威廉姆斯的博客

在das目录用源码编译出来libConfigMgr.so（配置管理），libDevResMgr.so（设备管理），libDriverMgr.so（驱动管理），libProtocolProxy.so（协议代理）这四个库之后。如果没有发送到pluginframe就可以排查下das的问题。目前遇到的问题最多的就是订阅问题。所以说解决了订阅下发的问题就解决了90%的问题。在驱动包的META-INF文件夹下driver.xml的加上event能力。我改了很多bug之后，das壳子本身的问题应该是没有了。

火焰图能做什么：● 可以分析函数执行的频繁程度● 可以分析哪些函数经常阻塞● 可以分析哪些函数频繁分配内存以分析程序的性能瓶颈。火焰图整个图形看起来就像一个跳动的火焰，这就是它名字的由来。火焰图有以下特征（这里以 on-cpu 火焰图为例）：● 每一列代表一个调用栈，每一个格子代表一个函数● 纵轴展示了栈的深度，按照调用关系从下到上排列。最顶上格子代表采样时，正在占用 cpu 的函数。

时光匆匆流逝。转眼一年稍纵即逝。去年软调历历在目。去年参加比赛体验极佳，虽然没有打入决赛，但是和各个大佬互相竞争，斗智斗勇还是挺有意思的。于是乎今年又参加了华为软调。仰慕去年零零妖大哥冲榜时之手遮天的气魄，于是乎加了妖哥大佬的联系方式。得益于紧抱妖哥大腿,今年打到总决赛季军，全球排名第五。我们队叫土豪法称霸杭厦。鉴于妖哥已经总结了一遍我就不重复总结了。直接放妖哥总结链接https://zhuanlan.zhihu.com/p/523783019练习赛一直霸占榜一。最后虽然被抄了一点，但是决赛

线程同步输出ABBCCCABBCCC…用锁做了半天，用信号量一下子做出来了#include <iostream>#include <vector>#include <thread>#include <mutex>#include <condition_variable>using namespace std;class Semaphore{public: explicit Semaphore(unsigned int c

力扣周赛第一次打力扣周赛勉强把前三题A出来找出所有子集的异或总和再求和给你一个数组 nums ，请你求出 nums 中每个 子集 的 异或总和 ，计算并返回这些值相加之 和 。注意：在本题中，元素 相同 的不同子集应 多次 计数。数组 a 是数组 b 的一个 子集 的前提条件是：从 b 删除几个（也可能不删除）元素能够得到 a 。 示例 1：输入：nums = [1,3]输出：6解释：[1,3] 共有 4 个子集：- 空子集的异或总和是 0 。- [1] 的异或总和为 1

写在前面距离华为软件精英挑战赛结束也有一段时间了我是浙工大投降战队的队长，第一次参加这种比赛能打到复赛我还是比较满意的这次比赛我最大的收获就是认识了好多厉害的大佬希望我们杭厦赛区晋级的战队总决赛能拿到好成绩也希望比赛结束了能交流一下的思路，扩展一下思维。githubhttps://github.com/william970/HUAWEI-CodeCraft-2021成绩杭厦赛区，复赛第20名大致思路这个比赛，能优化的地方一共就三个地方，一个是购买服务器的策略，还有一个是插入虚拟机

线程池上图是一个线程池组件线程池主要分三块东西，一个工作线程队列，一个任务队列还有一个管理组件（互斥锁和条件变量）生活中很多场景和线程池比较类似比如去银行取款，一个柜台就是一个工作线程，一个人是一个任务，看号码的窗口就是管理组件再比如去食堂吃饭，一个打饭阿姨就是一个工作线程下面实现了一个线程池组建代码#include <stdio.h>#include <stdlib.h>#include <string.h>#include <pthre

简述模板模式就是通过固定算法⻣架来约束⼦类的⾏为是⾮常常⽤的设计模式，⼦类可以复写⽗类的⼦流程，使⽗类的⼤流程更丰富；反向控制流程的典型应⽤；⽗类 protected 保护⼦类需要复写的⼦流程；这样⼦类的⼦流程只能⽗类来调⽤；充分体现了依赖倒置原则；工厂模式就是延迟到⼦类来选择实现解决创建过程⽐较复杂，希望对外隐藏这些细节；⽐如连接池，线程池；隐藏对象真实类型；对象创建会有很多参数来决定如何创建；创建对象有复杂的依赖关系；代码生成MRZ护照数据集 测试集这里我用python写的，实现的比较简单

reactor反应堆我的理解就是对于每一个fd，不管是监听还是读写，都绑定了一个对应的回调函数，每次就调用回调就可以了，所以实现了事件驱动。一句话概括reactor是反应堆，每一个fd是反应原子，对应的事件走对应的回调函数代码单线程的reactor反应堆，每一句代码都添加了注释#include<stdio.h>#include<stdlib.h>#include<string.h>#include<unistd.h>#include<

什么是缓存穿透如上图所示，为了减少数据库的压力，一般在服务端和数据库之间加入一个redis缓存用来存热点数据。缓存穿透发生在服务端请求数据的时候mysql和redis都不存在改数据，黑客可以利用此漏洞导致mysql压力过大，从而使某个系统陷入瘫痪。解决方案1.方法一在redis端设置<key,NULL>键值对，以此来避免访问mysql，缺点是此方法会消耗大量的内存，可以加入超时时长的方式，自动清空超时时长没有访问的<key,NULL>对2.方法二可以用布隆过滤器来过滤

复习一下链表，做几个简单的题目链表是否有环class Solution {public:bool hasCycle(ListNode *head) {ListNode *slow = head;ListNode *quick = head;if(quick == NULL || quick->nextNULL || quick->next->nextNULL){return false;}quick = quick ->next ->next;slow =

生成数据集生成数据集可以用labelImg工具，可以生成voc格式数据voc转yoloVOC数据格式生成的voc格式长这样--Root --Annotations --videoDir1 --0.xml --1.xml --videoDir2 --0.xml --1.xml --Images --videoDir1 --0.jpg --1.jpg --videoDir2

起因事情是这样的，前几天我在刷B站的时候看到一个大佬用训练了一个自动写高考作文的AI链接： https://www.bilibili.com/video/BV1pr4y1w7uM?from=search&seid=3451527309155759796那我就想既然别人能训练自动写作文的AI，那我就训练一个自动写小说的AI帮我自动赚稿费。挑战我也去github上clone了仓库，看了看效果还不错，是我也可以做的但是有那么几个问题费用费用是我承担不起的，我看了一下他的模型，一共17亿

写在前面这一个半月真的太忙了，上班写代码，下班看资料，总算是把差不多功能跑通了Deeplab模型训练并测试Deeplab项目安装以及测试首先为了确保版本支持，先得确认你的tensorflow的版本是1.10以上的。我的linux系统上装的是1.14的tensorflow，因为我一直用的这个版本。克隆deeplab项目git clone https://gitee.com/yujiahao123/models2这是我为了速度fork的deeplab，因为tensorflow的github cl

写在前边我的人生中曾经两次接触过傅里叶，一次是我大学上高数的时候，那时候我赌考试不会考，于是根本没有看，事实证明我赌对了。另外一次是考研的时候，我记得很清楚是第7章无穷级数吧，里面有傅里叶级数，好像作用是把一个函数fx转换成无限个sinx和cosx的无穷级数吧，算是一个几百年没有考到过的知识点，我大致做过几道题，我还是赌他不会考，结果还是没有考。躲得过初一，躲不过十五，这次工作需要，我又拿起来课本。。。...

如何训练你自己的词向量这里我直接实现了Distributed Representations of Words and Phrases and their Compositionality这篇论文他没有采用层次的哈弗曼树，而是使用了负列采样，这也是工业界用的比较多的一种方法模型采用Skip-gram这篇论文有很多模型实现的细节，这些细节对于词向量的好坏至关重要。主要是由于计算资源等各种细节原因，我无法复现论文中的实验结果，但是还是可以大致展示如何训练词向量。这边用了GPU版的pytouch，我的显卡

词向量为什么需要词向量1.词向量可以大量的预料中拿到一些对知识表达的方式2.无法直接对文本进行计算，文本是标记性语言，计算机对数字比较敏感，词向量吧文字转成了数值向量词编码方式从语言模型n-gram到TF-IDF的权重到Word2Vec到Doc2Vec词编码需要保证词的相似性如果用one-hot编码我们得不到词于词之间的关系比如一些近义词向量比较近表达足够准确你的数据决定结果上线你的算法决定多逼近上线One-hot表示每一个单词有唯一索引词典中的顺序和句子中的顺序无关词袋

需求最近有一个需求需要找到一个文档里面如下格式的文字并把它替换成正确的链接Test`Test`[Test]()[Test](TestUrl)[`Test`](TestUrl)[`Test`]({{ site.var }})=>[Test]({{ site.parameters_reference }}TestUrl)首先正则表达式首先要把对应格式的文字给找出来，这里用了强大的正则表达式我这里对中文，英文做了不同的处理代码如下if(language=="en"){ fo

原文A two-level clustering approach for multidimensional transfer function specification in volume visualization由于这篇文章没有源码。所以我本科的毕业设计是用代码对该文章做了实现代码资源https://download.csdn.net/download/weixin_38616018/12540559效果研究该论文的主要思路预处理通过区域生长算法除去外围无关噪声，减少计算量提