- 综合排序
- 最热优先
- 最新优先
- 来自专栏架构探险之道
SynchronousQueue 源码阅读【2】
[JDK] SynchronousQueue 源码阅读【2】 —- 手机用户请横屏获取最佳阅读体验，REFERENCES中是本文参考的链接，如需要链接和更多资源，可百度”Yiyuery”获取，多处同步更新 * * 2.
69910发布于 2019-07-25 - 来自专栏个人路线
Flutter 2 源码阅读
Flutter 2 源码阅读 进行源码分析之前，先了解一下官方文档中提供的核心架构图，它也代表着整个 Flutter 架构。 2)、Engine：Engine 使用 C++ 实现，主要包括：Skia，Dart 和 Text。Skia 是开源的二维图形库，提供了适用于多种软硬件平台的通用 API。
73720发布于 2021-08-13 - 来自专栏后端程序员的自我修养
CPython源码阅读笔记(2)
https://docs.python.org/2/c-api/typeobj.html。 因为，使用 long 存储，PyIntObject 存储的整数上限为 LONG_MAX 即 0x7fffffffffffffff(在 Python2 中 可以用 hex(sys.maxint) 得到)。 ob_type = 0x7e8fc0 <PyInt_Type>, ob_ival = 1000} // 将 object 加入 free_list 之后 > p block_list->objects[2] 3 STORE_NAME 0 (a) 2 6 LOAD_CONST 1 (2) 9 STORE_NAME 1 (b) 18 BINARY_ADD 19 STORE_NAME 2
2K30发布于 2018-11-06 - 来自专栏有关SQL
推荐 2 个阅读神器
说下我推荐的 2个阅读神器。 为什么说是阅读，而不是看书呢。在我朋友圈的读者们，可能已经知道了。比起看书，我平常阅读更多的是，期刊论文或者博硕毕设。偶尔，要学点新技术，看书才会成为我的选择。 所以，我要推荐的，1个神器，是微信读书，用来看书；第2个神器，是知网和谷歌学术。 微信读书，是我的年度最佳 app ，绝对可以排前三。 下图层1，是谷歌学术搜索；图层2/3，是知网的。但，他俩代表的是两个世界 如果你有好的看书，阅读神器，也欢迎留意，与大家一起分享！ 不出意外，这是农历2022年前，最后一篇文章了。
1K20编辑于 2022-03-31 - 来自专栏mathor
Tacotron2论文阅读
这篇论文描述了Tacotron 2， 一个直接从文本合成语音的神经网络架构。 系统由两部分构成，一个循环seq2seq结构的特征预测网络，把字符向量映射为梅尔声谱图，后面再接一个WaveNet模型的修订版，把梅尔声谱图合成为时域波形。 Char2Wav也提出了另外一个类似的方法，也使用神经声码器进行端到端的TTS学习，但它使用与我们不同的中间特征表达（传统的声码器特征），并且他们的模型架构与我们迥然不同 2 MODEL ARCHITECTURE 我们提出的系统由两部分组成，如Fig.1所示： 一个引入注意力机制（attention）的基于循环seq2seq的特征预测网络，用于从输入的字符序列预测梅尔频谱的帧序列 一个WaveNet网络的修订版， 细致的剖析请参考图2。评分者的点评表明偶尔的发音错误是更喜欢标定语音的主要原因 ? 在附件E[11]中，我们手工分析了在这100个句子的测试数据集中，系统的出错模式。
1.9K20发布于 2020-08-13 - 来自专栏YZh学习记录
MobileNetV2 论文阅读
MobileNetV2:Inverted Residuals and Linear BottleNecks 1 引言 MobileNetv2架构是基于倒置残差结构(inverted residual structure 2 改进点 2.1 Linear Bottlenecks image.png 上图是作者展示用RELU激活时，当channel越小，丢失的信息越多，当channel越大，丢失的信息越少。 其实不难理解， 当channel为2时，信息都集中在这两个channel中，如果有部分数值小于0就会被RELU激活丢失掉。 2.2 Inverted residuals MobileNetV2的网络模块样子是这样的： image.png 网络设计思路： 在V2的网络设计中，我们除了继续使用深度可分离（中间那个）结构之外，还使用了 bottleneck residual block（ResNet论文中的）是中间窄两头胖 在MobileNetV2中正好反了过来，所以，在MobileNetV2的论文中我们称这样的网络结构为Inverted
1.9K31发布于 2020-10-26 - 来自专栏JNing的专栏
论文阅读: YOLOv2
引入Batch Normalization，涨点2。 YOLOv2坐不住了，想要改basemodel。 Thinking YOLOv2中提出了很多trick，贡献很饱满； YOLOv2的加强版——YOLO-9000应该是最早开始对 large-scale detection 领域进行拓荒的了。 ---- [1] YOLO9000: Better, Faster, Stronger [2] 详解YOLO 2与YOLO 9000目标检测系统 | 分享总结 [3] YOLO升级版：YOLOv2 和YOLO9000解析 [4] 解读Yolo2和Yolo9000目标检测系统 [5] Object Detection – 论文YOLO2(YOLO9000:Better, Faster, Stronger
1.2K40发布于 2018-09-27 - 来自专栏MavenTalk
Claude2 AI实战：PDF文档智能化阅读与解析
Claude2在人工反馈评估方面相比之前的版本更具有更强的能力。 本文单独将PDF文档拿出来聊聊，我会从以下几个方面聊聊Claude2的PDF文档的处理： 单个文档解析 多个文档合并分析 PDF文档内容对话 英文文档分析 单个文档解析 找一篇AI调研报告，用Claude2 英文文档解读 这是官方发布Claude2新闻稿时公布的一个Claude模型文档，共14页，全文文字，我们用Claude2进行解读一下，看看其准确性如何。 Claude2不能标记住数据源所在的文档页。 Claude2来解读一下，看看能不能达到我们的预期。
1.2K20编辑于 2023-09-06 - 来自专栏软件深度评测
AI阅读助手ChatDOC：基于 AI 与文档对话、重新定义阅读方式的AI文献阅读和文档处理工具
让 AI 真正成为你的生产力超级助手AI 时代降临，我们需要积极拥抱 AI 工具在过去的 2 个多月里，以 ChatGPT 为代表的 AI 风靡全球。 或者，点击默认的几个示例问题，开始 AI 辅助阅读之旅。针对特定内容提问。选中内容，点击靶心标志，确认选择。随后，再进行提问。 如果英语阅读不够熟练，完成对于上述结构的阅读，通常需要15-30 分钟。如今，通过ChatDOC 的 AI 辅助，我可以在 1 分钟内，快速完成一篇文章的阅读。 效率工具箱：阅读、笔记、写作 AIAI 阅读辅助工具：ChatDOC知识管理和在线协作工具：FlowUs 息流特点FlowUs AI自定义问答；自定义创作；预设问答与创作：头脑风暴、列出执行步骤、罗列大纲 、分析优缺点、内容解释、日常小记、故事创作、写文章、翻译、总结FlowUs AI ：公测全面开启，智能化解决工作、学习、生活中的各项任务2 赞同 · 1 评论文章使用教程更多关于 FlowUs 使用技巧的介绍书签管理
2.4K20编辑于 2023-07-11 - 来自专栏JNing的专栏
论文阅读: 1606.Deeplabv2
类似于SPPNet的空间金字塔结构），并行的采用多个采样率的空洞卷积提取特征，再将特征融合： 能够用多尺度获得更好的分割效果： 更多的ASPP变种： 更优的backbone: DeepLabv2使用
44320编辑于 2021-12-06 - 来自专栏GiantPandaCV
《DeepLab V2》论文阅读
前言 昨天的推文《DeepLab V2》组织方式很不清晰，没有将关键结论以及空洞卷积这种方法的优点讲出来，所以重新组织了一下这篇论文的解读，希望可以带来不一样的体验。 同时，相比于DeepLabV1，DeepLabV2的backbone由V1的VGG16变成了ResNet，并带来了效果提升。最后DeepLabV2在PASCAL VOC 2012获得了SOAT结果。 Fig.2表示空洞卷积的一维示意图： ? 而Fig.2(b)在高分辨率输入5维图片上，zeropadding=2，膨胀速率2的膨胀卷积来采集密集特征的示意图，使用空洞卷积能提取到更多的密集特征，计算量较常规卷积基本保持不变。 Fig.3中上分支是将输入图片下采样1/2后使用卷积核大小为7的标注卷积得到feature map后再上采样2倍得到结果。
1.1K20发布于 2019-12-09 - 来自专栏软件深度评测
进击的AI工具：全能AI阅读软件Walles AI
、PandaPDF 以及 AI 聊天智能侧边栏 SideAI……这些AI阅读工具，多数定位为AI文档阅读工具，主要是提供PDF文件、Word文档的智能阅读，提供AI摘要、AI总结、AI问答等服务。 最近上线不久的 Walles AI 便是这样的一款专业AI阅读工具。Walles AI 全能AI阅读工具Walles AI 是一款 All in One 的全能AI阅读工具。 简单来说，Walles AI= AI聊天对话工具 + AI网页阅读工具+AI 浏览器智能助手+ AI 搜索引擎助手+ AI PDF文档阅读工具+AI 视频阅读工具…… 更多新的AI阅读场景正在解锁中。 视频阅读效果⬇️时间戳跳转 ⬇️哔哩哔哩AI阅读助手效果类似⬇️最终效果AI PDF 阅读助手主要功能：上传PDF文档，基于文档内容与AI进行对话，答案提供参考引文回溯。 “专注的养成”：量化自我与时间的媒介化管理实践[J].国际新闻界,2022,44(03):71-93.Walles AI 的产品特点集合多种 AI阅读功能于一体，包括了AI网页阅读、AI PDF 阅读、
89311编辑于 2023-12-10 用AI找回阅读的乐趣
最近复盘了一份关于《AI+阅读：学以致用》的深度报告，我被其中一个核心观点深深触动：在AI时代，阅读不再是一个人的孤独苦旅，而是一场有一位顶级私教陪伴的深度对话。 这种“不匹配”是扼杀阅读兴趣的第一杀手。 AI辅助阅读的第一大价值，在于它能通过大数据和你的个人画像，进行降噪筛选。 现在，AI让阅读变成了一种交互式体验。AI扮演了助教和翻译官的角色。读不懂术语？ AI能立刻用通俗的语言，甚至打个生活化的比方给你解释清楚。 逻辑太绕？ 结语 不要因为有了AI，就觉得阅读变得廉价了。恰恰相反，AI让我们更有资格去追求“深阅读”。 它帮我们筛选掉不值得读的烂书，帮我们啃下难啃的硬骨头，帮我们将知识通过实践焊死在脑海里。 AI没有取代阅读，它只是把“阅读”这件事，从单向的输入，变成了双向的赋能。 从今天起，试着带上这位“AI书童”，去重新打开那一本你曾经读不下去的好书吧。
12110编辑于 2026-04-24- 来自专栏AI技术应用
AI阅读APP的技术方案
AI阅读APP的技术方案需要综合考虑前端、后端、AI模型、数据存储、云服务等多个层面。以下是一个详细的技术方案，旨在构建一个功能强大、可扩展、用户体验优秀的AI阅读APP。1. AI 模型服务（AI Model Service）：独立部署，提供AI能力。云基础设施（Cloud Infrastructure）：弹性伸缩、高可用。2. 增值服务： 如定制化阅读报告、专家答疑等。总结AI阅读APP的技术方案是一个复杂的系统工程，涉及前端、后端、AI、数据、云等多个技术栈。 通过采用微服务架构、选择合适的AI模型和云服务，并注重性能、安全和用户体验，可以构建一个功能强大、具有竞争力的AI阅读产品。 同时，随着AI技术的不断进步，如大语言模型的进一步发展，将持续为AI阅读APP带来新的功能和可能性。
1.2K10编辑于 2025-06-19 - 来自专栏TechLead
Azure AI - 沉浸式阅读器，阅读障碍用户福音
沉浸式阅读器是 [Azure AI 服务]的一部分，它是一款采用包容性设计的工具，通过应用可靠的技术，帮助提高新读者、语言学习者和有学习差异（如阅读障碍）的用户的阅读理解能力。 通过沉浸式阅读器客户端库，你可利用 Microsoft Word 和 Microsoft OneNote 中所用的相同技术来改进 Web 应用程序。 关注TechLead，分享AI全维度知识。 作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕，复旦机器人智能实验室成员，阿里云认证的资深架构师，项目管理专业人士，上亿营收AI产品研发负责人 一、什么是沉浸式阅读器 沉浸式阅读器旨在让每个人都能更轻松 此属性可帮助沉浸式阅读器提供相关的语言和语法功能。 添加 JavaScript 以处理启动沉浸式阅读器 沉浸式阅读器库提供了启动沉浸式阅读器和呈现沉浸式阅读器按钮等功能。 }; // Learn more about options https://learn.microsoft.com/azure/ai-services
77010编辑于 2024-01-29 - 来自专栏纸上得来终觉浅
libuv源码阅读(2)--queue.h
源码： #ifndef QUEUE_H_ #define QUEUE_H_ #include <stddef.h> typedef void *QUEUE[2]; /* Private macros strcut BASE 和 A 要通过双向队列组织起来，BASE作为队列头结点的持有者，A作为队列元素插入： struct BASE { int a, void* QUEUE[2]; } queue[2] 中 第一个元素存下一个节点的地址，第二个元素存上一个节点的地址。 把 h 的最后一个元素的下一个元素地址赋值为 n 的第一个元素地址； 2. 把 n 的第一个元素的前一个元素的地址赋值为 h 的最后一个元素地址； 3. 把队列 n 头部节点的prev指向 h 的尾部的元素地址； 2. 把队列 n 的 prev（现在为h 的尾部元素）的next 指向 n 头部节点地址； 3.
59410发布于 2021-03-06 - 来自专栏golang算法架构leetcode技术php
golang源码阅读：test2json
{ args: args{ a: 1, b: 2, }, want: 3, }, { args : args{ a: 1, b: 2, }, want: 4, }, } for _, tt := range tests { { args: args{ a: 1, b: 2, }, want: -1, }, } for _, tt endlineafter FAIL FAIL learn/test/gotest/test 0.176s FAIL 下面分析下它的源码实现，源码位于src/cmd/internal/test2json /test2json.go输出被定义成了event类型 type event struct { Time *time.Time `json:",omitempty"` Action string
41510编辑于 2023-09-06 - 来自专栏大数据与实时计算
flask源码阅读笔记(2)-session相关
二、实现原理和源码阅读 正如前文所说flask的session基于cookie实现，相关基础源码见sessions.py，核心安全部分是基于itsdangerous实现(http://itsdangerous.readthedocs.io 指定cookie的名字及配置： app.session_cookie_name = 'flask_session' # permanent_session_lifetime 设置session保持时间 2.
75160发布于 2018-07-17 - 来自专栏JNing的专栏
论文阅读: 2005.U2Net
2005.09007：U2-Net: Going Deeper with Nested U-Structure for Salient Object Detection 该网络用于轻量级的 SOD（显著目标检测
50720编辑于 2021-12-06 - 来自专栏后台技术汇
AI智能体的阅读笔记：来自国外大佬的2篇技术爽文
前言 最近阅读了几篇国外大佬写的技术文章 《Why I'm Betting Against AI Agents in 2025》 《Building-Effective-Agents》 更加搞懂了：什么是智能体 工作流 AI大模型和工具，通过预定义的代码路径，进行编排的系统（平时99%的商业化产品，比如扣子、dify，通过特定的步骤和链条，在某个节点调用了AI大模型）。 没错，准确率会锐减到36%以下了（95%的20次方），意味着可能在复杂问题处理过程中，Agent会在某个步骤有2/3的概率掉链子。。 意味着，即使提示词写的再好，也无法颠覆这个客观的数学规律，你放心把工作交给一个有2/3的概率搞砸的工具吗？ 如何兜底呢？ 不追求全自动化，而是补充人工检查和确认的步骤。 如果您正在考虑使用 AI Agent行构建，请遵循以下原则： 明确界限。你的Agent到底能做什么？它会把什么交给人类或确定性系统？ 为失败而设计。你如何处理 20-40% 的 AI 错误情况？
45810编辑于 2025-11-12
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