文章主要分享了C++和python面试中常见的算法题目与实现方法。首先介绍了变量交换的三种方式：值传递、指针传递和引用传递，并通过模板实现了通用类型交换函数。随后讲解了字符串复制操作的注意事项。第二部分重点讲解排序算法，包括冒泡排序的实现和快速排序的分治思想。

本文通过地平线OE工具链在PC端的量化与精度实验，完成了模型上板子前的所有准备工作，从模型量化到算子适配性检查，再到编译生成在地平线计算平台上加载运行的模型，最后通过手写脚本，生成评估所需的数据集，并顺利完成评估工作，经评估，模型精度也符合部署要求。

深入解析GPU指令流水线的工作原理及其在AI计算中的关键作用。GPU流水线包含SIMT前端和SIMD后端，分为取指、译码、发射、执行、写回五个阶段。SIMT前端支持线程级编程，SIMD后端实现数据并行处理。还详细探讨了流水线各阶段的工作机制，以及数据冒险、结构冒险和控制冒险的发生原因等。

本文基于YOLOv8模型和COCO128数据集，对比评估了PyTorch、ONNX和TensorRT三种模型格式在计算机视觉任务中的部署性能。实验从精度、速度和资源占用三个维度建立评估指标体系，包括mAP、FPS、显存占用等关键指标。

本篇博客完整实现了 YOLOv8 在 Jetson 平台上的 C++ + TensorRT 端到端单图检测流程，从模型转换（pt→onnx→engine）、工程搭建、核心推理代码编写，到后处理与可视化，全程可复现、可落地。

本篇博客完整实现了 YOLOv8 在 Jetson 平台上的 C++ + TensorRT 端到端单图检测流程，从模型转换（pt→onnx→engine）、工程搭建、核心推理代码编写，到后处理与可视化，全程可复现、可落地。

深入解析GPU指令流水线的工作原理及其在AI计算中的关键作用。GPU流水线包含SIMT前端和SIMD后端，分为取指、译码、发射、执行、写回五个阶段。SIMT前端支持线程级编程，SIMD后端实现数据并行处理。还详细探讨了流水线各阶段的工作机制，以及数据冒险、结构冒险和控制冒险的发生原因等。

对Ultralytics代码库中数据增强Pipeline的搭建方法进行了简单介绍，同时对数据预处理与增强的实现步骤与实现方法进行了深入讲解。

该器件是用于高端配置的功率MOSFET的高级控制器，设计用于实现 12 V、24 V 和48 V 汽车应用。通过 3.3 V 和 5V CMOS 兼容的SPI 接口，实现 IC 与主控制器通信，从而提供保护和系统诊断。

一个基于QT框架的简易计算器，非常好玩。。。