tugouxp的专栏

一、什么是智算中心的Scale-out网络和Scale-up网络数据中心网络总体上可分为两大类：通算网络和智算网络。通算网络主要用于支持传统的计算任务和应用，如企业的IT系统、网站托管、电子邮件服务等；而智算网络则专门用于支持人工智能(AI)和机器学习(ML)任务。这类网络需要更高的计算能力和更低的延迟，以处理大量的数据并执行复杂的计算任务。当前，主流的机器学习(ML)智算网络和通算网络在架构上有很大差异。通算网络通常只有一张网，而智算网络则可能包含两张网。如下图所示：PS：智算网络的scale-up网络看

叶落知秋，宿命论也可以找到科学理论作为依据，然而人生曲线可能更像是股票走势曲线，处处连续却处处不可导，在人生的每个点上，充满着不确定性，看不清趋势信息，而可以成功作出预测的曲线，似乎都能和圆PI，自然对数底数e扯上关系，玄而又玄。正如爱因斯坦所说：“数学之所以在物理学中有效，唯一合理的解释是数学是描述宇宙的语言。”泰勒公式正是这种语言中的一个精妙表达。

牛顿法的主要优点是，它在每次迭代中都收敛在的非常快，在实践中被证明比其他迭代方法更快，但是它也有缺点:1,就像例子中看到的，当函数具有多个局部零点时，算法的初始值可能导致收敛到错误的根。2.算法需要有解析式表达的导数计算方法。3.可能会发生根跳转，得不到预期的结果。4.在局部极值附近可能会发生振荡导致收敛变慢，无法跳脱。5.拐点可能导致算法实效。解方程是一种近似数学，虽然有的时候能够获得方程的解析式，但大多数的时候（5次及以上的普通方程）是没有解析式的，这个时候只能通过数值解法得到近似解。

0.重复代码是万恶之源，消除重复代码。1.软件开发的时候会持续面对两类问题，重构和新功能开发，保证这两个行为的互斥性，在功能开发的时候，不要重构，通过升级测试用例衡量你的功能开发进度。在重构的时候，只管改变程序结构，不要添加新的功能，并锁定你的测试用例，重构的结果是在相同的用例集上对齐之前的测试结论，而不是让测试结果变得更好（更好，说明代码原本存在不确定性因素）或者更差(说明重构导致回归了）。

静态分析是一种检查代码的方法，无需执行程序。它提供了一种机制，可以审查代码结构、控制流和数据流，检测潜在的可移植性和可维护性问题，计算适当的软件质量测度。

Regression Test（回归测试） 是软件测试中的一种测试类型，主要用于验证对软件代码的修改（如修复缺陷、新增功能或优化代码）没有破坏原有的功能。简而言之，它的核心目的是确保“新改动不会导致旧功能出问题”。例如：修复了“用户登录”功能的 Bug，却导致“注册”功能无法正常使用。当开发人员修改代码时，可能会无意中引入新的错误（比如影响其他模块的逻辑）。：确认修复的 Bug 没有复发，且未影响其他功能。：优化代码结构时，需验证原有逻辑是否正常。：如升级系统依赖库或更换硬件时。：确保新功能与旧功能兼容。

元宇宙是近年来一个热门概念，作为一个概念，元宇宙却并不合格，因为作为成为几个成为概念的基本要素，元宇宙的内涵和外延，热门还并不清楚。元宇宙究竟是什么，目前还没有定论。

基本原理：两个整数的最大公约数等于，其中较小的数和两数的差的最大公约数。个人解析：若A、B有最大公约数K（A > B)，则，A、B、（A - B）、A mod B（A / B的余数），都是K的倍数。即余数（A - B）和 B 的最大公公约数也是 K。由此递归，可知当 A mod B = 0，即 A 是 B 的倍数时，此时，B 即为 K。实际上，存在如下定理：两数最大公约数与最小公倍数的积等于两数之积，用公式表示就是：当时最大公因数*最小公倍数=pq。

一根木棒随即折成三段，中间一段最长的概率是多少？

聪明的朋友是不是很快归纳出规律了？10只老鼠，最多可以试1024瓶，那1000瓶当然可以试出来了。推理到这一步，对大部分人来说，已经足够了。尤其对小学生而言，能进行这样的推理已是相当不错了，是佼佼者了三、深入探究我们继续探究，尝试用定理或公式来推导验证，使结论在逻辑上更加严谨。首先回顾前面的过程！回到3只老鼠的方法图根据公式如果再增加1瓶，这1瓶，给1只老鼠、2只老鼠、3只老鼠试药，都会出现和原来重复的组合，导致无法区分。因此不能再增加。因此8瓶是最大的。依照这个方法再计算10只老鼠:.........

１．hanno塔问题的递归分形图案,数的层数等于汉诺塔问题的层数．hanno塔的操作次数公式为n为层数。

照相机的发明满足了人们记录生活的需求，为了用光影记录下最美丽的事物，越来越多的消费电子产品集成了拍照功能，例如手机。对于某些产品来讲，拍照是核心的功能，这类产品包括安防IPC, 数码相机等等。在使用这些产品时，最好的拍摄角度是面对镜头抓拍正面人脸。但是对于实际应用场景中快速运动的人体场景来说，高质量的人脸抓拍依赖于人脸检测和人脸打分评价两项技术。随着当前AI技术的快速发展，人脸检测的准确率已经达到了非常高的精度，并且可以基于人脸检测算法同时得到人脸位置和五官坐标信息。这里介绍一种低成本的正面人脸评价算法，基

LAC全称Lexical Analysis of Chinese，是百度自然语言处理部研发的一款联合的词法分析工具，实现中文分词、词性标注、专名识别等功能。该工具具有以下特点与优势：效果好：通过深度学习模型联合学习分词、词性标注、专名识别任务，词语重要性，整体效果F1值超过0.91，词性标注F1值超过0.94，专名识别F1值超过0.85，效果业内领先。 效率高：精简模型参数，结合Paddle预测库的性能优化，CPU单线程性能达800QPS，效率业内领先。 可定制：实现简单可控的干预机制，精准匹配用户

相信如果有人让你举个例子说明几何之美，我想就是它了：结束~！

Introduction Browsers are the killer applications that many network device manufacturers need to embed in their products.More and more terminal devicespresentstheir contents by web-based applications, benfits from the technology, users can easi...

涂鸦的技术模式结束

fushia基于内核zicron,而zicron又是基于高通的LK(little kernel)项目，LK项目地址在：GitHub - littlekernel/lk: LK embedded kernelfushia(zicron)项目文档,代码地址：https://fuchsia.dev/fuchsia-src/concepts/kernel/zx_and_lkhttps://fuchsia.googlesource.com/fuchsia/+/refs/heads/main/zir

安装gtkwave,iverilog:获取源码：https://gitee.com/tugouxp/hardware-lab.git结束

尺规作图是用圆规和没有刻度的直尺在有限的步骤中作出平面图形。建立直线与直线，直线与圆，圆与圆的联立方程组，求出交点的坐标，就能理解什么是规矩数了，直线方程是一次式，圆方程是2次式子，不管做的图多么复杂，总归是圆和直线，各类交点的长度，坐标都可以通过解最多不超过2次的方程表示，解这些2次方程，最多当然只能得到开二次方的数，不管多少层开方，总归是有限的二次方开方，都可以做。说了这么多，最后的结论用通俗的表达就是，能够用尺规作图的长度为K的线段的充分必要条件是，当且仅当K可由1进行加减乘除以及有限次开平方。

给儿子买了一套数字华容道的棋盘，结果毫不意外地成了我打发时间的工具，玩儿多了后就有了一些心得，结合网上的资料，总结如下图所示。这是一个NPC问题，目前还没有通用解法。更深刻的数学原理涉及到群论了，群论在大学数学里面有着完全不一样的画风，没有深入学习过。以三阶为例，可以验证，每个复原步骤均满足上述条件：共计48步，这个步数必定是个偶数，因为黑框从最后一个位置再回到最后的位置，必定为偶数，根据群的基本理论，所以必须保证初始状态的逆序数也为偶数。

媒体上经常会出现一些字符表示的图片，这段ASCII字符是用来形容每个像素点的颜色深浅，从视觉效果(灰度)来看，字符的越复杂越能形容深色，我们只需要获得一张图并将这张图转化为灰度图，然后遍历其中的像素点的灰度值，并根据灰度值转化为相应的ASCII字符，最后存入一个txt文件中即可。代码如下：# -*- coding: utf-8 -*-from PIL import ImagecodeLib = '''@B%8&WM#*oahkbdpqwmZO0QLCJUYXzcvunxrjft/\|

前面有篇文件介绍过使用DCT（离散余弦）变换进行图像处理的例子：Matlab一探DCT/IDCT变换在图像压缩中的应用_tugouxp的专栏-优快云博客绝大多数图像都有一个共同特征，平坦区域和内容缓慢变化的区域占据一幅图像的大部分，而细节区域和内容突变区域则占小部分。也可以说，图像中直流和低频区占大部分，高频区占小部分，zhe'yang...https://blog.youkuaiyun.com/tugouxp/article/details/117585190这里介绍用离散傅立叶变换进行图像处理的代码演示。

此时如果将仓库A推送到GITHUB（包括A的原始分支和后来创建的跟踪三方分支的本地分支），之后新建一个目录将仓库A拉下来，你会发现仓库A有两个分支，一个是仓库A的原始分支，另一个则是前面推送上去的跟踪三方仓库的本地分支，所以看上去，建立仓库A时候的原始本地分支并没有特殊性，后来引入的三方仓库的分支和仓库A的原始分支有同样的地位。虽然本地分支可以关联某个远程分支，但是本地分支并不属于某个远程仓库，而是属于默认的本地仓库，所以命令中upstream修饰的是feature2, feature1是本地仓库的分支。

代码： 1 #include <stdio.h> 2 #include <stdlib.h> 3 4

1.东芝TF卡2.notac TF卡3.sandisk 32G TF card.4.SanDisk 16G TF card结束！

很吓人的一张图，全部具备的绝非凡人了。虽然看似比较全面，但当下比较火的技术，比如AI等未包括在内，可能作者的眼光比较传统，图中有一部分对当下新入行的新新人类来说，是已经快要失传的老股东了，很少人再去关注。摆在这里，查漏补缺，自勉，共勉！结束！...

注：多元函数的偏导数在一点连续是指， 偏导数在该点的某个邻域内存在，于是偏导数在这个邻域内有定义，而且这个偏导函数在该点连续。理解这一点，才能理解后面的充分条件。为什么函数在原点可导不可微?先看一下函数图形，能看出什么特征:确实比较怪诞.而证明中极限不存在的，我们也看一下它的图形：极限不存在是显然的，因为沿着不同的y=kx接近原点，和z轴的交点是不同的。基于以上两点，推导出了，此函数可导但是不可微，因为再原点不存在高阶无穷小。为什么

全志D1 Melis系统整体架构如下图，稍后会写一些关于移植细节的文档。

下载，编译，排错，再编译，再排错，编译PASS，一顿操作之后，dhrystone成功被移植到某款Cortex-A7平台，主频跑1.2G HZ的情况下，结果如下：

【代码】FFmpeg新版本支持的硬件解码。

Linux内核支持受限的NEON加速，并且不能使用硬浮点编译，这一点上RTOS系统更加灵活，它不但可以全系统使用NEON SIMD单元，而且还可以全系统thumb编译，在一些要求快启动的场合，非常有帮助。Melis中的做法：全系统SIMD加速：开启flag:ARCH_VFPUSED := -mfpu=neon-vfpv4 -mtune=cortex-a7 -march=armv7ve-mcpu=cortex-a7 -mfloat-abi=hard-mfpu=neon-vfpv4 enab..

1.下载官方源码mkdir openwrtcd openwrtgit clone https://github.com/openwrt/openwrt.git'2.更新源码cd openwrt./scripts/feeds update -a./scripts/feeds install -a3.测试编译环境make defconfig5.自定义配置下面LuCI=》Modules=》Translations=》选择语言Chinese；

Dolby-AC3是需要Licence的，但是FFMPEG却有解码源代码，并且可以解码成功，不知道是不是这个license只限制在产品中征收版税，而不限制开源或者研发为目的的使用。FFMPEG中Dolby解码框架解读：解码接口有三个，分别是init/decode/end，实现在ac3dec.c中，但ac3dec.c本身部直接参与编译，而是以头文件的形式被包含在ac3dec_float.c/ac3dec_fixed.c文件中，参与编译的是后者。注册codec.其中，EA

本文假设已经按照在Ubuntu18.04上从源码构建Gstreamer搭建GST源码环境。Step1:验证环境：export FFMPEG运行环境：export LD_LIBRARY_PATH=/usr/local/ffmpeg/lib:$LD_LIBRARY_PATH播放视频片源：gst-play-1.0 /media/caozilong/B0509F8C509F5844/The.Godfather.Part2.Blu-ray.720p.x264.DD51-HiS@MySiLU.m

1.apt-get安装apt-get install libgstreamer1.0-0 gstreamer1.0-plugins-base gstreamer1.0-plugins-good gstreamer1.0-plugins-bad gstreamer1.0-plugins-ugly gstreamer1.0-libav gstreamer1.0-doc gstreamer1.0-tools gstreamer1.0-x gstreamer1.0-alsa gstreamer1.0-gl g

1.amazon AVS (alex voice service)架构

源码：https://git.trustedfirmware.org/TF-M/trusted-firmware-m.git/IoT高速发展的今天，大量的IoT设备使用了Arm M-profile为核心的芯片。我们会接触到越来越多的IoT设备，一个问题油然而生：数量如此巨大的IoT设备的安全性如何？目前针对IoT安全的技术和标准可谓千姿百态，除了必要的硬件安全技术，与之配套的安全软件也是必不可少的一部分。今天我们要介绍的是基于Arm M-profile的可信固件Trusted Firmware -

之所以想记录一下简谐震动，是因为最近在看拉普拉斯变换，发现简谐震动和正弦有关系，正弦和傅里叶级数有关，傅里叶级数直接导出傅里叶变换，而傅里叶变换是拉普拉斯变换的一种特殊形式，所以从简单的简谐运动开始分析，记录一下学习的足迹．简谐运动，又称为简谐震动，谐震，SHM(simple Harmonic motion), 即是最简单也最基本的一种机械震动，当某物体进行简谐运动时，物体所受到的力跟位移成正比，并且力总是指向平衡位置．如果用表示物体收到的回复力，用表示物体对于平衡位置的位移，根据胡克定律，正比于,

结束

如果一个以为周期的函数在上满足狄利克雷条件，即:1.除去有限个第一类间断点外，处处连续2.分段单调，单调区间的个数有限则的fourier级数表示为：在上处处收敛，且在的连续点处收敛于, 其中，为基波频率。对上式两边求积分：所以:对于所以:所以：综上：在电子通信领域，常常利用欧拉公式：所以：令：得到fourier级数的复指数形式：从公式中看出，时域信号可以看成是复指数周期基波信号以及其倍频信号：的线性组合。