最近群里的讨论太猛了，硝烟味很重，有的群友直接开怼：这么简单的问题都不会，那你还面试什么呀？我一看这不就是很简单的数组和切片的区别嘛。
很高兴和大家分享 Hugging Face 的一项新功能: KV 缓存量化 ，它能够把你的语言模型的速度提升到一个新水平。 太长不看版: KV 缓存量化可在最小化对生成质量的影响的条件下，减少 LLM 在长文本生成场景下的内存使用量，从而在内存效率和生成速度之间提供可定制的权衡。 你是否曾尝试过用语
一：背景 1. 讲故事 前些天有位朋友找到我，说他们的程序内存会偶发性暴涨，自己分析了下是非托管内存问题，让我帮忙看下怎么回事？哈哈，看到这个dump我还是非常有兴趣的，居然还有这种游戏币自助机类型的程序，下次去大玩家看看他们出币的机器后端是不是C#写的？由于dump是linux上的程序，刚好win
从一个例子开始讲吧。 假设正在调试猫分类器，然后取得了90%准确率，相当于10%错误，，开发集上做到这样，这离希望的目标还有很远。也许的队员看了一下算法分类出错的例子，注意到算法将一些狗分类为猫，看看这两只狗，它们看起来是有点像猫，至少乍一看是。所以也许的队友给一个建议，如何针对狗的图片优化算法。试
工作中难免会遇到各种各样的数据结构，较为全面的了解数组操作，对于复杂数据结构的处理会非常有用且节省时间。所以想在这里总结一下工作中常用的数组操作，都是一些非常基础的知识，大家看个乐就好~
一：背景 1. 讲故事 今天分享的dump是训练营里一位学员的，从一个啥也不会到现在分析的有模有样，真的是看他成长起来的，调试技术学会了就是真真实实自己的，话不多说，上windbg说话。 二：WinDbg 分析 1. 为什么会卡死 这位学员是从事工控大类下的视觉自动化，也是目前.NET的主战场，这个
本文主要从设计与原理方面分享优化过程中的思考，不涉及具体的代码实现。在分析过程中我会写一些当时思考的问题，在看后续答案时可以自己也先思考一下 老的限流方案 首先讲解一下原本网关限流功能的实现方案，省略其中的白名单，黑名单，令牌桶算法实现等一些细节 限流策略中包含多种策略，比如根据用户维度限流，ip维
在了解一些概念之前一直看不懂上交22年开源的TRTModule.cpp和.hpp，好在交爷写的足够模块化，可以配好环境开箱即用，移植很简单。最近稍微了解了神经网络的一些概念，又看了TensorRT的一些api，遂试着部署一下自己在MNIST手写数字数据集上训练的一个LeNet模型，识别率大概有98.
明确系统提供了哪些日志，cpu、meminfo、app、log等，我们怎么看日志，看日志的三步骤，怎么用工具提高分析日志的效率，bugreport和chkbugreport。
大家好，我是狂师！ 今天，我想和大家分享一个有些震撼、但也是我深思熟虑后做出的决定——我裸辞了！对，正如文章标题一样，你没看错，我裸辞了！ 很多人第一时间可能会很诧异，你的工作不是挺好的吗？而且近几年经济形势又不怎么好，为什么选择这个时候辞职呢？ 今天趁着这个机会，就来给大家好好聊聊我裸辞背后的一些
众所周知,对于前端来说css是最难的了，如果你遇到了一个脑洞大奇思妙想的产品，那就更难了。 很不巧，了不起就经受过这样的痛苦，产品经理看了HarmonyOS4的发布会，脑子一热就让设计师出了一套膨胀蓬松的UI 了不起经过调研，查找了上百个样式组件库，终于找到了一款合适的样式库——clay.css c
一：背景 1. 讲故事 前些天有位朋友找到我，说他的软件在客户那边不知道什么原因崩掉了，从windows事件日志看崩溃在 clr 里，让我能否帮忙定位下，dump 也抓到了，既然dump有了，接下来就上 windbg 分析吧。 二：WinDbg 分析 1. 为什么崩溃在 clr 一般来说崩溃在clr
T恤是今年园子周边的重头戏，经过三版设计（1，2，3），差点没戏，还好我们没有放弃，回归最初的设计，终于上架等穿上它的你。 在第三版设计预览发布之后，我们开始打样看实物效果，收到样品后，我们被星星的可爱惊呆了，比设计图中还要可爱的多，穿上它仿佛一下回到了童年。 为了让星星成为T恤主题唱独角戏，我们正
使用Docker安装Odoo 17(非Docker Compose) 前言 最近在学习Odoo,先是windows 安装企业版，多年不用windows的服务器操作系统，一看windows的ECS那么贵就想折腾一下用linux服务器来跑Odoo社区版.于是开始实践，这篇文件只记录结果。其中趟坑的滋味暂
这是一个系列文章《如何从零开始实现TDOA技术的 UWB 精确定位系统》第6部分。 重要提示（劝退说明）： Q：做这个定位系统需要基础么？ A：文章不是写给小白看的，需要有电子技术和软件编程的基础 Q：你的这些硬件/软件是开源的吗？ A：不是开源的。这一系列文章是授人以“渔”，而不是授人以“鱼”。文
最近网上冲浪的时候看到有人分享了自己最近一次性能优化的经验。我向来对性能是比较敏感的，所以就点进去看了。 然而我越看越觉得蹊跷，但本着“性能问题和性能优化要靠性能测试做依据”，我不能凭空怀疑别人吧，所以我做了完整的测试并写下了这篇文章。 可疑的优化方案 分享者遇到的问题很简单：他发现程序中超过一半的
开心一刻 其实追女生，没那么复杂 只要你花心思，花时间，陪她聊天，带她吃好吃的，耍好玩的，买好看的 慢慢你就会发现什么叫做 打水漂 不说了，我要去陪她看电影了 前情回顾 异构数据源同步之数据同步 → datax 改造，有点意思 主要讲到了2点 去 Python，直接在命令行用 java 命令来启动
代码 kubernetes 1.26.15 问题 混部机子批量节点NotReady（十几个，丫的重大故障），报错为： 意思就是 rpc 超了，节点下有太多 PodSandBox，crictl ps -a 一看有1400多个。。。大量exited的容器没有被删掉，累积起来超过了rpc限制。 PodSa
目录1. RBD1. RBD特性2. 创建rbd池并使用2.1 创建rbd2.2 创建用户2.3 下发用户key与ceph.conf2.4 客户端查看pool2.5 创建rbd块2.6 映射rbd并挂载先看一下块设备2.7 开机自动映射2.8 rbd create参数2.9 rbd映射基本操作3.
网上找到的Master公式推导过程都太过于复杂了，为此我特地找到一种小白也能看懂的推导过程。看完这篇文章后，你会对递归的时间复杂度深谙于心，打死都不会忘记。
