披着羊皮不是狼-CSDN博客

原创 Git完整学习总结

本文包括分支与提交、远程推送、分支保护、本地同步、分支清理、撤销与回复、故障排查等内容。

2026-04-22 11:06:23 382

原创（9）批量生成文章并同步存入 MySQL 和 Redis

本文介绍了如何利用Java业务逻辑与大模型(LLM)自动生成能力编写集成测试类。技术选型包括LangChain4j调用本地Ollama(Gemma 3)模型、Spring Boot Test框架和现有业务Service。最终效果在前端和Redis Stack中均有展示，验证了该方案的可行性。

2026-04-17 16:11:31 382

原创（8）实现双删(MySQL+Redis)

本篇内容：执行删除文章操作时：MySQL和向量数据库中的内容都被清除。

2026-04-15 21:12:23 406

原创（7）为 RAG 系统接入 Redis Stack 实现向量持久化

摘要：本文介绍了如何将Redis Stack引入Spring Boot项目，替代内存向量存储实现持久化。通过Docker部署Redis Stack，解决了Windows环境插件安装问题。项目改造包括添加LangChain4j依赖、配置RedisEmbeddingStore，并验证了重启后数据持久化的效果。

2026-04-14 20:39:17 345

本文介绍了如何基于RAG（检索增强生成）架构改造传统MySQL模糊搜索系统，实现语义化智能搜索。系统采用Spring Boot 3+本地大模型Ollama(Gemma 3)+向量数据库的技术栈，通过LangChain4j实现文档切片、向量化和检索功能。改造分为三个核心环节：1）文章发布时同步存入MySQL和向量数据库；2）用户提问时通过向量相似度检索相关文本片段；3）将检索结果输入大模型生成回答。文章详细记录了架构设计、实现步骤和典型问题解决方案。

2026-04-14 16:11:46 359

原创深度学习核心架构全解析

本文解构了智能计算系统中的核心模型架构，从卷积神经网络（CNN）的算子本质到目标检测（YOLO/Faster R-CNN）的工程实现，再到序列模型（RNN/LSTM）与生成对抗网络（GAN）的演进逻辑。涵盖了感受野计算、IoU/NMS 算法、门控机制等核心理论。

2026-04-14 09:25:33 370

原创基于CNN的图像检测算法

目标检测通过图像分类和定位实现物体识别与定位，输出带类别标签和置信度的边界框。经典架构包括Backbone（特征提取）、Neck（多尺度特征融合）和Head（预测框位置和类别）。算法分为Two-Stage（如Faster R-CNN，精度高但慢）和One-Stage（如YOLO，实时性强）两大派系。核心组件包括：Anchor Box（预设参考框）、IoU（评估预测框与真实框重合度）和NMS（去除冗余框，优化检测结果）。NMS因涉及大量计算，常需加速优化。

2026-04-14 09:21:15 253

原创从零构建四则运算编译器——基于 Flex & Bison

本文介绍如何利用Flex和Bison工具构建一个支持优先级的四则运算解析器。系统采用分层架构：Flex负责词法分析，通过正则表达式识别数字和运算符并生成Token；Bison负责语法分析，通过三层上下文无关文法（表达式、项、因子）实现运算优先级。

2026-04-12 19:28:36 420

原创矩阵乘加速@CPU

本文通过优化访存延迟和计算效率来提升CPU矩阵乘法性能。实验使用4096×4096矩阵，对比了五种优化方法：1) 基础三层循环；2) 1x4循环展开；3) 1x4展开+寄存器优化；4) 4x4展开；5) 4x4展开+寄存器优化。关键优化手段包括减少循环次数、利用寄存器暂存中间结果、复用数据提升缓存命中率。代码实现考虑了跨平台兼容性，使用gettimeofday精确计时，并通过动态内存分配处理大矩阵。这些方法逐步提升了计算效率，为高性能矩阵运算提供了优化思路。

2026-04-12 19:26:21 383

原创将Ubuntu从C盘移动到D盘

这两个就是就是 WSL2（Linux）的“虚拟硬盘”，也是让我的C盘爆红的罪魁祸首。你备份的ubuntu_backup.tar导入后页可以删除了。注意：如果要移动多个实例的虚拟硬盘，必须各自创建一个文件夹。结果可以作为你等下对实例或者存放的文件夹进行命名的依据。这是后就移动完毕，再看一眼c盘空间已被释放。

2026-04-08 19:28:54 107

原创从零搭建 Spring Boot 3 + 本地大模型 (Ollama) 的 AI 开发环境

🚀 实验环境准备操作系统： Windows 11开发语言： Java 21+ (Spring Boot 3.x)AI 引擎： Ollama本地模型： Gemma3:4b (Google 开源轻量化模型)集成框架： LangChain4j (Java 界的 LangChain)

2026-04-04 18:20:59 605

原创深度解构栈内存的物理逻辑与系统保护

本文深入探讨了计算机系统中栈的本质与工作机制。揭示了栈在物理上仅是内存中的连续地址段，分析了现代计算机采用栈向下生长的设计哲学，解释了局部变量分配通过SUB SP指令一次性完成的机制。特别指出了栈溢出在无保护系统中的隐蔽危害，以及Linux通过虚拟内存和Guard Page提供的防护机制。最后对比了进程主栈、线程栈和裸机系统中栈布局的差异，强调了不同环境下内存安全面临的挑战。

2026-04-03 21:06:15 425

原创实现一个“微型多任务调度器” (Mini Task Scheduler)

本文摘要：实验通过ARM架构实现多任务切换的裸机程序，主要包含以下内容：上下文切换原理、关键实现、实验效果、技术细节等。深入展示了操作系统任务调度的底层机制。

2026-04-03 21:02:43 395

原创 ARM 汇编核心语法速查

本文介绍了ARM汇编的核心概念，重点讲解了寄存器与加载-存储架构的工作原理。主要内容包括：1）LDR和STR指令用于内存与寄存器间的数据传输；2）PUSH和POP指令管理栈操作；3）ARM寄存器的功能分工，如R0-R3用于参数传递，SP指向栈顶等。最后推荐了ARM官方文档和Compiler Explorer等学习资源。通过阅读汇编代码，可以更深入地认识计算机系统的工作原理。

2026-04-02 20:02:21 457

原创在 QEMU 上实现 ARM 裸机程序与底层原理解析

Zero-Copy（零拷贝）技术（如 Kafka 或高性能推理框架）理解了 MMIO，就能理解为什么 DMA 搬运数据不需要 CPU 参与。本质上就是：我不移动数据，我只把存放数据的“物理地址”告诉网卡或显卡，让它们直接去读。资源开销的颗粒度当我们在高级语言里申请一个 buffer 时，通过本实验可知，底层经历了符号重定位、栈增长和 Cache 映射。

2026-04-02 09:35:04 430

原创正则表达式（Regular Expression) 简明指南

正则表达式简明指南。本文介绍了正则表达式的基本语法和使用方法：字符匹配、重复匹配、组合与选择。推荐了regex101.com这个在线工具，可实时测试和调试正则表达式。

2026-04-01 20:27:20 256

原创基于 CNN 的图像分类算法变迁史（概述）

视觉算法的发展历程展现了从基础卷积到高效架构的演变。LeNet(1998)开创了卷积网络范式，AlexNet(2012)通过ReLU和GPU并行实现突破。VGG(2014)采用规整的3x3卷积提升效率，GoogLeNet(2014)通过Inception模块实现结构创新。ResNet(2015)利用残差连接解决了深层网络退化问题。最后，MobileNet/ShuffleNet(2017+)针对移动端需求，采用深度可分离卷积大幅降低计算量。

2026-03-31 10:26:37 243

原创 CNN卷积输出尺寸计算（公式+实例）

注意：如果结果不是整数，通常采用“向下取整”（Floor），但在某些框架的特定 Padding 模式下会有不同，建议以整数对齐为准。输出尺寸为 3x3。可以看到，步长 S=2 成功让图像面积缩小了 4 倍以上。假设输入 7x7，卷积核 3x3，填充 0，步长 2。此时卷积核的有效尺寸F会发生变化。

2026-03-31 09:05:31 155

原创（二）神经网络基础

本文系统介绍了神经网络的核心原理与设计方法。对比了机器学习与神经网络的区别。详细解析了神经网络的训练流程。重点阐述了神经网络设计的三大原则。最后讨论了过拟合问题及正则化解决方案，并介绍了交叉验证方法。

2026-03-28 20:12:48 388

原创 MSE、MAE、Binary/Categorical Cross-Entropy、HingeLoss五种损失函数的典型应用场景

损失函数选择指南：没有万能的损失函数，需根据业务需求选择。回归任务中，MSE对离群点敏感，适合严格误差控制的场景（如自动驾驶）；MAE则更抗干扰，适用于含噪声的数据（如金融分析）。分类任务中，交叉熵系列（二分类/多分类）强调概率准确性，适合需要高置信度的场景（如医疗诊断）；而Hinge Loss注重分类边界，计算高效（如SVM文本分类）。选择时需权衡误差容忍度、计算效率与业务目标。

2026-03-28 19:50:42 329

原创高性能计算入门实战：我的第一个性能测试

摘要本文记录了作者从零开始学习高性能计算的实验过程。通过编写一个计算1亿次平方根求和的C程序，作者逐步探索了程序性能分析方法：使用time命令测量运行时间、调整问题规模观察时间变化、尝试编译器优化选项-O2。实验结果显示，-O2优化能带来27%的性能提升。作者总结了这些实践与高性能计算核心概念的对应关系，包括基准测试、性能测量、算法复杂度和编译器优化等。最后，作者提出下一步将学习OpenMP并行编程以进一步提高性能。这种先动手实践，再理解理论的学习方式为初学者提供了有益的参考。

2026-03-23 16:46:00 376

原创 Linux命令总结

命令一句话描述ls列出目录内容cd切换当前工作目录pwd显示当前所在目录的绝对路径mkdir创建新目录rmdir删除空目录rm删除文件或目录cp复制文件或目录mv移动文件或目录，或重命名ln创建硬链接或符号链接touch创建空文件或更新文件时间戳。

2026-03-23 14:51:05 371

原创 AI-DSL实践：指令驱动型并行算子执行器

本文介绍了一个基于Java多线程的AI算子并行执行框架。系统通过定义OpNode类构建AST节点，接收前端指令字符串并解析为可执行任务。核心实现采用ThreadPoolExecutor线程池，将ReLU激活函数等计算任务分割为子任务并行处理，利用HPC思想提升性能。代码展示了从指令解析、任务调度到并行计算的完整流程，重点包括：1)编译原理中的AST构造；2)线程池并发执行机制；3)神经网络ReLU算子的分片计算。

2026-03-22 10:18:56 204

原创为什么我的 16 核 CPU 跑并行计算反而慢了？—— Java 并行性能陷阱全解析

AI后端开发的核心技术：编译原理与并行计算本文探讨了AI后端开发中两个关键技术：编译原理和并行计算。在编译原理部分，文章分析了不同文法类型在数据处理中的应用，并展示了从字符串到可执行代码的完整编译链路，重点说明了AST在AI安全中的作用。在并行计算部分，通过Java代码实例演示了矩阵并行处理的技术实现，包括ForkJoinPool的使用、任务粒度控制以及并行代价验证。文章还对比了ThreadPoolExecutor和ForkJoinPool的适用场景，强调在AI推理任务调度中合理使用线程池的重要性。这些底

2026-03-21 10:19:26 357

空空如也

空空如也