/ 自定义排序规则（仿函数）public:s.insert(Person("张三", 25));s.insert(Person("李四", 30));s.insert(Person("张三", 20));// 可以插入，年龄不同// 查找auto it = s.find(Person("张三", 25));if (it!适配器就像电源适配器一样，能将不适用的东西转化为适用的东西。容器适配器。

Docker是一个开源的容器化平台，可以将应用程序及其依赖打包到一个轻量级、可移植的容器中，实现"一次构建，到处运行"。

权重是神经网络训练过程中不断调优得到的数据，搭配各种神经网络的算子，可以实现检测、分类、识别等任务。简单来说，权重就是一堆经过训练优化的数值参数。深度学习算法由一个个计算单元组成，我们称这些计算单元为算子（Operator，简称OP）。算子的三个要素：算子的名称：标识网络中的某个算子，同一网络中算子的名称需要保持唯一算子的类型：网络中每个算子根据算子类型进行实现逻辑的匹配算子计算数据的容器：即张量

基于IDL（接口定义语言，Interface Define Language）文件定义服务，通过proto3工具生成指定语言的数据结构、服务端接口以及客户端Stub。gRPC是一个高性能的RPC框架，适合微服务、实时通信和多语言混合开发场景。其基于HTTP/2和Protobuf的设计使其具有低延迟、高吞吐量的特点。在选择是否使用gRPC时，需要考虑浏览器支持、广播通信等场景的限制。

权重是神经网络训练过程中不断调优得到的数据，搭配各种神经网络的算子，可以实现检测、分类、识别等任务。简单来说，权重就是一堆经过训练优化的数值参数。深度学习算法由一个个计算单元组成，我们称这些计算单元为算子（Operator，简称OP）。算子的三个要素：算子的名称：标识网络中的某个算子，同一网络中算子的名称需要保持唯一算子的类型：网络中每个算子根据算子类型进行实现逻辑的匹配算子计算数据的容器：即张量

人工智能、深度学习是当前技术发展的重要趋势。数据准备 → 模型构建 → 模型部署💡定位建议了解模型的输入与输出能够使用各种推理框架进行模型转换与推理具备快速适配各硬件平台的能力掌握流媒体、视频编解码、图像处理等技术能够快速写出稳定、高性能的C++代码✅输入格式：NCHW格式的640×640 RGB图像✅输出格式张量，包含边界框和类别置信度✅前处理：缩放 → BGR转RGB → 归一化 → HWC

文件描述符（File Descriptor）是一个非负整数，用于标识打开的文件、管道、套接字等。标准文件描述符值名称说明0标准输入1标准输出2标准错误。

职责分离：数据采集、编码、推送各司其职易于扩展：更换摄像头只需修改，更换编码器只需修改复用性强可以被不同的上层应用复用。

Live555 的架构设计非常清晰，采用分层设计思想，各层职责分明。在 Live555 的异步事件驱动模型中，负责管理所有事件。理解这些事件类型是掌握 Live555 运行机制的关键。从代码实现和逻辑分类来看，事件主要分为以下三类和中的类都是用于整个系统的基础功能类。代表了整个系统运行的环境，它提供了错误记录和错误报告的功能，无论哪一个类要输出错误，就需要保存的指针。则提供了任务调度功能。整个程序

UML（Unified Modeling Language，统一建模语言）是一种基于面向对象的可视化建模语言。📊 采用一组形象化的图形符号（如类图）作为建模语言🎯 使用这些符号可以形象地描述系统的各个方面🔗 通过建立图形之间的各种关系（如类与类之间的关系）来描述模型用例图（Use Case Diagram）也称为用户模型图，是从软件需求分析到最终实现的第一步，它是从客户的角度来描述系统功能。