高速收发模块并行光学MT组件

平行光学又叫并行光学，是英文“Parallel”的翻译。 什么是并行光学技术？并行光学技术是一种特殊的光通信技术，在链路两端发射并接收信号，通常采用并行光学收发光模块来实现两端的高速信号传输。 在并行光学的信号传输中，链路两端的并行光模块中含有多个发射器和接收器，采用多条光纤，信号通过多条路径传输和接收，并行传输利用可支持每秒 40 至 100 Gigabit 数据速率的多个通道。 在当前100G以及以下速率的数据中心，短距离多模光模块使用的更多是多模并行技术。 1.jpg 并行光学模块更加依赖于光学器件的高密度集成化和封装的小型化，来使得所产生的热量大大少于多个分立器件。 MT（MPO）插芯和光纤组件是支持并行光互连的关键器件之一，用于连接内部光学透镜与外部光接口，能够集成到光模块板上。

高速光模块中的并行光学和WDM波分光学技术

按照传输模式，光模块可分为并行和波分两种类型，其中并行方案主要应用在中短距传输场景中成本优势较为明显；而在长距离传输场景中，WDM波分方案的应用可明显地节约光纤成本。 并行光学传输在并行光学 (Parallel optics) 的信号传输中，链路两端的并行光模块中含有多个发射器和接收器，采用多条光纤，信号通过多条路径传输和接收，典型的光模块类型包括SR4，SR8，PSM4 MT（MPO）插芯和光纤阵列FA多通道微型连接组件是支持并行光互连的关键部件，用于模块外部光接口连接与模块内部光学耦合，能够集成到光模块板上。 利用MT插芯的小体积、多通道来实现多路光的并行传输，在高速光模块中作为对外的光接口非常易于使用。 如下400G Rx光学集成组件基于Z-block自由空间技术，集成了400G高速光收发模块的ROSA端的所有光学组件，包含Receptacle、准直器、Z-block、lens array、棱镜和底板。

应用于高速收发模块的并行光学&WDM波分光学技术

在数据中心光模块就产生了两种传输方案—并行和波分。在当前100G以及以下速率的数据中心，短距离光模块使用的更多是并行技术。图片什么是并行光学技术? 并行光学技术是一种特殊的光通信技术，在链路两端发射并接收信号，通常采用并行光学收发光模块来实现两端的高速信号传输。 传统的光纤收发模块无法满足日益增长的高速传输需求，而并行光学技术可以成为 4×50G，8×50Gbps传输的经济高效的解决方案。 在并行光学的信号传输中，链路两端的并行光模块中含有多个发射器和接收器，采用多条光纤，信号通过多条路径传输和接收，并行传输利用可支持每秒 10 至 100 Gigabit 数据速率的多个通道。 利用自由空间光学（Free Space Optics）设计，结合准直器，用4个CWDM波长的滤光片通过微光学的方式进行合波和分波。

PyTorch 流水线并行实现 (6)--并行计算

[源码解析] PyTorch 流水线并行实现 (6)--并行计算 目录 [源码解析] PyTorch 流水线并行实现 (6)--并行计算 0x00 摘要 0x01 总体架构 1.1 使用 1.2 前向传播 流水线并行其他文章链接如下: [源码解析] 深度学习流水线并行Gpipe(1)---流水线基本实现 [源码解析] 深度学习流水线并行GPipe (2) ----- 梯度累积 [源码解析] 深度学习流水线并行 ] 深度学习流水线并行 PipeDream(3)--- 转换模型 [源码解析] 深度学习流水线并行 PipeDream(4)--- 运行时引擎 [源码解析] 深度学习流水线并行 PipeDream(5) --- 通信模块 [源码解析] 深度学习流水线并行 PipeDream(6)--- 1F1B策略 [源码解析] PyTorch 流水线并行实现 (1)--基础知识 [源码解析] PyTorch 流水线并行实现 轮训练计划 & 数据 前 6 个周期对应了如下时间流，第一个时钟周期 (1,1) 进入系统，第二个周期 (2,1) 进入系统

Java并行-6.线程优先级

线程可以有自己的优先级，优先级高的线程在竞争资源时会更有优势，但是这不是绝对的。 Java线程优先级整型成员变量priority来标识，范围从1到10，数字越大优先级越高。其中有三个静态标量： public final static int MIN_PRIORITY = 1; public final static int NORM_PRIORITY = 5; public final static int MAX_PRIORITY = 10; 以下代码可以展示优先级高的线程倾向于更快完成： package

React 面试必知必会 Day 6

6. 静态类型检查的推荐方式是什么？

python 多线程 条件condition(并行编程 6)

class Consumers(threading.Thread): def init(self): threading.Thread.init(self)

光学词汇6-系统基本概念6-主光线和边缘光线

主光线（chief ray）是从物体的一个偏离光轴的点发出，并且经过光学系统孔径光阑的中心的光线。主光线代表着从物体某一点发出的光束的中心线。 进入光学系统的主光线位于一条与入瞳中心点相交的直线上，交点为图中的Enp，而离开光学系统的主光线将与出瞳的中心点相交，交点为图中的Exp 所以，简单来说，主光线和边缘光线是描述从物体发出并穿过光学系统形成图像的两种特殊光线 通过分析这两种光线，我们可以了解光学系统的性能，以及如何改善图像的质量。

光学词汇13-透镜6-轴向放大率

轴向放大率（Longitudinal Magnification）是描述在光学系统中，像的轴向尺寸与物的轴向尺寸的比值。在光学中，轴向放大率密切关联到foreshortening（透视压缩）效应。 在设计和利用光学系统时，理解他们之间的关系对于控制和优化成像效果具有重要意义。

SQL 必知必会 50 题（6 - 10）

SQL6 按照数量和价格排序 描述 假设有一个 OrderItems 表 quantity item_price 1 100 10 1003 2 500 问题 编写 SQL 语句，显示 OrderItems prod_name prod_price a0011 egg 3 a0019 sockets 4 b0019 coffee 15 问题 编写 SQL 语句，返回 Products 表中所有价格在 3 美元到 6 ,3), ('a0019','sockets',4), ('b0019','coffee',15); 解答 条件查询，通过将条件拆分为 prod_price >= 3 和 prod_price <= 6 SELECT prod_name, prod_price FROM Products WHERE prod_price >= 3 AND prod_price <=6 ORDER BY prod_price SELECT prod_name, prod_price FROM Products WHERE prod_price BETWEEN 3 AND 6 ORDER BY prod_price; 致谢 感谢牛客网提供的题目列表

分享6个我觉得应该必装的Skills。

没想到反馈还不错，Skills这块的信息差，比我想的还要大一些= = 然后评论区里就有人问了，还是一个叫tim的朋友，问还有什么必装的Skills。 我寻思着，确实可以再出一期。 如果你经常用Agent生成前端页面、做小工具的UI或者做数据可视化分析，相信我，这个，真的必装。 二. 办公必备四件套 没想到吧，第二个，其实是4个Skills。。。 对，是并行的，多个Agent各干各的，同时操作不同的浏览器标签页，互不干扰。 然后，就图文并茂的都整理出来了。 读取公众号链接也没啥问题。 然后这个还有个很有意思的设计。 只有属于你自己的Skills，才是那个真正的、必装的Skill。 现在这个服务器管理Skill，就是我们的必装Skill，真的，要不然一群人，真的搞不明白服务器运维，而且我们都是非常个人化的小项目，搞得很复杂也没必要。

干货 | 机器学习之必知必会6个点

导语：过去两年中，我曾经多次折服于机器学习的魅力。但每当我决定尝试新事物时，经常会不得不重新学习某些概念和课程，其实大部分学习就是这样一个过程。在学习机器学习这个复杂领域的过程中，我总结了一些有用的概念、定义、资源和工具。 我将这些内容整理成一个终极总结，希望它可以帮到在机器学习之路上乐在其中（艰难前行）的朋友们。 索引 怎样学习机器学习效果最好 什么是机器学习（ML）？ 常见机器学习算法 监督学习的线性回归 深度学习 TensorFlow入门 结尾 怎样学习机器学习效果最好？ 老实说，没有哪一种学习方

3行代码实现 Python 并行处理，速度提高6倍！

（2）快的方法 concurrent.futures 模块能够利用并行处理来帮我们加速，什么是并行处理，举个例子： 假设我们要把1000个钉子钉入一块木头里，钉一次要1秒，那么1000次就要1000秒。 这就是并行处理 这1000张照片，也可以分成多个进程来处理。 ，就同时启动6个项。 这个语句意味着，用6个进程，来并行对 image_file 文件进行 load_and_resize 处理。 （3）例外情况 由于并行的处理是没有顺序的，因此如果你需要的结果是按照特定顺序排列的，那么这种方法不是很适用。

LangGraph4j 学习系列(6)-并行工作流

接上节继续，本篇将学习如何实现并行工作流。 上面这张图，用代码很容易绘制，参考以下代码。 GraphDefinition.END) .addEdge("node-3", GraphDefinition.END); } 性能问题 虽然图上看着貌似node-2,node-3并行在跑 = Executors.newFixedThreadPool(2); RunnableConfig rc = RunnableConfig.builder() //从node-1开始并行执行 Executors.newVirtualThreadPerTaskExecutor(); RunnableConfig rc2 = RunnableConfig.builder() //从node-1开始并行执行

闻道Go语言，6月龄必知必会

大家好，我是马甲哥， 学习新知识， 我的策略是模仿-->归纳--->举一反三， 在同程倒腾Go语言一年有余，本次记录《闻道Go语言，6月龄必知必会》，形式是同我的主力语言C#做姿势对比。 https://techstacks.io/posts/6628/go-vs-csharp-part-1-goroutines-vs-async-await 本文限于篇幅，只记录了go语言和C#语言的入门6月龄的核心差异点和重难点

问道Golang，6月龄必知必会(二)

"hello" buf := []rune(s) buf[0] = 'H' ss := string(buf) fmt.Println(ss) // Hello 6. • 指向连续内存位置的桶数组的指针 • 创建不同的map的哈希种子是随机 https://phati-sawant.medium.com/internals-of-map-in-golang-33db6e25b3f8

【C语言必刷题】6. 水仙花数

HashMap面试必问的6个点，你知道几个？

扰动函数优化前：1954974080 % 16 = 1954974080 & (16 - 1) = 0 扰动函数优化后：1955003654 % 16 = 1955003654 & (16 - 1) = 6 为6的时候退转为链表。中间有个差值7可以防止链表和树之间频繁的转换。

深度学习流水线并行 PipeDream(6)--- 1F1B策略

[源码解析] 深度学习流水线并行 PipeDream(6)--- 1F1B策略 目录 [源码解析] 深度学习流水线并行 PipeDream(6)--- 1F1B策略 0x00 摘要 0x01 流水线比较 流水线并行其他文章链接如下: [源码解析] 深度学习流水线并行Gpipe(1)---流水线基本实现 [源码解析] 深度学习流水线并行GPipe (2) ----- 梯度累积 [源码解析] 深度学习流水线并行 ] 深度学习流水线并行 PipeDream(3)--- 转换模型 [源码解析] 深度学习流水线并行 PipeDream(4)--- 运行时引擎 [源码解析] 深度学习流水线并行 PipeDream(5) Pipeline的并行方式是把模型的不同层放到不同机器（节点）上，顺序地进行前向计算和反向计算。 PipeDream的目标是：以最小化总体训练时间的方式将流水线并行，模型并行性和数据并行性结合起来。 此时的 minibatch 6 的前向和图上未标出的绿色后向都应该基于 新版本的 weight 2 计算，因此需要记录下来 新版本 W_2^{(2)} 。

前端开发，必知ES5、ES6的7种继承

众所周知，在ES6之前，前端是不存在类的语法糖，所以不能像其他语言一样用extends关键字就搞定继承关系，需要一些额外的方法来实现继承。 var arzhChild = new Child('red') console.log(arzhChild.name) // 'arzh' 优点: 不必为了指定子类型的原型而调用父类型的构造函数 ES6继承 ES6支持通过类来实现继承，方法比较简单，代码如下 class Point { constructor(x, y) { this.x = x this.y =