logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

C++设计模式:面向对象设计原则

单一职责原则要求类 / 接口专注于单一职责,避免功能混杂;开放 - 封闭原则强调对扩展开放、对修改关闭,通过抽象实现灵活扩展;里氏替换原则确保子类可安全替换父类而不破坏程序逻辑;依赖倒置原则主张依赖抽象而非具体实现,降低模块间耦合;接口隔离原则反对 “胖接口”,倡导拆分出专一接口以避免客户端依赖无关方法;迪米特法则要求对象仅与直接朋友交互,减少对其他对象的了解;合成复用原则优先通过组合 / 聚合复

文章图片
#设计模式#c++
C++设计模式:建造者模式

建造者模式(Builder Pattern)是一种创建型设计模式,它将一个。的构建与它的表示分离,通过分步构建的方式创建对象,使得。建造者模式有四个主要角色,分别是。建造者模式的优势体现。

文章图片
#设计模式#建造者模式#c++
自动语音识别--Zipformer ASR模型

Zipformer是新一代kaldi团队最新研发的序列建模模型。相比较于Conformer、Squeezeformer、E-Branchformer等主流ASR模型,Zipformer具有效果更好、计算更快、更省内存等优点。Zipformer在LibriSpeech、Aishell-1和WenetSpeech等常用数据集上取得了当前最好的ASR结果。

文章图片
#语音识别#人工智能
计算机网络:应用层

网络层:DHCP动态主机ip配置详细过程:cookie:😶‍🌫️😶‍🌫️😶‍🌫️...

文章图片
#计算机网络#网络
开放神经网络交换格式--ONNX | 大模型量化

在深度学习中,权重(Weights)是模型训练过程中学习到的固定参数,激活(Activations)是每一层输入经过权重计算后输出的中间结果。而量化的核心对象正是这两者:将原本以高精度(如 FP32)存储和计算的权重与激活,转换为低精度格式(如 INT8、FP16 等)。高精度:FP32(单精度浮点数,32 位)、FP64(双精度,64 位),数值范围广、精度高,但存储和计算成本高。

文章图片
#神经网络#人工智能#深度学习
简述系统总线

目录总线的基本概念总线的分类 总线特性及其性能指标机械特性电气特性功能特性时间特性带宽(Bandwidth)延迟(Latency)传输速率(Transfer Rate)总线宽度(Bus Width)时钟频率(Clock Frequency)数据传输模式(Data Transfer Mode)总线控制总线判优控制链式查询(菊花链仲裁) 计数器定时查询独立请求方式总线通信控制同步通信异步通信一、非互锁

文章图片
PortAudio--Cross-platform Open-Source Audio I/O Library

其能够在 Windows、macOS、Linux、iOS、Android 等多种操作系统上使用,支持多种音频设备和多种常见的音频数据格式,并且提供了简洁且一致的 API,使得开发者可以相对轻松地实现音频设备的打开、关闭,音频流的启动、停止,以及音频数据的读写等操作。当音频流的状态发生改变(如启动、停止、出错)时,PortAudio 也会调用回调函数,并通过参数告知用户当前的状态,以便进行对应的处理

文章图片
#c++#语音识别
开放神经网络交换格式--ONNX | 大模型量化

在深度学习中,权重(Weights)是模型训练过程中学习到的固定参数,激活(Activations)是每一层输入经过权重计算后输出的中间结果。而量化的核心对象正是这两者:将原本以高精度(如 FP32)存储和计算的权重与激活,转换为低精度格式(如 INT8、FP16 等)。高精度:FP32(单精度浮点数,32 位)、FP64(双精度,64 位),数值范围广、精度高,但存储和计算成本高。

文章图片
#神经网络#人工智能#深度学习
处理机调度

比起早期的批处理操作系统来说,由于计算机造价大幅降低,因此之后出现的交互式操作系统(包括分时操作系统、实时操作系统等)更注重系统的响应时间、公平性、平衡性等指标。这几种算法主要关心对用户的公平性、平均周转时间、平均等待时间等评价系统整体性能的指标,但是不关心响应时间,也并不区分任务的紧急程度,因此对于用户来说,交互性很差。SJF 算法是选择一个执行时间最短的作业为其服务,但是又完全不考虑各个作业的

文章图片
#操作系统
开放神经网络交换格式--ONNX | 大模型量化

在深度学习中,权重(Weights)是模型训练过程中学习到的固定参数,激活(Activations)是每一层输入经过权重计算后输出的中间结果。而量化的核心对象正是这两者:将原本以高精度(如 FP32)存储和计算的权重与激活,转换为低精度格式(如 INT8、FP16 等)。高精度:FP32(单精度浮点数,32 位)、FP64(双精度,64 位),数值范围广、精度高,但存储和计算成本高。

文章图片
#神经网络#人工智能#深度学习
    共 12 条
  • 1
  • 2
  • 请选择