<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[modi000的博客]]></title><description><![CDATA[零碎的知识，简单的理解]]></description><link>https://blog.youkuaiyun.com/modi000</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; modi000]]></copyright><item><title><![CDATA[CA 与数字证书原理]]></title><link>https://blog.youkuaiyun.com/modi000/article/details/167794177</link><guid>https://blog.youkuaiyun.com/modi000/article/details/167794177</guid><author>modi000</author><pubDate>Tue, 13 Oct 2026 11:37:19 +0800</pubDate><description><![CDATA[黑客可以伪造一个公钥，声称 “我是官网”，中间人攻击就成功了。]]></description><category></category></item><item><title><![CDATA[举例说明生产要素的区别]]></title><link>https://blog.youkuaiyun.com/modi000/article/details/162206683</link><guid>https://blog.youkuaiyun.com/modi000/article/details/162206683</guid><author>modi000</author><pubDate>Mon, 22 Jun 2026 16:32:15 +0800</pubDate><description><![CDATA[有了数据，农民知道今年该种什么、何时播种、何时收割、卖到哪里最划算。而其他四种要素，是让这一切得以实现的“硬条件”。：是卫星遥感反馈的土壤墒情、气象预报、市场价格波动曲线。生产要素包括：土地、劳动力、资本、技术和数据。：是杂交水稻的种植方法或精准施肥的配方。：是拖拉机、灌溉设备和仓库。：是下地干活的农民。]]></description><category></category></item><item><title><![CDATA[关于进程死锁的理解]]></title><link>https://blog.youkuaiyun.com/modi000/article/details/160544305</link><guid>https://blog.youkuaiyun.com/modi000/article/details/160544305</guid><author>modi000</author><pubDate>Mon, 27 Apr 2026 09:41:16 +0800</pubDate><description><![CDATA[死锁就是一群“小气鬼”每人手里都攥着自己的一部分资源，但要想干完活又非得要别人手里的资源，结果谁都不肯先放手，大家一起僵在原地，工作永远无法继续。]]></description><category></category></item><item><title><![CDATA[指令系统（指令格式、流水线计算等）]]></title><link>https://blog.youkuaiyun.com/modi000/article/details/159712470</link><guid>https://blog.youkuaiyun.com/modi000/article/details/159712470</guid><author>modi000</author><pubDate>Wed, 01 Apr 2026 09:10:11 +0800</pubDate><description><![CDATA[流水执行时间计算中，是最长流水段时间X（n-1)，如下图所示，无论最长流水段时间在第几个位置，最终两条指令的时差即为最长流水段时间。1.地址码中保存的是操作数的地址。指令的地址是由程序计数器PC给出。3个变址寻址比寄存器间接寻址多了一道加法。精简指令和复杂指令的区别参考下文。2.间接寻址是读取了两次内存。指令是由操作码和地址码组成。]]></description><category></category></item><item><title><![CDATA[精简指令集用的更多的通用寄存器，减少访存次数]]></title><link>https://blog.youkuaiyun.com/modi000/article/details/159526385</link><guid>https://blog.youkuaiyun.com/modi000/article/details/159526385</guid><author>modi000</author><pubDate>Fri, 27 Mar 2026 09:05:05 +0800</pubDate><description><![CDATA[用的更多的通用寄存器，减少访存次数”这句话，本质上是RISC对“如何高效利用CPU与内存速度差”更多的寄存器= 数据更可能待在CPU内部，不产生访存。减少访存次数= 减少CPU等待慢速内存的时间，让流水线更通畅。最终目标：用简单、定长的指令和大量寄存器，实现高主频、高效率、便于编译器优化的执行模型。]]></description><category></category></item><item><title><![CDATA[CPU的组成]]></title><link>https://blog.youkuaiyun.com/modi000/article/details/159488524</link><guid>https://blog.youkuaiyun.com/modi000/article/details/159488524</guid><author>modi000</author><pubDate>Thu, 26 Mar 2026 09:09:48 +0800</pubDate><description><![CDATA[运算器和控制器中都包含寄存器。其中程序计数器（PC)属于控制器。]]></description><category></category></item><item><title><![CDATA[程序计数器（PC)]]></title><link>https://blog.youkuaiyun.com/modi000/article/details/159488035</link><guid>https://blog.youkuaiyun.com/modi000/article/details/159488035</guid><author>modi000</author><pubDate>Thu, 26 Mar 2026 09:02:02 +0800</pubDate><description><![CDATA[在选择题或分类题中，若问“属于控制器还是寄存器”，通常考察的是其在 CPU 结构中的‌。‌，此时正确答案应为 ‌。程序计数器（PC）‌。]]></description><category></category></item><item><title><![CDATA[CRC校验-模2除法]]></title><link>https://blog.youkuaiyun.com/modi000/article/details/159415526</link><guid>https://blog.youkuaiyun.com/modi000/article/details/159415526</guid><author>modi000</author><pubDate>Tue, 24 Mar 2026 09:23:27 +0800</pubDate><description><![CDATA[在模2除法中，所有的加法和减法都是按位进行的，不考虑二进制数的进位（即“借位”）和溢出（即“补位”）。这意味着在进行二进制运算时，我们只关心最低位的进位，而忽略高位。这种操作类似于二进制数中的异或（XOR）操作，而不是传统的加法或减法。]]></description><category></category></item><item><title><![CDATA[迁移学习的通俗理解（微调是迁移学习的一种方式）]]></title><link>https://blog.youkuaiyun.com/modi000/article/details/158609375</link><guid>https://blog.youkuaiyun.com/modi000/article/details/158609375</guid><author>modi000</author><pubDate>Tue, 03 Mar 2026 09:07:50 +0800</pubDate><description><![CDATA[迁移学习，就是把一个已经训练好的模型（比如学会识别猫的神经网络），把它学到的“知识”，应用到另一个不同但相关的任务上（比如识别老虎）。3. 为什么需要迁移学习？在很多专业领域（比如医疗影像分析），我们很难获得海量的、被医生标注好的X光片数据。数据太少，AI很难训练好。但互联网上有海量的、普通的图片数据（比如猫、狗、汽车的图片）。我们可以先用这些海量数据训练一个基础模型，然后把它的知识迁移到医疗影像这个小众任务上。这样，即使只有少量X光片，也能训练出一个不错的模型。]]></description><category></category></item><item><title><![CDATA[梯度下降算法--为什么梯度方向是函数变化最快的方向]]></title><link>https://blog.youkuaiyun.com/modi000/article/details/158569884</link><guid>https://blog.youkuaiyun.com/modi000/article/details/158569884</guid><author>modi000</author><pubDate>Mon, 02 Mar 2026 10:06:29 +0800</pubDate><description><![CDATA[梯度向量是在函数输入空间定义的的，点（1，1，2）在xoy平面投影，该点沿着梯度方向（2，2）注意：按照梯度方向（2，2）也要移动一个单位向量的距离，所以要先换算成单位向量。从点（1，1）出发，延不同方向移动相同距离，f(x,y)值的变化。]]></description><category></category></item><item><title><![CDATA[迁移学习和泛化的区别]]></title><link>https://blog.youkuaiyun.com/modi000/article/details/158569242</link><guid>https://blog.youkuaiyun.com/modi000/article/details/158569242</guid><author>modi000</author><pubDate>Mon, 02 Mar 2026 09:14:24 +0800</pubDate><description><![CDATA[迁移学习和泛化是机器学习中两个相关但不同的概念。泛化指模型在相同任务不同数据上的适应能力，如同会骑自行车的人能在不同路况骑行；迁移学习则是将已有知识应用于新任务，如会骑自行车的人学摩托车更快。泛化关注同一任务内的稳健性，迁移学习强调跨任务的知识复用。两者常结合使用，既实现知识迁移又确保模型在新任务上表现良好。]]></description><category></category></item><item><title><![CDATA[通俗理解贝叶斯公式]]></title><link>https://blog.youkuaiyun.com/modi000/article/details/157992642</link><guid>https://blog.youkuaiyun.com/modi000/article/details/157992642</guid><author>modi000</author><pubDate>Thu, 12 Feb 2026 09:14:00 +0800</pubDate><description><![CDATA[贝叶斯公式：口诀：先验乘以似然，分母用全概。H表示Hypothesis（假设），E表示Evidence（证据），贝叶斯定理的意义就在于，给定一个先验概率P(H)，在出现了证据E的情况下，计算后验概率P(H|E)。此外，还可以理解为组成某种全概率事件中某一事件发生的概率占比。先验P(H):是基于历史数据的基准设定，比如生病的概率是0.1%（通过样本统计，得到的）似然P(E|H):全概率P(E):后验概率P(H|E):已知有一种疾病，发病率是0.1%。]]></description><category></category></item><item><title><![CDATA[通俗理解全概率公式]]></title><link>https://blog.youkuaiyun.com/modi000/article/details/157977235</link><guid>https://blog.youkuaiyun.com/modi000/article/details/157977235</guid><author>modi000</author><pubDate>Wed, 11 Feb 2026 17:18:49 +0800</pubDate><description><![CDATA[参考该文：乘法公式的通俗解释。]]></description><category></category></item><item><title><![CDATA[通俗理解概率乘法公式：P(AB)=P(A)×P(B∣A)]]></title><link>https://blog.youkuaiyun.com/modi000/article/details/157976930</link><guid>https://blog.youkuaiyun.com/modi000/article/details/157976930</guid><author>modi000</author><pubDate>Wed, 11 Feb 2026 17:06:05 +0800</pubDate><description><![CDATA[条件概率公式P(AB)=P(A)×P(B|A)可以直观理解为：先用A的概率计算A在整体中的占比，再用B在A中的占比计算两者重叠部分。例如在100单位面积中，A占50，AB重叠20，则P(AB)=(50/100)×(20/50)=20/100，直接得出AB重叠部分占整体的比例。这个公式将联合概率分解为两个步骤计算。]]></description><category></category></item><item><title><![CDATA[通俗理解Transformer自注意力机制]]></title><link>https://blog.youkuaiyun.com/modi000/article/details/157810260</link><guid>https://blog.youkuaiyun.com/modi000/article/details/157810260</guid><author>modi000</author><pubDate>Fri, 06 Feb 2026 18:13:36 +0800</pubDate><description><![CDATA[本文摘要：自注意力机制的核心计算步骤包括：1）将输入序列的每个词向量通过三个权重矩阵转换为查询向量Q（当前词关注点）、键向量K（当前词特征）和值向量V（当前词信息）；2）输入矩阵X（n×d_model）经线性变换后生成Q、K、V矩阵，三者维度通常相同（n×d_k或n×d_v），其中d_k=d_v。该过程为后续计算注意力权重奠定了基础。（149字）]]></description><category></category></item><item><title><![CDATA[调用大模型接口参数配置]]></title><link>https://blog.youkuaiyun.com/modi000/article/details/154985676</link><guid>https://blog.youkuaiyun.com/modi000/article/details/154985676</guid><author>modi000</author><pubDate>Tue, 18 Nov 2025 11:49:17 +0800</pubDate><description><![CDATA[摘要：文章详细解析了presence_penalty和frequency_penalty两个参数的作用机制与应用场景。frequency_penalty通过惩罚重复出现的token来提升文本词汇多样性，而presence_penalty则鼓励引入新概念来丰富内容。参数值通常设置在-2.0到2.0之间，不同取值会产生从轻微调整到严格避免重复的效果。文章还比较了两个参数的区别，并通过示例说明其实际应用价值，为文本生成任务的参数调优提供了实用指导。（149字）]]></description><category></category></item><item><title><![CDATA[操作系统-PV操作步骤]]></title><link>https://blog.youkuaiyun.com/modi000/article/details/153688332</link><guid>https://blog.youkuaiyun.com/modi000/article/details/153688332</guid><author>modi000</author><pubDate>Tue, 21 Oct 2025 14:22:04 +0800</pubDate><description><![CDATA[PV操作解题四步法：1)分析进程间互斥与同步关系；2)设置信号量（互斥信号量初值1，同步信号量按资源数）；3)正确放置P/V操作（互斥成对包裹临界区，同步遵循&quot;前V后P&quot;）；4)检查互斥性、死锁和同步要求。典型应用包括生产者-消费者模型（注意P操作顺序）和读者-写者问题。核心技巧：先处理同步再处理互斥，保持信号量申请顺序一致避免死锁。]]></description><category></category></item><item><title><![CDATA[单缓冲区和双缓冲区花费时长]]></title><link>https://blog.youkuaiyun.com/modi000/article/details/153624269</link><guid>https://blog.youkuaiyun.com/modi000/article/details/153624269</guid><author>modi000</author><pubDate>Mon, 20 Oct 2025 11:22:04 +0800</pubDate><description><![CDATA[本文比较了单缓冲区和双缓冲区的性能差异。单缓冲模式下，I/O设备与CPU无法并行操作，总时间包括首次处理时间和后续等待时间，计算公式为T+M+C+(N-1)*(T+M)。双缓冲区允许部分并行操作，公式简化为T+M+C+(N-1)*T。文中通过具体示例（T=10μs,M=6μs,C=2μs）计算10个盘块处理时间，单缓冲需162μs。关键点在于识别并行性限制和公式适用场景（T≠C时）。]]></description><category></category></item><item><title><![CDATA[硬盘基本知识（磁头、磁道、扇区、柱面）]]></title><link>https://blog.youkuaiyun.com/modi000/article/details/153475395</link><guid>https://blog.youkuaiyun.com/modi000/article/details/153475395</guid><author>modi000</author><pubDate>Fri, 17 Oct 2025 18:07:26 +0800</pubDate><description><![CDATA[硬盘存储结构主要由盘片、磁头、磁道、扇区和柱面组成。盘片双面可读写，每个面对应一个磁头；磁道被划分为扇区（最小存储单元，通常512字节）；相同编号的磁道构成柱面。硬盘容量=磁头数×柱面数×每道扇区数×每扇区字节数。磁盘读取时间包括寻道时间、旋转延迟和传输时间，前两者是优化重点。操作系统通过虚拟块/簇（Windows称簇，Linux称块）作为最小逻辑单位，通常包含多个扇区，以提高寻址效率。内存操作则以页为最小单位，三者关系为：扇区≤块/簇≤页。]]></description><category></category></item><item><title><![CDATA[大模型剪枝和量化]]></title><link>https://blog.youkuaiyun.com/modi000/article/details/153269642</link><guid>https://blog.youkuaiyun.com/modi000/article/details/153269642</guid><author>modi000</author><pubDate>Tue, 14 Oct 2025 17:49:44 +0800</pubDate><description><![CDATA[本文用生动的&quot;知识胖子&quot;比喻解释了大模型优化的两种关键技术：剪枝和量化。剪枝好比给胖子&quot;抽脂&quot;，去除冗余神经元，使模型结构更轻巧；量化则是更换&quot;轻便装备&quot;，降低数值精度以提升速度。两种方法常结合使用，前者减少模型体积，后者提高计算效率，共同实现大模型在移动端的轻量化部署。]]></description><category></category></item></channel></rss>