- 博客(50)
- 收藏
- 关注
RSS订阅原创 物理内存组织与分配的核心概念
这些层级结构共同实现高效、灵活的内存管理，平衡性能、碎片控制和硬件兼容性。是描述物理内存组织与分配的核心概念。在 Linux 内核内存管理（尤其是。
2025-02-28 21:34:42
861
原创 应用中的 Crash 和 ANR
ANR 是指应用的主线程（UI 线程）在规定时间内未能完成用户操作或系统任务，导致应用被系统判定为无响应。开发者需分别针对代码健壮性（Crash）和主线程性能（ANR）进行优化，同时关注系统资源管理和异常处理的全面性，才能提升用户体验。应用因未处理的异常（如空指针、内存溢出）或系统强制终止（如 OOM）而突然退出，用户通常会看到“应用已停止”的提示。Crash 是由于应用在运行时发生了无法处理的异常或错误，导致程序异常终止。是两种常见的异常现象，它们在表现、触发机制和原因上既有区别，也存在潜在关联。
2025-02-17 10:29:39
666
原创 Slab分配器
slab 分配器是一种高效的小对象内存管理机制，而 slab 层则是基于 slab 分配器构建的抽象层，为内核提供了统一的小对象内存管理接口。它们共同协作，提高了内核内存分配和释放的效率，减少了内存碎片。Slab分配器通过预分配和缓存机制，显著提升了内核内存管理的效率。Slab中分配的最小内存单元，大小固定，由缓存类型决定。查看所有Slab缓存的详细信息（对象数量、内存占用等）。创建，包含对象的元数据（大小、对齐、构造函数等）。，划分为多个相同大小的对象（Object）。的对象（如进程描述符。
2025-02-07 14:05:07
672
原创 Linux内存相关
Linux内存管理通过分页、伙伴系统、Slab等机制平衡效率与碎片问题，但需结合场景规避常见陷阱（如泄漏、碎片、OOM）。理解NUMA、CMA、THP等特性，结合监控工具（freevmstat）和调优手段，可显著提升系统稳定性。
2025-02-06 20:08:53
571
原创 伙伴系统关键实现原理和机制
在内核中高效分配物理连续内存，是 Slab 等上层分配器的基石。其设计平衡了性能与碎片问题，但在极端场景仍需结合其他机制（如内存压缩、CMA）优化。是 Linux 内核中用于。的核心分配器，其核心目标是。）独立管理伙伴系统。
2025-02-06 20:03:19
744
原创 sed: 无法读取 modules.order: 没有那个文件或目录 Makefile:1311: recipe for target ‘_modinst_‘ failed make: *** [_m
这个错误提示表明在执行 sudo make modules_install 命令时，出现了无法读取 modules.order 文件的错误。可能是因为您之前没有成功编译内核，或者编译过程中出现了其他错误导致该文件没有生成。可以尝试重新编译内核并执行 sudo make modules_install 命令。如果编译和安装过程没有出现其他错误，那么您应该可以成功安装内核模块了。sed: 无法读取 modules.order: 没有那个文件或目录。
2024-01-14 20:27:01
3414
原创 QT笔记总结——知识点回顾（自用）
一、QT入门1.基础窗口类2.内存回收3.日志4.字符串类（1）构造函数（2）数据操作（3）子字符串查找和判断（4）遍历（5）查看字节数（6）类型转换（1）构造函数（2）数据操作（3）子字符串查找和判断（4）遍历（5）类型转换（6）字符串格式4.3 QByteArray和QString区别（1）包装基础数据类型（2）包装自定义数据类型4.5 点, 线, 尺寸, 矩形类4.6 日期和时间类（1）QDate类（2） QTime5.信号槽5.1 信号与槽5.2 标准信号槽的使用5.3 自定义信号槽的使用。
2023-10-05 16:42:05
735
原创 c++算法：数组（循环不变量原则）
给定一个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target ，写一个函数搜索 nums 中的 target，如果目标值存在返回下标，否则返回 -1。循环不变量原则：区间的定义一般为两种，左闭右闭即[left, right]，或者左闭右开即[left, right)示例: 输入: 3 输出: [ [ 1, 2, 3 ], [ 8, 9, 4 ], [ 7, 6, 5 ] ]给定一个正整数 n，生成一个包含 1 到 n^2 所有元素，且元素按顺时针顺序螺旋排列的正方形矩阵。
2023-08-12 22:05:26
337
原创 RuntimeError: CUDA error: out of memory解决方法
比如有0,1,2,3号GPU，CUDA_VISIBLE_DEVICES=2,3，则当前进程的可见GPU只有物理上的2、3号GPU，此时它们的编号也对应变成了0、1，即cuda:0对应2号GPU，cuda:1对应3号GPU。服务器的默认GPU显卡正在使用，需要使用GPU的另一个空闲的显卡；linux里查看GPU的显卡使用状态用代码。具体原因：使用CUDA_VISIBLE_DEVICES限制使用的GPU。我的是第二种情况，前一天可以运行的第二天不知道什么情况就报这个错误了。
2023-04-16 14:12:02
774
原创 【C++】为什么greater＜int＞是降序排列
来排序时，它会按照降序排列（即从大到小），因为它会将返回的bool值取反，导致大于号（>）变成小于号（
2023-04-09 20:45:01
1012
原创 AttributeError: module ‘lib‘ has no attribute ‘X509_V_FLAG_CB_ISSUER_CHECK‘
服务器出现错误
2023-04-07 15:22:41
7057
4
原创 c++什么时候使用new，调用构造函数
对象：可以调用成员函数，不可以调用构造函数。类里面用new实现多态, 有的时候解决类。构造函数调用，什么时候使用new。
2023-03-14 11:35:06
1167
原创 python知识点补充：维度问题（多维），如何判断几维
即在第一维度第一个元素上的第二维度元素有六个分别是[0,2],[1,2],[1,3],[1,4],[2,1],[3,2];第一维度第二个元素上的第二维度元素也有六个分别是[1,1],[2,2],[3,3],[4,4],[5,5],[6,6];因此对于一个numpy多维array，[:,:,:,:,…第一个元素是[[0,2],[1,2],[1,3],[1,4],[2,1],[3,2]]；第二个元素是[[1,1],[2,2],[3,3],[4,4],[5,5],[6,6]];,从后往前看就是，取出。
2022-10-19 09:54:38
2615
1
原创 Transformer代码简单实现2
由于在 Encoder 和 Decoder 中都需要进行 mask（和矩阵原大小一样，有问题的地方加负无穷） 操作，因此就无法确定这个函数的参数中 seq_len 的值，如果是在 Encoder 中调用的，seq_len 就等于 src_len；这里要做的是，通过 Q 和 K 计算出 scores，然后将 scores 和 V 相乘，得到每个单词的 context vector。不同batch之间句子长度可以不一样，但是每个batch的长度必须是一样的：因此出现一个问题，输入计算的，需要知道每个字的。
2022-09-27 11:01:25
1154
原创 Pycharm的使用-操作和快捷键
链接：https://www.cnblogs.com/nickchen121/p/16479536.html。
2022-09-20 22:01:27
402
原创 Day06代码练习：transformer的实现
博客配套视频链接: https://space.bilibili.com/383551518?spm_id_from=333.1007.0.0 b 站直接看。B站：去钓鱼的程序猿
2022-09-16 21:46:01
1052
原创 论文中出现的 cf. i.e. s.t. e.g. w.r.t. et al. etc等英文缩写是什么意思
例句：Inherently, the vision-only problem has six DoFs that are unobservable and need to be held fixed during optimization, i.e. the absolute pose.例句：Twb = (Rwb, Wp) is the pose of the body frame b w.r.t. the world frame w.源自拉丁文exempli gratia。
2022-09-11 16:52:02
2300
原创 数学建模MATLAB代码知识点集合
中，B矩阵的大小由MxN及A矩阵的内容决定，如果A是一个3x4x5的矩阵，有B = repmat(A,2,3)则最后的矩阵是6x12x5。说明：简单随机交叉验证，在n个样本中选择n*p个样本作为测试集（0
2022-09-11 16:48:03
834
原创 pytorch深度学习基础快速入门7：完整模型训练套路
因此在训练文件中要引入model（model和train文件一定要在一个文件夹下）-----------------测试数据集评估（不需要调优）加限制条件（避免无用信息）优化：tensorboard进行画图输出1,1（横着看）计算对应位置正确的个数：57：74：网络层中是否有特殊层顺序：6.具体实例网络模型加载网络模型预测最大结果：...
2022-06-27 21:27:27
1125
1
原创 pytorch深度学习基础快速入门6：现有网络模型的使用及修改、网络模型的保存与读取
false：网络架构替换，参数默认（没训练）true:（训练好的）如何利用现有网络进行修改：vgg分为100类–》10类：（1）加入层加到classifier中：（2）修改（1）（2）第二种方式更小恢复成网络模型（3）陷阱（方式1）保存：加载：应该确保网络模型是想要的模型（要重新引入class模型）—》其实是可以单独引入到model.load中(import)...
2022-06-27 20:24:23
658
原创 pytorch深度学习基础快速入门5：小实战、损失函数与反向传播、优化器
模型可视化详细：计算每个节点的参数，有了参数的梯度，就可以选取合适的优化器，以达到整体误差减小的作用。构造优化器调用优化器step方法（利用梯度进行更新）step利用grad对参数进行更新。（但是参数比较小，所以变化不会很大）循环往复，使得loss变小。该循环只是对数据进行一轮学习，因此在循环外再套一层循环：...
2022-06-25 20:50:24
274
原创 pytorch深度学习基础快速入门3：torchvison的使用+dataloader的使用
B站：小土堆+迅雷下载数据集datasetdataloader:加载器，从dataset中取
2022-06-24 19:56:35
259
原创 pytorch深度学习基础快速入门：卷积操作:卷积层、池化层、非线性激活、线性层
对应代码：二维矩阵**[[**尺寸只有高和宽，并不满足下面图片的参数（尺寸变换）接下来用卷积函数：变换数据input，想变换的大小：padding空白处为0
2022-06-22 20:57:28
352
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人