- 综合排序
- 最热优先
- 最新优先
- 来自专栏ops技术分享
Nginx结构原理全解析（6）
首先，请求过来，要建立连接，然后再接收数据，接收数据后，再发送数据。具体到系统底层，就是读写事件，而当读写事件没有准备好时，必然不可操作，如果不用非阻塞的方式来调用，那就得阻塞调用了，事件没有准备好，那就只能等了，等事件准备好了，你再继续吧。
36520发布于 2021-05-11 - 来自专栏第一专栏
编译原理4—6章案例复习总结【编译原理】
4—6章总结 4、自上而下文法—LL（1）文法 （1）first集 （2）follow集 ——利用到select集 （3）select集 ——利用到first、select集合 （4）构造自上而下分析表 （5）句子分析—利用LL（1）分析表，注意倒序入栈—符号栈是将表中查询到的产生式倒着写入，栈内只剩下 # 为止 5、规范推导—移进规约法—直接利用推导式规约，顺序入栈，栈内只剩下第一个非终结符S为止 6、
1.8K20编辑于 2023-05-25 - 来自专栏Netty应用与源码
Netty源码—6.ByteBuf原理一
大纲1.关于ByteBuf的问题整理2.ByteBuf结构以及重要API3.ByteBuf的分类4.ByteBuf分类的补充说明5.ByteBuf的主要内容分三大方面6.内存分配器ByteBufAllocator7 通过一个PoolThreadCache对象将线程和PoolArena进行一一绑定(利用ThreadLocal原理)。默认一个线程对应一个PoolArena，这样就能做到多线程内存分配相互不受影响。 UnpooledHeapByteBuf的实现原理比PooledHeapByteBuf简单，不容易出现内存管理方面的问题，满足性能下推荐UnpooledHeapByteBuf。 5.ByteBuf的主要内容分三大方面一.内存与内存分配器的抽象二.不同规格大小和不同类别的内存的分配策略三.内存的回收过程6.内存分配器ByteBufAllocator(1)ByteBufAllocator
34200编辑于 2025-06-10 - 来自专栏一个会写诗的程序员的博客
6.HashMap 的扩容 resize() 原理
6.HashMap 的扩容 resize() 原理 我们先来上一段测试代码,直观感受一下 HashMap 的真实的扩容过程: package i import java.util.* /** capacity=8 size=4 {a=1, ab=12, b=2, c=3} capacity=8 size=5 {a=1, ab=12, bc=23, b=2, c=3} capacity=8 size=6
1K30发布于 2020-03-24 - 来自专栏XC's Blog 日常笔记
ES6-Promise语法与原理
Promise工作原理 3.1 Promise是什么? 是ES6新增的构造函数 3.2 Promise作用: 解决回调地狱 3.3 Promise应用场景/原理 Promise对象有三种状态: pending 进行中(默认状态) 所以一旦创建Promise Promise状态发生改变后 在任何时候都可以获取结果 Promise实例的then方法获取成功结果 Promise实例的catch方法获取失败结果 6. 了解axios底层原理/手写Promise封装xhr 7.1 以前使用的axios axios.get('http://123.57.109.30:3999/api/categoryfirst').then (res => { console.log(res.data) }) 7.2 axios底层原理 axios其实就是把xhr对象包装在Promise里面 axios方法本质是返回一个Promise
35510编辑于 2024-08-24 - 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 英伟达 GPU 有着很长的发展历史，整体架构从 Fermi 到 Blankwell 架构演变了非常多代，其中和 AI 特别相关的就有 Tensor Core 和 NVLink。 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 + 6] + y[i + 6]; y[i + 7] = alpha * x[i + 7] + y[i + 7]; } } 每次执行从 0 到 7 的数据
85810编辑于 2024-12-04 - 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。 例如 MNIST 数据集中存在一个数字 2 的样本被预测为 3 的概率为 10^{-6} ，被预测为 7 的概率为 10^{-9} ，这部分负标签的信息就意味着这个数字 2 有可能与 3 和 7 有些相像
80810编辑于 2024-12-06 - 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。 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) 。 定义 P=0,S=1 ，以 N=6 个卷积核对一张 W=5,H=5,C=1 的图片进行卷积的过程为例，其经过的步骤为： 一个卷积核覆盖的 K×K=3×3 的区域，对应位置的数据相乘后相加。 根据特征图大小的计算公式，可知 W_{f_{out}}=H_{f_{out}}=3 ；本例中有 N=6 个卷积核，输出 6 张特征图。 #define MAX_DIM 6 struct Tensor { // 维度信息 size_t dim[MAX_DIM]; uint8_t num_dim; //
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？ 因此派生出了目前主流的 AI 框架都选择使用计算图来抽象神经网络计算。计算图的定义我们会经常遇到有些 AI 框架把统一的图描述称为数据流图，有些称为计算图，这里可以统称为计算图。 在 AI 框架中数据流图表示对数据进行处理的单元，接收一定的数据输入，然后对其进行处理，再进行系统输出。 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。
67110编辑于 2024-12-06 - 来自专栏AI系统
【AI系统】常量折叠原理
2 STORE_NAME 0 (day_sec) 4 LOAD_CONST 1 (None) 6 2 STORE_NAME 0 (day_sec) 4 LOAD_CONST 1 (None) 6 0 (4) 2 LOAD_CONST 1 (64) 4 BINARY_POWER 6 0 ('-') 2 LOAD_CONST 1 (4097) 4 BINARY_MULTIPLY 6 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。
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. 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。 与艺术家、设计师合作，探索AI在特定艺术风格、主题上的应用，可以产生意想不到的创新成果。4. 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AgenticAI
6种AI Agent模式详解
在本文中，我们将探讨多种构建 AI 智能体结构的模式。这些模式有助于我们扩展功能、保持模块化，并更好地控制执行流程。 为什么使用多智能体模式？ 一开始，通常会采用单智能体模型。 适用于按领域或部门划分逻辑的系统 每个监督者管理一组特定任务或智能体 优势： 高度可扩展且结构清晰 各层级具备模块化控制能力 挑战： 实现复杂度较高 层级之间需要明确定义接口 适用场景： 企业级系统、多领域编排任务 6.
1.1K10编辑于 2025-07-27 - 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。
91410编辑于 2024-11-27 - 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。 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E=mc²
常见6种WAF绕过和防护原理
javascript校验(一般只校验后缀名)服务端校验1>文件头content-type字段校验（image/gif）2>文件内容头校验（GIF89a）3>后缀名黑名单校验4>后缀名白名单校验5>自定义正则校验6> 085733uykwusqcs8vw8wky.png C.php" Note:删掉ontent-Type: image/jpeg只留下c，将.php加c后面即可，但是要注意额，双引号要跟着c.php".原理就不多说了 在研究突破的过程中，不要只是仅仅停留在正则表达式、基本漏洞原理，需要对涉及并深入更多的领域，例如HTTP协议理解和PHP、Tomcat对HTTP协议源码分析，MySQL词法分析，和Fuzz的思路等。
2.9K10发布于 2020-08-17 - 来自专栏Golang语言社区
Golang源码探索----GC的实现原理(6)
https://talks.golang.org/2015/go-gc.pdf https://docs.google.com/document/d/1ETuA2IOmnaQ4j81AtTGT40Y4_Jr6_
66810发布于 2020-12-03 - 来自专栏Android源码框架分析
Android权限管理原理（4.3-6.x）
Android 6.0权限管理原理 Android6.0的runtime-permission机制让用户在任何时候都可以取消授权，因此，每次在申请系统服务的时候，都要动态查询是否获取了相应的权限，如果没有获取 作者：看书的小蜗牛 原文链接: Android权限管理原理
2.9K70发布于 2018-06-29 - 来自专栏月色的自留地
从锅炉工到AI专家(6)
所采用的原理，你可以理解成用一副放大镜近距离、细致的观察一幅画面的局部，注意是二维的画面，不是一维的数组。 因为是局部，所以这个“卷积”核的维度不会很大，至少要远远小于整个要识别的图像。
66080发布于 2018-06-20 - 来自专栏grain先森
前端-ES6中promise的实现原理
第四、ES6的promise执行过程中，你是无法获得执行的进度的，到底它现在是pending还是resolve，还是reject。就好像妞和她的闺蜜探讨要不要接受你，你是打听不到的。 在es6中，你只要大喊一句，妞，给我个承诺，它就会给你一个promise，就像下面这样： var promise = new Promise(function(resolve,reject){ 在ES6中Promise是一个构造函数，这简单，给这个dosomething换个名字， function Promise(){ this.then = function(callback){
85120发布于 2019-03-29 - 来自专栏全栈程序员必看
fork join框架原理_jalor6框架教程
Fork/Join是Java7提供的并行执行任务的框架，是一个把大人物分割成若干小任务，最终汇总小任务的结果得到大任务结果的框架
1.6K20编辑于 2022-11-08
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