自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(11)
  • 收藏
  • 关注

原创 关于linux编译文件时候显示error while loading shared libraries

当出现以上的问题,我们需要使用find / -name * 命令寻找该库,并把它添加到etc/ld.so.conf当中,最后运行一下ldconfig即可。

2023-04-05 22:04:50 271

原创 基于EPOLL的反应堆的百万服务器并发实现

每一个模块里包含一个block,每个block属于一个结构体数组,这个数组的最大存储的数量为1024,这样我们就可以控制百万级别以上的连接。不能,因为初始化的时候EPOLLOUT是监听写缓冲区的,由于刚开始的缓冲区是空的,这个缓冲区就会可写,一直被触发!当listenfd面对大量的数据的时候,为了避免漏掉连接,我们需要用到水平触发。对于反应堆的结构,主要的是回调函数的设置,而回调函数在结构体数组上能够存储,具体如下图。因为在边缘触发的情况下,一旦有连接或者其他读的事件,就会触发事件的发生。

2023-03-25 18:02:36 175

原创 C++11新特性!右值引用优化性能,避免深拷贝

对于含有堆内存的类,我们需要提供深拷贝的拷贝构造函数,如果使用默认构造函数,会导致堆内存的。正确的做法是提供深拷贝的拷贝构造函数,比如下面的代码(关闭。这样就可以保证拷贝构造时的安全性,但有时这种拷贝构造却是不必要的,比如上面代码中的拷贝构造。贝,从而避免了额外的拷贝,提高性能。不必要的临时对象的创建、拷贝以及销毁,可以大幅度提高。上面的代码中没有了拷贝构造,取而代之的是移动构造(,这里没有深拷贝,只有浅拷贝,这样就避免了。在上面的代码中,默认构造函数是浅拷贝,对临时对象的深拷贝,提高了性能。

2023-03-20 12:00:59 150

原创 手撕红黑树中的删除情况:(“见兄弟行事”)(图文代码详细版:C语言)

红黑树的一个删除情况

2023-03-15 19:54:46 99

原创 手撕红黑树插入的几种情况-(“见叔行事”)(图文代码详细版:C语言)

红黑树的修复方法

2023-03-15 12:42:14 86

原创 基于EPOLL的http模型超详细代码讲解(C语言版)

基于EPOLL的http模型超详细代码讲解(C语言版)

2023-03-14 12:08:33 328

原创 关于Linux网络编程当中的几个客户端模型总结

在模型五进程版要注意的是,进程之间的资源都是独立的,所以当有客户端(如:Client1)建立请求的时候,main process(主进程)的IO复用会监听到ListenFd的可读事件,如果在线程模型中,可以直接Accept将链接创建,并且将新创建的ConnFd交给线程中的某个线程中的IO复用机制来监控,因为线程与线程中资源是共享的。如果良好的线程池数量和CPU核心数适配,那么可以尝试CPU核心与Thread进行绑定,从而降低CPU的切换频率,提升每个Thread处理合理业务的效率,降低CPU切换成本开销。

2023-03-05 18:42:00 166

原创 关于C/C++中的函数传值关系;

在上面代码的第36行中,本次传出的是一个强制转换的地址值(因为不能够传指针出来),需要在主线程中开创一个指针,并用地址进行接收。如果在36行中直接传值,如整型数据76,则需要新开辟的指针进行接收。

2023-02-22 17:03:39 44

原创 关于linux的进程和线程的区别:

linux中的线程与进程的基本概念

2023-02-22 15:29:08 72

原创 [CV - Image Classification]图像分类之数据增强Mixup方法 - 超越经验风险最小化

经验风险最小化:即使用已知的经验数据(训练样本)训练得到的学习器的误差或风险,也叫作“经验误差”或“训练误差”。相对的,在新样本(未知样本)上的误差称为“泛化误差,我们的要求就是把这泛华误差越小越好

2022-09-29 20:37:26 1123

原创 GDumb: A Simple Approach that Questions OurProgress in Continual Learning(论文总结)

GDnumb这个算法不是专门设置在CL的问题上,但是目前有许多不同的算法都有简单的限制以至于他们甚至打破了持续学习的概念,例如:约束条件是可能会采取一个给定的先验标签子集。我们首先提供了一个用于分类的CL的一般公式。然后,我们研究了现有CL算法的流行变体,并根据它们对上述一般公式所施加的简化假设对其进行分类。讨论它们如何对标签空间不断增长的性质、标签空间的大小或可用资源施加约束基本上没有一个场景实际上模拟了暴露在现实世界上面临CL的一般形式。

2022-09-29 20:28:39 822

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除