var long_l : uint;
long_b = ba.readInt();
long_l = ba.readUnsignedInt();
toNumber:
var Double : Number = Number (long_b) * (1<<32) + long_l ;
Number 是 52位 浮点计数 值域比long大 但精度没long大
墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
1.2k累计阅读
1.3k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年,写一次发全网
我也要 →
码龄18年
CPU原生运行Gemma-4-E2B:INT4量化与AVX-512优化实战指南
大语言模型(LLM)推理正从GPU云端向边缘终端下沉,CPU原生推理成为隐私敏感、离线可用、国产化适配的关键路径。其核心原理在于通过模型量化(如INT4)、指令集加速(AVX-512)、内存带宽协同与缓存友好架构设计,在无GPU、无网络依赖条件下实现低延迟交互。技术价值体现在数据本地化、部署轻量性与硬件兼容性上,广泛应用于政务终端、工业网关、法律文书筛查及本地知识库问答等场景。本文聚焦Gemma-4-E2B这一2.1B参数量级模型,深入解析其在x86_64 CPU上的INT4量化策略与AVX-512优化实践
AS3 读写 C++ 64位数字
为框架添加了一套新的与C++通讯的数据协议,其中和C++的大爷们对于他们的64位数字(unsigned long long)读写的问题纠结了很久。真心觉得“学好C++走遍天下都不怕啊” AS里Number最大支持53整数位,所以AS里面是没有办法表示超过53位的整数的,所以这里的读写64数字只是在数字大小不超过53位的情况下可用。 从字节流读出64数字: 1 2 ...
LLAMA.CPP Windows编译笔记:CUDA架构、投机解码与Qwen3嵌入模型适配
llama.cpp 是一个轻量级、高性能的 LLM 推理引擎,其核心价值在于对底层硬件(如 GPU 架构、CUDA 版本、内存布局)的直接控制。理解其编译原理,是实现显存加速、量化支持与高级推理特性(如投机解码)的前提。技术本质是将 C++ 源码通过 CMake 工具链,结合目标平台的编译器(如 MSVC)、GPU 计算能力(如 Ada Lovelace 的 8.9 架构)和运行时库(如 CUDA Toolkit 12.4),生成具备原生硬件亲和力的可执行文件与动态库。这一过程直接影响模型加载兼容性(如 Q
C++中使用yaml-cpp解析YAML文件的完整指南
YAML作为一种人类友好的数据序列化标准,在配置文件、数据交换等场景广泛应用。其核心原理是通过缩进和符号表示数据结构,相比JSON具有更好的可读性。在C++生态中,yaml-cpp作为最成熟的YAML处理库,提供了跨平台支持、STL兼容API和高性能解析能力。通过CMake构建系统,开发者可以快速集成到各类项目中,特别适合需要处理复杂配置的服务器程序、游戏引擎等场景。本文以yaml-cpp为例,详解从编译安装、基础操作到工程化集成的完整技术方案,包含动态库编译、异常处理等实践技巧,并展示如何利用其高性能特性
深入解析Cpp2IL:破解IL2CPP逆向工程的核心原理与实战应用
在Unity游戏开发与移动应用安全领域,代码编译与反编译是核心技术环节。IL2CPP作为Unity引擎将C#中间语言转换为C++原生代码的编译后端,通过生成高度优化的机器码,显著提升了应用性能与跨平台一致性,但也增加了代码分析的难度。其核心价值在于平衡开发效率与运行时性能,广泛应用于高性能手游、跨平台应用等场景。为了穿透这层‘IL2CPP墙’,逆向工程领域涌现了Cpp2IL等工具链,它通过解析global-metadata.dat元数据文件与libil2cpp.so原生库,重建程序集视图并尝试恢复IL代码逻
本地部署Whisper.cpp+Llama.cpp+ElevenLabs实现GPT-4o级语音交互
语音助手系统的核心在于低延迟端到端链路:ASR(自动语音识别)将声音转为文本,LLM(大语言模型)理解并生成响应,TTS(文本转语音)还原为自然语音。Whisper.cpp凭借纯C实现与流式处理能力,显著降低ASR延迟;Llama.cpp通过GGUF量化、分层卸载与token级控制,支撑实时对话所需的动态采样与上下文管理;ElevenLabs则以高质量云端TTS弥补本地方案在音色自然度与韵律建模上的短板。三者协同构建出兼顾响应速度(1.8~2.6秒)、隐私安全与中文可用性的混合架构,适用于教育、医疗、金融等
C++对接ClickHouse实战:clickhouse-cpp核心问题与性能优化指南
在构建高性能数据应用时,C++客户端与数据库的稳定对接是关键环节。其核心原理在于通过高效的网络通信和序列化机制,实现数据的快速写入与查询。clickhouse-cpp作为官方推荐的C++客户端库,其技术价值在于提供了原生的高性能接口,能充分发挥ClickHouse的列式存储和向量化执行引擎优势,尤其适合大数据量的实时分析与流式处理场景。然而,在实际工程实践中,开发者常会遇到连接配置、批量插入、复杂数据类型处理以及内存管理等典型问题。本文聚焦于这些高频痛点,结合连接池管理与错误重试等热词,深入剖析clickh
Unity逆向工程利器:Cpp2IL原理、实战与高级应用全解析
在软件逆向工程领域,理解编译后的程序逻辑是关键挑战。AOT(Ahead-Of-Time)编译技术将托管代码(如C#/.NET IL)转换为原生机器码以提升性能,但这也使得传统的基于中间语言的分析方法失效。其核心原理在于通过静态编译,消除即时编译开销,直接生成平台相关的二进制文件。这一技术为高性能应用和游戏(如Unity的IL2CPP方案)带来了显著优势,但也增加了安全分析和逻辑理解的难度。为此,逆向工程领域发展出了针对性的二进制分析工具,通过解析元数据和机器码模式,重建高级逻辑表示。Cpp2IL正是这一方向
六. 部署分类器-int8-calibration
六. 部署分类器-int8-calibration
1.9 C++踩坑排雷手册——位字段不可移植:内存布局由 ABI 决定
位字段的内存布局(字段排列顺序、跨字节/跨字边界行为、对齐方式)完全由 ABI(Application Binary Interface,应用程序二进制接口,定义了类型布局、函数调用约定等底层规范)决定,C++ 标准对此几乎不做约束。常见差异包括:1) 位字段从 LSB(最低有效位)还是 MSB(最高有效位)开始填充(小端 vs 大端相关);2) 字段是否可以跨存储单元边界(如跨字节、跨 uint32_t);3) 未命名位字段的对齐行为;4) 基础类型的选择对布局的影响(int vs unsigned in
利用Tensorrt实现int8量化
int8量化是利用int8乘法替换float32乘法实现性能加速的一种方法1.对于常规的模型有:y=kx+b,此时x,k,b都是float32,对于kx的计算使用float32的乘法2.对于int8模型有:y=tofp32(toint8(k)toint8(x))+b,其中int8int8结果为int 163 因此int8模型解决的问题是如何将float32合理转换为int8(合理的方法包括:KL散度,重新训练等),使得精度损失最小。
llama.cpp Android移植实战:端侧大模型推理工程化指南
端侧大模型推理是移动AI落地的核心能力,其本质是将轻量化LLM(如Qwen2、Phi-3)在资源受限的Android设备上实现低延迟、高稳定性的本地运行。技术原理涉及C/C++推理引擎(llama.cpp)与Android NDK工具链的深度适配,关键在于ARM64指令集支持、JNI线程安全调用、量化模型(GGUF/Q4_K_M)内存布局优化及沙箱权限绕行。该能力显著提升隐私性、离线可用性与响应实时性,广泛应用于本地聊天助手、智能硬件嵌入式AI、教育类App离线问答等场景。本文聚焦llama.cpp在And
3.1 C++实战100例——`i = i++`:同一变量相邻序列点多次写,UB
i = i++ 是 C++ 标准明确标注的未定义行为(UB),核心违反规则是:在同一序列点(sequence point,C++17 后表述为"同一标量对象的两次副作用之间未被求值顺序分隔")内对同一变量 i 同时执行了赋值(写)和后置自增(写)两个副作用,且二者之间无求值顺序约束。
C++ 遍历托盘图标
大概意思就是获取它们的各种信息 ????代码: // Test_Console_3.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。 // #include <iostream> #inc...
1.6 C++踩坑排雷手册——未初始化内置类型读取:未定义行为
未初始化的内置类型变量(如 `int`、`float`、`bool` 等)没有确定的初值,读取它们的行为是 C++ 标准明确规定的未定义行为。编译器不会给局部栈变量自动赋零——它的初值就是栈帧上该位置在分配前的残留字节内容(取决于之前的函数调用在该栈位置留下的数据)。更严重的是,在 `-O2` 优化下,编译器可能基于"变量已被初始化"的假定做路径分析,如果发现存在未初始化读取路径,可能将整个分支优化为恒真、恒假,甚至删除后续代码,导致难以追踪的运行时异常。验证方法:用 `-O0` 和 `-O2` 分别编译运
3.5 C++实战100例——有符号与无符号混用比较:符号提升陷阱
本文通过汇编对比 cmp 与 cmpu 指令差异证明转换规则,并给出 -Wsign-compare 拦截命令和 __builtin_add_overflow 安全算术检测。
【C++】 nlohmann json
C++ JSON 库 nlohmann: json 使用简介
C语言 函数
一、什么是函数 二、函数的相关语法 三、函数编码规范
RuntimeError: Could not infer dtype of numpy.int64
本文简要介绍了一个pytorch因为版本冲突导致的DLL能力崩溃的问题以及解决办法。
医疗 java 实战:2.HIS(医院信息系统)对接
HIS(医院信息系统)是医疗机构的核心管理系统,负责患者的挂号、医嘱、收费、病历管理等核心业务。为了与其他系统(如 LIS、PACS、EMR、医保系统)实现数据互通,HIS 需要进行多种方式的对接。:HIS 需要确保与 LIS、PACS、EMR 之间的数据实时同步,避免数据丢失或延迟。:医生在 HIS 开医嘱后,检验信息需要同步到 LIS,LIS 处理检验后返回结果。:HIS 与 LIS、PACS、EMR 交互患者信息、医嘱、检验报告。:HL7 V2.x 消息(ADT、ORM、ORU 等)。
最小二乘(MLS)求点云法向量
MLS算法的基本思想是通过在点云的局部邻域内拟合一个光滑曲面,如平面或多项式曲面,以此来重建和处理点云数据。对于法向量估计,MLS通常在每个点的邻域内拟合局部平面,然后从该平面的法向量作为点的法向量。
1891
3289

被折叠的 条评论
为什么被折叠?



