驾驶车辆中仍然具有挑战性。这主要归因于它们依赖于基于视觉 Transformer （ViT）的架构，这使得相对于 ......