栏目内容

C

围绕数码产品、手机、智能硬件和消费电子场景整理文章,帮助用户快速浏览重点内容。

News

深入分析 Java ZGC

传统的垃圾回收 CMS 与 G1 停顿时间瓶颈 ZGC 概览 深入 ZGC 原理 标记 Marking 着色指针 Reference Coloring Relocation 重映射和读屏障 Remapping and Load Barriers ZGC 并发处理演示 支持平台 ZGC 性能对比 吞吐量对比 停顿时间对比 快速开始 变更记录 JDK 17 J...

News

升级过log4j,却还没搞懂log4j漏洞的本质?

摘要:log4j远程代码漏洞问题被大范围曝光后已经有一段时间了,今天完整讲清JNDI和RMI以及该漏洞的深层原因。 本文分享自华为云社区《升级过log4j,却还没搞懂log4j漏洞的本质?为你完整讲清jndi、rmi以及该漏洞的深层原因!》,作者:breakDraw。 log4j远程代码漏洞问题被大范围曝光后已经有一段时间了。 很多人只能看到一个“弹出一个...

News

技术管理进阶——悟了,还是防御机制的应激反应?

这里可以添加关注交流一下嘛…… 在我最初做管理的两年里,有点好为人师,常常将自己当作指路明灯,总想去更多的帮助其他同学,于是出现了以下对话: 1)我:我觉得你应该多学习总结,比如写点博客;同学们:我不知道该写什么。 2)我:我觉得你可以加加班,多熟悉业务,做业务专家嘛;同学们:我妈叫我晚上早点回去吃饭。 3)我:你这周工作总结做了吗,下周的工作计划有没有前...

News

了解 Linkerd Service Mesh 架构

从较高的层次上看,Linkerd 由一个控制平面(control plane) 和一个 数据平面(data plane) 组成。 控制平面是一组服务,提供对 Linkerd 整体的控制。 数据平面由在每个服务实例“旁边”运行的透明微代理(micro-proxies)组成,作为 Pod 中的 sidecar。 这些代理会自动处理进出服务的所有 TCP 流量,...

News

强化学习实战 | 表格型Q-Learning玩井字棋(二)开始训练!

在 强化学习实战 | 表格型Q-Learning玩井字棋(一)搭个框架 中,我们构建了以Game() 和 Agent() 类为基础的框架,本篇我们要让agent不断对弈,维护Q表格,提升棋力。那么我们先来盘算一下这几个问题: Q1:作为陪练的一方,策略上有什么要求吗? A1:有,出棋所导致的状态要完全覆盖所有可能状态。满足此条件下,陪练的棋力越强(等同于环...

News

HyperSnips:VSCode上的自动补全神器

发现一个小众但是巨好用的VSCode自动补全插件:HyperSnips。 作者显然受到了 这位小哥 的启发,将 Vim Ultisnips 的大部分功能搬到了VSCode上。并用 JavaScript 重写了 Python 的部分程序。有了这个插件,你不需要使用令人望而生畏的Vim,就能愉快地写 LaTeX/markdown,甚至在数学课上用 markdo...

News

图形学之Unity渲染管线流程

Unity中的渲染管线流程 下图是《Unity Shader 入门精要》一书中的渲染流程图; ApplicationStage阶段:准备场景信息(视景体,摄像机参数)、粗粒度剔除、定义每个模型的渲染命令(材质,shader)——由开发者定义,不做讨论; GemetryStage阶段:顶点着色器、曲面细分着色器、几何着色器、裁剪、屏幕映射; Rasteriz...

News

Pytorch入门中 —— 搭建网络模型

本节内容参照小土堆的pytorch入门视频教程,主要通过查询文档的方式讲解如何搭建卷积神经网络。学习时要学会查询文档,这样会比直接搜索良莠不齐的博客更快、更可靠。讲解的内容主要是pytorch核心包中TORCH.NN中的内容(nn是Neural Netwark的缩写)。 通常,我们定义的神经网络模型会继承torch.nn.Module类,该类为我们定义好了...

News

Webpack学习篇

《深入浅出Webpack》优化篇 01 Webpack 优化可以分为开发优化和输出质量优化两部分,主要要点如下: 优化开发体验,提升开发效率 优化构建速度 优化使用体验 优化输出质量 减少首屏加载时间 提升流畅度 本文主要记录 优化构建速度这一部分的内容,本文主要内容如下: 缩小文件的搜索范围 优化Loader的配置 优化resolve.modules的配...