讯飞星火V3.5发布，一场大模型的奇幻之旅（深度体验讯飞星火V3.5）

在去年的人工智能领域，大模型无疑是最炙手可热的技术话题。其强大的数据处理和深度学习能力，为众多领域带来了革命性的变革。而其中，讯飞星火表现尤为出色，成为了行业的翘楚，得到了大量的用户认可，其中：

  • 讯飞星火纯用户2400万；

  • 内容创作平台，讯飞智作（音视频创作），自815发布以来新增了21万会员用户，160万音视频内容；而在图文创作上，1024发布以来赋能企业用户生产百万内容。

  • 半年来，大模型开发者生态积累了35万开发者数量，其中企业开发者数量为22万。

要知道获得这样成绩的讯飞星火，距离首次发布并不足一年。然后，讯飞并未止步，2024刚开年，讯飞星火就迎来重大升级，七大核心能力全面提升，其中：

  • 讯飞星火V3.5整体接近GPT-4 Turbo；

  • 数学、语言理解、语音交互能力超过GPT-4 Turbo；

  • 代码达到GPT-4 Turbo 96%；

  • 多模态达到GPT-4V 91%。

在这里插入图片描述

官方链接：https://xinghuo.xfyun.cn/?ch=ntm_oZCR5

快来和我一起体验一下吧！
讯飞星火3.5完整的发布会链接：

https://www.bilibili.com/video/BV1Lm41197qY/?spm_id_from=333.337.search-card.all.click

专业测评

来自：SuperCLUE-Math6中文数学多步推理测评基准

在SuperCLUE-Math6上，相比上一代讯飞星火V3.0，讯飞星火V3.5有43.05分的巨大提升；尤其在5步数学推理问题上表现不俗。

在SuperCLUE-Math6上，讯飞星火V3.5综合得分为80.44，被评为最高第五等级。

在SuperCLUE-Math6上，讯飞星火V3.5较GPT4略低3.42分，较GPT4-1106-Preview（GPT4-Turbo）低7.32分，超越GPT-4 Turbo还需继续努力。
在这里插入图片描述
详见：https://mp.weixin.qq.com/s/qbg-CTgLscPNUGkYa1KC1A

注册

点击链接：https://xinghuo.xfyun.cn/?ch=ntm_oZCR5
，即可打开页面，如下图：

在这里插入图片描述
下面，可以看到上面提到的七大能力和讯飞星火大模型的版本，支持的系统还是比较多的，既有Win客户端，也有移动端和小程序等等。满足不同人的需求！

在这里插入图片描述
在网页的右上角点击登录，即可进入登录页面，如下图
在这里插入图片描述

输入手机号和验证码就可以进入讯飞星火的主页面，上面红框是官方预制的一些功能，下面红框是一些插件。
在这里插入图片描述
注册完成，就可以开始体验了！

翻译功能

这个是我比较看重的功能，对于AI工程师来说，一款好的翻译工具至关重要，我们能接触到的资料基本上都是英文，如果能有一款工具将英文准确的翻译成中文，会大大提高阅读的效率。

输入：

We introduce Deformable Convolution v4 (DCNv4), a highly efficient and effective operator designed for a broad spectrum of vision applications. DCNv4 addresses the limitations of its predecessor, DCNv3, with two key enhancements: 1. removing softmax normalization in spatial aggregation to enhance its dynamic property and expressive power and 2. optimizing memory access to minimize redundant operations for speedup. These improvements result in a significantly faster convergence compared to DCNv3 and a substantial increase in processing speed, with DCNv4 achieving more than three times the forward speed. DCNv4 demonstrates exceptional performance across various tasks, including image classification, instance and semantic segmentation, and notably, image generation. When integrated into generative models like U-Net in the latent diffusion model, DCNv4 outperforms its baseline, underscoring its possibility to enhance generative models. In practical applications, replacing DCNv3 with DCNv4 in the InternImage model to create FlashInternImage results in up to 80% speed increase and further performance improvement without further modifications. The advancements in speed and efficiency of DCNv4, combined with its robust performance across diverse vision tasks, show its potential as a foundational building block for future vision models.

这是DCNv4的摘要部分，我们看看翻译的怎么样？

输出

我们介绍了可变形卷积V4（DCNV4），这是一种为广泛的视觉应用而设计的高效和有效的算子。DCNV4通过两个关键的增强来解决其前身DCNV3的局限性:1.去除空间聚集中的softmax规范化以增强其动态特性和表达能力；2.优化内存访问以最小化冗余操作以加速。与DCNV3相比，这些改进使收敛速度明显加快，处理速度大幅提高，DCNV4的前进速度提高了三倍以上。DCNV4在各种任务中表现出卓越的性能，包括图像分类、实例和语义分割，尤其是图像生成。当集成到生成模型（如潜在扩散模型中的U-Net）中时，DCNV4优于其基线，强调了其增强生成模型的可能性。在实际应用中，将DCNv3替换为InternImage模型中的DCNv4以创建FlashInternImage，无需进一步修改，即可获得高达80%的速度提升和进一步的性能提升。DCNV4在速度和效率方面的进步，加上其在各种视觉任务中的强大性能，显示了其作为未来视觉模型的基础构建模块的潜力。

又快又准，讯飞是做翻译起家的！这当然难不倒它了！！！

代码能力

代码加注释

看论文，跑代码是AI工程师一项想做的工作。github上很多代码没有注释，我们想深入理解代码的时候就会有很大的困难，有了大模型，这就简单了！试一下讯飞星火的代码注释能力。

代码如下：

class C2f(nn.Module):
    """Faster Implementation of CSP Bottleneck with 2 convolutions."""

    def __init__(self, c1, c2, n=1, shortcut=False, g=1, e=0.5):
        """Initialize CSP bottleneck layer with two convolutions with arguments ch_in, ch_out, number, shortcut, groups,
        expansion.
        """
        super().__init__()
        self.c = int(c2 * e)  # hidden channels
        self.cv1 = Conv(c1, 2 * self.c, 1, 1)
        self.cv2 = Conv((2 + n) * self.c, c2, 1)  # optional act=FReLU(c2)
        self.m = nn.ModuleList(Bottleneck(self.c, self.c, shortcut, g, k=((3, 3), (3, 3)), e=1.0) for _ in range(n))

    def forward(self, x):
        """Forward pass through C2f layer."""
        y = list(self.cv1(x).chunk(2, 1))
        y.extend(m(y[-1]) for m in self.m)
        return self.cv2(torch.cat(y, 1))

    def forward_split(self, x):
        """Forward pass using split() instead of chunk()."""
        y = list(self.cv1(x).split((self.c, self.c), 1))
        y.extend(m(y[-1]) for m in self.m)
        return self.cv2(torch.cat(y, 1))

在讯飞星火里输入给每行代码都加上注释，有英文的注释，转为中文，如下图：
在这里插入图片描述

class C2f(nn.Module):
    """更快的CSP瓶颈层实现，具有两个卷积层。"""

    def __init__(self, c1, c2, n=1, shortcut=False, g=1, e=0.5):
        """初始化CSP瓶颈层，具有两个卷积层，参数为输入通道数c1、输出通道数c2、瓶颈层数量n、是否使用shortcut连接、分组数g和扩展系数e。"""
        super().__init__()
        self.c = int(c2 * e)  # 隐藏通道数
        self.cv1 = Conv(c1, 2 * self.c, 1, 1)  # 第一个卷积层，输入通道数为c1，输出通道数为2倍的隐藏通道数
        self.cv2 = Conv((2 + n) * self.c, c2, 1)  # 第二个卷积层，输入通道数为(2+n)倍的隐藏通道数，输出通道数为c2
        self.m = nn.ModuleList(Bottleneck(self.c, self.c, shortcut, g, k=((3, 3), (3, 3)), e=1.0) for _ in range(n))  # 瓶颈层列表，包含n个瓶颈层

    def forward(self, x):
        """通过C2f层的前向传播。"""
        y = list(self.cv1(x).chunk(2, 1))  # 将第一个卷积层的输出分割成两部分
        y.extend(m(y[-1]) for m in self.m)  # 将每个瓶颈层的输出添加到y列表中
        return self.cv2(torch.cat(y, 1))  # 将y列表中的张量拼接起来，并通过第二个卷积层进行前向传播

    def forward_split(self, x):
        """使用split()函数代替chunk()函数的前向传播。"""
        y = list(self.cv1(x).split((self.c, self.c), 1))  # 使用split()函数将第一个卷积层的输出分割成两部分
        y.extend(m(y[-1]) for m in self.m)  # 将每个瓶颈层的输出添加到y列表中
        return self.cv2(torch.cat(y, 1))  # 将y列表中的张量拼接起来，并通过第二个卷积层进行前向传播

这样的注释，你满意吗？反正我是很满意！！！

代码生成能力

大模型时代，代码生成是常用的功能，我们尝试用讯飞星火生成一些代码。

多线程代码生成案例

输入帮我写一个python的多线程代码，传入参数，给出代码解释，生成结果如下：
在这里插入图片描述

好的，以下是一个简单的Python多线程代码示例，其中传入了参数，并给出了代码解释：

import threading

class MyThread(threading.Thread):
    def __init__(self, arg1, arg2):
        super().__init__()
        self.arg1 = arg1
        self.arg2 = arg2

    def run(self):
        print("线程执行中...")
        print("参数1:", self.arg1)
        print("参数2:", self.arg2)

# 创建两个线程对象，并传入参数
t1 = MyThread("hello", "world")
t2 = MyThread(123, 456)

# 启动线程
t1.start()
t2.start()

# 等待线程执行完毕
t1.join()
t2.join()

print("所有线程执行完成")

在这个例子中，我们定义了一个名为MyThread的自定义线程类，它继承自threading.Thread。在__init__方法中，我们调用了父类的构造函数，并传入了两个参数arg1和arg2。在run方法中，我们打印出了这两个参数的值。

然后，我们创建了两个MyThread对象，并分别传入了不同的参数。接着，我们调用了start方法来启动这两个线程。最后，我们使用join方法等待这两个线程执行完毕，并打印出“所有线程执行完成”的信息。
运行结果：
在这里插入图片描述
基本上没有问题，非常OK！！！

百钱白鸡算法

这个一个经典的算法，试试讯飞星火的表现如何？输入：python 实现百钱白鸡算法，算法描述，代码解释，回答如下：

在这里插入图片描述

百钱白鸡算法是一个经典的数学问题，要求用100块钱买100只鸡，其中公鸡5块钱一只，母鸡3块钱一只，小鸡1块钱三只。要求列出所有可能的购买组合。

Python实现如下：

def buy_chicken():
    for x in range(0, 20):  # 公鸡数量
        for y in range(0, 33):  # 母鸡数量
            z = 100 - x - y  # 小鸡数量
            if 5 * x + 3 * y + z / 3 == 100:  # 判断是否满足条件
                print("公鸡：%d只，母鸡：%d只，小鸡：%d只" % (x, y, z))

buy_chicken()

代码解释：

  1. 定义一个函数buy_chicken，用于计算购买组合。
  2. 使用两层循环遍历公鸡和母鸡的数量，小鸡的数量由总数量减去公鸡和母鸡的数量得到。
  3. 判断当前组合是否满足条件，即公鸡、母鸡和小鸡的价格之和是否等于100元。
  4. 如果满足条件，则输出当前的购买组合。

运行结果：
在这里插入图片描述

模型代码生成

我试试让讯飞星火生成pytorch模型，以resnet18为例，输入：python 把我写一个resnet18的代码，pytorch的，结果如下：
在这里插入图片描述

import torch
import torch.nn as nn

class BasicBlock(nn.Module):
    expansion = 1

    def __init__(self, in_planes, planes, stride=1):
        super(BasicBlock, self).__init__()
        self.conv1 = nn.Conv2d(in_planes, planes, kernel_size=3, stride=stride, padding=1, bias=False)
        self.bn1 = nn.BatchNorm2d(planes)
        self.conv2 = nn.Conv2d(planes, planes, kernel_size=3, stride=1, padding=1, bias=False)
        self.bn2 = nn.BatchNorm2d(planes)

        self.shortcut = nn.Sequential()
        if stride != 1 or in_planes != self.expansion * planes:
            self.shortcut = nn.Sequential(
                nn.Conv2d(in_planes, self.expansion * planes, kernel_size=1, stride=stride, bias=False),
                nn.BatchNorm2d(self.expansion * planes)
            )

    def forward(self, x):
        out = F.relu(self.bn1(self.conv1(x)))
        out = self.bn2(self.conv2(out))
        out += self.shortcut(x)
        out = F.relu(out)
        return out

class ResNet(nn.Module):
    def __init__(self, block, num_blocks, num_classes=10):
        super(ResNet, self).__init__()
        self.in_planes = 64

        self.conv1 = nn.Conv2d(3, 64, kernel_size=3, stride=1, padding=1, bias=False)
        self.bn1 = nn.BatchNorm2d(64)
        self.layer1 = self._make_layer(block, 64, num_blocks[0], stride=1)
        self.layer2 = self._make_layer(block, 128, num_blocks[1], stride=2)
        self.layer3 = self._make_layer(block, 256, num_blocks[2], stride=2)
        self.layer4 = self._make_layer(block, 512, num_blocks[3], stride=2)
        self.linear = nn.Linear(512 * block.expansion, num_classes)

    def _make_layer(self, block, planes, num_blocks, stride):
        strides = [stride] + [1] * (num_blocks - 1)
        layers = []
        for stride in strides:
            layers.append(block(self.in_planes, planes, stride))
            self.in_planes = planes * block.expansion
        return nn.Sequential(*layers)

    def forward(self, x):
        out = F.relu(self.bn1(self.conv1(x)))
        out = self.layer1(out)
        out = self.layer2(out)
        out = self.layer3(out)
        out = self.layer4(out)
        out = F.avg_pool2d(out, 4)
        out = out.view(out.size(0), -1)
        out = self.linear(out)
        return out

def ResNet18():
    return ResNet(BasicBlock, [2, 2, 2, 2])

model = ResNet18()
print(model)

输出结果：

在这里插入图片描述

通过上面的例子，我觉得讯飞星火3.5的代码能力还是很强的！

PPT生成能力

写PPT是工作中最头疼的，懂的都懂！讯飞星火3.5在写PPT的功能上有着不错的表现，我们试试效果如何？

选择PPT插件，输入想要生成的内容，如下图：

在这里插入图片描述
我输入的内容：我最近有一个关于深度学习的演讲，主要内容有深度学习的原理，卷积的原理，已经深度模型的详解，比如AlexNet，VggNet，ResNet，ViT等模型，需要模型的结构和评测结果等信息

然后，点击发送就可以生成PPT，点击下图中的下载链接：
在这里插入图片描述
等待生成后，点击下载，如下图：
在这里插入图片描述
然后就看到了生成的PPT，有15页，如下图：
在这里插入图片描述
如果，对内容不满意，也可以点击右边的按钮，如下图红框所示，给文章润色。
在这里插入图片描述
在这里插入图片描述
对生成的PPT不满意，也可以更换其他的颜色和模板，将PPT拉到最后一页就可以看到，如下图：
在这里插入图片描述
有多种模板可供选择。

把PPT调整满意后，点击导出，

在这里插入图片描述
在浏览器就可以看到导出的PPT了。如下图：
在这里插入图片描述
后面的PPT编辑和模板更换功能是用到了讯飞智文，链接：https://zhiwen.xfyun.cn/。

具有以下几个特点：

  • 文档一键生成；一句话主题、长文本快速生成Word、PPT文档，多种文稿类型供选择，更专业，更垂直。
  • AI 撰写助手；支持多达十几种 AI 文本编辑操作，快速完善生成后内容，提升改写效率。
  • 多语种文档生成；支持英、俄、日、韩等10种外语文本生成，多语 种文本互译，无缝衔接翻译功能。
  • AI自动配图；根据文本内容，自动生成AI文生图提示词，只需要一次点击，即可生成多张AI图片供选择。
  • 模板图示秒切换；随时可切换的内容排版及模板配色，文档内容排版 更灵活，更多样，省去模版图示优化时间。

使用讯飞智文大大提高了文档的编写效率，让我们将更多的时间放在自己专注的事情上！

公文写作能力

对于我们这些门外汉来说，写公文难于上青天，讯飞星火3.5的公文写作助手可以帮我们搞定！
在助手中心选择公文写作助手，如下图：
在这里插入图片描述

写个会议纪要试试，效果如下：
在这里插入图片描述

会议纪要

一、会议基本信息
1. 会议主题：[请填写具体会议主题]
2. 会议时间：[请填写具体日期]
3. 会议地点：[请填写具体地点]
4. 参会人员：[请列举参会人员姓名及职务]
5. 主持人：[请填写主持人姓名及职务]
6. 记录人：[请填写记录人姓名及职务]

二、会议议程
1. 开场与导入
    a. 主持人致欢迎词
    b. 确认出席人员名单
2. 讨论议题
    a. [请列出第一个讨论议题]
    b. [请列出第二个讨论议题]
    c. [请列出后续讨论议题]
3. 总结与闭幕
    a. 各议题讨论结果汇总
    b. 制定后续行动计划
    c. 主持人致闭幕词

三、会议内容及讨论
（在此部分，根据实际会议情况，详细记录每个议题的讨论内容、各方观点、达成的共识以及未解决的问题等。）

1. 议题一
   讨论内容摘要：
   - [请填写具体内容]
   - [请填写具体内容]
   达成共识：
   - [请填写共识内容]
   遗留问题：
   - [请填写遗留问题]

2. 议题二
   讨论内容摘要：
   - [请填写具体内容]
   - [请填写具体内容]
   达成共识：
   - [请填写共识内容]
   遗留问题：
   - [请填写遗留问题]

（以此类推，记录所有议题的讨论情况。）

四、会议总结
本次会议在主持人的精心组织下，与会人员积极参与讨论，针对[请填写具体议题]等问题进行了深入交流。通过充分讨论，我们在多个关键问题上达成了一致意见，并就相关问题制定了初步的解决方案和后续行动计划。尽管在某些议题上仍存在分歧，但我们相信通过持续的沟通与合作，能够逐步解决这些问题。会议取得了预期的成果，为[请填写相关项目或工作]的顺利推进奠定了坚实的基础。

五、后续行动计划
1. 对于已达成共识的议题，由[请填写责任人姓名及职务]负责制定详细的执行方案，并于[请填写具体日期]前提交至[请填写相关部门或人员]审批。
2. 对于尚未解决的问题，将组织专题小组进行深入研究，并在下一次会议上提出解决方案。
3. 定于[请填写具体日期]召开下一次会议，届时将对本次会议强调事项的执行情况进行回顾，并继续讨论未决议题。

六、附录
1. 会议签到表
2. 会议决议文件
3. 后续行动计划草案

七、签字确认
本会议纪要经与会人员审阅无误后，由主持人和记录人签字确认。

主持人签字：________________    日期：____年__月__日
记录人签字：________________    日期：____年__月__日

（注：以上模板仅供参考，具体内容需根据实际情况进行调整和完善。）

其他功能

其中，最突出的是语音交互能力，星火语音大模型支持，多语种语音识别、多语种语音合成和超拟人语音合成。实现了全语音交互，不是语音消息那样一条一条的，而是像打电话一样实时交互。这是讯飞星火3.5最大的亮点。语音大模型，可以通过讯飞开放平台官网申请API使用

还有星火开源大模型iFlytekSpark-13B，拥有130亿参数，在经过累计超过3万亿以上tokens海量高质量数据集上进行预训练，然后在精调的多元化对齐数据上进行微调得到。

iFlytekSpark-13B不仅具备通用任务处理能力如聊天、问答、文本提取和分类等，还具备数据分析和代码生成等生产力功能。我们特别在学习辅助、数学、推理等领域进行了深度优化，大幅提升模型的实用性和易用性。详细的评测结果见下面评测部分。
模型文件链接和技术文档：

昇思MindSpore地址：https://xihe.mindspore.cn/modelzoo/iflytek/introduce
启智社区地址：https://openi.pcl.ac.cn/iflytek/iFlytekSpark-13B
Gitee地址：https://gitee.com/iflytekopensource/iFlytekSpark-13B

同时，在大模型落地应用上，也取得不错的进展，以最典型的教育场景为例。

具体在教育场景上，此次讯飞星火智慧黑板有了一定升级。

科大讯飞董事长刘庆峰认为，作为改变人类未来生产生活方式的重大技术突破，优先应该为孩子赋能、为教育赋能。

老师一声上课，讯飞星火智慧黑板就开始工作。

不管是数学、化学，立体几何还是化学方程式，只需在黑板上画一下，就能识别成书面格式，并且支持编辑。

比如现场画个苯酚，结果它秒秒钟识别，并且推荐出视频科普课程。

在这里插入图片描述
还能使用虚拟人，辅助老师授课。

在这里插入图片描述

一节讲完，它还能自动存下来，课程实录、视频切片等内容都有，可以随时回顾重点。
除此之外，还有在保险、银行、能源、汽车、通信等方面的合作进展。

发布会现场，中国移动携手讯飞星火推出5G新通话创新应用“商务速记”，能够实现通话语音同步纪要，关键事项精准提炼，且无需下载APP，所有手机都支持。

总结

通过，常用的几个方式对讯飞星火3.5进行测评，均有不俗的表现。其他的功能，还在做尝试！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/361093.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

负载均衡下的webshell上传+nginx解析漏洞

负载均衡下的webshell上传+nginx解析漏洞

负载均衡下的webshell上传 一，负载均衡下webshell上传的四大难点 难点一：需要在每一台节点的相同位置上传相同内容的webshell 我们需要在每一台节点的相同位置都上传相同内容的 WebShell一旦有一台机器上没有，那么在请求轮到这台机器上的时…
阅读更多...
【Linux】线程池的简易实现（懒汉模式）

【Linux】线程池的简易实现（懒汉模式）

文章目录 前言一、懒汉方式1.普通模式1.线程安全模式 二、源代码1.Task.hpp(要执行的任务)2.ThreadPool.hpp(线程池)3.Main.cpp 前言 线程池: 一种线程使用模式。线程过多会带来调度开销，进而影响缓存局部性和整体性能。而线程池维护着多个线程，等待着监…
阅读更多...
【Qt】—— Qt Creator 创建项目

【Qt】—— Qt Creator 创建项目

目录 （一）Qt Creator概览 （二）使⽤Qt Creator新建项⽬ （一）Qt Creator概览 从开始菜单或者快捷⽅式打开Qt Creator集成开发环境，启动之后看到类似下⾯的界⾯： 【解释说明】 菜单栏…
阅读更多...
一体化设计：兼容多种OS系统Linux网关楼宇DDC

一体化设计：兼容多种OS系统Linux网关楼宇DDC

在工业物联网（IIoT）和智能建筑领域，钡铼网关具备高度灵活性与强大计算能力的边缘网关产品正逐渐成为推动行业智能化转型的关键要素。本文将详细介绍的基于Linux系统的4G工业智能网关，不仅拥有NXP i.MX8M Mini四核64位处理器的强大…
阅读更多...
容器算法迭代器初识

容器算法迭代器初识

#include<iostream> using namespace std; #include<vector> //vetor容器存放内置数据类型 void test01() {//创建了一个vector容器&#xff0c;数组 vector<int> v;//向容器中插入数据v.push_back (10);//尾插 v.push_back (20);v.push_back (30);v.push_ba…
阅读更多...
Springboot使用数据库连接池druid

Springboot使用数据库连接池druid

springboot框架中可以使用druid进行数据库连接池&#xff0c;下面介绍druid在springboot中使用和参数配置介绍。 数据库连接池&#xff08;Druid&#xff09;是一种用于管理数据库连接的机制&#xff0c;其工作原理和常见使用方法如下&#xff1a; 原理&#xff1a;数据库连接…
阅读更多...
异步任务的一些思考

异步任务的一些思考

前言 XXL-Job部署教程 项目中&#xff0c;必然少不了数据的导入导出&#xff0c;针对数据的导入导出简单复盘一下。 为了不占用资源消耗时间&#xff0c;影响用户体验&#xff0c;大量数据的导入导出一般都是异步执行 导入的时候&#xff0c;如果数据量很大&#xff0c;一次…
阅读更多...
C#使用RabbitMQ-4_路由模式（直连交换机）

C#使用RabbitMQ-4_路由模式（直连交换机）

简介 RabbitMQ中的路由模式是一种根据Routing Key有条件地将消息筛选后发送给消费者的模式。在路由模式中&#xff0c;生产者向交换机发送消息时&#xff0c;会指定一个Routing Key。交换机接收生产者的消息后&#xff0c;根据消息的Routing Key将其路由到与Routing Key完全匹…
阅读更多...
Centos7——下载——安装

Centos7——下载——安装

解释 CentOS 7是CentOS项目发布的开源类服务器操作系统&#xff0c;于2014年7月7日正式发布。CentOS 7是一个企业级的Linux发行版本&#xff0c;它源于RedHat免费公开的源代码进行再发行。CentOS 7内核更新至3.10.0、支持Linux容器、支持Open VMware Tools及3D图像即装即用、支…
阅读更多...
代码随想录算法训练营第二二天| 二叉搜索树的最近公共祖先、二叉搜索树中的插入操作、删除二叉搜索树中的节点

代码随想录算法训练营第二二天| 二叉搜索树的最近公共祖先、二叉搜索树中的插入操作、删除二叉搜索树中的节点

目录 二叉搜索树的最近公共祖先二叉搜索树中的插入操作删除二叉搜索树中的节点普通二叉树的删除方式 LeetCode 235. 二叉搜索树的最近公共祖先 LeetCode 701.二叉搜索树中的插入操作 LeetCode 450.删除二叉搜索树中的节点 二叉搜索树的最近公共祖先 给定一个二叉搜索树, 找到…
阅读更多...
【Linux】多线程（线程概念+线程控制）

【Linux】多线程（线程概念+线程控制）

&#x1f307;个人主页&#xff1a;平凡的小苏 &#x1f4da;学习格言&#xff1a;命运给你一个低的起点&#xff0c;是想看你精彩的翻盘&#xff0c;而不是让你自甘堕落&#xff0c;脚下的路虽然难走&#xff0c;但我还能走&#xff0c;比起向阳而生&#xff0c;我更想尝试逆风…
阅读更多...
Bootloader简单说明

Bootloader简单说明

文章目录 一、简单架构1.CAN驱动2.Flash驱动3.传输层4.诊断层5.看门狗&#xff08;Watch Dog&#xff09;6.加密算法 二、主要功能三、启动顺序与转换流程1.启动流程图2.启动顺序与转换流程说明 一、简单架构 1.CAN驱动 实现CAN报文的收发和CAN控制器硬件的操作。特点&#x…
阅读更多...
C++20 高级编程

C++20 高级编程

文章目录 前言前奏lambda浅谈std::ref的实现浅谈is_same浅谈std::function的实现std::visit 与 std::variant 与运行时多态SFINAE类型内省标签分发 (tag dispatching)编译时多态奇异递归模板模式 (Curiously Recurring Template Pattern,CRTP) 三路比较操作符 (飞船操作符) <…
阅读更多...
蓝桥杯2024/1/28----十二届省赛题笔记

蓝桥杯2024/1/28----十二届省赛题笔记

题目要求&#xff1a; 2、 竞赛板配置要求 2.1将 IAP15F2K61S2 单片机内部振荡器频率设定为 12MHz。 2.2键盘工作模式跳线 J5 配置为 KBD 键盘模式。 2.3扩展方式跳线 J13 配置为 IO 模式。 2.4 请注意 &#xff1a; 选手需严格按照以上要求配置竞赛板&#xff0c;编写和调…
阅读更多...
C语言基础13

C语言基础13

今天是学习嵌入式相关内容的第十四天&#xff0c;以下是今日所学内容 1.结构体: 1.结构体类型定义 2.结构体变量的定义 3.结构体元素的访问 4.结构体的存储 内存对齐 结构体整体的大小必须为最大基本类型长度的整数倍 5.结构体作为函数参数 值传递 练习:定…
阅读更多...
数据中心IP代理是什么？有何优缺点？海外代理IP全解

数据中心IP代理是什么？有何优缺点？海外代理IP全解

海外代理IP中&#xff0c;数据中心代理IP是很热门的选择。这些代理服务器为用户分配不属于 ISP&#xff08;互联网服务提供商&#xff09;且来自第三方云服务提供商的 IP 地址&#xff0c;是分配给位于数据中心的服务器的 IP 地址&#xff0c;通常由托管和云公司拥有。 这些 I…
阅读更多...
使用Huggingface镜像站hf-mirror.com下载资源

使用Huggingface镜像站hf-mirror.com下载资源

前言 在使用Huggingface的过程中&#xff0c;有时我们可能会遇到无法访问官方网站huggingface.co的情况&#xff0c;这可能是由于网络监管或者网络连接问题所致。然而&#xff0c;幸运的是&#xff0c;我们可以通过hf-mirror.com这个Huggingface镜像站来解决这个问题。本篇博客…
阅读更多...
shell脚本之多行重定向 免交互 expect ssh scp； 字符处理

shell脚本之多行重定向 免交互 expect ssh scp； 字符处理

多行重定向 使用I/O重定向的方式将命令列表提供给交互式程序 标准输入的一种替代品 Here Document 是标准输 入的一种替代品&#xff0c;可以帮助脚本开发人员不必使用临时文件来构建输入信息&#xff0c;而是直接就地 生产出一个文件并用作命令的标准输入,Here Document 可…
阅读更多...
TypeScript（十） Map对象、元组、联合类型、接口

TypeScript（十） Map对象、元组、联合类型、接口

1. Map对象 1.1. 简述 Map对象保存键值对&#xff0c;并且能够记住键的原始插入顺序。   任何值都可以作为一个键或一个值。 1.2. 创建 Map 使用Map类型和new 关键字来创建Map&#xff1a; 如&#xff1a; let myMap new Map([["key1", "value1"],[&…
阅读更多...
Prometheus---图形化界面grafana(二进制)

Prometheus---图形化界面grafana(二进制)

前言 Prometheus是一个开源的监控以及报警系统。整合zabbix的功能&#xff0c;系统&#xff0c;网络&#xff0c;设备。 proetheus可以兼容网络&#xff0c;设备。容器的监控。告警系统。因为他和k8s是一个项目基金开发的产品&#xff0c;天生匹配k8s的原生系统。容器化和云原…
阅读更多...
最新文章

Copyright @ 2022~2023