程序 程序员 笔记cpu

############单节点redis mkdir -p /opt/redis/conf touch /opt/redis/conf/redis.conf ###启动redis容器 docker run -d --name redis -p 6379:6379 \ > -v /opt/redis/ ......

在192.168.1.206 上执行 ssh -fN -D 0.0.0.0:8888 root@192.168.1.207 将报文转发到207 在207 上设置ssh 允许动态转发 vim /etc/ssh/sshd_config 确保以下行没有注释（没有 "#" 符号），或者将其添加进去： All ......

本笔记基于吴恩达深度学习deeplearning.ai课程 第二周：神经网络的编程基础 神经网络的训练过程可以分为前向传播和反向传播两个独立的部分 2.1 二分类(Binary Classification) 所谓二分类问题，可以参照以下例子 假如你有一张图片作为输入，比如这只猫，如果识别这张图 片 ......

Java 程序运行机制 编译型：操作系统，C/C++（整体写和整体调整） 解释型：网页类，速度较慢，类似Java（可以写一句，改一句） 运行机制 .Java文件——.class文件——类装载器——字节码校验器——解释器——操作系统平台 IDEA安装 IDE：集成开发环境 Idea 新建项目 新建 建 ......

CMake 学习笔记 CMake 已经是 C++ 构建系统的事实标准。 主要是对小彭老师的 C++ 视频课程中 CMake 相关部分的一些笔记和整理，视频链接如下 学 C++ 从 CMake 学起 现代 CMake 高级教程 包含视频中的代码和 PPT 的仓库见以下链接 https://github ......

进程和线程:进程和线程都是一个时间段的描述，是CPU工作时间段的描述，不过是颗粒大小不同.进程就是包换上下文切换的程序执行时间总和 = CPU加载上下文+CPU执行+CPU保存上下文.线程是共享了进程的上下文环境的更为细小的CPU时间段。 判别式模型和生成式模型: 判别式模型直接学习决策函数f(X) ......

《算法之美》这本书为我打开了计算机科学和算法设计的奇妙大门，引领我走进了一个充满智慧和创造力的世界。在这本书中，作者讲述了许多关于算法的精妙之处，让我对计算机科学有了更深层次的理解。首先，书中深入浅出地介绍了各种算法的原理和应用，以生动的例子和清晰的解释，使得那些抽象的概念变得具体而易懂。通过分析不 ......

​ 本教程使用的方法是自定义协议。在windows下在浏览器内使用自定义协议调起应用程序需要先在注册表内填入相应的值。 首先，导入注册表值（记得改exe文件路径）： Windows Registry Editor Version 5.00 [HKEY_CLASSES_ROOT\test] @="UR ......

前言 图像分类是根据图像的语义信息对不同类别图像进行区分，是计算机视觉的核心，是物体检测、图像分割、物体跟踪、行为分析、人脸识别等其他高层次视觉任务的基础。图像分类在许多领域都有着广泛的应用，如：安防领域的人脸识别和智能视频分析等，交通领域的交通场景识别，互联网领域基于内容的图像检索和相册自动归类， ......

2023-2024 20231313《计算机基础与程序设计》第十五周学习总结 作业 速达 作业课程 班级链接 作业要求 计算机基础与程序设计第十五周学习总结 作业内容 课程总结 作业正文 我的作业 作业 第一周作业：快速浏览了计算机科学概论的教材，并在每章中提出遇到的问题和解决的问题 第二周作业：《 ......

《Vue.js从入门到项目实战》 孙鑫v-bind用于响应式地更新HTML属性，v-on用于监听DOM事件,变量需要引号引起来v-if是彻底没有v-的命令需要把变量用引号引起来，插值{{}}则不需要v-if和v-for在同一个元素上使用时，v-if优先级高于v-for，意味着v-if不能访问v-fo ......

小傅哥网站：https://bugstack.cn/md/develop/design-pattern/2020-06-11-%E9%87%8D%E5%AD%A6%20Java%20%E8%AE%BE%E8%AE%A1%E6%A8%A1%E5%BC%8F%E3%80%8A%E5%AE%9E%E6%8 ......

思路 使用QTimer.singleShot(3000, self.openwindown).完成单发：3s后执行openwindown 代码 from PySide6.QtCore import Signal, QTimer from PySide6.QtGui import QFont, Qt ......

前言 这里实际上涉及到了挺多有关有关理论的东西，可以详细看一下paddle的官方文档。不过我这里不过多的谈有关理论的东西。 【低层视觉】低层视觉中常见的卷积核汇总 图像处理中常用的卷积核 在代码中，我们实际上是用不同的卷积核来造成不同的影响，我这里也是paddle中对于卷积核的几个比较简单的应用。 ......

DSU on tree 通常用来解决不带修树上子树问题。 主要思想： 剖分。 先搜轻儿子，记录轻儿子子树的答案，删去轻儿子的贡献。 搜重儿子，记录重儿子子树的答案，保留重儿子的贡献。 回溯，重新搜轻儿子，把轻儿子子树的贡献加上，构成本子树的答案。 CF600E Lomsat gelral #incl ......

ARC157 A. XXYYX 观察一些性质。注意到 \(\texttt{XY}\) 和 \(\texttt{YX}\) 会产生当且仅当 \(\texttt{X}\) 和 \(\texttt{Y}\) 的连续段交错，因此 \(|b-c|=1\)。然后特判掉 \(a\neq 0,b=0,c=0,d\n ......

学游泳的时候，即使教练在岸上再三强调用哪些肌肉，如何发力，如何换气，等到下了水，想着这些，你会游吗？会游泳的人都知道，游泳利用的其实是肌肉记忆，那些理论肯定会用到，但你不可能一边游一边在大脑里不停地思考理论。减肥和学游泳一样，属于行动派，因此同样需要化复杂为简单，让理论成为你身体的一个记忆。 （更多 ......

{$IFDEF LINUX} ,BaseUnix {$ENDIF } var pid:TPid; //在主程序中加入 begin {$IFDEF LINUX} pid:=FpFork; if pid=0 then begin {$ENDIF }//后台运行的部分 {$IFDEF LINUX} end ......

域名 因为访问网站时，很难记住对应网站的IP地址，所以使用域名来代替IP地址，使用户更加方便的访问网站。 DNS服务器的作用就是将IP地址与域名进行映射，使用户可通过域名得到到对应的IP，然后进行访问。 域名从右到左依次为顶级域名（一级域名）、二级域名、三级域名、四级域名、等等(通常域名层级不超过三 ......

学习Python时做的笔记，主要参考： B站小飞有点东西：https://space.bilibili.com/1803865534 董付国老师的《Python程序设计》教材 第一章、Python概述 1.1 扩展库安装方法（了解即可） 使用pip命令安装扩展库。 在cmd命令行中输入pip，回车后 ......

这篇笔记我是在学习Linux过程中的笔记，参考自： B站韩顺平老师的课程Linux 黑马程序员的《Linux系统管理与自动化运维》教材 第一章 文件目录结构 一、基本介绍 Linux 的文件系统是采用级层式的树状目录结构，在此结构中的最上层是根目录“/ ”，然后在此目录下再创建其他的目录。 记住一句 ......

前言： 因项目需要，需要使用Qt连接MySQL数据库。程序编写电脑上使用的是Win10 64位系统，程序运行电脑上使用的是Win7 32位系统。 一、下载及安装MySQL5.7 1、地址：MySQL官网 点击DOWNLOADS 2、点击MySQL Community(GPL) Downloads 3 ......

想要理解为什么人们会债务缠身，你不必研究银行利率，而应该研究关于人类的贪婪、不安全感和乐观主义的历史；想要理解为什么人们会在熊市的最低点将股票卖出，你不必从数学角度研究未来预期回报，而应该想想一名投资者面对着家人，心里盘算着自己的投资行为是否会危及他们未来生活时的那种煎熬。我很喜欢伏尔泰的一句话：“ ......

we pron 我们 w(象形-皇冠--女王) e(鹅) 女王把鹅送给我们 win v 赢、获得 n 胜利 w(象形-皇冠--女王) in 在...里面 女王在房间里赢得了奖杯，获得胜利 wine n 葡萄酒 v 喝酒 win 赢 e(鹅) 赢得比赛的鹅喝葡萄酒庆祝 wind n 风、气流 v 卷绕 ......

转载文章：大模型所需 GPU 内存笔记 引言 在运行大型模型时，不仅需要考虑计算能力，还需要关注所用内存和 GPU 的适配情况。这不仅影响 GPU 推理大型模型的能力，还决定了在训练集群中总可用的 GPU 内存，从而影响能够训练的模型规模。 大模型推理的内存计算只需考虑模型权重即可。 大模型训练的内 ......

一 前记 在商业的社会中，有这么一撮人，他们是游走在法律边沿的，看谁家的软件赚钱了。就想办法去剽窃点。破解一下。还有一些段位比较低的人，那就是使用各种手段来做一些绕过付费的环节。今年遇到了一些这些事。让我坚信了从源头杜绝此类问题的必要性。作为一个软件工程师，这些对我算是手到擒来的事情。就自身设计了一 ......

......

这篇文章是十月份第一篇阅读笔记，阅读书籍是《构建之法》 第一章 概论 在这一章中，作者为我们介绍了一些关于软件工程的基本知识。 ①软件=程序+软件工程：正是因为对软件开发活动（构建管理、源代码管理、软件设计、软件测试、项目管理）相关的内容的完成，才能完成把整个程序转化成为一个可用的软件的过程。 扩展 ......

前言 我们之前不是说了有关梯度下降公式的事嘛，就是那个 这样梯度下降公式涉及两个问题，一是梯度下降的策略，二是涉及到参数的选择，如果我们选择固定步长的时候，就会发现我们求的值一直在最小值左右震荡，很难选择到我们期望的值。 假设上图中，x0为我们期望的极小值，yB = xA - yA'xA的时候，xB ......

前言 我们之前用的是均方差作为我们神经网络的损失函数评估值，但是我们对于结果，比如给定你一张应该是0的照片，它识别成了6，这个时候这个均方差表达了什么特别的含义吗？显然你识别成6并不代表它比识别成1的情况误差更大。 所以说我们需要一种全新的方式，基于概率的方案来对结果进行规范。也就是我们说的交叉熵损 ......