- 综合排序
- 最热优先
- 最新优先
- 来自专栏自动化、性能测试
Dockerfile（8） - USER 指令详解
USER 指定运行容器时的用户名或 UID，后续的RUN等指令也会使用指定的用户身份 USER <user>[:<group>] 或 USER <UID>[:<GID>] 小栗子 USER www 当容器中运行的服务不需要管理员权限时
6.2K20发布于 2021-11-02 - 来自专栏CSDN
AI 对话高效输入指令攻略（一）：了解AI对话指令
在 AI 对话场景中，这个 “小助手” 负责接收你输入的指令，然后借助 AI 大模型强大的运算和知识储备能力，给出合适的回应。 一.认识 AI 对话中的指令基础 1.运行原理 当我们在手机或电脑的 AI 交互界面输入指令时，一场奇妙的信息之旅便悄然开启。 在 AI 对话的情境里，这个环境主要就是指 AI 庞大的知识库以及用户输入的指令等信息。 3.智能体的核心任务 智能体首要的任务便是接收用户输入的指令，并将其作为重要的感知信息。 当用户输入指令后，AI 会借助这一庞大而有序的知识图谱，对指令进行深入拓展理解。 掌握 AI 对话中的指令基础，理解高效输入指令的底层逻辑，是我们与 AI 实现顺畅、高效沟通的关键。
1.4K10编辑于 2025-04-17 - 来自专栏xingoo, 一个梦想做发明家的程序员
【AngularJS】—— 8 自定义指令
前面提到AngularJS的四大特性： 1 MVC 2 模块化 3 指令 4 双向数据绑定 下面将会介绍如下的内容： 1 如何自定义指令 2 自定义指令的使用 3 自定义指令的内嵌使用 如何自定义指令： Angular是基于模块的框架，因此上来肯定要创建一个自己的模块： var myAppModule = angular.module("myApp 里面是用于替换自定义标签的字符串 3 replace：是否支持替换 4 transclude：是否支持内嵌 如何使用指令： 上面提到了标签的四种使用方法，即AECM。 指令的内嵌使用： 因为标签内部可以嵌套其他的标签，因此想要在自定义标签中嵌套其他的元素标签，则需要： 1 使用transclude属性，设置为true。 ng-app="myApp"> <head> <meta http-equiv="Content-Type" content="text/html; charset=utf-<em>8</em>"
1.2K90发布于 2018-01-17 - 来自专栏全栈程序员必看
docker（8）Dockerfile指令介绍「建议收藏」
前言 Dockerfile 是一个用来构建镜像的文本文件，文本内容包含了一条条构建镜像所需的指令和说明。 Docker构建三步曲： 编写dockerfile文件 docker build 构建image镜像文件 docker run 运行容器 Docker指令详解 说明 只支持Docker自己定义的一套指令 ENTRYPOINT 类似于 CMD 指令，但其不会被 docker run 的命令行参数指定的指令所覆盖，而且这些命令行参数会被当作参数送给 ENTRYPOINT 指令指定的程序。 ADD ADD 指令和 COPY 的使用格式一致（同样需求下，官方推荐使用 COPY）。 ENV 设置环境变量，定义了环境变量，那么在后续的指令中，就可以使用这个环境变量。
73320编辑于 2022-09-19 - 来自专栏PostgreSQL研究与原理解析
使用SIMD指令校验UTF-8
使用SIMD指令校验UTF-8 翻看postgresql email list，发现有对SIMD指令应用到PG的讨论，很有价值。记录下来以作分析使用。 对于UTF-8来说，已证明在解码[1]和校验[2]方面，使用SIMD比标准方法快得多。出于多方面原因，从UTF-8的ascii子集开始是有意义的。 快速路径内联在pg_utf8_verifystr()中。ascii快速路径可以抽象成一个单独函数，该函数传递一个函数指针用于进行完整的编码验证。这将允许具有严格的ascii子集的其他编码也可以使用它。 我还尝试使用DFA进行完整的UTF-8识别，但到目前位置，这只能使性能更糟。如果我在这方面取得成功，我会将其添加到Patch中。 -8-validation/ [3]https://www.postgresql.org/message-id/06d45421-61b8-86dd-e765-f1ce527a5a2f@iki.fi Attachment
52720编辑于 2022-01-05 - 来自专栏AIGC
【AI绘画】Midjourney前置指令imagine与单图指令详解
没有加上前置指令： 为了让Midjourney理解并执行生成图像的命令，必须使用特定的格式，这种格式就是所谓的“前置指令”。 加上前置指令后： 前置指令是什么样的呢？ 这里的变化程度可通过/setting中进行调整，在之前的【AI绘画】Midjourney前置指令/settings设置详解介绍过了。 单张图片指令 这里的单图指的是在一组四图情况下由U指令生成的单张图片。 在使用U指令生成单张图片后，我们发现这张图片下方的按钮与原先一组四张图片时的按钮有所不同。 为了测试该功能我们换一个人像的提示词 Portrait of a Chinese antique girl,photo,close-up,beautiful,elegant,realistic,8k 小结 AI绘画的发展，不仅使艺术创作变得更加大众化，让更多的人能够接触并使用这些前沿的技术进行创作；更重要的是，它激发了人们对创意表达的无限可能性。
1.1K10编辑于 2024-10-17 - 来自专栏项目文章
Redis学习8：key通用指令操作、数据库通用指令操作
echo abcd 就是类似打印日志 ping 就是类似调试联通是否有连接到服务器的 如果没有连接到服务器，检查是否有联通的，那么可以使用ping指令。
26910编辑于 2024-06-07 - 来自专栏前端小羊
如何让AI按指令执行
想要让AI精准地完成你的指令，关键在于掌握有效的沟通方法。 提升执行质量的实用技巧除了基本框架，下面这些技巧能让你更好地控制AI的输出：1.使用分隔符区分指令与资料当你的指令中包含需要AI处理的原文或数据时，使用"""、---或```等分隔符将它们清晰地包裹起来 ，可以有效避免AI混淆指令和待处理内容。 4.鼓励AI逐步思考（Chain of Thought）对于逻辑推理、数学计算或复杂分析任务，可以在指令中要求AI “在回答之前，请逐步展示你的推理过程” 。 这不仅能让你检查AI的思考路径是否正确，也往往能引导出更准确的结果。5.多用肯定指令，少用否定指令告诉AI“要做什么”，远比告诉它“不要做什么”更有效。否定式指令有时会产生反效果，增加AI的理解负担。
87810编辑于 2025-11-24 - 来自专栏AI系统
【AI系统】指令和存储优化
除了应用极广的循环优化，在 AI 编译器底层还存在指令和存储这两种不同优化。指令优化指令优化依赖于硬件提供的特殊加速计算指令。这些指令，如向量化和张量化，能够显著提高计算密度和执行效率。 张量化在 AI 应用日益广泛的今天，程序运行的数据形式经历了显著的演变。特别是以神经网络为代表的神经网络模型，其内部数据形式为多维矩阵，通常称为张量。 一个典型的 Tensor Core 指令如下所示，它可以在一条指令中计算 C8x8 += A8x32 * B32x8asm volatile ("mma.sync.aligned.m8n8k32.row.col.load " $0, $3, [$4], 0x7;");// "mma.sync" 是矩阵乘累加操作的指令// "aligned" 表示输入矩阵是内存对齐的// "m8n8k32" 表示操作涉及的矩阵维度，这里 在 AI 系统中，这种视角下的内存管理显然无法支撑起 AI 应用。AI 系统通常需要处理大量的数据和复杂的算法，这就需要高效的内存分配和回收策略来支持它们的运行。
69910编辑于 2024-11-29 - 来自专栏InCerry
.NET8 硬件加速指令的支持
在这篇文章中，我将深入介绍我们在 .NET 8 中引入的内容以及它所启用的功能类型。 NET 团队和英特尔多年来多次合作，这一次我们在整体设计和实现上共同努力，使得 AVX-512 支持得以在 .NET 8 中实现。 1999 年，当 SSE 首次在英特尔奔腾 III 上推出时，它提供了 8 个每个 128 位长度的寄存器，这些寄存器被称为 xmm0 到 xmm7。 后来在 2003 年，当 x64 平台在 AMD Athlon 64 上引入时，它又提供了 8 个额外的寄存器，这些寄存器能被 64 位代码访问，被命名为 xmm8 到 xmm15。 它引入了 8 个新的寄存器，命名为 k0 到 k7，旨在支持“掩码”，并引入了另一种新编码，称为 EVEX（增强向量扩展），它允许表达所有这些新信息。
92810编辑于 2023-12-26 - 来自专栏Linux驱动
汇编指令-adr与ldr伪汇编区别(8)
0C008000): 0c008000 <_start-0x14>: c008000: e59f000c ldr r0, [pc, #12] ; c008014 <_start> //ldr指令 (不带=) : r0= c008014里面内容= e1a00000 c008004: e28f0008 add r0, pc, #8 ; 0x8 //adr指令: r0= (当前PC值+8)+0x8=c008014 c008008: e59f0008 ldr r0, [pc, #8] ; c008018 <_start+0x4> //ldr指令(带=) : e1a0f00e mov pc, lr 0c008014 <_start>: c008014: e1a00000 nop (mov r0,r0) c008018: 0c008014 stceq 0, cr8, 看上去这只是一个指令，但是它要占用 2 个 32bit 的空间，一条是指令，另一条是 _start 的数据（因为在编译的时候不能确定 _start 的值，而且也不能用 mov 指令来给 r0 赋一个 32bit
1.7K60发布于 2018-01-03 从零到精通文本指令：打造个人AI助理的完整指令库(Prompt 指令实操)
从零到精通文本指令：打造个人AI助理的完整指令库(Prompt 指令实操)创作指令创作prompt的4️⃣要素：题材、主题、格式规范、内容要求创作指令生成一段教师评语根据创作prompt时的四要素来试试生成一篇文言文检讨书吧 润色指令聊天场景待润色回复：别难过了朋友润色指令：将以上内容润色，使其看起来更热情幽默客服场景待润色回复：我们不建议您这样做。 任务：希望润色后客服语气更客气一些润色指令：动手试试你来写一个扩写指令儿童故事待扩写梗概：在一片生机盎然的森林中，动物们过着和谐的生活。 通过多个案例分析，展示了AI如何显著提高医疗效率和患者满意度。”总结： 试着在末尾加个TLDR看看？有字数要求的总结：要求：将上述内容总结为不超过50字。总结：试试看吧什么是 TLDR？ 参考文献：飞桨AI Studio星河社区-人工智能学习与实训社区
1.1K10编辑于 2025-03-13- 来自专栏AI系统
【AI系统】CPU 指令集架构
在计算机体系结构中，CPU 的运算指令、控制指令和数据移动指令是构成指令集的基本元素。 目前，华为和飞腾拥有 ARM v8 架构永久性授权；阿里平头哥、中兴等国内厂商购买了 ARM v9 架构 IP 授权。 但是各个指令集架构的路线选择也要承担着相对应的风险： x86 路线：依赖海外企业授权（Intel），自主可控风险高； ARM 路线：Armv8 永久授权，但目前无 Armv9（性能提升 30%+）永久授权 未来，随着量子计算、AI 芯片等新型计算模式的出现，CPU 指令集将继续朝着更加智能、高效的方向演进。更多的指令集架构如图所示。 近年来，Apple 推出基于 ARM 架构的 M 系列芯片（如 M1、M2），在 MacBook 和 iMac 中取得显著成功，在轻薄、长续航、性能提升和 AI 加速器集成等方面持续发展，推动了 ARM
95510编辑于 2024-11-27 - 来自专栏CSDN
AI对话高效输入指令攻略（三）：使用大忌——“AI味”
免责声明： 1.本文所提供的所有 AI 使用示例及提示词，仅用于学术写作技巧交流与 AI 功能探索测试，无任何唆使或鼓励利用 AI 抄袭作业、学术造假的意图。 2.文章中提及的内容旨在帮助读者提升与 AI 交互的能力，合理运用 AI 辅助学习和研究，最终成果的原创性与合规性需使用者自行负责。 前言 没有听不懂话的AI，只有不会调教AI的人。（自己瞎说的）当你把AI当人看之后，你就会发现，他是多么好用的高效工具。 书接上文，接下来，我们展示AI的使用大忌——“AI味”。 这种过度正式、缺乏生活气息的语言风格，与AI生成内容时那种机械遵循既定模式、难以融入真实情感与灵动变化的特点如出一辙，就如同AI在模拟人类语言表达时呈现出的“AI味”。 5.其他 1.参考前面写的AI 对话高效输入指令攻略（二）：关于豆包的指令，进行角色赋值，如学术论文导师、创意文案专家、行业分析师等，让它以相应的角色视角理解需求 ，从而更贴合人的说话习惯。
1.1K20编辑于 2025-04-22 - 来自专栏酷酷的哀殿
clang 源码导读（8）：词法分析和预处理指令
Lex clangLex 负责词法分析和预处理，处理宏、令牌和 pragma 构造 本文会通过实际的例子对 clangLex 的 词法分析 和 预处理指令 相关流程进行分享 下面是本文涉及到一些重要类型 预处理指令 本节以 #pragma GCC poison 为例，介绍 预处理指令 的过程 #pragma clang poison 是一个预处理指令，可以实现禁止源码中出现某些标识符。 总结 本文通过实际的例子对 clangLex 的 词法分析 和 预处理指令 流程进行了总结和分享，并提供了对应的 流程图 点个在看少个 bug ?
4K31发布于 2021-04-09 转载：【AI系统】CPU 指令集架构
在计算机体系结构中，CPU 的运算指令、控制指令和数据移动指令是构成指令集的基本元素。 目前，华为和飞腾拥有 ARM v8 架构永久性授权；阿里平头哥、中兴等国内厂商购买了 ARM v9 架构 IP 授权。 但是各个指令集架构的路线选择也要承担着相对应的风险： x86 路线：依赖海外企业授权（Intel），自主可控风险高； ARM 路线：Armv8 永久授权，但目前无 Armv9（性能提升 30%+）永久授权 未来，随着量子计算、AI 芯片等新型计算模式的出现，CPU 指令集将继续朝着更加智能、高效的方向演进。更多的指令集架构如图所示。 近年来，Apple 推出基于 ARM 架构的 M 系列芯片（如 M1、M2），在 MacBook 和 iMac 中取得显著成功，在轻薄、长续航、性能提升和 AI 加速器集成等方面持续发展，推动了 ARM
85710编辑于 2024-12-11- 来自专栏JNing的专栏
手机指令集：armv7 & armv8
经验总结： 手机指令集主要跟芯片相关，如果是c端，就默认是arm芯片了，也只有arm芯片才有armv7和armv8之分。 如果上MNN的话，MNN的量化都是做在armv8上的 现在c端大部分都是64位APP，对应的架构是armv8。 寄存器个数不一样，指令集也不一样。需要针对这些不同重新设计计算的方式。 armv8： 目前开源的库基本都是在armv8上做的优化。 armv8 比armv7大概10%~20%的收益，一般能用v8，就不用v7。 MNN量化之后armv8大概比armv7快一倍。 tnn的armv8做的还可以，v7这块笔者不太了解，关注得比较少。
2.1K10编辑于 2021-12-06 - 来自专栏全栈开发那些事
JSP指令:(page指令、include指令 taglib指令)
3.JSP指令：page指令、include指令、taglib指令(现在不讲) 3.1 page指令 page指令的用途：设置与jsp页面相关的一些信息,比如说设置jsp页面的编码，jsp页面的默认语等 pageEncoding="UTF-8"%> page指令常用的属性: language:默认语言java,也就是只有java一种语言。 3.2 include指令： 在jsp页面通常会需要显示其他页面的信息，所以可以通过include指令把其他页面包含过来。 "UTF-8"%> <%@ page import="java.util.Date" %> <! pageEncoding="UTF-<em>8</em>"%> <!
2.3K50编辑于 2023-02-27 - 来自专栏AIGC
【AI绘画】Midjourney前置指令describe、shorten详解
前言 之前我们已经在【AI绘画】Midjourney前置指令/settings设置详解、【AI绘画】Midjourney前置/imagine与单图指令详解、【AI绘画】Midjourney前置指令/blend 这些指令在生成图像和优化输出时同样具有重要作用，通过学习这两个前置指令，我们也可以很好的提升Midjourney提示词的书写水平。 Midjourney官方使用手册 Midjourney前置指令/describe 上传一张图片，Midjourney根据图片生成提示词 在使用AI绘画的过程中，许多人都会遇到这样的情况：你偶然发现一张非常吸引人的图片 ，明确知道它是通过AI生成的，却无从得知具体的提示词，即使尝试自己编写提示词进行复刻，最终的效果也总是差强人意。 展望未来，AI绘画不仅仅是技术进步的体现，更是人类创造力与机器智能的共舞。在这个过程中，我们不仅在学习如何使用AI，更是在探索一种新的表达语言，一种可以打破传统艺术界限的语言。
69010编辑于 2024-10-17 - 来自专栏AIGC
【AI绘画】Midjourney前置指令settings设置详解
Midjourney前置指令/settings设置详解 Midjourney的/settings指令是其基础设置的一个重要组成部分，允许用户通过指令模式来调整和优化图像生成的多个方面。 以下是关于Midjourney /settings指令设置界面的进入方法： 首先我们需要在服务器的聊天区输入/setting调出Midjourney的前置指令/settings设置 /settings 输入指令回车后Midjourney Bot会给我们回复一个前置指令/settings的设置菜单，在这个菜单中的内容就是本文所要详细介绍的部分。 推出的各个AI绘画大模型。 在/settings中的Use the default model设置里，每一个模型都可以被看作是一位AI画师,Midjourney已经推出了多个版本的大模型。
1.7K10编辑于 2024-10-17
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