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

linux内核服务,Linux 内核服务学习笔记

㈠ 内核简介 职责:① 系统初始化:检查硬件资源并引导系统② 进程调度:决定进程的启动及运行时间③ 内存管理:为运行的进程分配内存④ 安全:校验系统权限、selinux、iptables策略⑤ 提供缓存版本:① 常规:一个或多个处理器,但RAM只能是4G或者小于4G② PAE:多处理器,且可支持高达64G RAM③ XEN:虚拟化所需内核总是安装在/boot/vmlinuz-*内...

linux内核设备树解析,在linux内核中为什么解析设备树时会使用be32_to_cpup()接口?...

be32_to_cpup()接口是干什么的呢?转换一个无符号的, 大端, 32位值到一个cpu的大小端值(如果cpu为大端序,就将数值直接返回此值;如果cpu为小端序,就将数值转换为小端序)be32_to_cpup()接口的定义(linux内核源码的版本为5.9)#define be32_to_cpup __be32_to_cpup2.1 如果cpu为小端序static __always_inli

linux通过http升级内核,[转]Linux内核升级指南

#uname -r2.6.35.13Linux2.6.9.42内核升级在这里且不说版本的不同与区别,它所支持的功能。相信用过LINUX的人都希望自己所用的系统,内核是最新的了。接下来就来就给大家介绍linux2.6.9-42升级linux2.6.26-42的方法。首先来看下当前系统的版本吧:接下来就开始吧,把所需文件“linux-2.6.26.2.tar.bz2.”拷贝进/usr/src...

linux makefile链接动态库,Makefile常用万能模板(包括静态链接库、动态链接库、可执行文件)...

用makefile来编译工程,对很多朋友来说都是一件麻烦而痛苦的事情,这里我写了几个makefile,专门提供给那些曾经被makefile困扰的朋友,根据生成的目标文件不同,我将makefile分成了三份:生成可执行文件的makefile,生成静态链接库的makefile,生成动态链接库的makefile。这些makefile都很简单,一般都是一看就会用,用法也很容易,只需要把它们拷贝到你的代码的

oracle升到9i,ORACLE9I升级到10G

ORACLE9I升级到10G的简要说明:Win下Oracle9208如何升级到Oracle10.2.0.11、 关闭原9208数据库,执行一个完全冷备。2、 安装ORACLE10g,选择一个跟9208不同的Home,安装的时候选择不装数据库。3、 以SYSDBA身份登陆到SQLPLUS,执行:Sql>spool upgrade.infoSql>@ oracle10G_HOMErdbms

python3 数组排序_9 种经典排序算法的可视化,用Python3分钟就可以搞定!

原标题:9 种经典排序算法的可视化,用Python3分钟就可以搞定!不知道作者是怎么做的,但是突然很想自己实现一遍,而且用python实现特别快,花了一天的时间,完成了这个项目。主要包括希尔排序(Shell Sort)、选择排序(Selection Sort)、快速排序(Quick Sort)、归并排序(Merge Sort)等九种排序。附上源码链接:https://github.com/ZQPe

强化学习在量化交易中的应用与实战解析

强化学习作为人工智能的重要分支,通过智能体与环境的交互学习最优策略,在博弈论和决策优化领域展现出强大潜力。其核心原理基于马尔可夫决策过程,通过价值函数和策略梯度实现自主决策。在金融科技领域,量化交易系统正从传统统计方法转向强化学习框架,以解决市场预测和策略闭环等关键问题。AlphaQuanter等先进框架采用Actor-Critic架构,结合时空卷积网络和风险控制模块,实现了从市场数据到交易指令的

#量化交易
降采样_深度卷积神经网络中的降采样

加入极市专业CV交流群,与6000+来自腾讯,华为,百度,北大,清华,中科院等名企名校视觉开发者互动交流!更有机会与李开复老师等大牛群内互动!同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总,行业技术交流。点击文末“”立刻申请入群~作者 |mileistone来源 |https://zhuanlan.zhihu.com/p/46633171已获作者授权,请勿二次转载降采样指的...

NanoClaw:基于容器隔离的极简可控AI助手框架部署与定制指南

在AI助手与Agent技术日益普及的今天,如何在享受智能化便利的同时,确保系统的安全性与可控性,成为开发者与用户共同关注的核心议题。其技术原理通常涉及自然语言处理、任务编排与外部工具调用,通过大语言模型(LLM)驱动,实现自动化工作流。这类技术的核心价值在于提升效率、个性化服务以及处理复杂任务的能力,广泛应用于智能客服、代码辅助、个人助理等场景。然而,传统AI助手框架往往因代码庞大、依赖复杂而存在

#AI助手
机器学习中的概念漂移:检测与应对策略

概念漂移是机器学习中常见的数据分布变化现象,指特征与目标变量的联合概率分布随时间发生不可预见的变化。其核心原理在于统计特性的动态演变,可能导致模型性能持续下降。从技术价值看,有效处理概念漂移能显著提升模型在动态环境中的鲁棒性。典型应用场景包括金融风控、电商推荐、工业设备监测等实时系统。针对突发漂移、渐进漂移等不同类型,工程师需要组合使用统计检验(如Kolmogorov-Smirnov测试)、在线学

#机器学习
    共 162 条
  • 1
  • 2
  • 3
  • 17
  • 请选择