多任务让你走得更慢

嵌入式GUI无闪烁渲染:emWin内存设备原理与多任务实践 在嵌入式系统开发中,图形用户界面(GUI)的流畅渲染是提升用户体验的关键。直接操作帧缓冲区进行绘图常导致屏幕撕裂和闪烁现象,影响工业仪表、医疗设备等对视觉稳定性要求高的应用。为解决这一问题,图形库引入了内存设备机制,其核心原理是在RAM中创建离屏缓冲区,先将所有绘图指令在此虚拟屏幕上执行,再通过高效的内存拷贝(如memcpy或DMA)一次性将完整画面传输到物理显示设备,从而实现原子性更新,彻底消除视觉闪烁。这一技术不仅提升了显示稳定性,还通过分带渲染和自动设备对象优化了内存使用与渲染效率,尤其适用于资源受限 阅读详情

现代商务依靠多任务来完成工作。评价员工也基于的他们多任务能力。IT业人员会被例行指派到多个项目中去。我们是经常在这样做吗?多任务起作用吗?多任务的真正影响是什么?有别的选择吗?

 

这里老词重提一下“单任务”,它代表了我们在多任务之前所习惯的软件工作方式。在这里的“多任务”,指的是“工作在很多项目上”。现代商务把它称作“多任务”,认为它是一种更有效提高工作输出的策略。其实,不止工作,我们在日常生活中也会小规模地多任务。这两者在做法和后果上都有相似性。

 

一个不同的角度

当我们向新人介绍敏捷(或Scrum)时,最大的绊脚石是让他们理解团队成员在全职专注于团队工作时,工作效率要高得多得多。这并不是新闻。多年来,我们通常召集“飞虎队”和“特警队”,在危机的时候解决特殊问题。然而,我们的组织更喜欢把“技能筒仓”中的人同时指派到多个项目中去。现在,这是同时处理大量事情的真实解决方法。人们认为这是最有效的“稀缺资源”使用方式。也就是人数不够,但都有专长。

敏捷模式与之完全不同。我们组建团队,在同一时间专注在一小组事情上。我们并不是先创建工作然后转移人手到不同的工作中,而是先创建团队然后转移工作到不同的团队中。我们是拉动而不是推动。

改变是困难的。用另一种不同的方式做事需要一个清晰的目的、对获益的远见以及勇气。所以抵抗是自然的,人们在周围事物开始改变时感到不安全。如果我们可以转换到精益思想,就可以借用“尊重他人”和“持续改善系统”来定义目的,期待收益,并走出改进的第一步。很多人听说过“精益”,也想过如何改进我们正在做的事情。其实,精益也告诉我们,如果停止做一些低价值的事情,可以消除更多浪费。

多任务的成本

工作在多个项目的人,在每次切换任务时都需要额外成本。主要的成本是切换上下文所需要的时间。我们知道像接电话这样的小中断也需要15分钟的时间来恢复。任务越复杂,切换所需要的时间越多。

如果你工作在超过两个项目上时,成本会更高。可能你上次工作在某个项目已经是很久以前的事了,那就需要费更大的劲来回忆起离开的那一点。而如果你频繁切换,那转换环境的时间就会占掉你大部分的工作时间。

有研究显示人们对切换小任务很在行。在短时间范围内的切换,似乎和我们的两个大脑半球有关。在一定程度上,我们可以并行处理两个独立任务。对大的切换,我们应该考虑切换成本。Jerry Weinberg展示了逐步上升的上下文切换成本。这个模型假设每次切换会有10%的损失,事实上成本常常比这个更高。

图 1

当一个人属于一个团队时,无论是松散连接的传统项目团队,或者是有重点的敏捷团队,都会有复杂的切换成本。当一个团队成员离开去做和团队工作无关的工作时,团队都会遭受那名成员缺席的困扰。当那名成员回归时,团队需要花时间来帮助他赶上他缺席时的开发任务。

敏捷也多任务?

你可能会说:“但是……等一等……”敏捷团队是跨职能的,团队成员每天都忙于各种活动中。这包括详细描述需求、分析、设计、测试、编码。那不是多任务吗?要回答这个问题,必须考虑上下文的范围。在问题和技术间的大范围跳跃需要更多的切换时间。大脑在一点一点切换活动时不会有问题。作为一个有聚焦重点的团队,所有的每日活动都以一小部分功能和技术为目标,在一个时间只工作在少数的故事上。即使活动的范围多样,上下文的变化也是有限的。另外,敏捷有一些实践来保持聚焦:协作、任务板、自动化测试、回顾。上下文的大跳步才会产生问题:比如转至其他项目、其他合作人、其他干系人。

多任务神经学

人类大脑对内部多任务很在行。其实它每天都在这样做。甚至晚上也一样。很多大脑部件一直在交互或单独工作。不然,我们就不能应对复杂的环境。大部分多任务是下意识的:过滤掉感觉输入、综合相关信息、把短期数据转化为长期记忆、保持心肺运转等等。

而且我们也在对外多任务:开车时听着交通报告想着行车路线,做晚饭时讲电话,为花园除草时计划假期。 一些类似叠衣服、走路等任务是机械性的,不需要切换成本。其他任务像敲击键盘浏览文档、重命名一个方法,经过一段时间也会变成机械性的。但是软件开发工作不是那么简单的。虽然很多自动性多任务运作良好,它也会有限制。[5]

现代的多项目任务分配造成的上下文切换,产生了潜在的重复精神劳动。人脑有两种记忆:短期(工作记忆)和长期。虽然,有机制使信息在两者之中转换,但是不能保证所有东西都被转移了,也不能保证进去的信息和以后出来的信息是一样的。我们每次重播记忆的时候,都在不断编辑它们。而新信息必须在短期记忆中存储一段时间才能被转移到长期记忆。比如说,考试前的填鸭式复习可能会给你更好的成绩,但是两周以后你几乎不会记得那些材料。于此相似,你可能不会记得上下文切换前你做的最后一件事情。而这应该会是你回到项目后最想要知道的。

研究显示很多多任务的方式是低效的,甚至有害的。考虑以下信息:

  • 有证据显示多任务事实上会使短期记忆退化。这不只是因为多任务的主题,而可能是大脑区域受到影响。多任务会造成压力,压力会调用大脑中关于个人安全的原始区域,进而从高级思维区域中获取能量[6]。压力也会损坏新记忆所需要的细胞[7]。
  • 我们多任务的时候更倾向于犯错,所以我们的工作质量会下降[8]。这当然会增加项目的成本,因为这些错误需要被纠正。
  • 大脑的一些部件是顺序处理器,每次只能接受一个输入[9]。
  • 前额叶皮层是大脑进行复杂认知和做决定时使用最频繁的部分,也是大脑中最消耗能量的部分[10]。多任务产生的附加压力会导致认知能力的快速损耗和更频繁的修复需求。

敏捷团队的单任务

在敏捷环境下,如何减少个人的多任务量呢?我们之前提到了一些方法。更多肢体运动的环境可以使大脑中更多的部分参与其中,致使更快速更完整的信息综合。更专注的工作使上下文范围狭窄。人际交互,以及ScrumMaster推动的一些交互可以帮助保持这种专注。

一些现代的技术实践能帮助增强专注力:

  • 测试驱动开发帮助短时内专注在小范围的技术工作中
  • 持续集成在构建和测试失败后立即给予关注,以此来增加专注力
  • 结对编程帮助两个人专注在一小部分的代码上

组织中的单任务

反对多任务的意见已经存在很久了,然而现代企业文化已经习惯于这种形式的“负载平衡”,以获得对人力“资源”的最有效使用。我们从一些松散的技能团体中召集一个团队,每个人在一个时间在几件事情上兼职。你能构建一个高效的兼职人员团队吗?或者,是不是我们已经认为让每个人都很忙才是更重要的?

学习中最难的部分之一是忘却当前的行为。这一点对组织和个人都成立。跳出我们现在所做的行为,思考哪些行为可以让我们工作得更好,这一步精神飞跃,是很难做出的。这里有一个简单的论点也许可以帮助引导改变,不止使人的改变更容易,而且也有重要的经济意义。

图2中显示了4个人工作在3个短期项目中的简单场景。更多的人或者更大的项目,也是同样的动态。在第一个场景中,人们在4个项目上多任务。

图 2: 多任务的个人

图3中显示了第二个场景,一个团队中同样的人顺序完成所有的项目。这个场景保守地假设了成立团队没有生产率的提高,减少上下文切换的数量也没有生产率的提高。注意到所有3个项目都在同一时间完成,但是这个场景中2个项目更早地完成。想象一下由此产生的经济利益。

图 3: 成立一个团队顺序做项目

考虑上下文切换的减少,以及由于团队协作而获得10%的生产率提高,我们可以期待所有3个项目都能提前完成,如图4所示。

图 4: 由于单任务和团队协作而缩短的时间表

Johanna Rothman在“管理你的项目组成”中具体介绍了这个话题。

多样性是生活的调味品

所以,很清楚,多任务是有害的,我们永远不应该这样做,是吗?那我们如何调和“多样性是生活的调味品”这一思想?脑部研究显示,新奇性是有吸引力的。它会产生多巴胺,这是一种神经传递素,会使我们想要更多[11]。对此的解答与专注力和范围有关。如果上下文的切换很大,多任务会对个人和他们的合作者造成代价。如果切换比较小,可以顺应思路,那就会工作得比较好。在敏捷团队中,我们可以通过彼此学习来得到足够的新奇性,也会从完成项目和成功中得到其他好感觉的神经传递素。

总结

项目间的上下文切换需要时间,这对组织来说是成本。涉及项目越多,或者项目越复杂,那成本也会越高。如果在一个时刻专注在一件事,坚持一段时间,工作效率就会提高。通过组建团队来顺序处理项目,我们可以减少上下文切换成本,也可以从团队协作中获得更多收益。

嵌入式GUI开发:内存设备防闪烁与多任务架构实战解析 在嵌入式系统开发中,图形用户界面(GUI)的流畅渲染是提升用户体验的关键。其核心原理在于解决显示设备逐行扫描与CPU直接绘图之间的速度不匹配问题,这常导致界面撕裂或闪烁。为此,引入了离屏渲染技术,即内存设备(Memory Device),它通过在独立缓冲区中预先完成整帧画面的绘制,再一次性提交到显示设备,从而确保画面稳定。这项技术不仅消除了视觉瑕疵,更在资源受限的微控制器(MCU)上实现了CPU时间的优化分配,允许复杂图形操作在系统空闲时预先处理,保证了界面响应的实时性。其技术价值在于平衡了内存占用与渲染性 阅读详情

相关推荐

多任务LQG控制:基于双模拟的任务异构性分析与泛化性能保证

在控制理论中,LQG(线性二次高斯)控制是处理线性系统在随机干扰下优化问题的经典方法,其核心是通过状态估计和最优反馈来最小化二次型性能指标。这一原理广泛应用于电机控制、PID调节等场景,以实现精确稳定的系统性能。然而,当系统需要处理多个不同任务时,例如机器人需在抓取、搬运等模式间切换,或自动驾驶汽车需适应巡航、避障等多种工况,传统单任务控制器便面临挑战。多任务控制旨在设计统一框架,使其能高效处理多个相关任务,并保证在新任务上的泛化性能。其技术价值在于提升系统适应性和复用性,降低部署成本。本文聚焦于利用“双模

weixin_29051193的博客 337

怎样有效处理多任务管理事务?

总是有人振振有词地说,“一次只做一件事!”人究竟能不能多任务呢?我一直很奇怪为什么这样简单的一个问题竟然会引起那么多的争论呢?更奇怪的是,为什么有很多学者居然一本正经地得出“人不可能多任务”的结论呢?   因为事实明显是:“每一天,我们都要同时做很多事情……”。最奇怪的是,有一个学科专门研究怎样提高效率的啊:“统筹学”。 (一)在某一特定时刻,人脑只能处理一件事情。这也是显而易见的事实。...

S_king_的博客 3285

CSI-Bench:真实场景WiFi感知数据集与多任务学习应用

信道状态信息(CSI)作为无线通信中的关键技术指标,能够反映信号传播路径上的环境变化。通过分析CSI的振幅和相位特征,可以实现非接触式的人体活动监测。在智能家居和健康监护领域,基于CSI的感知技术展现出独特优势,如穿透性强、隐私保护性好等。CSI-Bench数据集创新性地解决了传统WiFi感知研究面临的数据局限性和泛化能力不足问题,通过多厂商设备组合、真实场景采集和协同标注方案,为跌倒检测、呼吸监测等应用提供了高质量基准数据。该数据集特别强调多任务学习框架下的模型优化,支持跨用户、跨设备的泛化能力评估,其标

weixin_30325971的博客 379

关于工作的并行和聚焦

    有一则在管理界和顾问界比较流行的故事:[美国一家钢铁公司的总经理常常遇到很多时间管理上的问题,比如,为什么公司总是这么忙,做事情效率总是这么低,等等。他非常想让人帮助他分析和解决时间管理的瓶颈问题,于是就找了一个管理顾问。这个管理顾问花了一段时间,天天观察这家公司的做事方法,最后给总经理提出了三条建议,并说:“你可以先不付给我钱,你先根据我这三条建议做一段时间后,如果有成效,你再来决定给我

zhujjcn的专栏 1054

Punica:基于Sparse MoE的大模型多任务并发推理优化实践

在大模型推理部署中,高并发与多任务处理常面临显存瓶颈与计算资源竞争。其核心挑战在于如何高效调度有限硬件资源以服务多样化请求。通过引入稀疏专家混合(Sparse Mixture of Experts)架构,可在服务层实现多个独立专家模型的动态路由与协同,而非依赖单一庞大模型。这一设计通过权重分页与动态加载技术,允许多个模型共享GPU显存,结合连续批处理(Continuous Batching)与CUDA Graph优化,显著提升吞吐并降低延迟。其技术价值在于以系统级调度替代硬件堆叠,实现多模型在单卡或多卡环境

weixin_33725126的博客 735

17、代码扩展:Python与Go中的多任务处理

本文深入探讨了Python和Go语言在多任务处理方面的特性与实现方式。从多进程、多线程到协程,分别分析了Python中的GIL限制以及Go中goroutine的高效并行机制。通过代码示例展示了Python中使用threading、multiprocessing和asyncio模块,以及Go中使用goroutine实现并发任务的方法,并比较了不同场景下的性能表现。文章旨在帮助开发者根据任务类型选择合适的扩展方案,以提升代码效率和性能。

potato的博客 104

艾伟也谈项目管理,多任务让你走得更慢

  现代商务依靠多任务来完成工作。评价员工也基于的他们多任务能力。IT业人员会被例行指派到多个项目中去。我们是经常在这样做吗?多任务起作用吗?多任务的真正影响是什么?有别的选择吗?   这里老词重提一下“单任务”,它代表了我们在多任务之前所习惯的软件工作方式。在这里的“多任务”,指的是“工作在很多项目上”。现代商务把它称作“多任务”,认为它是一种更有效提高工作输出的策略。其实,不止工作,我们在日...

weixin_34335458的博客 269

论文理解【LLM-Agent】——【SkillOpt】Executive Strategy for Self-Evolving Agent Skills

SkillOpt 将 agent skill 从人工或一次性 prompt artifact 转化为可验证、可控、可迁移的文本空间“可训练状态”,通过有界编辑、验证门控、拒绝编辑反馈和 slow/meta update,在不更新模型权重的情况下显著提升多类 agent 任务表现

佚失的诗篇 590

多任务让你走得更慢(很好,转自infoq)

<br />http://www.infoq.com/cn/articles/multitasking-problems<br /> <br />现代商务依靠多任务来完成工作。评价员工也基于的他们多任务能力。IT业人员会被例行指派到多个项目中去。我们是经常在这样做吗?多任务起作用吗?多任务的真正影响是什么?有别的选择吗?<br />这里老词重提一下“单任务”,它代表了我们在多任务之前所习惯的软件工作方式。在这里的“多任务”,指的是“工作在很多项目上”。现代商务把它称作“多任务”,认为它是一种更有效提高工作输

NewMap的专栏 1656

5分钟快速验证lvgl界面:VScode模拟器极简配置法(免环境变量版)

本文介绍了一种5分钟快速验证LVGL界面的极简配置方法,使用VSCode模拟器免环境变量配置,适合UI设计师和产品经理快速预览界面效果。通过预编译的SDL2库和配置好的VSCode工程模板,实现开箱即用的LVGL界面验证,大幅提升工作效率。

weixin_30790841的博客 314

从零开始:ENSP与VirtualBox的兼容性迷宫与突围指南

本文深入解析eNSP与VirtualBox的兼容性问题,特别是报错40的解决方案。从诊断根源、彻底卸载残留到推荐黄金版本组合,提供了一套完整的实战指南,帮助网络工程师和技术学习者快速解决AR_Base等设备的启动故障,优化虚拟化环境性能。

weixin_29284885的博客 476

android 平板 切换任务管理器,看谁分身有术 三大平板系统多任务横评

1三大平板系统 谁能"左右互搏"?喜欢看金庸的网友都知道,“左手画方,右手画圆”的左右互搏术是武学至高境界,只有少数武林奇才能掌握这门“多任务功夫”,同时打出两套拳法。其实,移动领域与其类似,“多任务模式”也是考察平板操作系统优劣的重要标准。一款多任务处理得当的平板系统,会赢得更多用户的青睐。下面,笔者将对比iOS、Android和Windows RT三款平板系统的多任务模式,看看这三大高手在多任...

weixin_28712661的博客 1470

STM32智能小车控制舵机转向

文章目录前言一、舵机简单介绍及接线方式二、cubeMX配置三、代码解析总结 前言 本文将带大家学习如何驱动舵机转向 一、舵机简单介绍及接线方式 信号线(黄线)红线(电源线)棕色(地线) 舵机的控制一般需要一个20ms左右的时基脉冲,该脉冲的高电平部分一般为0.5ms-2.5ms范围内的角度控制脉冲部分,总间隔为2ms。以180度角度伺服为例,那么对应的控制关系是这样的: 0.5ms--------------0度; 1.0ms------------45度; 1.5ms------------90度; 2

m0_49476241的博客 8613

顶会顶刊是怎么练成的?靠【PINN+多任务学习】组合拳搞定,学会了

作为当前AI for Science的两大热点,PINN与多任务学习的结合可谓是1+1>2。从技术上看,这组合直接解决了PINN的核心痛点,应用范围up;从学术角度看,这组合属于当下正热的交叉创新,尤其受顶会顶刊欢迎。也就是说,很多领域的大量问题都可以作为多任务来搞,灌水空间大(不是)。而且这组合的论文故事线很清晰,意味着好包装。如果你感兴趣了,想快出论文,那我推荐做硬参数共享或不确定性加权。如果想发高区,渐进式学习或物理机理驱动的多任务设计是好选择。

学姐带你玩AI的博客 433

关于cefsharp访问iqiyi.com显示403 Forbidden解决办法(2种方法)

cefsharp不加UserAgent的默认值为 (注意126是当前cefsharp的版本)Edge浏览器的UserAgent 为 (edge的版本是128的)说明根据浏览器的不同,UserAgent可能不太一样。

无线智能模块 可视DIY智能专家 1319

RH850系列芯片深度剖析 1.5-链接(ld)文件解析

基础编译过程分为四个阶段:预处理(Preprocessing)、编译(Compilation)、汇编(Assembly)、链接(Linking)。执行这四个阶段的程序(预处理器、编译器、汇编器、和链接器)一起构成了编译系统。CONSTANTS接下来的内存空间定义部分会使用这些常量来定义内存空间的范围,理论上来说不定义常量也没有影响,直接用魔鬼数字代替,定义常量的主要目的就是方便理解以及方便修改;从示例中可以看出,常量的值可以为16进制或者10十进制,而且10进制支持数量级单位(k级,M级);

本博客专注于嵌入式软件领域技术分享。 1427

单线程单任务vs分类多任务:从Redis到YOLO的选型与调优

单线程与多任务是两种截然不同的并发与任务建模思想。单线程模型通过串行处理请求换取确定性与低开销,Redis 正是以此在内存级操作中实现高吞吐;多任务模型则通过共享特征与多个任务头联合优化,提升单位算力的信息产出,YOLO 多任务训练是典型代表。理解两者原理后,技术价值在于:单线程适合高频轻量、顺序敏感的场景,多任务适合图像检测、多标签分类等多目标联合建模。实际工程中需结合资源占用、延迟指标和任务间共享程度进行选型,并借鉴 Redis 与 YOLO 的实践避免常见坑点。

weixin_34290096的博客 473

SAP SEGW 事物码里的 Function Import

开放数据协议(OData)包括标准的 CRUD (创建、检索、更新和删除)操作,这些操作映射到 HTTP 方法的 POST、GET、PUT/MERGE 和 Delete 几类。此外,OData还支持进一步的服务操作:,这些操作可以由HTTP方法GET或POST调用,用于处理不能映射到标准 CRUD 操作的任何内容。通过在数据模型中创建 ,可以在 service Builder 中实现此类额外的服务操作。例如,您可以为以下自定义操作创建函数导入:Work Item confirmation检查航班的可用性虽然

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 995

如何使用Min浏览器标签页预览功能:提升多任务效率的完整指南

Min浏览器是一款以隐私保护为核心的轻量级浏览器,其标签页预览功能能够帮助用户在处理多个任务时快速识别和切换标签页,显著提升工作效率。本文将详细介绍如何启用、使用和自定义这一实用功能,让你轻松掌握高效浏览技巧。 ## 什么是标签页预览功能? 标签页预览功能允许用户将鼠标悬停在标签页上时,显示该标签页的缩略图预览,无需点击切换即可快速了解页面内容。这对于同时打开多个标签页的用户来说尤为实用,能够

gitblog_00290的博客 750

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

MtCLSS:半监督儿童睡眠分级的多任务对比学习

论文题目:MtCLSS: Multi-Task Contrastive Learning for Semi-Supervised Pediatric Sleep Staging期刊:IEEE Journal of Biomedical and Health Informatics。

学习日记 861

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

从裸机到RTOS:多任务设计实战与FreeRTOS核心概念解析

在嵌入式系统开发中,随着功能复杂度提升,传统的裸机超级循环架构面临伪并发与资源管理混乱的挑战。实时操作系统(RTOS)通过多任务调度机制,在单核处理器上模拟并发执行,实现了功能的模块化与解耦。其核心价值在于提升代码的可维护性、可扩展性及实时响应能力,尤其适用于需要处理多个独立功能模块、存在阻塞操作或对实时性有不同要求的场景。本文以广泛应用的FreeRTOS为例,深入剖析任务、调度器及内核对象等核心概念,并通过一个环境监测节点的数据采集与显示系统实战案例,详解多任务划分、优先级设计及队列通信等关键技术的工程实

congdi7904的博客 442

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

python多线程_Python多任务处理(多线程篇)

Python多任务处理(多线程篇)项目地址: https://github.com/tushushu/flying-python​github.com1. GIL熟悉python的都知道,在C语言写的python解释器中存在全局解释器锁,由于全局解释器锁的存在,在同一时间内,python解释器只能运行一个线程的代码,这大大影响了python多线程的性能。而这个解释器锁由于历史原因,现在几乎无法消除...

weixin_39669204的博客 674

Jimeng AI Studio性能优化:模型offload策略对多任务并发吞吐量提升分析

本文介绍了如何在星图GPU平台上自动化部署✨ Jimeng AI Studio (Z-Image Edition)镜像,通过模型offload策略显著提升多任务并发吞吐量,实现在设计协作、海报批量生成等场景下稳定支持9路以上AI图像生成请求,兼顾速度与画质。

weixin_34438187的博客 404

MSC8113 ICache多任务管理:可编程LRU边界与缓存分区实战

在嵌入式处理器架构中,缓存是提升指令吞吐率、降低内存访问延迟的核心硬件机制。其基本原理是利用程序访问的时空局部性,将频繁使用的指令副本保存在高速SRAM中。从技术价值看,高效的缓存管理能显著减少处理器停顿,是平衡性能与功耗的关键。尤其在多任务实时系统中,多个任务无差别共享缓存会引发严重的缓存污染和颠簸,导致任务切换时性能急剧下降,这对硬实时系统是致命的。因此,现代处理器引入了可编程缓存管理机制,允许软件根据任务特性划分缓存资源,实现性能隔离与公平性。本文以Freescale MSC8113 DSP处理器的指

baochuanying9531的博客 441
上一篇: 八个改善Java遗留系统的技巧
下一篇: 五年Skype架构师之路的感言
jiulingchen126
博客等级 码龄16年 9粉丝 10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
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