登录社区云，与社区用户共同成长
邀请您加入社区
冷启动从 2.3 秒压到 1.1 秒的全过程:三行打点拆时间账、onCreate 与 aboutToAppear 按"首帧看得到吗"二分、延迟任务排队上空闲调度的车、首屏骨架占位,附热启动冒充冷启动、隐式依赖、占位动画反拖慢三条踩坑。
本文以「漫游城市」城市打卡应用为例，演示如何在 HarmonyOS 上用一套代码适配手机、折叠屏、平板三种形态。核心思路是把「业务状态」与「布局策略」解耦：状态只有一份，布局由断点（sm / md / lg）驱动。文章依次讲解断点纯函数与 `mediaquery` 监听、`GridRow`/`GridCol` 栅格列数随断点变化、用单个 `isWide()` 判断切换双栏/单栏、`deviceTy
本文以用户视角记录了从提防手机到信任端侧智能的心路历程。作者通过地铁识图、离线纪要、十年相册整理等真实场景，亲证鸿蒙端侧AI实现隐私保护、离线可用与即时响应的三重价值。文章强调，智能不必以牺牲数据主权为代价，当AI在本地芯片完成推理，用户才真正拥有“安心”。结尾呼吁：技术应退后，信任才回来——真正的智能，是让人无感却始终可靠。
1.背景介绍边缘计算在游戏开发中的性能优化与用户体验随着游戏的不断发展和进化，游戏开发者们不断追求更高的性能和更好的用户体验。边缘计算技术在这方面发挥了重要作用，它可以在游戏运行过程中实时优化性能，提高游戏的流畅度，从而提升用户体验。本文将深入探讨边缘计算在游戏开发中的性能优化与用户体验，并提供一些具体的代码实例和解释。2.核心概念与联系2.1 边缘计算边缘计算是一种计算模式，...
本文依托于视觉SLAM第6讲，介绍了如何把SLAM状态估计问题转化为最小二乘问题，以及一些常用的最小二乘问题优化方法，例如：直线下降法、牛顿法、高斯-牛顿法，列文伯格-马夸尔特法。
（2）一定要编写提示。通过提示证明任务是可行的，作为微调的基线。如果提示不起作用，微调成功的可能性就很低。（1）不要盲目微调模型，先尝试使用提示的方式满足需求。（6）选择合适的模型规模。不要使用过大的模型，也不要使用过小的模型。（4）使用真实数据进行微调。即使存在一些不完美的数据也没关系，只要整体分布正确就可以。1小时讲解让您轻松上手，学习如何使用 Llama Factory 微调模型。（3）一定
qt ros2配置，qt项目增加ros2支持
不知道CSDN有没有小米用户玩字体的本文留作自用国内版字体又丑又贵🤣250426亲测可用原方法来自小红书：http://xhslink.com/a/RoIZkGic128ab。
这篇文章介绍了深度学习模型部署中的性能优化技术，主要包括模型量化、模型剪枝等方法。模型量化通过降低模型精度来减少计算量和内存占用，分为静态量化、动态量化和量化感知训练，分别适用于不同场景。
本文深度解析PHP边缘计算系统的高并发优化方案，涵盖：Swoole协程架构、数据分片处理、GPU负载均衡等核心技术。通过汽车工厂实战案例，展示PHP如何实现每秒1.5万条数据的处理能力。提供完整可运行的PHP代码示例，包含协程网关、动态扩缩容等关键模块。掌握本文技术，PHP开发者可承接千万级设备规模的工业物联网项目。
传统云端AI就像一家中央厨房，所有食材(数据)都被送到这里，由顶级厨师(大型AI模型)精心烹饪(处理)，然后将成品(结果)送到顾客手中。这种模式的优点是厨师技艺高超、设备精良，但缺点是顾客需要等待食物送上门，而且如果路上遇到交通堵塞(网络延迟)，美食体验就会大打折扣。边缘AI则像是在每家每户厨房配备了一位全能的家庭厨师，虽然可能不如中央厨房的厨师技艺全面，但能快速响应需求，就地取材烹饪，无需等待配
本文详细记录了在RDKX5开发板上部署YOLOv11n模型的全过程。初始部署遭遇性能瓶颈（仅7.67FPS），通过分析发现Softmax算子被分配到CPU运行是主要问题。经过环境搭建、模型优化（修改输出头、int16量化Softmax）、性能调优等步骤，最终实现47FPS的实时检测性能。关键突破包括：1）通过node_info配置将Softmax指定到BPU运行；2）修改Ultralytics输出
本文针对机械臂开发中C_PiperInterface的常见误区，提供了CAN端口配置、运动控制时序优化和SDK参数设置的实用解决方案。重点解析了多CAN设备识别、波特率一致性校验以及指令发送频率匹配等关键问题，帮助开发者提升系统性能和可靠性，避免常见开发陷阱。
本文深入探讨了如何利用ROS2和现代C++构建高性能机器人应用，超越了ROS1的局限性。通过分析ROS2的分布式架构、DDS中间件优势、生命周期管理和现代C++最佳实践，为开发者提供了从基础到生产级的性能优化方案，包括零拷贝传输、实时调优和嵌入式集成策略。
本文详细介绍了在香橙派AIpro上部署SLAM算法的完整流程与性能优化策略。针对ARM架构特性，提供了环境配置、ROS编译、传感器驱动及实时性调优的实用指南，帮助开发者高效避坑并提升算法运行效率。
本文深入探讨ROS2节点设计的工程化思维，从面向对象重构、资源管理、异常处理到参数配置和性能优化，剖析常见陷阱并提供实用解决方案。通过对比过程式与面向对象设计，展示如何构建健壮、可维护的生产级ROS2节点，帮助开发者超越Hello World示例，提升机器人系统开发质量。
本文介绍了如何在星图GPU平台上自动化部署Youtu-Parsing多模态文档智能解析模型，并针对GPU显存与推理速度进行优化配置。该模型能精准解析扫描文档中的文字、表格、公式等复杂元素，输出结构化数据，可高效应用于金融、教育等领域的文档数字化与信息提取场景。
性能优化可以说是我们程序员的必修课，如果你想要跳出CRUD的苦海，成为一个更“高级”的程序员的话，性能优化这一关你是无论无何都要去面对的。为了提升系统性能，开发人员可以从系统的各个角度和层次对系统进行优化。除了最常见的代码优化外，在软件架构上、JVM虚拟机层、数据库以及操作系统层面都可以通过各种手段进行调优，从而在整体上提升系统的性能。
本文介绍了如何在星图GPU平台自动化部署GLM-4-9B-Chat-1M镜像，实现对ROS2 Foxy等大型代码库的深度分析。该百万长文本大模型能一次性处理完整源码，识别DDS通信模式并分析实时性瓶颈，为机器人系统开发和性能优化提供关键洞察。
本文深入探讨了如何在OrinNX平台上通过硬件调优、ROS2通信优化和vinsfusiongpu算法重构实现性能极致优化。从动态频率调节、内存带宽优化到ROS2 QoS策略定制和CUDA核函数重构，全方位提升视觉惯性里程计在边缘计算环境下的实时性和效率。
本文详细介绍了AI模型在地平线旭日X3派上的性能优化实战指南，涵盖硬件特性理解、模型转换优化、内存访问优化及实测性能调优等关键环节。通过合理配置AI工具链和优化策略，可显著提升模型推理速度与效率，适用于边缘计算场景。
本文详细解析了ADAMS多体动力学仿真在机械臂设计与性能优化中的全流程应用。通过运动学仿真和动力学分析，ADAMS能有效提升机械系统设计效率，实现轻量化与性能优化。文章包含建模技巧、轨迹规划、负载分析及联合仿真等实战内容，帮助工程师快速掌握这一强大工具。
本文全面探讨了C#机器视觉开发中的性能优化策略，从理论到实践提供了详细指南。内容涵盖多线程并行计算、GPU加速技术、内存管理高级技巧等核心优化手段，并结合工业检测和医疗影像等实际案例，展示了如何显著提升处理速度和资源利用率。特别适合从事C#机器视觉应用研发的工程师参考。
本文深入探讨ROS2数据录制中ros2bag_py API的隐藏特性和性能优化，针对高频传感器数据丢帧问题提供实践对策。通过分析架构瓶颈、高级配置技巧和多线程资源管理，帮助开发者构建高性能录制系统，解决官方文档缺失的痛点。
本文深度解析ros2bag_py API的核心机制，针对高频传感器数据录制中的丢帧问题提供实战优化方案。通过分析SequentialWriter工作机制、QoS配置优化、存储格式选择和多话题录制策略，帮助开发者显著降低丢帧率，提升ROS2数据录制性能。
本文介绍了如何在星图GPU平台上自动化部署Pi0具身智能（内置模型版）v1镜像，并对其进行Linux系统下的性能调优。通过调整内核参数、优化模型推理精度与批处理，该镜像可高效应用于机器人、自动驾驶等对实时性要求高的具身智能场景，显著提升任务执行效率。
本文详细介绍了如何在ROS2中利用Fast DDS共享内存实现Python节点的零拷贝通信，大幅提升机器人系统中大数据传输的性能。通过配置Fast DDS共享内存、优化Python节点实现及实战性能对比测试，展示了零拷贝通信在降低延迟、减少CPU占用方面的显著优势，并提供了常见问题解决方案和高级优化技巧。
性能优化
——性能优化
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
人工智能6S服务平台
地瓜机器人开发者社区
openEuler 社区
