- 综合排序
- 最热优先
- 最新优先
腾讯云ACE游戏安全解决方案：基于极低开销的跨端反作弊与加固架构设计
三、 实现超低系统开销与灵活运营控制 在保障高强度对抗的同时，ACE 方案在系统稳定性和资源占用上实现了严格的量化控制，确保安全模块不对终端用户的实际游戏体验产生负面干扰。 根据腾讯云官方性能指标： 计算资源损耗极低：CPU 指标损耗严格控制在 < 2% 内存占用极低：物理内存消耗限制在 < 10M 同时，该方案提供灵活的安全运营控制台，内置误报风险管理（False Positive 核心合作客户包含： Activision（动视） FUNPLUS KURO GAME（库洛游戏） GIANT NETWORK（巨人网络） Aiming、ASPHERE、10 PERCENT 等业内知名厂商
1.1K10编辑于 2026-04-24- 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。 modprobe顺序错了，则需要先rmmod，再重新执行 sudo modprobe nandsim first_id_byte=0xec second_id_byte=0xd3 third_id_byte=0x10
1K20发布于 2019-12-27 - 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。
52830发布于 2021-09-16 - 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 - 来自专栏腾讯技术工程官方号的专栏
无极低代码平台的AI之路
随着 ChatGPT 问世，无极也开始接入 AI，希望通过 AI 进一步提升低代码的开发效率。
3.2K20编辑于 2023-07-26 - 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。
96620发布于 2019-09-17 - 来自专栏AiCharm
训练开销骤减，10%成本定制专属类GPT-4多模态大模型
本文来自新加坡国立大学和清华大学的研究者提出了一个名为 VPGTrans 框架，以极低成本训练高性能多模态大模型。 极低训练成本：通过我们提出的 VPGTrans 方法，可以快速 (少于 10% 训练时间) 将已有的多模态对话模型的视觉模块迁移到新的语言模型，且达到类似或更优效果。 训练开销缩减对比 2. 但值得强调的是，由于训练的主要开销在 LLM (参数巨多)，仅仅训练 projector 的开销不会比同时训练 VPG 和 projector 的开销小太多。 则加速比为 10/1=10 倍。我们可以看到，无论是在 TaS 还是在 TaT 场景下，我们的 VPGTrans 都可以实现稳定的加速。
55320编辑于 2023-06-07 - 来自专栏捉虫大师
低开销获取时间戳
中获取时间戳的方法是System.currentTimeMillis()，返回的是毫秒级的时间戳，查看源码，注释写的比较清楚，虽然该方法返回的是毫秒级的时间戳，但精度取决于操作系统，很多操作系统返回的精度是10 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。 Benchmark Mode Cnt Score Error Units TimeStampTest.test1Thread avgt ≈ 10 ⁻⁴ s/op TimeStampTest.test2Thread avgt ≈ 10⁻⁴ s/op TimeStampTest.test4Thread avgt ≈ 10⁻⁴ s/op TimeStampTest.test8Thread avgt ≈ 10⁻³ s/op TimeStampTest.test16Thread
1.7K51发布于 2021-04-22 - 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）。 docker compose -p '{}' down --remove-orphans --rmi local 列出并删除所有 Docker 容器： docker ps -a -q | xargs -tn10 sentry-sdk-benchmark 标签的镜像： docker images -f "label=io.sentry.sentry-sdk-benchmark" -q | sort -u | xargs -tn10 docker rmi -f 删除所有悬空（未标记）镜像： docker images -f "dangling=true" -q | xargs -tn10 docker rmi -f 添加更多平台
1K30编辑于 2022-01-25 - 来自专栏机器之心
训练开销骤减，10%成本定制专属类GPT-4多模态大模型
本文来自新加坡国立大学和清华大学的研究者提出了一个名为 VPGTrans 框架，以极低成本训练高性能多模态大模型。 极低训练成本：通过我们提出的 VPGTrans 方法，可以快速 (少于 10% 训练时间) 将已有的多模态对话模型的视觉模块迁移到新的语言模型，且达到类似或更优效果。 训练开销缩减对比 2. 但值得强调的是，由于训练的主要开销在 LLM (参数巨多)，仅仅训练 projector 的开销不会比同时训练 VPG 和 projector 的开销小太多。 则加速比为 10/1=10 倍。我们可以看到，无论是在 TaS 还是在 TaT 场景下，我们的 VPGTrans 都可以实现稳定的加速。
61920编辑于 2023-05-22 - 来自专栏LINUX阅码场
Linux fork那些隐藏的开销
下面我们来看一种不同的内存开销，即稀疏地址空间的页表开销，这种开销相比单纯的数据页面而言，显得更加严重。 ： [root@10 ~]# cat /proc/meminfo |grep PageTables PageTables: 2564 kB 至于free什么的，我就不贴了，这里只关注页表的开销 此时的页表开销为： [root@10 ~]# cat /proc/meminfo |grep PageTables PageTables: 19504 kB 我勒个去，稀疏地址空间果然的， o vt [root@10 PK]# . /tt 2 interval: 8233 skinshoe parent [root@10 PK]# [root@10 PK]# .
5.8K50发布于 2019-09-04 - 来自专栏C/C++基础
C++ 异常处理的开销
文章目录 参考文献 C++ 异常是 C++ 有别于 C 的一大特性 ，异常处理机制给开发人员处理程序中可能出现的意外错误带来了极大的方便，但为了实现异常，编译器会引入额外的数据结构与处理机制，增加了系统的开销 天下没有免费的午餐，使用异常时我们必须了解其带来的开销和问题。 （3）异常的跳转会彻底扰乱程序的执行流程并难以判断，给代码调试和维护增加难度； （4）为保证写出异常安全的代码，往往需要借用C++其它特性，如智能指针，这又进一步加剧了代码可读性的恶化与程序的时空开销 但使用异常时，我们要充分意识到异常带来和开销和需要注意的问题，综合考虑之下，再谨慎使用异常。 参考文献 改善C++程序的150个建议[M].李健.建议69：熟悉异常处理的代价 C++异常机制的实现方式和开销分析
1.2K30编辑于 2022-12-02 - 来自专栏QB杂货铺
nor flash之写保护开销
背景 之前有介绍过写保护，这里就不赘述了，可参考：https://www.cnblogs.com/zqb-all/p/12182920.html 但没有谈到开销，今天有同事问起，便记录一下 性能 不考虑写保护的 nor性能评估及实测，可参考：https://www.cnblogs.com/gmpy/p/12011436.html bp保护的开销 bp保护，一般都需要写Status Register，这种寄存器是一般是 独立块保护的开销 独立块保护，启用功能时需要写Status Register，启用后就不再需要操作Status Register了。 每个block的保护状态标记，其实是记录在sram中的，不需要固化到flash中，其开销是ns级别的，这个规格书中没有标注，但可以向厂商了解或自行实测。 ns级别的开销意味着我们可以放心地在每次写入的前后，进行解保护和恢复保护，而不用担心性能问题。
1.2K20发布于 2020-02-18 - 来自专栏C/C++基础
C++异常处理的开销
C++异常是C++有别于C的一大特性 ，异常处理机制给开发人员处理程序中可能出现的意外错误带来了极大的方便，但为了实现异常，编译器会引入额外的数据结构与处理机制，增加了系统的开销。 天下没有免费的午餐，使用异常时我们必须了解其带来的开销和问题。 异常处理除了上面涉及的时间与空间的开销，使用时也会带来如下问题： （1）项目中使用异常，需要考虑与未使用异常的第三方和旧项目代码的整合问题，避免出现一异常安全问题； （2）异常使用不当，容易造成内存泄漏和程序崩溃 但使用异常时，我们要充分意识到异常带来和开销和需要注意的问题，综合考虑之下，再谨慎使用异常。 ---- 参考文献 [1]改善C++程序的150个建议.李健.建议69：熟悉异常处理的代价 [2]C++异常机制的实现方式和开销分析
1.5K20发布于 2018-08-16 - 来自专栏软件工程
关于进程和线程---对比--切换开销
问题 一 进程和线程的对比 二 为什么进程切换开销大,线程切换开销低呢? 一 进程和线程的对比 几个方面对比: 根本区别：进程是操作系统资源分配的基本单位，而线程是任务调度和执行的基本单位 开销方面：每个进程都有独立的代码和数据空间（程序上下文），程序之间的切换会有较大的开销 ；线程可以看做轻量级的进程，同一类线程共享代码和数据空间，每个线程都有自己独立的运行栈和程序计数器（PC），线程之间切换的开销小。 二 为什么进程切换开销大,线程切换开销低呢? image.png ps: 如果大家需要了解一下进程,线程状态转换,信息的保存 这里大家要熟悉一下PCB进程控制块以及寄存器和计数器
2.1K20编辑于 2022-05-13 10G~800G Infiniband物理层吞吐量、线速度、编码开销、带宽整理
今天整理10G~800G IB物理层吞吐量、线速度、编码开销、带宽，为各位在IB设备选型提供快速参考。IB物理层通道数支持1/2/4/8/12通道，本次选取常用可插拔光模块的4/8通道数汇总。
51510编辑于 2025-11-10- 来自专栏计算机视觉战队
大改Yolo框架 | 能源消耗极低的目标检测新框架
比如传递0.7，则需要在10个timestep脉冲7次，0.007则需要在1000timestep脉冲7次。当tempstep本身就很少时，过低的发射率可能会因发射不到足够的脉冲而导致信息丢失。
48910编辑于 2025-01-12 - 来自专栏InCerry
.NET 零开销抽象指南-hez2010
近些年由于 .NET 团队在高性能和零开销设施上的需要，从 2017 年开始，这些成果逐渐被加入 CLR 和 C# 中，从而能够让 .NET 团队将原先大量的 C++ 基础库函数用 C# 重写，不仅能减少互操作的开销 例如 Visual Studio 2019 的 16.5 版本将原先 C++ 实现的查找与替换功能用 C# 重写之后，更是带来了超过 10 倍的性能提升，在十万多个文件中利用正则表达式查找字符串从原来的 [FieldOffset(9)] public byte W; } 上面的例子中我们将 X、Y 与 XY 的内存重叠，并且利用 Pack 指定了 padding 行为，使得 Foo 的长度为 10 Console.WriteLine(color); // Color { R = 1, G = 13, B = 1, A = 1 } 后记 C# 是一门自动挡手动挡同时具备的语言，上限极高的同时下限也极低 而代码封装的脏活则是由各库的作者来完成的，大多数人在进行业务开发时，无需接触和关系这些底层的东西，甚至哪怕什么都不懂都可以轻松使用封装好的库，站在这些低开销甚至零开销的抽象基础之上来进行应用的构建。
1.1K30编辑于 2022-11-14 - 来自专栏码农架构
Redis 子进程开销监控和优化方式
Redis子进程负责AOF或者RDB文件的重写，它的运行过程主要涉及CPU、内存、硬盘三部分的消耗 01 CPU CPU开销分析。 fork 后会大幅增加重写期间父进程的内存消耗, 建议关闭: sudo echo never>/sys/kernel/mm/transparent_hugepage/enabled 03 磁盘 硬盘开销分析 根据 Redis 重写 AOF/RDB 的数据量, 结合系统工具如 sar、iostat、iotop 等, 可分析出重写期间硬盘负载情况 硬盘开销优化 不要和其他高硬盘负载的服务部署在一起。 由于每次生成 RDB 开销较大, 无法做到实时持久化, 一般用于数据冷备和复制传输 save 命令会阻塞主线程不建议使用, bgsave 命令通过 fork 操作创建子进程生成 RDB 避免阻塞 AOF
1.1K30发布于 2020-12-14 - 来自专栏Golang语言社区
大堆栈带来的高GC开销的问题
我已经分配了10亿个指针。实际上，检查每个指针不到一纳秒，这是一个很好的速度。 那么接下来呢 这似乎是一个根本问题。 我们分配了一个10亿个8字节的内存片，这也是大约8GB的内存。 如果我们可以避免分配的类型中的任何指针，它们不会导致GC开销，因此我们不需要使用任何堆外技巧。如果我们确实使用堆外分配，那么我们需要避免存储指向堆的指针，除非这些指针也被GC可见的内存引用。 我们通过这样做放弃的是为单个字符串释放内存的能力，并且我们增加了一些将字符串体复制到大字节片中的开销。 下面是一个演示这个想法的小程序。 然后我们将显示gc时间仍然很短，并演示通过显示前10个字符串来检索字符串。
1.1K50发布于 2019-05-08
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