- 博客(494)
- 收藏
- 关注
RSS订阅原创 在手机上使用 `codebuddy-code`（远程容器 + 浏览器访问）
本文介绍在云服务器上通过 Docker 运行 codebuddy-code，并利用 SSH 隧道实现手机浏览器远程访问。步骤包括：创建 Ubuntu 容器、安装 SSH 与 codebuddy-code、配置自定义模型、启动 Web 服务，再通过本地 SSH 隧道将容器内 3081 端口映射至公网，最终在手机浏览器中输入 http://<公网IP>:3081/?token=<token> 访问。适用于测试环境，生产需加强安全措施。
2026-11-02 16:10:21
185
原创 RTX 5090 上把 Qwen3.8-27B 从量化到 NInfer 推理的全流程
本文详细演示在RTX 5090上将Qwen3.8-27B模型从BF16量化为NVFP4，再转换为NInfer格式并部署推理服务的全流程。通过容器化环境搭建、模型下载、校准量化与NInfer转换，最终使用ninfer-serve启动兼容OpenAI/Anthropic API的服务，支持Claude Code等客户端调用，全程命令可直接复制，实现高效低显存的本地大模型推理。
2026-10-31 18:21:01
346
原创 给 ttyd 加一个手机触屏虚拟按键面板，并构建全静态可移植二进制
本文基于ttyd开发，为手机端添加触屏虚拟按键面板，解决无Ctrl键及方向键问题，通过xterm.js直接发送组合键序列，实现与物理键盘同等效果。同时利用官方脚本构建全静态二进制，依赖musl libc，不携带任何动态库，可跨平台直接运行。从克隆仓库、打补丁到构建，全流程端到端验证，产出7.7MB单文件可移植程序。
2026-10-12 12:57:54
296
原创 用 Falco 给你的服务器装一个“来客登记簿“：内核级网络监控 + 全球热力图可视化
本文介绍如何用 Falco 实现服务器内核级网络监控，实时捕获所有入站 TCP 连接，并通过 Python + Leaflet 将攻击源可视化为全球热力图。全程约30分钟，仅需一台 Linux 机器或 Docker 环境。利用 Falco 挂载内核模块，精准记录客户端 IP、端口、进程等信息；结合高德与 ip-api.com 定位地理数据，实现点击红点查看访问详情。技术栈包括 Falco、Flask、Leaflet 及热力图插件，可快速部署，提升安全态势感知能力。
2026-10-10 19:52:08
331
原创 Vortex GPGPU Warp 调度与指令执行流程解读
Vortex GPGPU 采用按序执行的 SIMT 架构，调度单位为 warp，但流水线以单条指令为粒度推进。核心机制为：调度器每次选择一个 warp 发出一条指令请求，该 warp 在指令执行完成前被锁定（单飞行窗口），确保前端串行性。普通指令在译码阶段即解锁，控制流指令则需等待执行结果才释放。每条指令需完整经历取指、译码、发射、执行、提交全流程，依赖由 scoreboard 管理。性能瓶颈源于前端延迟（约10周期），需通过足够多 warp 交织实现高吞吐。优化重点在于减少控制依赖、提升并行度与缓解流水线
2026-10-10 19:29:56
355
原创 同一个 vecadd 算子:CUDA C 与 Rust 指令级对比
对比CUDA C与Rust在Vortex MPM上实现同一vecadd算子的指令级差异。结果表明：二者在单CTA（32 lanes）下性能一致（393指令/11548周期，IPC 0.034），热循环代码完全同形，仅存寄存器分配、slt/sltu等微小差异。关键在于Rust需使用--lto启用内联CSR读取并注入llvm.assume，否则入口将引入函数调用开销。结论：前端语言差异在优化后消失，热路径机器码为同一pass产物，性能可等价。
2026-10-07 19:05:11
297
原创 Vortex 算子开发
Vortex 是一款基于 RISC‑V 的开源 GPGPU 平台,却刻意把「写算子」这件事做得尽量无感:你熟悉的四种主流写法——CUDAC、CUTLASS、Triton、Rust——在这里几乎可以原样工作,__global__ kernel 配 chevron 启动、CUTLASS 模板化 GEMM、Python块级抽象、Rust 强类型 host+device 工程,源码与写给 NVIDIA GPU 的版本差异极小甚至为零。本文以「向量加法 / GEMM」等最小可运行算子为例,逐节给出四条路径的原理
2026-10-07 10:14:05
567
原创 同一个 NMS 算子,两种语言实现:CUDA C 与 Rust 生成 LLVM IR 和 Vortex 汇编的差异
同一NMS算子在CUDA C与Rust中实现，编译后运行结果一致（keep: 5 0 3）。LLVM IR层面差异显著：C侧使用内联csrr、llvm.riscv.vx.uniform及!vortex.kargs元数据，Rust侧则通过函数调用、llvm.memset及无该元数据。但Vortex机器码层热点循环几乎完全一致，仅寄存器分配、参数偏移和CSR访问方式略有不同。结论：前端语言差异影响IR形态，但后端以元数据为契约，最终生成的机器码热路径趋同——后端才是事实唯一来源，语言仅为入口。
2026-10-05 12:07:55
409
原创 Vortex CUDA 生态适配:让 CUDA C、CUTLASS 与 Triton 在 RISC-V GPGPU 上运行
Vortex 是一款基于 RISC-V 的 GPGPU，通过适配 CUDA 生态实现高效计算。其核心在于统一三条通路：SIMT（32 lane 向量计算）、TCU（张量核心，支持 TF32/FP16/BF16 等）与 DXA（张量拷贝引擎），实现与 NVIDIA 架构对齐。通过构建兼容层、工具链（vxcc）与运行时（libvortex.so），成功让 CUDA C、CUTLASS 模板库及 Triton kernel 在不修改代码的前提下，在 Vortex 上编译、运行并保持数值正确。三类用户共享同一底座，
2026-09-29 09:12:48
336
原创 优快云 博主博客抓取工具
本文介绍一款优快云博主博客抓取工具，通过Playwright驱动真实浏览器，绕过WAF拦截，自动抓取指定博主的全部博客信息（含标题、时间、阅读量、标签等），支持导出为JSON、CSV、Markdown格式，并校验数据完整性。已验证成功抓取484篇，与官方总数一致。工具需手动完成滑块验证或登录，后续可持久化免验证。适用于个人研究与数据归档，严禁商业滥用。
2026-09-29 09:00:34
399
原创 Coding Agent 是否访问了非法数据和网络——以 Claude Code 为例
本文以 Claude Code 为例，介绍如何通过 Falco + eBPF + 容器插件实现对 Coding Agent 的内核级行为监控。利用 eBPF 捕获系统调用，结合自定义规则，实时检测非法文件访问（如 /data 目录）和非授权网络连接（如访问非白名单 IP:端口），实现对敏感数据泄露与异常外联的精准告警，为 AI Agent 提供可追溯、高可信的运行时安全防护。
2026-09-24 10:20:15
146
原创 llm_proxy_pro：一个零依赖的 Node.js LLM 代理，让你的 Claude Code / Codex 更稳、更省、还能攒训练数据
一条命令启动 · 零 npm 依赖 · 多供应商负载均衡 · 故障自动切换 · 顺手攒下 fine-tune 训练数据。
2026-09-18 15:16:48
159
原创 LAN Drop：浏览器里的局域网互传神器
LAN Drop 是一款基于浏览器的局域网文件互传工具，无需安装App、不需账号、不走公网。只需一台设备启动服务，两台设备在同Wi-Fi下通过6位房间码配对，即可实现文件、文件夹的点对点高速传输。依托WebRTC直连或降级中转模式，支持断点续传、完整性校验与手机大文件稳定接收（尤其优化iOS），全程隐私安全。一键部署，零依赖，真正“开箱即用”的跨设备传输方案。
2026-09-17 19:08:45
391
原创 一台“被欺骗“的手机：从硬件测试到揭露虚假 CPU 型号的取证之旅
一台标称搭载联发科天玑9400的手机实为紫光展锐T620贴牌机，系统信息严重造假。测试发现：摄像头与GPS硬件可用，但NPU/APU虽内核驱动存在，因缺失关键库libaiactiver.so及SELinux限制，导致标准NNAPI与直接访问均不可用。唯一可被应用调用的硬件加速路径仅为Mali GPU的OpenCL。该案例揭示了厂商在固件层伪造硬件信息、锁死算力资源的隐蔽行为，警示开发者需警惕“虚假性能”陷阱。
2026-09-11 20:20:07
521
1
原创 Vortex 硬件 Softmax 指令 (`vx_softmax_f`) 实现全程
本文详述Vortex硬件Softmax指令（vx_softmax_f）从语义设计到RTL实现的全流程。基于SIMT架构，指令以warp为单位并行处理4个lane，单行39周期完成，较软件基线提速≥3.68x。关键设计包括：数值稳定性（减max防溢出）、非活跃lane处理、NaN传播一致性。编码复用空闲funct7=5，通过simx与rtlsim双仿真验证正确性，回归测试零误差且性能显著优于软件。强调开发中需遵循warp粒度、寄存器映射规范及工具链字段顺序，避免常见陷阱。
2026-09-11 20:18:32
349
原创 AI 大模型请求监控工具
<think>我们只需要根据内容生成一个≤150字的摘要。注意是“根据内容生成≤150字的文章摘要”，摘要应当概括工具的功能和原理。要简洁，提取核心要点。</think>一套 LLM API 流量监控工具，通过 mitmproxy 中间人代理拦截 HTTPS 请求，将完整请求/响应存入 MongoDB；Flask 后端增量拉取数据，前端 ECharts 展示实时流量曲线，支持缩放回放；点击数据点可查看原始报文，自动解析 SSE 流与 OpenAI Responses API，展示 Token 用量、工具调用
2026-09-07 15:38:28
401
原创 XCVU19P 上的 Cortex-A53 + Vortex GPGPU 系统
<think>我们根据用户要求，需要生成一个≤150字的文章摘要，基于提供的内容。内容是关于XCVU19P FPGA上实现Cortex-A53 + Vortex GPGPU系统的工程描述。摘要应简洁概括主要要点。注意长度限制。需要提炼关键信息：FPGA板卡作为PCIe设备，包含Cortex-A53、GIC-700、DDR4、Vortex GPGPU、XDMA等，通过PCIe启动U-Boot/Linux，并运行GPGPU workload。工程提供一键构建脚本。摘要需控制字数。我们写一个紧凑的摘要。</thi
2026-09-06 12:02:39
414
原创 让 AI 逆向 NVIDIA SASS 指令并用 RTL 实现 Verilator 仿真
<think>我们根据要求要生成≤150字的文章摘要。内容是关于让AI逆向NVIDIA SASS指令并用RTL实现Verilator仿真的实验，对比了三个AI工具，只有Claude Code成功。需要简洁概括。 字数限制150字，中文。可以包括实验目的、方法、结果。确保摘要内容完整。</think>本文尝试让AI逆向NVIDIA GPU的SASS指令，并用RTL实现微型GPGPU，通过Verilator仿真验证。实验对比了Claude Code、Codex和CodeBuddy Code，三者均使用相同底层模
2026-09-03 18:00:04
540
原创 在Verilog里跑NVIDIA SASS指令流
<think>我们根据要求：基于用户提供的详细内容生成不超过150字的文章摘要。用户内容很长，需要提取核心。摘要需涵盖目标、方法、结果、意义。注意不超过150字，中文。应精炼。</think>本文介绍一个微型GPGPU的Verilog实现，直接执行NVIDIA SASS指令流（56条HMMA kernel），并以真实GPU输出为黄金标准验证。通过解释warp/fragment布局与地址计算，实现了FP16矩阵乘的bit级复现，MSE达4.13e-14，展示了硬件指令语义验证的可行性。
2026-09-03 17:56:52
548
原创 主流命令行 AI 编程工具接入 Ollama： 10 款 CLI 工具
文章摘要 本文介绍了如何将本地部署的 Ollama 开源大模型接入 10 款主流命令行 AI 编程工具（包括 Claude Code、OpenAI Codex CLI 等）。主要内容包括： Ollama 基础环境配置（Node.js 安装） 详细演示了 3 款工具（Claude Code、OpenAI Codex CLI、腾讯 CodeBuddy）接入 Ollama 的具体步骤和关键配置 提供了环境变量、配置文件等对接技巧 强调需替换实际模型名称和 API 地址 包含安全风险提示（如跳过权限验证的注意事项）
2026-08-19 17:41:07
517
原创 本地化 AI 编程助手：使用 Ollama + Qwen3.8:27b + Claude Code / Codex
本文介绍了如何从源码编译并部署一个完全本地化的AI编程助手环境，使用Ollama框架加载通义千问Qwen3.8:27b和Claude Code/Codex等模型。主要内容包括： 背景说明：从源码编译可优化GPU性能，本地模型能保障隐私安全、降低成本并支持离线使用 部署步骤： 创建模型存储目录 安装Go语言环境 下载并编译Ollama（需配置CUDA架构） 启动Ollama服务 拉取基础模型并创建自定义配置 环境要求：需NVIDIA显卡（≥24GB显存）、CUDA工具包、32GB内存和80GB磁盘空间 该方案
2026-08-17 20:25:51
532
原创 Vortex 3.0 + xcvu19p CMD_MEM_WRITE 调试
摘要：Vortex 3.0在xcvu19p芯片的DMA传输故障排查 问题背景：将Vortex 3.0 GPU软核移植到xcvu19p芯片时，发现CMD_MEM_WRITE命令无法写入DDR内存，但状态寄存器显示成功。调试发现AXI请求未发出，而相同RTL在xcvu440芯片工作正常。 调试过程： 首先排查工程搭建问题，重建Block Design未解决 通过综合后仿真对比发现，xcvu440和xcvu19p网表行为不一致 定位到VX_cp_unpack.sv模块中运行时可变位选择(Variable Part
2026-08-05 20:00:41
393
原创 Cortex-A53 + GIC700 + Boot BRAM Vivado 全流程复现
本文档详细记录了在Vivado 2020.2环境下复现Cortex-A53+GIC700+AXI Boot BRAM最小系统设计的全流程。主要内容包括：将Cortex-A53和GIC700封装为Vivado IP核；搭建包含BRAM引导、UART和DDR接口的最小系统；开发BRAM引导程序；构建DDR测试payload；并通过XSIM仿真验证了关键功能：A53能从BRAM正确启动并执行读写操作，能跳转到DDR中的payload程序，且payload能正确回读BRAM数据。文档提供了完整的工具链要求、环境配置
2026-07-29 16:59:18
373
原创 Vivado 内置 IP 获取、分类与功能速查
Vivado 内置 IP 分类与功能速查 本文基于 Vivado IP 数据库自动导出的 IP 清单，系统梳理了 Xilinx FPGA 设计中的各类 IP 资源。通过 Tcl 脚本获取的 680 条 IP 定义经合并后得到 561 个唯一 IP，涵盖 12 个主要应用领域： AXI/片上互连（52个）：包括 AXI DMA、互联矩阵、协议转换等数据通路核心组件 存储系统（72个）：涵盖 DDR/HBM 控制器、BRAM/FIFO 等存储管理 IP 嵌入式系统（50个）：包含 MicroBlaze 处理器及
2026-07-29 08:29:02
466
原创 将 AXI 设计拆分到两片FPGA
本文介绍了如何利用Veloce Prototyping System将包含AXI总线和PCIe接口的设计拆分到两片FPGA上实现。文章详细讲解了从Vivado Block Design构建、OOC综合、多FPGA设计分割与编译到Linux驱动验证的完整流程。核心内容包括：1）设计分割原理，将PCIe/XDMA模块与用户逻辑分别部署在两片FPGA；2）通过proFPGA的板间高速互连实现AXI信号传输；3）使用red工具链实现自动分割和编译。
2026-07-19 18:34:24
350
原创 QGIS 3.44.12 启动加速 — 修改总结
QGIS 3.44.12启动加速解决方案摘要 QGIS启动缓慢主要由两个问题导致： 网络阻塞：默认设置会检查版本和获取新闻 NextGIS插件注册表访问超时 解决方案（需修改4个文件）： 禁用网络检查（修改qgis_global_settings.ini） 注释掉quick_map_services和qtiles插件的__update_settings()调用 清理QGIS3.ini中的watchDogTimestamp记录 重新安装后需重复上述修改，并可选择将QGIS目录加入Windows Defende
2026-07-15 21:34:13
295
原创 Vivado 如何将 PCIe 硬核及相关连接封装成黑盒供其他模块使用
本文介绍了在Vivado中将PCIe硬核及相关连接封装成黑盒的方法，通过预综合PCIe硬核（XDMA）及AXI互联逻辑为独立网表（DCP文件），可大幅缩短编译时间并实现模块复用。核心流程包括：1）使用Out-of-Context综合生成黑盒子系统；2）创建仅含端口信息的stub文件；3）在顶层工程中集成黑盒与用户逻辑。该方法将PCIe硬核编译时间从数小时缩短至几分钟，支持团队并行开发，适用于需要频繁迭代用户逻辑的场景。文中提供了完整的Tcl脚本和Verilog示例，涵盖Block Design创建、OOC综
2026-07-13 10:52:45
248
原创 基于 LocateAnything-3B 模型对比两张图片检测框的 IoU 相似度
本文介绍了一种基于LocateAnything-3B模型的图片相似度对比方法，通过计算两图中物体检测框的交并比(IoU)来评估相似程度。相比传统的特征向量相似度方法，该方法能更直观反映物体位置和结构的相似性。 摘要要点： 采用零样本物体定位模型LocateAnything-3B，无需训练即可检测常见物体 通过解析模型输出的<box>标签获取归一化坐标并映射回原图尺寸 使用IoU指标衡量检测框重叠度，计算两图对应物体框的平均IoU作为相似度分数 提供完整的环境搭建、模型推理和结果可视化流程 适用于监控比对、场
2026-07-10 18:09:44
454
原创 Qwen3-VL-8B-Instruct 推理性能测试
本文对Qwen3-VL-8B-Instruct多模态大模型进行了系统的推理性能测试，重点评估在延迟约束（TTFT<5秒、TPOT<50毫秒）下的最大并发处理能力。测试采用vLLM 0.23.0框架，单卡BF16精度，固定输入30 tokens/输出300 tokens，图像分辨率448×448。通过9个并发梯度（1-16）的压测，记录了端到端QPS和解码阶段Token吞吐量等关键指标，并提供了完整的环境配置、测试脚本（含结果汇总与分析功能）和指标定义说明。测试结果表明该模型在指定延迟限制下的最优并发表现，为
2026-07-10 09:28:05
313
原创 通过AXI Bridge让FPGA主动访问HOST内存
本文介绍了如何通过AXI Bridge实现FPGA主动访问主机内存的方案。主要内容包括： 系统架构：基于XDMA IP和自研的AXI4-Lite控制器（simple_ctrl）构建FPGA到主机的数据通路，实现FPGA直接写入主机内存的功能。 关键组件： XDMA IP：负责PCIe链路与DMA传输 simple_ctrl：极简AXI4-Lite控制器，提供寄存器配置和写触发功能 工作流程： 主机分配DMA内存并配置地址映射 通过BAR0配置simple_ctrl寄存器 触发AXI写事务，经XDMA转换为P
2026-07-09 19:21:37
250
原创 RTX-5090 基础测试
本文记录了RTX 5090显卡的基础测试过程。首先通过编译安装支持PCIE P2P功能的NVIDIA驱动（版本595.58.03），并验证了驱动安装成功，系统识别到4块RTX 5090显卡（每块32GB显存）。随后创建了一个特权Docker容器环境，挂载了数据目录并配置了GPU访问权限。测试环境基于NVIDIA官方PyTorch镜像（26.03-py3），最终通过nvidia-smi命令确认所有GPU设备正常工作，温度维持在34-35℃，功耗约60-70W。整个流程包括驱动编译、容器部署和设备验证三个主要步
2026-07-04 14:47:04
627
1
原创 大数吃小数：计算机里的魔法尺子
计算机浮点数运算中的“大数吃小数”现象摘要： 计算机使用浮点数（类似魔法尺子）存储数字，其特点是： 固定有效位数（如单精度7-8位） 通过指数缩放范围 当大数和小数相加时： 系统会先将小数对齐大数的指数（对阶） 若小数在对齐过程中超出有效位数范围，其低位将被截断 最终导致小数部分被完全忽略（如1亿+0.00001=1亿） 本质原因： 浮点数的存储精度有限（ULP概念） 为保证计算安全（避免溢出），优先保留大数精度 这是用可控精度损失换取超大数值范围处理的必要妥协 （字数：149）
2026-07-04 14:42:08
301
原创 生成在 xcvu19p 上运行的 Vortex 2.3 bitstream
本文介绍了在Xilinx xcvu19p FPGA上构建并运行Vortex 2.3 GPGPU比特流的完整流程。主要内容包括： 功能概述 Vortex是一款基于RISC-V向量架构的开源GPGPU，支持OpenCL编程模型 最终生成可直接烧录的.bit文件，用于PCIe连接的主机-加速器系统 关键技术点 使用Docker容器确保编译环境一致性 配置Vortex核心参数（单核/4 warp/4线程） 集成关键IP：XDMA、DDR4控制器、Vortex加速单元等 通过Tcl脚本自动化Vivado设计流程 主要
2026-07-04 14:04:19
262
原创 在 Vortex FPGA 加速器上运行 PyTorch ResNet18 模型
本文介绍了在Vortex FPGA加速器上运行PyTorch ResNet18模型的完整流程。Vortex是基于RISC-V的通用GPU架构，通过Vivado工具生成FPGA比特流实现并行计算。首先需要准备硬件环境，包括生成Vortex IP、烧录FPGA比特流和安装XDMA驱动。软件栈采用分层设计，从PyTorch通过ATen算子转换为OpenCL内核，再通过POCL编译为Vortex可执行代码，最终通过XDMA驱动与FPGA交互。文章详细说明了内核启动的硬件流程和具体操作步骤，包括环境变量设置、底层XD
2026-07-04 10:55:43
327
原创 从零读懂DDR4：一颗内存颗粒是如何“拼”出18GB世界的？
DDR4内存工作原理解析 本文以Micron MT40A2G8FSE-083E颗粒为例，揭秘DDR4内存18GB容量的构建原理。单颗2GB颗粒通过30位地址编码（2位Bank Group+2位Bank+16位行+10位列）管理1G存储单元，采用x8位宽和双Rank设计。9颗颗粒中，8颗组成64位数据总线（每颗负责8位），第9颗提供ECC校验。地址线采用分时复用技术，同一组引脚在不同时段传输行列地址。读取时，8颗颗粒同时响应相同地址命令，通过独立数据引脚并行输出，最终组合成64位数据。这种精密的协同设计实现了
2026-07-03 17:44:14
563
原创 Vortex开源GPU-从仿真与TVM部署到FPGA比特流生成
Vortex开源GPU工具链搭建与验证 本文详细介绍了Vortex开源GPU项目的开发环境搭建流程。Vortex是基于RISC-V的GPGPU设计，支持OpenCL标准。主要内容包括： 使用Docker容器创建隔离开发环境 配置完整的仿真工具链(simx)和POCL OpenCL支持 调整Vortex配置参数(32 warps/32 threads)以满足TVM需求 通过PyOpenCL验证OpenCL设备识别 展示了TVM编译的TinyCNN模型在仿真环境中的运行 文章还涉及FPGA比特流生成的准备工作，
2026-05-30 07:34:52
2512
原创 NuScenes 数据集合并工具
NuScenes数据集合并工具摘要 该工具专为解决自动驾驶领域NuScenes格式数据集合并的技术难题而设计。主要功能包括： 数据集合并：智能处理两个NuScenes数据集的合并，自动解决token冲突、跨数据集引用等问题 Token管理：通过UUID生成新token并维护映射关系，确保引用一致性 样本打乱：可选功能，可跨场景随机打乱样本并重建scene-sample层级关系 完整性验证：自动检查并修复无效引用和孤立链接 核心创新点在于： 递归token重映射机制 基于类别名称的跨数据集映射 样本打乱后场景
2026-05-19 14:44:12
430
原创 基于 Draco 压缩的实时点云预览系统：从服务端到 Web 端的完整实现
本文介绍了一个基于Draco压缩的实时点云预览系统，实现了从服务端到Web端的完整解决方案。系统采用Python服务端处理点云数据，通过Open3D进行体素降采样和高度颜色映射，使用Draco算法压缩后经WebSocket传输。客户端基于Three.js实现点云渲染，支持交互式相机控制和视角持久化。该系统有效解决了高带宽需求下的实时点云传输问题，压缩率可达90%以上，在250Kb/s带宽下实现10Hz的30万点/帧传输，适用于自动驾驶等需要实时三维感知的场景。
2026-05-12 19:10:42
685
原创 Apollo CUDA-BEVFusion 高性能 3D 目标检测
Apollo CUDA-BEVFusion 是一个针对边缘计算平台优化的高性能3D目标检测系统，基于BEVFusion架构深度改造。该系统通过多传感器融合（6路相机+激光雷达）和CUDA加速技术，在NVIDIA Orin平台上实现了13.9-14.1Hz的实时检测性能。核心优化包括：三缓冲异步机制实现无锁数据交换、CUDA NPP加速图像去畸变、点云FP16压缩降低带宽消耗，以及禁用NumPy多线程避免竞争。系统采用TensorRT量化推理，平均端到端延迟约71ms，完整集成到Apollo自动驾驶平台，提供
2026-05-10 18:41:44
766
原创 Apollo 中优化 Python 处理点云 Topic 的性能
优化 Apollo 中 Python 处理点云 Topic 的性能 核心优化思路 绕过 Cyber RT 的 Python 反序列化：改用 create_rawdata_reader 直接接收 Protobuf 序列化数据 将计算密集型操作下沉到 C++： 使用 Protobuf C++ API 反序列化 在 C++ 层完成点云过滤和坐标转换 返回 float16 格式的 NumPy 数组 性能对比 优化前：0.75 FPS（纯 Python 处理） 优化后：25+ FPS（C++ 扩展处理） 关键技术点
2026-05-10 15:03:08
242
订阅Apollo摄像头 NPP颜色空间转换 NVMPI硬编码 RTMP推流
2025-09-23
订阅Apollo摄像头 VPI颜色空间转换 NVMPI硬编码 RTMP推流
2025-09-23
QML 多路 RTSP 视频流实时预览实现
2025-09-22
linux基于LD-PRELOAD机器的内存泄露检测工具
2024-05-17
ffmpeg 异步推理filter源码
2024-03-21
grpc v1.62.0
2024-03-19
C#实现的键盘记录后台程序,可运行在win10/win11系统.能记录各种键盘按键,并将字符保存到文件中
2024-02-20
Aleo网络的一些疑问
2024-09-14
怎么能把优快云上的博文自动生成短视频呢
2024-02-25
TA创建的收藏夹 TA关注的收藏夹
TA关注的人