- 综合排序
- 最热优先
- 最新优先
- 来自专栏捉虫大师
低开销获取时间戳
这样获取就只是从内存中取一下，开销非常小，但缺点也很明显，更新的频率决定了时间戳的精度。
1.5K51发布于 2021-04-22 - 来自专栏LINUX阅码场
LWN：快速、低开销的堆栈跟踪工具SFrame！
因此，每个函数调用都会有一些额外的代码性能开销；除此之外，编译器必须专门为帧指针预留一个寄存器，这也会影响性能。但它是一个易于理解的机制，效果良好；"它设计得很漂亮，运作良好，而且非常简单"。 其他需求更明显地源自她的幻灯片上的优缺点：需要更低开销，使用低复杂度的 tracer，并使用由工具链生成的信息。SFrame 是在考虑这些需求的基础上设计的，她说。 SFrame 开发人员最初从内核场景开始，现在开始研究有哪些用户空间应用程序可能可以从快速、低开销的 stack trace 中受益。
91530编辑于 2023-09-11 Async-profiler：低开销Java性能分析利器
项目标题与描述Async-profiler 是一个针对Java的低开销采样性能分析器，它克服了传统分析器的“安全点偏差”（Safepoint bias）问题。
31110编辑于 2025-12-18- 来自专栏QB杂货铺
ubifs开销测试
如此计算开销超过了10%，那么这个开销随容量如何变化呢，是固定为10%吗还是有其他规律？ 理论计算 简单查了下资料，没找到明确的计算方式。
97320发布于 2019-12-27 - 来自专栏磐创AI技术团队的专栏
低资源语言的机器翻译
结尾 机器翻译在NLP世界中被低估了，因为谷歌翻译和其他巨头使翻译变得完美，但他们并没有提供所有的语言，一些低资源语言甚至没有做到这一点。 最后，我对这个结果感到高兴，同时使用有效和快速的方法来有效地训练和预测来自非洲的低资源语言。
1.5K40发布于 2021-10-27 - 来自专栏云云众生s
资源有限？低参数RAG可以提供帮助
像GPT-3.5/4这样的大型模型训练和运行推理所需的计算资源非常大，这反映在API收费以及服务偶尔中断上。ChatGPT最初被释出仅用于研究预览，并非用于生产应用。 通过使用较小的LLM，您可以降低每个查询的计算成本，从长期来看这可以节省大量资源。这也可以为用户带来更快的响应时间，从而提升其整体体验。 在资源使用方面，13B参数的示例模型仅消耗略高于8GB的VRAM，但仍能提供相关的答案。根据需求，这表明即使在用户工作站和移动设备等无数其他平台上运行RAG也具有潜力。
39510编辑于 2024-03-28 - 来自专栏ReganYue's Blog
【PTA】最小开销
6-2 最小开销 (10 分) 从起点到终点分布有N个驿站（驿站提供食宿，加满油，停车，检修等全套服务，按车收费，不提供分项服务）。 请编写函数，计算对于给定的驿站及收费（N个驿站中，第i个驿站的收费标准是w[i]）计算加满油从起点出发，到达终点的最小开销。 4 1 2 4 8 输出样例1： 计算最小的开销，本例中，经：第1，第3驿站，直达终点。最小开销是5。 10 10 80 10 10 90 10 10 10 100 10 输出样例2： 计算最小的开销，本例中，经：第1，第3，第4，第6，第8，第10驿站，直达终点。 最小开销是10+10+10+10+10+10=60。
49430发布于 2021-09-16 - 来自专栏ThoughtWorks
低资源背景下的公共服务设计｜洞见
吴琳叶 ThoughtWorks 低资源国家，从经济指标来看，2013年的指标是人均国民生产总值在1035美元以下。 除了面临经济上的挑战之外，低资源国家还会面临包括基础设施、医疗资料以及文化教育程度等多方面的挑战。 基础设施方面，很多低资源地区的全民电力覆盖率低于20%，它的互联网渗透率甚至会低于10%。 1 低资源的服务创新，要依靠本身的资源优势，而不是追赶高科技 有一个非常令人欣喜的案例，M-Pesa，它是在非洲新兴的一项金融类服务，我们可以通过这个例子了解到，在这样低资源的背景下，当地组织是如何找到适合本地市场的服务创新突破口的 这个案例也做出了极佳的本土化表率，建立低资源背景下的公共服务，需要充分利用当地的资源优势，而不是一味追求高科技或者所谓现代化，通过放大或者转化已有资源从而帮助建立服务生态体系。 从而有机会接触到很多低资源的国家，利用技术帮助当地民众获得基础医疗信息化服务。
1K40发布于 2018-04-17 - 来自专栏机器之心
引入纯度和类型注释、捕捉编程错误，MIT推出低开销量子编程语言Twist
最后，研究者对 Twist 的类型系统进行评估，并在模拟中分析了一组基准量子程序，证明了 Twist 可以表达量子算法，捕捉编程错误，并支持现有量子编程语言不支持的程序，同时产生的运行时验证开销低于 3.5%
49310编辑于 2022-02-23 - 来自专栏JNing的专栏
【tensorflow】设置显存开销
一般大家在跑tf时，单个程序往往会占满整块GPU的所有显存。 但是实际上，程序很可能并不需要那么大的显存空间。
1.2K10发布于 2020-03-17 - 来自专栏人工智能前沿讲习
SFFAI分享 | 杨振：低资源神经机器翻译
对于低资源甚至无资源的翻译场景，我们需要研究能够更加高效使用单语语料的翻译模型和训练方法。 作者简介 ---- 杨振，中国科学院自动化研究所博士，研究方向为神经机器翻译，主要研究内容包括模型算法优化，低资源情况下的机器翻译算法研究，首次将对抗网络应用于机器翻译领域并取得了较大的性能提升。 对抗网络天然具有利用单语语料的能力，在低资源情况下能够发挥更大的作用。 3.2. 我们相信在更多的研究者的参与下，无监督机器翻译将成为解决低资源、无资源情况下机器翻译的一种主流方法。
88320发布于 2020-05-11 - 来自专栏程序员成长充电站
如何处理IO开销
在很多问题上，处理器的速度比硬件交流要快得多。这种代价通常是小的 I/O，可能包括网络消耗，磁盘 I/O，数据库查询，文件 I/O，还有其他与处理器不太接近的硬件使用。所以构建一个快速的系统通常是一个提高 I/O，而非在紧凑的循环里优化代码或者甚至优化算法的问题。
90620发布于 2019-09-17 - 来自专栏openclaw系列
深入解析 OpenClaw如何通过 ws-log.ts 模块实现高效、可读、低开销的 WebSocket 日志系统
六、性能与资源控制 1. 零内存泄漏 pendingRequests Map 定期清理超时请求（>30s） 使用 WeakMap 替代（若适用） 2. 低 CPU 开销 日志格式化仅在 process.env.NODE_ENV !== 'production' 时启用 生产环境默认关闭 WebSocket 日志（可选开启） 3.
37320编辑于 2026-03-16 - 来自专栏黑客下午茶
Sentry SDK 开销测量(Benchmark)
动机 关于 SDK 影响的问题无法回答 不知道我们造成了多少开销以及多少开销是可以接受的 这里聚焦的是 Web 服务器的性能监控（跟踪）。 每个 Docker Compose 项目负责启动目标 app 、database 服务器和辅助工具，以生成负载并测量延迟和资源消耗。 benchmark runner: （可选）通过将 sentry-sdk-benchmark 二进制文件移动到 $PATH 中的目录来安装它，例如： 运行 sentry-sdk-benchmark 工具: 清理资源 sentry-sdk-benchmark 工具在运行后总是会尝试清理资源（容器、镜像和网络）。 在最终留下某些东西的情况下，以下命令可以帮助清理资源。 请谨慎使用以下命令，因为其中一些命令可能会影响不一定由 sentry-sdk-benchmark 创建的资源。
95230编辑于 2022-01-25 量子容错电路实现重大突破：资源开销降低一个数量级
在发表于《npj Quantum Information》的研究中，提出了一种低开销的容错T门实现方案。该方案通过创新设计，将T门实现的资源开销（包括量子位数量和操作次数）降低至少一个数量级。 通过物理级克利福德门操作即可获得高保真魔法态，无需传统方案中的逻辑级操作，显著降低资源消耗。
24910编辑于 2025-08-17- 来自专栏时空探索之旅
AAAI 2026 Oral | 零样本、高精度、低开销：高效利用视觉语言模型检测时序异常
然而，直接调用 VLM 往往陷入两难：用长窗口保留上下文却丢失定位精度，用短窗口精确定位又带来爆炸性 token 开销，难以兼顾准确性、效率与语义理解。 如何避免滑动窗口带来的爆炸性 token 开销？ 相比现有基于LLM和VLM的 TSAD 方法，实现了低开销 (平均 token 消耗降低 36 倍)， ● 亮点三：零样本跨域泛化能力 整个框架无需在目标时间序列数据上进行任何训练或微调： ViT4TS 部署可行性：对于大规模监控系统（如数千传感器），VLM4TS 的低 token 成本和快速推理使其具备实时落地潜力。 相比之下，默认的 ViT-B/16 在精度与效率之间取得良好平衡，既能维持高定位准确性，又满足工业部署对低延迟的要求，因此是实际应用中的推荐配置。
30610编辑于 2026-03-10 - 来自专栏RTSP/RTMP直播相关
Windows平台Unity3D下如何低延迟低资源占用播放RTMP或RTSP流？
今天就Unity下的RTSP|RTMP的低延迟播放，从以下几个维度，抛砖引玉，做个探讨： 选择合适的播放插件 Unity下的RTSP|RTMP低延迟播放，业内想到最多的是大牛直播SDK的SmartPlayer ，支持 RTMP 和 RTSP 直播流播放，在资源占用、延迟等方面表现较好。 低延迟模式：如果插件或 SDK 提供了低延迟模式的选项，一定要开启该模式。不过，有些情况下开启低延迟模式可能会牺牲一定的视频质量或稳定性，需要进行权衡。 优化代码和渲染流程数据处理优化：在接收到流媒体数据后，尽量减少数据的拷贝和处理操作，避免不必要的性能开销。可以使用高效的数据结构和算法来处理视频数据，提高数据处理的速度。 ：总结Windows平台如果对延迟和资源占有等，要求非常高，可以选择合适的低延迟RTSP或RTMP播放插件、优化播放参数设置、优化网络环境、优化代码和渲染流程。
62520编辑于 2024-12-10 - 来自专栏机器之心
资源 | FAIR & NYU开发XNLI语料库：15种语言（含低资源语言）
机器之心编译 参与：路、王淑婷 近日，FAIR 和纽约大学的研究者合作开发了一个新的自然语言推断语料库 XNLI，该语料库将 MultiNLI 的测试集和开发集扩展到 15 种语言，包括斯瓦西里语和乌尔都语等低资源语言 这些语言涉及多个语系，包括斯瓦西里语和乌尔都语这两种低资源语言。 XNLI 为低资源语言（如斯瓦西里语和乌尔都语）提供额外的开放平行数据。 由于收集每种语言的数据不切实际，因此研究者对跨语言理解（XLU）和低资源跨语言迁移的兴趣越来越大。 本研究将 MultiNLI 的开发集和测试集扩展到 15 种语言（包括斯瓦西里语和乌尔都语等低资源语言），从而构建了一个 XLU 的评估集。
2.1K30发布于 2018-12-12 - 来自专栏ThoughtWorks
设计适用于低资源环境的医疗IT系统 | TW洞见
由于资源的局限，与一般意义上的商业IT项目相比，低资源环境的医疗IT系统建设面临一些特有的挑战。唯有充分理解这些挑战，IT团队才可能开发出适用、有用、好用、可靠且可扩展的公共卫生IT系统。 由于资金和人力受限，这类低资源环境的医疗IT项目大多从小范围、具体问题开始试点，待效果得到验证之后，再扩展到更多问题领域和更大规模的人群。 在设计开发低资源环境的医疗IT系统时，我们发现精益创业的理念同样适用。 经过在非洲多个国家开发公共卫生IT系统的经历，我们发现这些关注质量内建的软件开发实践在低资源环境下更显价值。 小结 为了在低资源地区有效实施公共卫生IT系统，需要借用商业IT领域成熟的实践经验，并根据当地情况加以调整。
949140发布于 2018-04-20 - 来自专栏智能生信
低资源反应预测场景的自监督分子预训练策略
Self-Supervised Molecular Pretraining Strategy for Low-Resource Reaction Prediction Scenarios 论文摘要 针对低资源的反应训练样本 Transformer模型在预测Baeyer-Villiger、Heck、C-C键形成和官能团间转换反应数据集方面的平均准确率分别达到14.07、24.26、40.31和57.69%，标志着该模型在预测低资源反应数据集方面迈出了重要一步
29020编辑于 2022-12-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号