- 综合排序
- 最热优先
- 最新优先
- 来自专栏Lauren的FPGA
用FPGA实现双调排序（4）
前面三篇文章我们介绍了双调排序的原理和具体实现方式，但都是要求序列本身是“双调”的。而实际情况是，给定序列本身是杂乱无章的，并非呈现“双调”的特征。这就要求我们先把无序序列转化为双调序列。 16点序列转化为双调序列需要3个Stage，其实Stage的个数等于log2(16)-1。每个Stage需要完成一些列的比较，其实就是实现升序和降序排列。 我们将双调序列的排序过程再次呈现出来如下图所示，与本文第一张图片进行对比，可以发现：从“无序”到“双调”是一个序列合并的过程，从“双调”到“单调”是一个序列分割的过程，体现了“分而治之（Divide and
82610编辑于 2024-04-11 - 来自专栏Lauren的FPGA
用FPGA实现双调排序（1）
典型的排序算法包括冒泡排序、选择排序、插入排序、归并排序、快速排序、希尔排序、计数排序、双调排序等。这其中，双调排序以其高度的并行性著称，非常适合于在FPGA上实现。 双调排序（Bitonic Sort）是数据独立（Data-independent）的排序算法，即比较顺序与数据无关，特别适合并行执行。在了解双调排序算法之前，我们先来看看什么是双调序列。 双调序列（Bitonic Sequence）的定义：双调序列是一个先单调递增后单调递减的序列，即存在两种单独特性，故为“双调”。 需要注意的是完全单调递增或者完全单调递减的序列也是双调序列，例如(0,1,4,5)和(7,5,3)均为双调序列。 双调序列的性质： （1）双调序列的子序列仍为双调序列。 ,…,a[i],b[i+1],…,b[n-1])是一个双调序列 Batcher定理： 若序列S为双调序列，即 令 那么S1和S2仍为双调序列，且S2中的任意一个元素不小于S1中的任意一个元素。
1.3K10编辑于 2024-03-14 - 来自专栏Lauren的FPGA
用FPGA实现双调排序（3）
基于双调排序算法的蝶形图，我们可以得到地址的变化规律。这里以长度为16的双调序列为例，其地址变化规律入下图所示。由于长度为16，故总共需要4个Stage。 仍以长度为16的双调序列为例，Stage 为0时，延迟级数为8，Stage 为1时，延迟级数为4，Stage为2时，延迟级数为2，Stage为3时延迟级数为1。 在此基础上，将4个SDF相连即可实现串行输入/串行输出的双调排序。下图给出了Stage 0对应的SDF结构。 下图显示了相应的仿真结果。
53410编辑于 2024-04-11 - 来自专栏机器学习算法与Python学习
排序算法 | 双调排序(Bitonic sort)详解与Python实现
本篇为排序算法系列第二篇，详细讲述双调排序算法。 01 什么是双调排序(Bitonic sort)？ 从定义上了解下什么是双调序列（由非严格增序列X和非严格降序列Y所构成的任意组合多属于双调序列），定义如下： 一个序列 a1,a2, …,an 是双调序列，必须满足以下条件： （1）存在一个 ak(1 则得到的MAX和MIN序列仍然是双调序列，并且MAX序列中的任意一个元素不小于MIN序列中的任意一个元素。 其实，到现在还有两个问题： 怎么把普通序列变成双调序列？ 怎么对双调序列进行排序？ 针对双调序列Z，根据Batcher定理，Z可以划分为2个双调序列X和Y，然后继续对X和Y进行递归划分，得到更短的双调序列，直到得到的子序列长度为1为止。这时的输出序列按单调递增顺序排列。 将两个相邻&单调性相反的单调序列看作一个双调序列， 每次将这两个单调序列merge生成一个新的双调序列， 然后进行双调排序，不断上述过程。
3.5K30发布于 2021-04-30 - 来自专栏AutoML(自动机器学习)
双调排序Bitonic Sort，适合并行计算的排序算法
1、双调序列 在了解双调排序算法之前，我们先来看看什么是双调序列。 双调序列是一个先单调递增后单调递减（或者先单调递减后单调递增）的序列。 3、双调排序 假设我们有一个双调序列，则我们根据Batcher定理，将该序列划分成2个双调序列，然后继续对每个双调序列递归划分，得到更短的双调序列，直到得到的子序列长度为1为止。 双调排序示意图1: [1wgenlx21s.png] 4、任意序列生成双调序列 前面讲了一个双调序列如何排序，那么任意序列如何变成一个双调序列呢？ 和前面sort的思路正相反， 是一个bottom up的过程——将两个相邻的，单调性相反的单调序列看作一个双调序列， 每次将这两个相邻的，单调性相反的单调序列merge生成一个新的双调序列， 然后排序（ 同3、双调排序）。
3.6K11发布于 2019-01-03 - 来自专栏AutoML(自动机器学习)
【转载】双调排序Bitonic Sort，适合并行计算的排序算法
1、双调序列 在了解双调排序算法之前，我们先来看看什么是双调序列。 双调序列是一个先单调递增后单调递减（或者先单调递减后单调递增）的序列。 3、双调排序 假设我们有一个双调序列，则我们根据Batcher定理，将该序列划分成2个双调序列，然后继续对每个双调序列递归划分，得到更短的双调序列，直到得到的子序列长度为1为止。 双调排序示意图[1]: ? 4、任意序列生成双调序列 前面讲了一个双调序列如何排序，那么任意序列如何变成一个双调序列呢？ 同3、双调排序）。 所以一般来说，并行计算中常使用双调排序来对一些较小的数组进行排序[3]。 如果要考虑不用padding，用更复杂的处理方法，参考[4] n!=2^k的双调排序网络，本文略。
3.2K30发布于 2019-01-07 猎豹浏览器双核渲染架构与系统级兼容调优实践
在Windows10/11彻底移除了独立IE浏览器，且Chrome、Edge无法调取任何ActiveX、BHO组件的现状下，具备Chromium+Trident双核架构的猎豹浏览器，成为了企业保障此类混合渲染业务连续性的核心系统级宿主容器 本文将从双核进程通信与COM沙箱加载机制、企业级策略路由自动化分发、以及VDI（虚拟桌面）环境下的渲染自愈调优出发，分享一系列系统级优化实践。 二、架构解密：双内核渲染引擎的进程隔离与COM容器加载机制猎豹浏览器双核引擎的核心，是在同一个统一的Shell框架进程（主进程）下，隔离、调度两个完全不同的页面渲染进程。 四、虚拟桌面（VDI）与低配主机调优：内存挂起与硬件加速排爆在日常繁杂的办公和测试场景中，多进程沙箱架构会随着打开标签页的增多造成内存（RAM）暴涨。 通过在系统层面对猎豹浏览器的软件源进行安全完整性审计、通过注册表GPO实现内核策略的智能分发、并针对低配与虚拟机VDI环境对内核V8内存和GPU硬件加速进行调优，研发与运维团队能全方位建立起一套健壮、合规且高容错的兼容性宿主环境
37810编辑于 2026-06-17移动端代码优化实战：AndroidiOS双端性能调优，解决卡顿、闪退、耗电问题
今天我们就来分享Android和iOS双端的代码优化实战攻略，针对性解决卡顿、闪退、耗电三大核心问题，让你的APP体验翻倍。 三、双端通用优化技巧：提升APP整体体验除了两端各自的优化技巧，还有一些通用的优化方案，适用于Android和iOS双端，能够进一步提升APP的性能和用户体验：1.图片优化：统一图片格式（如Android 四、实战案例总结我们以一个电商APP为例，对比双端优化前后的核心指标：优化维度Android端（优化前）Android端（优化后）iOS端（优化前）iOS端（优化后）帧率30-40fps（卡顿）稳定60fps -45fps（卡顿）稳定60fps（无卡顿）闪退率1.2%0.1%1.5%0.05%1小时耗电20%5%18%4%启动时间3.5秒1.2秒3.0秒1.0秒包体积80MB45MB75MB40MB优化后，双端 掌握Android和iOS双端的性能优化技巧，针对性解决卡顿、闪退、耗电三大核心问题，才能打造出体验优秀的APP，提升用户留存率和满意度。
71910编辑于 2026-04-16- 来自专栏注册会计师用 WorkBuddy提升效率
162 · Python 实战演练：一份示例账套跑通审计版 + 尽调版双报告
问题前面九篇搭了脚手架，本篇用一份完整示例企业数据，从数据加载→工具箱→风险引擎→报告引擎→尽调模块，全流程跑通，并对比"同一份数据，审计说公允、尽调说审慎"的差异，收官D系列。 fraud"]["明细"])#输出：out/audit_report.docx（审计意见：保留/无保留）#out/dd_report.docx（投资建议：审慎推进/否决）#同一份账套，审计看"错报"，尽调看
13010编辑于 2026-09-14 《双路径开发：Kernel 直调与自定义算子工程的场景适配与效能对比》
一、核心概念与技术特性辨析 1.1 Kernel 直调工程 定义：跳过框架高阶 API 封装，直接通过硬件原生接口（如 NPU 的 Kernel Launch、CPU 的 ICPU_RUN_KF 宏）调用计算核心的开发模式 案例参考：DRAFTS 项目先通过 Kernel 直调验证去色散算子性能，再封装为自定义算子集成到完整模型管线。 五、总结 Kernel 直调与自定义算子工程并非对立关系，而是互补的双路径开发模式：前者聚焦 “快速验证”，以开发效率换时间，适合原型阶段；后者聚焦 “生产落地”，以工程化换稳定性与性能上限，适合部署阶段 实际开发中，建议采用 “Kernel 直调验证原型 + 自定义算子工程化落地” 的组合策略，既保证迭代速度，又能满足规模化应用需求。 随着 AI 硬件架构的迭代（如 NPU 专用计算单元、异构存储），自定义算子工程的自动化优化能力（如自动 Tiling、混合精度）将成为效能提升的核心驱动力，而 Kernel 直调仍将作为底层性能调优的关键手段
38910编辑于 2025-12-24- 来自专栏注册会计师用 WorkBuddy提升效率
170 · Python 报告双出实战：同一份真实数据，审计版 vs 尽调版立场对比
真实项目里最直观的一课：同一份某新材料公司账套，审计版出"保留/无保留意见"，尽调版出"审慎推进/否决建议"——结论口径天然不同。本篇把两份报告的关键段落并排对比。 ReportEngine(sb,risk,"audit")dd=ReportEngine(sb,risk,"dd")print("审计版章节:",audit.AUDIT_SECTIONS)print("尽调版章节 :",dd.DD_SECTIONS)print("共用风险等级:",risk["level"],"风险分:",risk["score"])关键点章节不同：审计版"三表分析/审计意见"，尽调版"核查结论/ 结论不同：审计说"错报是否重大"，尽调说"值不值、什么价、什么条款"，立场分水岭。数据源同：两份报告共用同一risk对象，保证口径一致、不各说各话。小结双报告是工作台最直观的价值证明。 你更常把"双报告"当对内底稿还是对外交付？评论区聊。如果有用，点赞收藏关注，留下你的报告双出难题。下期预告：联动调优（orchestrator阈值校准，让风险等级贴合项目实际）。
12510编辑于 2026-09-15 - 来自专栏1000篇核心专访穿透GEO优化的内核
专访：GEO高级优化师、落地工程师、AIGC应用工程师罗长才
下面表格梳理身心状态对工程决策的影响。 技术工具是理性，但操作工具永远是人，人的身心状态会穿透到代码、参数、配置当中。 岗位核心工作域输入对象输出交付物典型风险陷阱GEO高级优化师地理数据质量、坐标纠偏、空间匹配规则、地理权重调优POI库、经纬度原始数据、行政区划映射表优化后的地理数据集、匹配阈值参数、离线评测报告陷入内卷 禁止直接进入调参阶段第二步：区分修补与范式重构小缺陷：参数调优、规则修补；根本性缺陷：数据源替换、架构重构是否只在原有框架内做精细化修补，回避高成本重构？ 很多团队没有“迭代终止条件”，总想着再调一版更好，于是持续投入人力，陷入内卷。技术优化永远有提升空间，但工程落地要讲边界。
14110编辑于 2026-10-12 - 来自专栏注册会计师用 WorkBuddy提升效率
用 WorkBuddy 把一份账套变成两份报告：审计版 + 尽调版「双出」工作台
用WorkBuddy把一份账套变成两份报告：审计版+尽调版「双出」工作台话题：#WorkBuddy#AI办公建议归入：财务审计投资尽调行业章节任务卡：一份企业账套（材料）→WorkBuddy跑五段流水线 （步骤）→审计版+尽调版两份docx（可验收产出）一、材料（输入）·验收标准：字段齐全、validate通过客户导出标准财务表，字段名单位缺失项各异。 三、产出（可验收）文件立场章节结论口径out/audit_report.docx审计版审计概况三表分析调整事项/审计意见错报是否重大out/dd_report.docx尽调版标的概况核查结论表外风险/投资建议值不值 审计版说「需补充核查」，尽调版说「审慎推进、估值下调、对赌加兜底」——立场分水岭，正是工作台价值。四、为什么能迁移到其他行业本质：同一份结构化数据源→按不同立场/受众生成多份文档。
20100编辑于 2026-09-18 - 来自专栏毫无作为
爱快多拨+负载均衡叠加带宽
一直想买一台低功耗小主机做软路由，前几天刚好看到淘宝有卖便宜双网口j1900小主机，看样子和成色应该是整机二手，不过看着还行，叫卖家给我装了爱快，插电直接用也省的我装。 最重要的是需要开启掉线并重拨，检测周期全选，检测时间凌晨2-6点，因为白天多拨大概率失败，凌晨成功概率比较高，掉线检测间隔时间和掉线数量随便。 当然如果运营商在上游进行限制，那是无法多拨的。 我是双拨，所以只有两条线路，负载比例全部1能叠加带宽，但我貌似只能叠加下行 上行要是叠加的话我公网看家里的影片也快一点了hhhh
27K30编辑于 2022-02-08 Validform jquery
method="post"> <input type="text" name="username" datatype="s2-6" nullmsg="请输入用户名" errormsg="用户名为<em>2-</em> label for="username">用户名：</label> <input type="text" id="username" name="username" datatype="*<em>2-</em> 6" nullmsg="请输入用户名" errormsg="用户名为<em>2-6</em>个字符">
<label for="password">密码：</label layer.msg(msg, {icon: 2}); } }, callback: function(form){ // 表单验证通过后的回调函数 在 JavaScript 初始化部分，我们使用 Validform 的配置选项设置了提示信息展示方式并定义了表单验证通过后的回调函数，以便在验证通过时提交表单数据。93510编辑于 2024-04-28- 来自专栏音视频咖
腾讯云直播双能力升级：健康报告+监播报告AI解读，开启直播智能运维新时代
01、创新突破，健康报告重新定义直播流质量管控 直播流分析打分系统，让问题诊断一目了然 作为同类 PaaS 产品中针对直播流的 “智能体检中心”，健康报告从推流、播放、录制、截图、转码、回调、拉流转推 赋能监播报告，复杂数据秒级解读，决策效率快速提升 Agent 模型驱动，让监播报告“会说话” 针对传统监播报告数据量大、解读门槛高的痛点，腾讯云直播全新上线监播报告 AI 解读功能，依托云直播团队深度调优的 03、不止运维，双功能配合解锁多场景应用价值 教育直播：守护教学体验的“质量管家” 在线课堂对直播稳定性要求严苛 —— 延迟超 3 秒会影响师生互动，低帧率则导致板书模糊。 实时监播功能还可以通过智能识别精准拦截线上教学、互动课程中的违规内容，保障学生尤其是未成年人的身心健康。 腾讯云直播始终致力于以技术创新驱动行业升级，本次双能力上线，标志着直播运维从 “经验驱动” 正式迈入 “数据 + AI 双轮驱动” 时代。
81700编辑于 2025-07-12 腾讯云直播双能力升级：健康报告+监播报告AI解读，开启直播智能运维新时代
01创新突破，健康报告重新定义直播流质量管控直播流分析打分系统，让问题诊断一目了然作为同类 PaaS 产品中针对直播流的 “智能体检中心”，健康报告从推流、播放、录制、截图、转码、回调、拉流转推 7 大核心功能构建评估体系 02AI赋能监播报告，复杂数据秒级解读，决策效率快速提升Agent 模型驱动，让监播报告“会说话”针对传统监播报告数据量大、解读门槛高的痛点，腾讯云直播全新上线监播报告 AI 解读功能，依托云直播团队深度调优的 03不止运维，双功能配合解锁多场景应用价值教育直播：守护教学体验的“质量管家”在线课堂对直播稳定性要求严苛 —— 延迟超 3 秒会影响师生互动，低帧率则导致板书模糊。 实时监播功能还可以通过智能识别精准拦截线上教学、互动课程中的违规内容，保障学生尤其是未成年人的身心健康。 腾讯云直播始终致力于以技术创新驱动行业升级，本次双能力上线，标志着直播运维从 “经验驱动” 正式迈入 “数据 + AI 双轮驱动” 时代。
52610编辑于 2025-07-16- 来自专栏Lauren的FPGA
URAM和BRAM有什么区别
初始值 BRAM的初始值是可以设定的，无论BRAM是单端口、简单双端口还是真双端口都可以通过COE文件设定其初始值。而URAM的初始值只能为0，且无法更改，换言之，其初始值是不可设定的。 工作模式 BRAM可配置为单端口、简单双端口和真双端口，但对于URAM，不能简单地将这三种模式映射过来，其工作行为如下图所示。 图片来源：Table 2-6, ug573 实例化方式 对于BRAM，可采用原语、XPM_MEMORY、RTL代码或者IP Core的方式进行实例化，但URAM目前只支持原语、XPM_MEMORY和RTL
8.5K54发布于 2019-10-30 KWS 关键词识别完整方案：从模型训练到 Android Linux ESP32 Web 全平台部署
典型场景：场景命令词举例词数智能开关开灯、关灯、调亮、调暗、全开、全关4-6智能音箱播放、暂停、下一首、上一首、音量+/-、静音8-10车载助手导航、电话、音乐、回家、去公司5-8老人呼叫器呼叫、喝水、 KWSvsASRvs硬件模组维度离线ASR硬件模组KWS模型大小50-200MB固化芯片100-170KB推理延迟200-500ms100-300ms<5ms常驻功耗明显耗电低功耗几乎不耗电定制词不可厂商网页配置任意2- 字换词成本—重烧固件重新生成模型平台绑定不绑定绑定芯片不绑定部署平台有限仅模组芯片六端全覆盖商用看协议买芯片不限设备数模型训练：输入关键词，自动出ONNX训练流程展开代码语言：TXTAI代码解释输入关键词（2- 6字中文）→TTS多发音人合成训练数据→噪声增强+语速扰动+混响模拟→CausalDS-TCN神经网络训练→导出标准ONNX模型（100-170KB）整个过程无需采集音频、无需GPU、无需调参。
57800编辑于 2026-07-28- 来自专栏IT技术圈
PTA | 习题2-3 求平方与倒数序列的部分和 (15分)
题目保证计算结果不超过双精度范围。 输入样例: 5 10 输出样例: sum = 355.845635 二、思路分析 博主刚看到题目，感觉有些不理解。 double sum=0.0; int i; for(i=m; i<=n; i++) { sum+=pow(i,2)+1.0/i; } 其中，pow()为次幂函数，具体解释和使用请看这篇文章：《练习2-
1.6K20发布于 2021-06-09
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