本文介绍了微信小程序开发中使用云函数和SMTP发送邮件的完整流程。首先需在微信公众平台注册账号并完成小程序备案，然后创建云函数模板工程，配置云开发环境。通过Node.js环境安装nodemailer包实现邮件发送功能，详细说明了SMTP服务开启和授权码获取方法。接着编写云函数代码并上传至云端，更新表单JS逻辑实现邮件内容提交。最后将代码上传至管理平台等待审核上线。文章为小程序开发者提供了从云函数配

FFmpeg链接时报错 undefined reference to av_frame_free

FFmpeg中avcodec_open2函数报错Codec type or id mismatches

基于RK3588的YOLO多线程推理多级硬件加速引擎框架设计（项目总览和加速效果）

编译支持RKmpp和RGA的ffmpeg源码

本文介绍了在RK3588开发板上基于DRMPrime和RGA硬件加速的视频处理优化方案。通过FFmpeg的RKmpp插件实现硬件解码，输出为DRMPrime格式的DMA缓冲区，避免了CPU参与的数据拷贝。作者详细阐述了如何修改解码器设置以支持DRMPrime输出，并展示了如何将解码后的NV12格式数据直接送入RGA进行硬件加速的色彩空间转换。文章还探讨了处理H264编码中stride对齐问题的解决

本文介绍了基于OpenVINO的本地AI模型部署方案，包含前端交互界面和后端服务器实现。前端采用HTML/CSS/JavaScript构建聊天界面，支持状态检测和消息交互；后端使用Flask框架提供REST API，通过OpenVINO GenAI实现模型推理优化。系统在CPU上运行DeepSeek-R1-8B量化模型，内存占用约10GB，推理耗时40秒左右。文章详细展示了前后端代码实现，包括模型

本文探讨了在无独立显卡环境下部署大语言模型的三种方案：Ollama（简单易用但定制性差）、vLLM（GPU优化但CPU兼容性差）和OpenVINO（针对Intel CPU优化）。作者基于i7-13700H/32G内存环境，选择OpenVINO方案部署Qwen3-8B模型，详细介绍了使用Optimum-Intel工具进行INT4量化的转换过程（包括命令行和Python接口两种方式），以及转换前后的目

本文探讨了在无独立显卡环境下部署大语言模型的三种方案：Ollama（简单易用但定制性差）、vLLM（GPU优化但CPU兼容性差）和OpenVINO（针对Intel CPU优化）。作者基于i7-13700H/32G内存环境，选择OpenVINO方案部署Qwen3-8B模型，详细介绍了使用Optimum-Intel工具进行INT4量化的转换过程（包括命令行和Python接口两种方式），以及转换前后的目

GPU延迟隐藏技术通过多线程调度实现高性能计算。当部分线程束因内存访问或计算指令等待时，调度器立即切换执行其他就绪线程束，保持计算资源持续满载。该技术依赖两个关键条件：足够的并行线程束数量（通过合理配置线程块和网格实现）和均衡的负载分配（避免分支分化）。其本质是利用大量线程束快速切换，用计算时间填补等待时间，从而隐藏单一线程束的延迟，这是CUDA架构实现高效计算的核心机制。