微软100题-天天做-第34题

LLM 2023年总结 2024年展望 1- 2022年11月30日ChatGPT推出(我就把它当2023年了)因为热度烧到我们这边基本也是2023年了,不同于前作GPT-3,ChatGPT推出后,因为它采用RLHF的对齐方式和Chat的友好交互模式,让人类真正实现了和机器的友好人机互动,在几个月之内迅速霸榜,成为当时人类有史以来最快达到一亿用户的应用。2023年我认为今后我们回头看这一年,它肯定是大模型的元年了,这一年发生了太多的代表性的事件,我挑点重要的说 ,我觉得不太重要的在这就没画面了,大家可以回帖补充。 阅读详情

发布一个k8s部署视频:https://edu.youkuaiyun.com/course/detail/26967

课程内容:各种k8s部署方式。包括minikube部署,kubeadm部署,kubeasz部署,rancher部署,k3s部署。包括开发测试环境部署k8s,和生产环境部署k8s。

腾讯课堂连接地址https://ke.qq.com/course/478827?taid=4373109931462251&tuin=ba64518

第二个视频发布  https://edu.youkuaiyun.com/course/detail/27109

腾讯课堂连接地址https://ke.qq.com/course/484107?tuin=ba64518

介绍主要的k8s资源的使用配置和命令。包括configmap,pod,service,replicaset,namespace,deployment,daemonset,ingress,pv,pvc,sc,role,rolebinding,clusterrole,clusterrolebinding,secret,serviceaccount,statefulset,job,cronjob,podDisruptionbudget,podSecurityPolicy,networkPolicy,resourceQuota,limitrange,endpoint,event,conponentstatus,node,apiservice,controllerRevision等。

第三个视频发布:https://edu.youkuaiyun.com/course/detail/27574

详细介绍helm命令,学习helm chart语法,编写helm chart。深入分析各项目源码,学习编写helm插件
————————————————------------------------------------------------------------------------------------------------------------------

34.(队列)实现一个队列。
队列的应用场景为:

 

 

一个生产者线程将int类型的数入列,一个消费者线程将int类型的数出列

 

 

package com.microsoft;


public class ProducerComsumerQueue {
	private int[]data;
	private int start;
	private int end;
	//private Object objectGet=new Object();
	//private Object objectPut=new Object();
	public ProducerComsumerQueue(int size){
		data=new int[size];
	}
	public synchronized void put(int value)throws Exception{
		if(start==data.length-1&&end==0){
			this.wait();
		}
		if(end-start==1){
			this.wait();
		}
		if(start==data.length-1){
			start=0;
			data[start]=value;
		}else{
			data[++start]=value;
		}
		this.notify();
	}
	public synchronized int  get()throws Exception{
		if(start==end){
			this.wait();
		}
		int ret=-1;
		if(end==data.length-1){
			ret=data[end];
			end=0;
			this.notify();
		}else{
			 ret=data[end++];
			this.notify();
		}
		return ret;
	}
	
	public static void main(String[] args) {
		ProducerComsumerQueue queue=new ProducerComsumerQueue(10);
		Comsumer c=new Comsumer(queue);
		Producer p=new Producer(queue);
		c.start();
		p.start();
	}

}
class Comsumer extends Thread{
	private ProducerComsumerQueue queue;
	public Comsumer(ProducerComsumerQueue queue){
		this.queue=queue;
	}
	@Override
	public void run() {
		int i=0;
		while(true){
			try{
				queue.put(i++);
				Thread.sleep(500);
			}catch(Exception e){
				e.printStackTrace();
			}
		}
	}
	
}
class Producer extends Thread{
	private ProducerComsumerQueue queue;
	public Producer(ProducerComsumerQueue queue){
		this.queue=queue;
	}
	@Override
	public void run() {
		while(true){
			try{
				System.out.println(queue.get());
				Thread.sleep(1000);
			}catch(Exception e){
				e.printStackTrace();
			}
		}
	}
	
}

 

 

 

 

 

ClickFix攻击深度剖析:从虚假验证码到系统沦陷的完整攻击链 在网络安全领域,攻击者不断演进其技术手段,其中利用合法系统工具和可信第三方服务进行攻击已成为重要趋势。这类攻击的核心原理在于滥用Living-off-the-Land Binaries(LOLBins)技术,即利用操作系统自带的可信工具(如微软签名的脚本解释器)作为攻击代理,从而绕过传统基于签名的安全检测。其技术价值在于实现了高度隐蔽的攻击链,通过将恶意行为隐藏在正常系统操作中,大幅降低了被发现的概率。典型的应用场景包括通过社会工程学诱导用户执行恶意命令,进而利用系统工具执行后续攻击载荷。本文聚焦的Clic 阅读详情

相关推荐

AI时代Prompt Engineering实战方法论与范式迁移

Prompt Engineering已从零散技巧演进为支撑AI落地的核心工程能力,其本质是将人类隐性知识结构化为可执行、可验证、可复用的任务指令。它依托大语言模型(LLM)的上下文理解与生成机制,通过意图层、上下文层和约束层三层建模,实现对模型行为的精准调控。这一能力直接决定RAG系统效果、企业搜索重构质量及垂直领域AI应用的可信度,广泛应用于智能客服、医疗问答、工业诊断等场景。结合微软Bing AI的交互范式升级与ERNIE的知识增强实践,本文聚焦Prompt Engineering如何成为连接技术原理与

weixin_33806914的博客 358

微软100题(34)生产者消费者模型实现队列

题目: 实现一个队列。 队列的应用场景为: 一个生产者线程将int 类型的数入列,一个消费者线程将int 类型的数出列   多线程题目,多线程实现的方法有信号量,临界区,互斥量,事件对象等,其中临界区消耗的资源最少,因为其他都是应用了内核对象,需要进行用户态和内核态的转换。 本题参考http://blog.youkuaiyun.com/v_july_v/article/details/612644

liuqing0517的博客 687

本地部署大模型选型指南:显存、速度与效果三账平衡

大模型本地部署的核心并非追求参数量或榜单排名,而是围绕硬件约束展开的工程权衡。理解模型量化(如AWQ、GGUF)对显存占用的真实影响,区分首token延迟与吞吐量的技术差异,并结合任务场景评估领域适配度,是实现稳定推理的前提。Qwen2系列因中文语料优化与多级量化支持,成为消费级GPU(RTX 3090/4090)和Mac M系列设备上的高性价比选择;而llama.cpp与vLLM等推理框架的差异,本质在于内存管理策略(如mmap加载、PagedAttention)与计算调度逻辑的取舍。本文聚焦真实硬件限制

weixin_30797199的博客 414

移动的一个比微软所有漏洞加起来都要严重的漏洞

我发现拉中国移动一个及其严重的漏洞,它对手机用户造成的影响绝对超过目前为止微软windows系统所有漏洞加起来造成的危害。 目前我需要各位猫猫回答我两个问题,以便我验证是否正确,注意我已经在小范围内做过调查,现在需要各位猫猫的帮忙,以便我从统计学方面验证这个漏洞的可行行。 我只需要100个回答,谢谢各位的帮忙。 1、请问你多久查询一次你的通话详单(就是你的手机具体打或接过那些电话,发过那些短信)。

诺亚之舟的胡言乱语 1076

Hunyuan-A13B工程落地实测:MoE架构、Tokenizer陷阱与企业级部署避坑指南

大语言模型推理并非仅关乎参数量,而是涉及架构设计、推理优化、量化适配与场景对齐的系统工程。以MoE(混合专家)为代表的稀疏激活架构在提升计算效率的同时,引入路由开销、显存争抢与专家切换不稳定性等新挑战;而Tokenizer策略则直接影响中文分词精度、长文本截断逻辑与领域术语保留能力。Hunyuan-A13B作为面向企业场景的13B级开源模型,其腾讯内部沉淀的后训练数据、Hybrid Tokenizer v2.3及MoE路由机制,共同定义了它在技术文档问答、多轮对话稳定性与指令遵循鲁棒性上的独特表现边界。本文

Envisage123 491

GPT-4的1.8万亿参数与2%激活率:MoE稀疏激活原理与工程实践

大语言模型中的稀疏激活(Sparse Activation)是提升推理效率的关键范式,其核心在于混合专家(MoE)架构通过动态路由机制,仅激活部分参数完成前向计算。这一设计既降低显存带宽压力,又维持模型表达能力,技术价值体现在显著减少单token实际计算负载、优化GPU资源利用率,并支撑长上下文稳定服务。典型应用场景包括私有化RAG系统部署、高并发API服务及低成本边缘推理。本文基于实测数据与硬件约束反推,深入解析GPT-4所代表的1.8万亿参数规模与约2%参数激活率背后的MoE结构逻辑、路由动态性与工程调

cuxiong8996的博客 365

微软轻量模型Phi-3-mini-4k-instruct-gguf开箱即用:5分钟搭建文本生成环境

本文介绍了如何在星图GPU平台上自动化部署微软轻量模型Phi-3-mini-4k-instruct-gguf,快速搭建文本生成环境。该镜像开箱即用,特别适合问答、文本改写等短文本任务,可应用于内容创作、办公效率提升等场景,5分钟内即可完成部署并开始生成文本。

weixin_42593549的博客 13

C#构建可调度语音机器人:TTS自动决策与多引擎路由

语音自动朗读本质是任务驱动的实时音频决策系统,其核心在于文本语义解析、动态TTS引擎路由与异常状态下的自动恢复能力。区别于简单调用SpeechSynthesizer,工业级语音机器人需融合数字单位标准化、多音字消歧、SSML韵律控制等关键技术,实现‘读得准、停得稳、切得快’。C#凭借对Windows音频子系统深度适配、强类型状态机建模及.NET跨版本工程化能力,成为医疗陪护、工控播报、无障碍辅助等高可靠性场景的首选开发语言。本文聚焦可嵌入、可干预、可压测的语音执行体构建实践。

dianlu5775的博客 390

程序员追不上机器人干脆开电瓶车跟;小米徐洁云辟谣“雷军被人堵在车里维权”;DeepSeek被曝融资20亿 | 极客头条

「极客头条」—— 技术人员的新闻圈!

极客日报 3万+

中小企业网络安全Smart Bet:成本-收益驱动的安全建设方法论

网络安全不是技术堆砌,而是面向业务连续性的风险管理。其核心原理在于识别关键资产、建模攻击路径、量化风险敞口,并以可验证的防护效果替代模糊的‘防得住’承诺。技术价值体现在用确定性投入对冲不确定性损失,例如通过MFA降低凭证泄露风险、用离线备份保障勒索攻击下的业务韧性。典型应用场景覆盖制造、零售、SaaS等年营收500万至2亿元的中小企业,尤其适用于需兼顾合规要求与资源约束的IT主管与业务负责人。本文聚焦‘Smart Bet’这一成本-收益驱动范式,提供可落地的风险测绘、预算分配与工具选型策略。

dienangpiao2051的博客 376

STM32与HT7038的高精度电能计量系统设计与实现

本文详细介绍了基于STM32微控制器与HT7038三相电能计量芯片的高精度电能计量系统设计与实现。文章从项目选型出发,深入剖析了硬件电路设计、SPI驱动开发、芯片校准及系统集成等关键环节,为智能电表、能源监控等应用提供了高性价比且稳定的国产化解决方案。

pytorch8learner的博客 390

csdn 专题专栏资源摘录

专栏名称 专栏分类 作者 支持率 1 经典算法研究 编程语言 v_JULY_v 2 程序员编程艺术 编程语言 v_JULY_v 3 一个程序员的奋斗史 综合 norains 4 微软面试100题系列 编程语言 v_JULY_v 5 微软每

小龙王2010 1468

基于simulink的变压器保护仿真设计【MATLAB源码+Word文档】

电力系统变压器保护MATLAB/simulink仿真设计。纵联差动保护-过电流保护-距离保护

weixin_761237174的博客 1272

Agent三国杀:L/A/C框架横评与5大基座实战

《Agent框架横评与实战:LangGraph/AutoGen/CrewAI五大基座对比》 本文针对2026年主流Agent框架进行横向评测,重点分析LangGraph、AutoGen和CrewAI三大框架在Qwen/GLM/Kimi/Claude/GPT五大模型基座上的表现差异。测试数据显示,LangGraph在任务成功率(最高99%)和响应延迟(最低3.9秒)方面表现最优,而AutoGen因微软转向MAF框架已不推荐用于生产环境。文章提出四类不适合使用Agent框架的场景,并给出生产环境配置建议。

gl366的博客 335

【AirSim+PX4】WSL2上运行PX4连接Airsim步骤

在 Linux 命令行中输入以下命令以添加(或改变)环境变量。注意,此处的 IP 地址应为。4.启动 sln 文件的调试以进入 UE4 编辑器,并在 Linux 中启动 PX4。

m0_53538421的博客 1505

LTspice仿真三线制PT100高精度测温系统设计

本文详细介绍了如何使用LTspice仿真设计三线制PT100高精度测温系统。文章从三线制原理出发,逐步讲解了在LTspice中建模PT100、构建惠斯通电桥进行信号转换、设计差分放大与滤波电路、选型ADC以及进行系统联调与误差分析的全过程,旨在帮助工程师实现0.5°C分辨率的工业测温方案设计。

pz89012345的博客 100

大结局来了!极越员工拿到“N+1”,但真能安心过年吗?

????我的小册 45章教程:(小白用Python量化股票分析小册) ,原价299,限时特价2杯咖啡,满100人涨10元。这几天,极越汽车的维权事件总算有了结果。作为一个混迹在IT圈子和互联网圈子的老鸟,我想以一个更客观的视角来聊聊这个结局。先说说时间线。从12月12日员工围堵CEO,到13日百度、吉利火速表态,再到17日谈判受阻,最后在19日拿出最终方案。这短短一周的剧情,让人看到了一个互联网车企的兴...

cainiao_python的博客 936

Unity Animancer插件(一)基本使用

Animancer是什么?资源商店主页我们来通过Animancer实现一个最基本的动画播放效果。首先创建一个脚本,编写如下代码 很容易理解,就是在时播放一个指定的动画片段。接下来为角色添加、和刚刚编写的,并为字段赋值 接下来运行游戏就可以看到效果了 此时角色身上的组件可以看到当前动画的各项参数 下面我们来实现通过按键控制角色在于之间转换。新创建一个脚本。在代码中监听Y轴上的输入。然后根据监听到的数值判断角色状态,并播放相应的动画 给对应字段赋值后,启动游戏看下效果 下面来实现一个开枪效果。在默认状态下,角色

夜槿笙歌的博客 1万+

腾讯二季度净利遭“腰斩”,员工人均月薪8.5万;正面对决,iPhone 14 将与华为 Mate 50 系列同期发布|极客头条

「极客头条」—— 技术人员的新闻圈!

极客日报 1万+

动态规划与状态压缩:从TSP问题理解算法优化核心思想

动态规划是一种通过将复杂问题分解为重叠子问题并存储中间结果来避免重复计算的核心算法思想,广泛应用于路径优化、资源分配和序列决策等场景。其核心原理在于最优子结构和无后效性,通过状态设计和状态转移方程,将指数级复杂度问题转化为多项式时间可解。在工程实践中,状态压缩技术常被用于高效表示集合状态,例如使用二进制位运算来操作城市访问集合,从而大幅提升算法效率。本文以经典的旅行商问题(TSP)为例,深入剖析如何运用动态规划与状态压缩技术,将暴力穷举的指数级复杂度优化为可管理的计算量,为解决组合优化问题提供了重要的方法论

weixin_32075843的博客 365

25、压电泵致动器变形计算与测量及转弯腔射流特性的有限元分析

本文围绕压电泵致动器的变形计算与测量以及转弯腔射流特性的有限元分析展开研究。通过建立有限元模型和抛物线拟合方法,对压电泵致动器的位移和变形体积进行了详细计算,并探讨了其对传感器性能的影响。同时,利用ANSYS软件对转弯腔在不同角速率输入下的射流特性进行了仿真分析,揭示了流场分布随角速率变化的规律。研究成果为压电流体角速率传感器的设计优化提供了理论依据和技术支持。

ooo22的博客 128

月薪多少才有安全感?90%的人都在这层

当下正是 AI 行业的黄金窗口期,这是属于普通人逆袭的绝佳机会。时代不会等你准备好,机遇也不会为观望者停留,技术永远在进步,市场永远在筛选,行业信号已经告诉我们AI有多重要,现在,就看你什么时候跨出转变的第一步!

黑马程序员官方博客 396

【原创】汇川H5U PLC控制伺服的方法

6、在线调试-进入伺服调试,可以在本软件上进行调试,可以实现原点回归、正向点动、反向电动、使能(这里使能打开时触摸屏上的使能不能打开,会冲突)、复位、停止(如下图所示)。5、在原点返回设置中一般情况下对原点信号、正限位、负限位、原点返回方向、原点返回方式进行设置,其他设置默认不改(如下图所示)。3、在单位换算设置上只需要修改脉冲数和移动量(根据伺服配套导轨上名牌进行设置),其他设置默认不改(如下图所示)。11、双击后右边出现编辑框 在上半部分定义变量(IN、INOUT、OUT、VAR)(如下图所示)。

Qinmingyue13的博客 6680

腾讯二季度净利遭“腰斩”,员工人均月薪8.5万;正面对决,iPhone 14 将与华为 Mate 50 系列同期发布|极客头条...

「极客头条」—— 技术人员的新闻圈!优快云 的读者朋友们早上好哇,「极客头条」来啦,快来看今天都有哪些值得我们技术人关注的重要新闻吧。整理 | 梦依丹出品 | 优快云(ID:优快云news)一分钟速览新闻点!腾讯二季度净利遭“腰斩”,员工人均月薪8.5万!正面对决,iPhone 14 将与华为 Mate 50 系列同期发布拼多多将上线跨境电商平台,首站美国算法工程师应届生平均月薪超 3 万元...

优快云资讯 3504

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

大模型技术解析:从规则计算到概率生成的AI范式革命

自然语言处理(NLP)经历了从基于规则系统到概率生成大模型的范式跃迁。传统方法依赖手工编码的语法规则和模块化设计,面临覆盖范围有限和维护成本高的问题。Transformer架构通过自注意力机制和概率生成实现了突破,大模型如GPT-3通过海量数据训练,建模条件概率分布,具备强大的泛化能力。这一技术革新体现在训练范式(从监督学习到自监督学习)、架构范式(从模块化到端到端)和应用范式(从定制开发到提示工程)的三重维度。概率生成特性使大模型在金融、医疗等领域展现出广泛应用前景,同时也带来推理成本优化和可控生成等新挑

weixin_30546189的博客 321

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

上一篇: 微软100题-天天做-第32题
下一篇: 微软100题-天天做-第35题
hxpjava1
博客等级 码龄19年 1365粉丝 511原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

hxpjava1

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值