- 综合排序
- 最热优先
- 最新优先
- 来自专栏小工匠聊架构
Spring5 - 核心原理
文章目录 核心原理解析 核心原理解析 周末梳理了下Spring Framework的核心原理， 详细请参考： 在Processon上，直达地址： https://www.processon.com
31640发布于 2021-09-08 - 来自专栏CreateAMind
Big 5理论、自由能原理和主动推理框架（FEP-AI）
朝向理解个体及其个性的方向：探讨控制论Big 5理论、自由能原理和主动推理框架（FEP-AI） 摘要 在这里，我们回顾了最近的研究，试图将自由能原理和主动推理（FEP-AI）框架的第一原理形式主义与最近提出的一种综合模型相结合 关键词：个性，控制论Big 5理论（CB5T），自由能原理和主动推理（FEP-AI）框架。 1 引言 随着人工智能模型的不断发展，我们发现自己面临着新的机遇和挑战。 2 FEP-AI（自由能原理和主动推理框架） 自由能原理（FEP）将所有持久存在的系统理解为包含对它们通过智能行为维持其特定形式的条件的预测（生成）模型。 简而言之，CB5T将Big 5特质层次结构视为反映试图在目标方面最小化熵的系统的进化控制参数。这与FEP-AI非常相容。 在FEP-AI中，生理水平的5-羟色胺（可能导致5-HT1a相对于5-HT2a受体更大的占据）与对内部状态的更高精度相关，其与内部环境和生活管理的(allostatic)连接将与CB5T中的稳定性的关联一致
55210编辑于 2024-01-23 Feign 实现原理 5 步曲
一、Feign 实现原理 5 步曲 解析接口 → 把 @FeignClient 接口上所有注解拼成「元数据」 动态代理 → 为接口生成 JDK Proxy，InvocationHandler 是 Feign LoadBalancerClient）真正发 HTTP 二、每一步对应的核心代码 下面代码均来自 openfeign-core 11.x 与 spring-cloud-openfeign 3.x，只保留“能说明原理 getObject() └─ Feign.Builder → Targeter → Proxy └─ 返回代理对象给 Spring 容器一句话总结 Feign 的原理就是
30600编辑于 2025-09-21- 来自专栏前端开发随记
HTML5离线存储原理
前言 使用HTML5，通过创建cache manifest文件，可轻松创建web应用的离线版本；HTML5引入了应用程序缓存，这意味着web应用可进行缓存，并可在没有网络时进行访问。 应用程序缓存为应用带来三个优势 离线浏览—用户可在离线时使用 速度—已经缓存的资源加载的更快 减少服务器负载—浏览器将只从服务器下载更改过的资源 原理和环境 如上面提到的HTML5的离线存储是基于一个新建的 就像cookie一样，html5的离线存储也需要服务器环境。 解析清单 在开始之前要先了解下 manifest（即.appcache文件），上面的解析清单要怎么写。 可以使用*来指示所有其他资源/文件都需要因特网连接： NETWORK: * FALLBACK 下面的 FALLBACK 小节规定如果无法建立因特网连接，则用 “offline.html” 替代 /html5/ 目录中的所有文件： ALLBACK：/html5/ /404.html 第一个 URI 是资源，第二个是替补。
3.8K50编辑于 2022-12-15 - 来自专栏ops技术分享
Nginx结构原理全解析（5）
nginx在启动后，在unix系统中会以daemon(服务)的方式在后台运行，后台进程包含一个master进程和多个worker进程。
42720发布于 2021-05-11 - 来自专栏全栈程序员必看
定时任务执行原理_md5算法原理
文章目录 前言 时间轮定时使用方式 时间轮定时内部原理 时间轮定时源码剖析 构造方法 添加任务 工作线程启动 工作线程run方法 指针跳动 将队列任务放入时间轮中 链表任务遍历 定时任务执行 前言 在对比的同时，也了解了下其简单原理，在这里描述下我对时间轮算法实现定时任务的理解。 时间轮定时器原理基本都是如下图： 时间轮算法可以简单的看成一个循环数组+双向链表的数据结构实现的。 通过时间轮算法的原理图我们可以知道，tickDuration 越小，定时任务越精确。 timeout; } 该方法主要执行以下几个工作 1.参数非空校验 2.任务数量最大值检测 3.工作线程启动 4.获取任务的 deadline，将任务封装为 HashedWheelTimeout 对象 5.
53020编辑于 2022-11-14 - 来自专栏Java开发者
Redis 5 集群选举原理分析
Redis 5 集群选举原理分析 Redis系统介绍： Redis的基础介绍与安装使用步骤：https://www.jianshu.com/p/2a23257af57b Redis的基础数据结构与使用 ：https://www.jianshu.com/p/c95c8450c5b6 Redis核心原理：https://www.jianshu.com/p/4e6b7809e10a Redis 5 之后版本的高可用集群搭建 ：https://www.jianshu.com/p/8045b92fafb2 Redis 5 版本的高可用集群的水平扩展：https://www.jianshu.com/p/6355d0827aea Redis 5 集群选举原理分析：https://www.jianshu.com/p/e6894713a6d5 Redis 5 通信协议解析以及手写一个Jedis客户端：https://www.jianshu.com ---- 原理分析： 当slave发现自己的master变为FAIL状态时，便尝试进行Failover，以期成为新的master。
1.3K21发布于 2019-04-11 - 来自专栏离别歌 - 信息安全与代码审计
md5(unix)原理分析
我们通过他文中给出的hash入手，来分析一下unix(md5)的原理与破解方法。 目标hash：1Dx1bONFt 实际上，我们要先明白一点。 目标hash的magic==1，说明是md5加密。 当然内部实现不会是单纯单次md5，但总体来说是以MD5为hash函数，通过多次计算得到的最终值。 php include_once("php-crypt-md5/library/Md5Crypt/Md5Crypt.php"); $password = "elon11"; $salt = "Dx1bONFt "; echo \Md5Crypt\Md5Crypt::unix($password, $salt); 得到的结果其实就是最开始给出的目标哈希 1Dx1bONFt ?
1.7K30发布于 2020-10-15 - 来自专栏AI系统
【AI系统】知识蒸馏原理
本文将介绍知识蒸馏（Knowledge Distillation, KD）的原理，这是一种通过从大型的教师模型向小型的学生模型转移知识来实现模型压缩和优化的技术。
80810编辑于 2024-12-06 - 来自专栏AI系统
【AI系统】GPU 工作原理
前面的文章对 AI 计算体系和 AI 芯片基础进行讲解，在 AI 芯片基础中关于通用图形处理器 GPU 只是简单地讲解了主要概念，将从 GPU 硬件基础和英伟达 GPU 架构两个方面讲解 GPU 的工作原理 在实际硬件工作的过程当中，更倾向于利用多线程对循环展开来提高整体硬件的利用率，这就是 GPU 的最主要的原理。 GPU 工作原理 基本工作原理 首先通过 AX+Y 这个加法运算的示例了解 GPU 的工作原理，AX+Y 的示例代码如下： void demo(double alpha, double *x, = alpha * x[i + 5] + y[i + 5]; y[i + 6] = alpha * x[i + 6] + y[i + 6]; y[i + 7] = alpha 如果将 L1 缓存的延迟作为基本单位，L2 缓存的延迟是 L1 的 5 倍，HBM 的延迟将是 L1 的 15 倍，因此 GPU 需要有单独的显存。
85810编辑于 2024-12-04 - 来自专栏AI系统
【AI系统】卷积操作原理
卷积的数学原理 在通常形式中，卷积是对两个实变函数的一种数学运算。 如下图(左)所示，由于信号的响应随时间衰减，我们假定每个时刻的新信号产生的响应的影响范围为 5 个等距时间段 T ，即在 t_{0} 产生的新信号的响应影响至 t_{5} 时刻。 那么在 T=t_{5} 时刻，输出结果跟图中绿色框的区域整体有关。 这些对应点相乘然后累加，就是 T=t_{5} 时刻的输出信号值，这个结果也是 f 和 g 两个函数在 T=t_{5} 时刻的卷积值。 填充背后的数学原理是这样的，如果我们有一个 n×n 的图像，用 k×k 的卷积核做卷积，那么输出的大小就是 (n-k+1)×(n-k+1) 。
92011编辑于 2024-12-13 - 来自专栏AI系统
【AI系统】计算图原理
在前面的文章曾经提到过，目前主流的 AI 框架都选择使用计算图来抽象神经网络计算表达，通过通用的数据结构（张量）来理解、表达和执行神经网络模型，通过计算图可以把 AI 系统化的问题形象地表示出来。 AI 系统化问题遇到的挑战在真正的 AI 工程化过程中，我们会遇到诸多问题。而为了高效地训练一个复杂神经网络，AI 框架需要解决许多问题，例如：如何对复杂的神经网络模型实现自动微分？ x_mat = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]图中对标量、向量、矩阵进行形象化表示：张量张量（tensor）理论是数学的一个分支学科，在力学中有重要应用。 下面是针对形状为 (3, 2, 5) 的三维张量进行表示。虽然张量通常用索引来指代轴，但是始终要记住每个轴的含义。 例如针对形状为 (3, 2, 4, 5) 的四维张量进行表示，其内存表示如图中右侧所示。高维数组为开发者提供了一种逻辑上易于理解的方式来组织有着规则形状的同质数据，极大地提高了编程的可理解性。
67110编辑于 2024-12-06 - 来自专栏AI系统
【AI系统】常量折叠原理
AI 编译器的常量折叠常量折叠作为传统编译器的一种优化技术，其迁移到 AI 编译器依然适用。传统编译器通常是对抽象语法树进行常量折叠优化，而 AI 编译器是对计算图进行常量折叠优化。 以下是 AI 编译器常量折叠的几个类型：当计算图中某个节点的数据输入节点均为编译期常量(不同 AI 编译器的定义可能完全不相同)的节点，则可以提前计算出该节点的值来完全替换该节点。 图片 如上图，依旧以 AddN 为例，可以看出 AddN2 并不满足第一类的折叠规则，但是 AI 编译器发现 AddN1 是个可常量折叠的节点，AI 编译器生成一个常量数据节点替换掉 AddN1 后， 发现 AddN2 也满足第一类的折叠规则，所以 AI 编译器会再生成一个常量数据节点替换掉 AddN2。 AI 编译器实现案例不同的 AI 编译器对于常量折叠的细节不尽相同，这里以 tensorflow 为例，描述其常量折叠的实现细节：获得逆后续节点集。
39810编辑于 2024-11-29 - 来自专栏python
详解AI作画算法原理
本文将深入浅出地探讨AI作画的核心算法原理，分析常见问题与易错点，并通过一个简单的代码示例，带领大家一窥AI艺术创作的奥秘。一、核心概念与原理1. (layers.LeakyReLU()) # 输出层 model.add(layers.Conv2DTranspose(1, (5, 5), strides=(2, 2), padding MidjourneyMidjourney是由Abyss Creations LLC开发的AI艺术平台，专注于利用AI技术生成独特的艺术作品。 伦理讨论与倡议参与AI伦理的讨论，关注技术对社会、文化的影响，倡导负责任的AI艺术实践，确保技术发展的同时，维护艺术创作的多样性和人文价值。八、结语AI作画不仅是技术的展示，更是艺术与科学的完美结合。 随着算法的不断进步，AI创作的图像越来越接近甚至超越人类艺术家的作品。然而，掌握其背后的原理与技巧，避免常见陷阱，才能真正释放AI在艺术领域的无限潜能。
1.7K10编辑于 2024-04-29 - 来自专栏终有链响
详解AI作画算法原理
AI作画算法原理：深度学习驱动的艺术革新 引言 在数字化时代，人工智能正以前所未有的方式重塑着艺术的边界。 本文将深入探讨AI作画背后的算法原理，解析其如何借助深度学习的力量，实现从数据到艺术的华丽转变。 1. 生成对抗网络（GANs）的魔术 原理介绍：GANs通过一个生成网络与一个判别网络的动态博弈，推动生成网络逐步逼近真实数据分布。 变分自编码器（VAEs）与创意探索 原理：VAEs通过学习数据的低维表示，可以在潜在空间中进行采样，生成新的、但符合训练数据分布的图像。这种随机采样机制为AI艺术创作提供了无限的创意可能。 5. 用户交互与定制化创作 交互界面：现代AI作画平台通常提供用户友好的界面，用户可以通过文字描述、上传参考图片或选择预设风格来引导AI创作过程。
1.1K10编辑于 2024-07-29 - 来自专栏AI系统
【AI系统】NVLink 原理剖析
随着 AI 技术的飞速发展，大模型的参数量已经从亿级跃升至万亿级，这一变化不仅标志着 AI 的显著提升，也对支持这些庞大模型训练的底层硬件和网络架构提出了前所未有的挑战。 虽然这在当时被视为高效的数据传输方式，但随着 AI 和机器学习领域的快速发展，数据集和模型的规模呈指数级增长，这种传统的 GPU-CPU 互联方式很快成为了系统性能提升的瓶颈。 CRC 字段的设计使得最大数据包能够容忍高达 5 个随机位错误，或者在差分对发生突发错误时，支持最多 25 个连续位错误的容错能力。 如上图所示，DGX-1 集成了八块 P100 GPU 和两块志强 E5 2698v4 处理器。 因此，NVLink 5 带来的所有带宽增益都来自于链路内每个高速对的 200Gbps 更高信号传输速率。这与前几代 NVLink 的模式是一致的，每次迭代都会使信号传输速率翻倍。
91410编辑于 2024-11-27 - 来自专栏golang云原生new
k8s 自身原理 5
我们知道容器是通过 pod 来承载的，我们在 k8s 中，服务都是跑在 pod 里面的，pod 里面可以跑 1 个容器，或者跑多个容器，那么咱们 pod 里面跑 1 个服务容器，咱真的就以为里面就只有这样个容器吗？
15330编辑于 2023-09-01 - 来自专栏不温卜火
HBase快速入门系列(5) | Hbase原理
中又存储了用户表的region信息； 2.根据namespace、表名和rowkey在meta表中找到对应的region信息； 3.找到这个region对应的regionserver； 4.查找对应的region； 5.
59830发布于 2020-10-28 - 来自专栏黑白天安全团队
socks5协议原理学习
这个项目的地址如下，是一个小型的sock5代理工具，这个工具在socks5协议中调用了armon的go-socks5项目和调用了多路复用yamux项目。 /yamux 这里调用了go-socks5这个包，这是一个socks5协议的api，是使用Go写的，所有可以直接调用即可原理和上面介绍的一样。 首先一开始就创建一个SOCKS5服务器，socks5.Config{} 适用于配置 Config的。 用于设置和配置服务器 //创建一个SOCKS5服务器 // // socks5.New 就是新建一个socks5服务器 server,err := socks5.New(&socks5.Config{ // socks5.New 就是新建一个socks5服务器 server,err := socks5.New(&socks5.Config{}) if err !
13.6K41发布于 2021-03-16 - 来自专栏黯羽轻扬
5 图看懂 Node 模块加载原理
注意一个细节，是在加载&执行模块文件前会先缓存module实例，而不是之后才缓存，这是Node.js 能够从容应对循环依赖的根本原因：
1.4K20发布于 2020-05-22
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