- 综合排序
- 最热优先
- 最新优先
- 来自专栏绿盟科技研究通讯
倍福PLC安全评估实战
0x01 前言 CX9020是倍福公司生产的PLC，运行Microsoft Windows Embedded Compact 7操作系统，广泛运用在运动控制领域。 下图就是安全评估的目标PLC。 #将NK.bin转为NK.nb0 >>>cvrtbin.exe -r -a 0x80200000 -w 32 -l 0x039A8B30 NK.bin ... ... ... start 83af9d0c 由于这个倍福自带的CeRDisp不仅实现了远程桌面服务，还实现了授权功能，在用户设置密码后，使用远程桌面进行访问的时候要输入安全密码，如下图： ? ?
1.7K30发布于 2019-12-11 - 来自专栏EtherCAT
EtherCAT芯片需要倍福授权是怎么回事？
ETherCAT的全称是Ethernet for Control Automation Technology，它是最早由德国倍福公司（Beckhoff）在2003年提出，现在由 EtherCAT技术协会监管 ETG的规则是：EtherCAT是一种架构开放、但不开源的高速工业以太网通信协议，任何相关设备的开发，都需要向其获取相关授权，这个授权一般都需要从EtherCAT的专利方倍福（Beckhoff）获得。 目前市场上获得倍福正牌官方授权的厂商主要有：Microhip（美国）--LAN9252、LAN9253、LAN9254、LAN9255Ti（美国）--SitaraAM3357/9、SitaraAM4377 /9、 SitaraAM571xE、 SitaraAM572xERenesas（美国）--RZ/T1和R-IN32M3-ECInfineon（德国）: XMC4300和XMC4800Hilscher（德国 如果使用未获得倍福授权的ETherCAT芯片：一是性能上一般会有很大差异二是为后期获得技术支持和软件更新带来隐患三是也令国产工控设备在进军海外市场时面临合规挑战
88510编辑于 2024-07-02 - 来自专栏java一日一条
Nginx引入线程池 性能提升9倍
服务器处理4MB文件的平均时间从7.42秒降到226.32毫秒（减少了33倍），每秒请求处理数提升了31倍（250 vs 8）！
98610发布于 2018-09-18 - 来自专栏机器人网
倍福TwinCAT 3.1无缝集成 PLC 和机器人控制
在 2014 年慕尼黑国际机器人及自动化技术贸易博览会（Automatica 2014）上，Beckhoff 和 KUKA 展示了一个崭新的通用接口。TwinCAT 3.1 中的 PLC 软件库支持连接 KUKA 机器人的 mxAutomation 接口。 有了 mxAutomation 功能库，指令可以直接由 PLC 发送给带 KR C4 控制器的 KUKA 机器人。因此，这可能是第一次在同一个系统上给控制器和机器人简单编程 — 即无需特殊的机器人编程语言知识。 通讯通过 EtherCAT 实现，有了 T
2.3K40发布于 2018-04-12 - 来自专栏流柯技术学院
NGINX引入线程池 性能提升9倍
58.86GB read Requests/sec: 250.57 Transfer/sec: 0.98GB 服务器处理4MB文件的平均时间从7.42秒降到226.32毫秒（减少了33倍） ，每秒请求处理数提升了31倍（250 vs 8）！ 英文原文：Thread Pools in NGINX Boost Performance 9x!
66820发布于 2018-09-11 EtherCAT联倍福，DeviceNet控气阀：一“关”解百忧
EtherCAT联倍福，DeviceNet控气阀：一“关”解百忧在高速精密加工中心轰鸣的车间里，我们的设备层存在一个棘手的“沟通”难题：倍福PLC凭借高性能EtherCAT总线掌控全局，而关键的现场执行单元 经过严格选型评估，最终确定了一款网关设备，其核心优势在于： 高效透明： 在倍福TwinCAT工程环境中可被直接识别为本地DeviceNet主站模块，配置逻辑与倍福原生I/O高度一致，大幅降低工程复杂度 倍福PLC中的控制逻辑（如M代码触发换刀、传感器联锁门控）通过网关实时、无损地转换为DeviceNet报文，驱动对应阀门动作。 它成功破解了高端PLC（倍福）与存量设备层（DeviceNet气动阀）间的协议壁垒，实现了： 数据无缝贯通： PLC指令直达末端执行器，控制更精准。
29010编辑于 2025-08-13- 来自专栏新智元
斯坦福博士一己之力让Attention提速9倍！FlashAttention燃爆显存，Transformer上下文长度史诗级提升
斯坦福博士一人重写算法，第二代实现了最高9倍速提升。 继超快且省内存的注意力算法FlashAttention爆火后，升级版的2代来了。 比起第一代，FlashAttention-2速度提升了2倍。 甚至，相较于PyTorch的标准注意力，其运行速度最高可达9倍。 Tri Dao一直在研究FlashAttention-2，它比v1快2倍，比标准的注意力快5到9倍，在A100上已经达到了225 TFLOP/s的训练速度！ 与PyTorch中的标准注意力实现相比，FlashAttention-2的速度最高可达其9倍。 根据主页介绍，他将从2024年9月开始，任职普林斯顿大学计算机科学助理教授。
85520编辑于 2023-08-07 - 来自专栏EtherCAT
ETherCAT芯片为何需要倍福授权？国产EtherCAT有哪些推荐？
EtherCAT技术是德国的倍福自动化（Beckhoff）开发，处于EtherCAT技术协会（ETG）框架之下，是一项开放但不开源的技术，任何相关设备的开发，都需要向其获取相关授权。 图片如果使用未获得倍福授权的ETherCAT芯片：一是性能上一般会有很大差异二是为后期获得技术支持和软件更新带来隐患三是也令国产工控设备在进军海外市场时面临合规挑战授权则需要从EtherCAT的专利方Beckhoff 主要型号大概有：Microhip（美）--LAN9252、LAN9253Ti（美）--SitaraAM3357/9、SitaraAM4377/9、 SitaraAM571xE、 SitaraAM572xERenesas XMC4800Hilscher（德国）: netX50、 netX50、 netX90、 netX500和netX4000亚信（台）--AX58100不过近几年，随着国内EtherCAT市场的增长，很多国内的企业也开始获得了倍福的正式授权 比如苏州创耀，获得倍福正式授权，目前已推出一系列EtherCAT从控芯片，集成了从倍福自动化授权的ESC核心模块。
3.4K11编辑于 2024-07-04 - 来自专栏新智元
斯坦福新深度学习系统 NoScope：视频对象检测快1000倍
斯坦福大学的新研究构建一个名为 NoScope 的深度学习视频对象检测系统，利用视频的局部性对 CNN 模型进行优化，相比当前性能最好的 YOLOv2 或 Faster R-CNN 速度加快了1000倍， 为了解决视频增长速度与分析成本之间的巨大差距，我们构建了一个名为 NoScope 的系统，与目前的方法相比，它处理视频内容的速度要快数千倍。 本文将介绍NoScope优化的一个示例，并描述NoScope如何在模型级联中端到端地堆叠它们，以获得倍增的加速——在现实部署的网络摄像机上可提速1000倍。 这些模型端到端地堆叠，比原来的CNN要快1000倍。 利用场景特定局部性 NoScope 使用专用模型来利用场景特定局部性，或训练来从特定视频内容的角度检测特定对象的快速模型。 在NoScope中，我们利用时间局部性，将视频专用管道中差异检测和专用CNN相结合，视频检索速度比普通CNN检索提高了1000倍。也就是说，每秒处理的视频帧数超过8000帧。
1.3K50发布于 2018-03-27 - 来自专栏AI科技评论
业界｜快9倍！Facebook开源机器学习翻译项目fairseq
今天，Facebook的人工智能研究团队发表了他们的研究成果Fairseq，他们使用了一种新型的卷积神经网络来做语言翻译，比循环神经网络的速度快了9倍，而且准确性也是现有模型中最高的。 FAIR的卷积神经网络模型计算的相当快速，比循环神经网络快乐整整9倍。许多研究都通过量化权重或者其他的方法的方法来加速神经网络，这也同样可以用于卷积神经网络。
1K60发布于 2018-03-12 - 来自专栏EtherCAT
使用未获得倍福授权的EtherCAT芯片可能面临的风险
例如，2018 年倍福曾对中国企业提起诉讼，要求停止侵权并赔偿损失。若企业在专利有效期内使用未授权芯片，可能面临追溯性法律追责。 例如，早期国产替代芯片因未获得倍福授权，实测中出现通信延迟不稳定、多节点同步失效等问题。 例如，某国内厂商因未获得倍福 IP 授权，在开发从站控制器时需自行实现 PDO 映射逻辑，最终导致产品上市时间延迟 6 个月。 3.安全漏洞与可靠性隐患未授权芯片可能缺乏倍福的安全机制（如数据帧校验和防篡改设计），易受中间人攻击或 DoS 攻击。 四、应对策略建议1.优先选择授权芯片目前获得倍福授权的厂商包括 Microchip、瑞萨、创耀科技等。
27410编辑于 2025-10-12 - 来自专栏剑指工控
倍福PLC与ET200S的PROFIBUS DP通讯（附案例下载）
在搜索窗口中，勾选与ET200S连接的端口并确定，如图1-8所示，并手动组态IO模块（需要与实际组态一致），如图1-9所示。 图1-7 选择搜索 图1-8 勾选与ET200S连接的端口 图1-9 组态IO模块 设置PROFIBUS DP通讯速率以及PLC的PROFIBUS DP站号，双击“Device2（CX5020-0111
1.7K30发布于 2021-11-09 - 来自专栏DotNet NB && CloudNative
换成.NET 9，你的LINQ代码还能快上7倍
1. .NET 9 LINQ 新速度的两大架构支柱 .NET 9 中 LINQ 的性能飞跃并非源于某个单一的黑科技，而是建立在几个关键的架构性改进之上。 在 .NET 9 之前，对一个 List<T> 执行此操作会创建至少两个迭代器对象。 「这是 .NET 9 中许多操作符性能大幅提升的主要原因」。 与 .NET 8 相比，这些操作在 .NET 9 上的执行速度提升了约 「7 倍」，并且操作本身的内存分配「降至零」！ 为性能而设计：.NET 9 的新 LINQ 方法 除了优化现有方法，.NET 9 还为我们带来了几个全新的 LINQ API，它们的设计初衷就是为了解决常见的性能和可读性反模式。 3.1.
36510编辑于 2025-09-02 - 来自专栏新智元
斯坦福谷歌大脑：两次蒸馏，引导扩散模型采样提速256倍！
新智元报道 编辑：Aeneas David 【新智元导读】斯坦福、谷歌大脑新作：无需分类器，两步蒸馏，将扩散模型采样速度提升256倍。 只需4个采样步骤，就能获得与原始模型相当的FID/IS分数，而采样速度却高达256倍。 可以看到，通过改变指导权重w，研究者蒸馏的模型能够在样本多样性和质量之间进行权衡。
72220编辑于 2023-01-06 - 来自专栏工业自动化
CANopen转EtherCAT：倍福CX5140 PLC与CANopen从站的实时通信
生产线的核心控制系统采用了基于EtherCAT协议的倍福（Beckhoff）PLC作为主站，负责对整个生产线的流程进行调度和控制，确保各个工序的精准协同。 EtherCAT协议主站PLC：选用倍福（Beckhoff）的CX5140系列工业PC作为EtherCAT主站。 在配置软件中，需要设置EtherCAT从站的相关参数，包括从站地址、通信速率等，确保网关能够与倍福PLC的EtherCAT网络正确通信。 例如，将倍福PLC发出的拧紧机控制指令数据映射到CANopen网络，以便发送给博世电动拧紧机；将图尔克传感器采集到的温度、位置等数据映射到EtherCAT网络，供倍福PLC进行分析和处理。 硬件组态：在倍福TwinCAT3编程软件中，进行硬件组态操作。
56510编辑于 2025-06-11 - 来自专栏零域Blog
win10隐藏的9种功能-效率提升10倍
那么，接下来要跟大家分享的是Windows 10的9种模式，要知道，同样是一台搭载 Windows 10的电脑，使用不同的模式，也会有截然不同的使用体验！ 【步骤】以管理员身份打开Powershell，开始输入一串超厉害的代码回车开启 powercfg -duplicatescheme e9a42b02-d5df-448d-aa00-03f14749eb61
1.8K30编辑于 2022-03-28 - 来自专栏机器之心
比当前SOTA小4倍、计算量少9倍，谷歌最新目标检测器EfficientDet
数据集上实现了当前最优的 51.0 mAP，准确率超越之前最优检测器（+0.3% mAP），其规模仅为之前最优检测器的 1/4，而后者的 FLOPS 更是 EfficientDet-D7 的 9.3 倍。 此外，EfficientDet 模型在 GPU 和 CPU 上的计算速度分别是之前检测器的 3.2 倍和 8.1 倍，参见图 4 和表 2。 ? 图 4：模型大小和推断延迟对比。 例如，近期提出的基于 AmoebaNet 的 NASFPN 检测器需要 167M 参数和 3045B FLOPS（是 RetinaNet 的 30 倍）才能获得当前最优准确率。
95530发布于 2019-12-06 - 来自专栏架构专题
nginx“线程池模式”探讨；据说性能提高了9倍
官方的博客介绍了如何利用nginx 线程池aio，实现9倍的性能。 它还有一个比较好记的名称，叫做零拷贝。那与传统的文件读取然后发送到网络上，有什么区别呢？ END nginx官方宣称使用多线程模式，在aio读取文件场景下，性能有9倍的提升，但我还是对这个测试具有一定怀疑态度。
1.9K20发布于 2020-06-16 分钟级长视频生成迎来“记忆革命”，7倍成本降低，2.2倍端到端生成速度提升!｜斯坦福&字节
MoC 能够裁剪超过 85% 的 token 对，将注意力 FLOPs 成本最多减少7倍，并在分钟级场景中实现 2.2 倍的端到端生成速度提升。 达到的效果 实现近似线性的计算扩展，大幅降低注意力计算成本（FLOPs 最多减少7倍），生成长度达到约18万token的分钟级视频。 端到端生成速度提升2.2倍，token裁剪比例超过85%，显著提高了长视频生成的训练与推理效率。 首次验证学习型稀疏上下文路由在实际应用中的有效性，以接近短视频的成本实现长上下文视频记忆。 假设本工作使用 ，，，，则可计算出： 相比之下，在相同序列上进行稠密自注意力的计算代价为： 因此，自适应上下文混合（Mixture of Contexts）层将乘加操作减少了超过 7 倍。
30810编辑于 2025-11-17- 来自专栏YOLO大作战
斯坦福最新Sophia优化器，比Adam快2倍 | 2023.5月斯坦福最新成果
1.Sophia优化器介绍 斯坦福2023.5月发表的最新研究成果，他们提出了「一种叫Sophia的优化器，相比Adam，它在LLM上能够快2倍，可以大幅降低训练成本」。
2.6K40编辑于 2023-11-03
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