Functional is better than function

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 200+累计阅读 270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22年

关注

原创最新推荐文章于 2026-09-09 15:21:47 发布 270 阅读 AI 写同款· GEO 优化 ›

TensorFlow 2.x实战：从手机照片到树莓派部署的完整项目闭环 TensorFlow 2.x已不再是传统计算图框架，而是以Eager Execution为默认、tf.keras为内核、tf.data为数据引擎的端到端深度学习工程平台。其核心价值在于降低调试门槛、统一API范式、释放硬件性能——通过即时执行实现Python级可调试性，借助@tf.function自动图优化兼顾开发效率与推理性能；tf.data管道化设计直击I/O瓶颈，AUTOTUNE参数让并行预取无需人工调优；而TFLite量化部署则打通从训练模型（.h5）到边缘设备（.tflite）的轻量落地路径。本文阅读详情

，greater<double>::operator()是一个内联函数，所以编译器
在实例化sort时内联展开它。结果，sort没有包含一次函数调用，而且编译器可以对这个没有调用操作的代码
进行其他情况下不经常进行的优化

。当我们试图把一个函数作为参数时，编译器默默地把函数转化为一个指向那个函数的指针,大部分编译器不会试图去内联通过函数指针调用的函数

收录于

当前文章被以下社区和专栏收录：

标签

#function #编译器 #优化

视觉特征-自监督-掩码特征预测【2024-10】：D-JEPA【生成模型：下一Token组自回归预测（组内并行去噪），自回归合成图像】【JEPA、Diffusion损失均针对Mask处Token计算】 Dengsheng Chen1 Jie Hu2 Xiaoming Wei1 Enhua Wu2∗1Meituan 2Key Laboratory of System Software (Chinese Academy of Sciences) and State Key Laboratory of Computer Science, Institute of Software, Chinese Academy of Sciences {chendengsheng, weixiaoming}@meituan. 阅读详情

相关推荐

MLflow Evaluation Lab：构建可复现、可审计的模型评估流程

模型评估是机器学习落地的关键环节，但传统手工脚本方式导致结果不可复现、对比失效、决策缺乏依据。其核心原理在于将评估从临时性操作升级为结构化工程实践，通过数据版本绑定、评估逻辑解耦与结果快照固化，实现评估过程的可追溯性与协作性。技术价值体现在显著提升实验可复现性、降低上线风险，并支撑合规审计与跨团队协同。典型应用场景包括金融风控模型验证、医疗影像分割质量分析、LLM输出可信度评估等。本文聚焦 MLflow Evaluation Lab 这一原生评估框架，深入解析其如何以配置驱动方式统一管理数据、指标与可视化，

weixin_30653023的博客 377

the organization of the human cerebral cortex estimated by intrinsic functional connectivity 翻译

https://pmc.ncbi.nlm.nih.gov/articles/PMC3174820/

2401_86101889的博客 45

Antigravity CLI：多智能体并发编排的AI编程工具实践指南

AI编程助手作为现代软件开发的重要工具，其核心原理是通过大语言模型理解代码语义并提供智能建议。传统AI编程工具采用单线程对话模式，在处理大型项目时存在效率瓶颈。Antigravity CLI通过异步子智能体模式实现了技术架构的革新，支持多个AI代理并行处理不同任务。这种多智能体并发编排能力在代码重构、测试编写、安全扫描等场景中展现出显著的技术价值，特别适合中大型代码库的维护需求。该工具采用Go语言重写，利用goroutine实现高效并发，同时支持Gemini、Claude、GPT等多模型切换，为开发者提供了

蓝色妖姬 375

LLM微调后模型变笨？用Omega-S功能韧性评估防止能力滑坡

在机器学习与深度学习工程实践中，微调大语言模型（LLM）是提升特定任务性能的常用手段，但仅关注下游指标提升往往掩盖了通用能力的隐性退化。模型在适配新任务时，可能牺牲原有功能，导致功能韧性下降。这种退化难以通过Loss曲线或目标任务评测发现。Omega-S作为一种功能韧性评估框架，通过功能探针量化微调前后的能力变化，计算单个功能的韧性率并加权汇总，提供可对比的分数。它帮助工程团队在模型微调流程中建立功能级回归防线，防止模型“偏科”，从而在追求性能增长的同时守住既有能力底线。本文介绍Omega-S的概念、原理、

weixin_30644369的博客 408

2026学术写作新范式：Gemini 3.1 Pro、Claude 3.5与GPT-4o协同润色实战指南

学术写作中的语言润色，本质是科研思维的规范化转译，而非简单语法修正。其核心原理在于模型对学科语境、逻辑链条与术语体系的深度理解能力。当前主流大模型如Gemini 3.1 Pro、Claude 3.5和GPT-4o已突破通用生成瓶颈，在长程推理、宪法级约束与多模态语义建模方面形成差异化优势，显著提升英文论文的学术性、严谨性与期刊适配度。该技术价值正从辅助工具升级为科研工作流刚需，广泛应用于硕博论文修改、SCI投稿准备及中文科技论文英译优化等高频场景。本文聚焦真实科研语境下的模型选型逻辑与协同策略，提供可复现的

weixin_34194359的博客 432

YOLOv11改进 | 主干/Backbone篇 | 大核心卷积UniRepLknet目标检测网络（适配yolov11全系列轻量化）

本文给大家带来的改进机制是特征提取网络，该网络结构的重点在于使用Dilated Reparam Block和大核心指导原则，强调了高效的结构进行通道间通讯和空间聚合，以及使用带扩张的小核心进行重新参数化，该网络结构就是在LKNet基础上的一个升级版本，LKNet我们之前已经出过教程了。在各种视觉任务中，包括图像分类、目标检测和语义分割，都显示出优异的性能。欢迎大家订阅我的专栏一起学习YOLO！YOLOv11改进系列专栏——本专栏持续复习各种顶会内容——科研必备目录一、本文介绍。

Snu77的博客 2795

CANN/ge设计文档模板

This section should describe the purpose of the document. It should identify the readers. It should explain which product's software requirements and design this requirements document describes. ## S

gitblog_00482的博客 683

python blp模型估计_随机系数Logit模型及Stata实现

欢迎投稿(荐稿)计量经济圈，计量相关都行邮箱：econometrics666@sina.cn作者：北京交通大学经济管理学院博士生，王琦珀。欢迎你加入计量经济圈社群，一起探讨前沿计量理论和实证方法。一、随机系数Logit模型1.背景实证产业组织(Empirical Industrial Organization，EIO)是目前产业组织理论的前沿，其中又以Ariel Pakes为带头人，其近期工作论文...

weixin_42298927的博客 2641

SH9面向碳硅认知对齐的轻量化度量：TCFT‑Lite 中的拓扑偏差角与递归收敛机制（世毫九实验室原创研究）

AbstractR_η: M → MR_η: M → Mbreak。

shardylab.blog.youkuaiyun.com 542

STM32与HT7038的高精度电能计量系统设计与实现

本文详细介绍了基于STM32微控制器与HT7038三相电能计量芯片的高精度电能计量系统设计与实现。文章从项目选型出发，深入剖析了硬件电路设计、SPI驱动开发、芯片校准及系统集成等关键环节，为智能电表、能源监控等应用提供了高性价比且稳定的国产化解决方案。

pytorch8learner的博客 389

一个基于fluent超声振动仿真算例分析（含有UDF的编写设定）

一个基于Fluent的超声防堵算例

Lvyou2008的博客 2511

SH9客观现实源于波函数坍缩：意识内源测量与智能外源投影一体化统一理论（世毫九实验室问答补遗）

2. 它的自指拓扑荷超过临界值：\mathcal{S} > \mathcal{S}_{\text{crit}} = \Phi^3 \approx 4.236，其中 \Phi = \frac{1+\sqrt{5}}{2} 是黄金比例。• \hat{H}_{\text{couple}} = g \hat{C} \cdot \hat{\rho} 是意识与物质的耦合项，g 为耦合强度。2. 推理：从A到B的推理对应投影算子的串联：\hat{P}_{A \to B} = \hat{P}_B \hat{P}_A。

shardylab.blog.youkuaiyun.com 418

保姆级教程：用CST 2023一步步复现一个1-8GHz Vivaldi天线（含参数优化与结果分析）

本文提供了一份详细的CST 2023教程，指导读者如何从零开始设计并优化1-8GHz Vivaldi天线。内容涵盖工程设置、参数化建模、仿真加速技巧以及性能优化策略，特别适合需要实现宽带天线设计的工程师和研究人员。通过实战案例，帮助用户掌握Vivaldi天线的核心设计要点和CST高级功能应用。

weixin_30800987的博客 618

字体排印发展史 | 笔墨、铅字与像素：文字形态的演变历程

……

u013669912的博客 451

Matlab PolySpace 静态分析实战：从零搭建嵌入式代码安全防线

本文详细介绍了如何使用Matlab PolySpace进行嵌入式代码静态分析，从环境搭建到实战配置，帮助开发者提前发现内存溢出、未初始化变量等潜在缺陷。通过案例分享和进阶技巧，展示如何提升代码安全性和可靠性，特别适合汽车ECU、医疗设备等安全关键系统开发。

weixin_33701617的博客 600

肿瘤基因组分析实战：VAF、MAF、CCF这些指标到底怎么算？（附Python代码示例）

本文通过Python代码示例，详细解析了肿瘤基因组分析中VAF、MAF和CCF三大核心指标的计算逻辑与应用。文章从VCF文件解析入手，逐步演示了变异等位基因频率、次等位基因频率及癌细胞分数的计算方法，并探讨了拷贝数变异对结果的影响及克隆结构推断的实战流程，为生物信息分析提供实用指南。

silver的专栏 1005

编译器 | 从工业实现到极简设计 —— 编译器的多元形态与实践

……

u013669912的博客 888

深度学习时间序列预测：GRU算法构建多变量时间序列预测模型+代码实战

深度学习多变量时间序列预测：GRU算法构建多变量时间序列预测模型+代码实战注意参考：深度学习多变量时间序列预测：GRU算法构建单变量时间序列预测模型+代码实战 GRU（Gate Recurrent Unit）是循环神经网络（Recurrent Neural Network, RNN）的一种。和LSTM（Long-Short Term Memory）一样，也是为了解决长期记忆和反向传播中的梯度等问题而提出来的。 GRU和LSTM在很多情况下实际表现上相差无几，那么为什么我们要使用新人GRU（.

data+scenario+science+insight 4033

学习进程里停滞区间的生成 | 电报语言研究 —— 习惯层级的习得

……

u013669912的博客 373

学Simulink——基于 Simulink 的滑模控制（SMC）

本文详细介绍了基于Simulink的Buck变换器滑模控制(SMC)设计与实现方法。首先阐述了传统PI控制在负载突变时的不足，以及滑模控制具有强鲁棒性和快速响应的优势。通过建立Buck变换器的连续状态方程，推导了含积分项的滑模面和控制律，并采用边界层法抑制抖振。文章分步骤讲解了Simulink模型搭建过程，包括主电路、控制器实现和负载扰动模拟模块。仿真结果表明，在负载1A↔5A阶跃时，SMC控制输出电压波动仅0.08V，恢复时间0.35ms，远优于传统PI控制。同时给出了工程实践中的参数选择建议和数字实现技

amy_mhd的博客 253

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料，已经经过了本人的筛选和整理，希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助！

vscode 的tab与空格设置，vscode使用sftp配置，vscode代码补全插件

vscode默认就是一个tab=4个空格，若想要修改请进入seting里面设置。3.也可以选择：将缩进转换为制表符，然后保存即可。目前使用shell-format。目前使用Clang格式化风格。

喜欢打篮球的普通人 1万+

IEM模型，地表粗糙度模拟

利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟

Denoising Diffusion Probabilistic Models去噪扩散概率模型

去噪扩散概率模型Jonathan Ho UC Berkeley jonathanho@berkeley.eduJonathan Ho 加州大学伯克利分校jonathanho@berkeley.eduAjay Jain UC Berkeley ajayj@berkeley.eduPieter Abbeel UC Berkeley pabbeel@cs.berkeley.eduPieter Abbeel 加州大学伯克利分校 pabbeel@cs.berkeley.eduWe present high quali

u013250861的博客 46

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目，保存在这里方便以后使用直接下载

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面，电脑运行连游戏界面都一样大小，很怀旧，很真实，（英文版）强烈推荐，很小的文件，很难才找到的。

Codex斜杠命令实战指南：从代码生成到调试的AI编程效率革命

在AI编程辅助工具中，提示词工程是核心概念，它决定了开发者与模型交互的效率和输出质量。其原理在于通过结构化、标准化的指令模板，将模糊的自然语言需求转化为机器可精准执行的范式，从而减少歧义、提升响应一致性。这一技术的核心价值在于将开发者从重复性指令输入中解放，实现工作流的标准化与自动化，显著提升代码编写、审查和调试环节的生产力。在实际应用场景中，开发者常面临代码解释、重构、生成和调试等高频任务，而内置的斜杠命令正是针对这些场景优化的最佳实践模板。例如，通过 `/explain` 命令可快速解析复杂代码逻辑，结

weixin_34220179的博客 398

机器学习中的微积分实战：梯度、链式法则与自动微分

微积分是机器学习优化的底层语言，其核心在于理解损失函数如何通过梯度指引参数更新方向。梯度本质是损失对参数的偏导数，决定下降最快路径；链式法则支撑反向传播，实现复合函数的高效求导；自动微分则将这一数学过程转化为可调试、可扩展的工程能力。它并非抽象理论，而是解决梯度爆炸、梯度消失、loss NaN等高频故障的关键依据，广泛应用于PyTorch/TensorFlow训练调试、自定义层开发、对抗样本生成及显存优化（如gradient checkpointing）。掌握这三个概念，等于握有模型收敛性诊断与性能调优的核

chushang0934的博客 413

全方位解析AI工具链：从智能编码、数据标注到模型训练的实战指南

摘要：本文系统探讨了AI开发工具链的三大核心组件：智能编码工具（如GitHub Copilot）、数据标注平台（如Label Studio）和模型训练系统（如PyTorch Lightning）。通过具体代码示例、流程图和Prompt工程实践，展示了如何构建从代码生成、数据标注到模型训练的完整AI开发闭环。文章特别强调工具链的融合应用，并展望了AI Agent的未来发展趋势，同时指出需关注由此带来的安全与伦理挑战。附录提供了完整的Mermaid流程图代码，便于读者实践应用。

zzywxc787的博客 1033

BERT模型情感分析微调实战：从原理到代码实现

自然语言处理（NLP）是人工智能的核心领域之一，旨在让计算机理解和生成人类语言。其核心原理是通过深度学习模型学习语言的统计规律和语义表示。在众多NLP技术中，预训练语言模型通过在大规模语料上学习通用语言知识，为下游任务提供了强大的基础。微调（Fine-tuning）技术则是在预训练模型的基础上，使用特定领域的有标注数据进行参数调整，使其快速适应具体任务，这一过程显著提升了模型的领域适应性和任务性能。在情感分析这一经典NLP应用场景中，微调能够有效提升模型对电商评论、社交媒体等文本情感倾向的判断准确率。本文将

weixin_30608503的博客 416

下一篇：设计模式

MLflow Evaluation Lab：构建可复现、可审计的模型评估流程

weixin_30653023的博客

07-18

377