收藏 / 列表

da_miao_zi 頭像

da_miao_zi - 從負數絕對值的計算來看Ruby的一個“奇葩”行為

計算一個數的絕對值是非常基礎的操作，幾乎所有主流的編程語言都內置了相應的函數或方法。 在 PHP、Python、SQL 等語言中，直接調用 abs() 函數即可，例如 abs(-1)。到了 Java、C# 這類面向對象的語言中，abs() 通常是 Math 類的靜態方法，調用時要加上前綴 Math.，即 Math.abs(-1)。 Go 語言就要稍微麻煩一點了，因為 math 包中的 Abs()

Kotlin , 優先級 , rust , ruby , 編譯原理

yudinghou 頭像

禹鼎侯 - 一文説透IO多路複用select/poll/epoll

概述 如果我們要開發一個高併發的TCP程序。常規的做法是：多進程或者多線程。即：使用其中一個線程或者進程去監聽有沒有客户端連接上來，一旦有新客户端連接，就新開一個線程(進程)，將其扔到線程（或進程）中去處理具體的讀寫操作等業務邏輯，主線程（進程）繼續等待，監聽其他的客户端。 這樣操作往往存在很大的弊端。首先是浪費資源，要知道，單個進程的最大虛擬內存是4G，單個線程的虛擬內存也有將近8

socket , select , io , poll , epoll

lizhuo6 頭像

oioihoii - 現代C++：一場靜默的革命，告別“C with Classes”

如果你對C++的印象還停留在複雜的指針操作、令人頭疼的內存管理和new/delete的泥潭中，那麼是時候更新你的認知了。今天的C++已經經歷了一場深刻的“現代化”革命，它變得更安全、更高效、更優雅。 一、 “現在C++”指什麼？ “現在C++”通常指的是C++11及之後的標準（C++14, C++17, C++20, C++23...）。這是一個重要的分水嶺。 C++

新特性 , 內存管理 , c++ , 後端開發 , c , 移動語義

lengxi_16 頭像

ERP老兵_冷溪虎山 - Python/JS/Go/Java同步學習(第二十二篇)四語言“列表刪改查|淺深拷貝“對照表

🤝 免罵聲明： 本文列表刪改查|淺深拷貝基礎操作經本蜀黎實戰整理，旨在提供快速參考指南📝 因各語言版本迭代及不同系統環境差異，偶爾可能出現整理不全面之處，實屬正常✅ 歡迎理性交流補充，噴子勿噴——畢竟你行你上來寫，我敬你是條漢子,告訴我的你原文鏈接,我給你一鍵三連+轉發👍！ 若遇具體問題，請帶圖評論區留言，本蜀黎必拔碼相助🤝 ⚠️【開篇警示·數據

node.js , JAVA , go , Javascript , Python

monkeynik 頭像

用户bPbzEjV - C語言中的面向切面編程(AOP)

概念 首先給出一段由ChatGPT給出的簡短的AOP概念： AOP是一種編程方法，用來將在程序中多處重複出現的代碼（比如日誌、權限控制）從主要業務邏輯中抽取出來，提高代碼的模塊化和可維護性。 抽取後的代碼會在原始的業務邏輯代碼中特定的位置執行，這些位置由切點（Pointcut）定義。通常會在方法執行前、執行後、拋出異常時等特定點執行抽取出的代碼，這些點被稱為連接點（Join Point）。

設計模式 , 嵌入式linux , linux編程 , 程序員 , c

u_16747707 頭像

自由的瘋 - 《分佈式 + 國產數據庫 + Docker：技術選型避坑指南》（十）

一、為什麼必須用 Docker Compose？手動啓動多容器的 “四宗罪” 1. 手動操作的痛點（開發 / 測試環境高頻踩坑） 命令繁瑣：啓動 5 個服務需執行docker run5 次，每次需配置端口映射、環境變量、數據卷，複製粘貼易出錯； 依賴混亂：若先啓用户服務再啓 Nacos，用户服務會因連接 Nacos 失敗反覆重啓； 數據丟失：

yyds乾貨盤點 , jar , 數據 , 後端開發 , JAVA , Docker

dancing_pierre 頭像

土豆 - [C語言]使用指針找出二維數組中最大的值

1、題目 現有如下二維數組，請找出其中最大的數。 要求： 1、不在子函數中輸出。 2、不能修改指定的子函數int GetMax(int* p, int m, int n) 示例： 輸入：1 2 9 4 9 8 輸出：max=9 2、完整代碼 2.1 C語言版本 #include stdio.h #define N 10 int GetMax(int* p, int m,

c++ , 指針 , c

chengshudeyuechi_ewr3r2 頭像

哈哈哼嘿 - C語言：位運算、分支、循環

位運算、分支、循環 一、基礎語法 1.1 位運算符 運算符 術語 示例 結果 按位與 011 101 2個都為1才為1，結果為001 \ 按位或 011 \ 101 有1個為1就為1，結果為111 ^ 按位異或 011 ^ 101 不同的為1，

教程 , 知識 , c# , c

u_16985197 頭像

Plume岣七 - [Linux]探索進程的奧秘：從硬件到軟件的全面解析

在計算機科學中，進程是一個至關重要的概念。它是操作系統中最基本的執行單元，也是實現併發和多任務處理的關鍵。《操作系統概念》一書中提到："進程是正在執行的程序，是程序執行過程中的一次指令、數據的集合，也可以叫做程序的一次執行過程。"然而，要真正理解進程，需要我們跨越硬件和軟件開始，深入探索期底層原理和工作機制。 一.硬件：馮諾依曼體系結構 1.核心框架 馮諾依曼體

進程概念 , 馮諾依曼體系結構 , 優先級 , 操作系統 , 狀態 , c++ , 後端開發 , c

u_16492406 頭像

mb65950ac695995 - 十六、插幀質量評估：客觀指標與主觀體驗

評估插幀需要客觀與主觀結合。客觀指標包括： 結構相似度（SSIM）、峯值信噪比（PSNR）：度量與“真實中間幀”的接近程度（離線評估）。 光流一致性與遮擋錯誤率：檢測運動估計質量。 邊緣保真度、細節保持率：衡量清晰度。 主觀評估關注：運動平滑度、拖影感、閃爍、響應延遲、文字與 HUD 可讀性。不同類型遊戲的容忍度不同：敍事類可接受更高

光流 , 相似度 , c++ , 後端開發 , 運動估計 , c

u_16492348 頭像

wx65950818d835e - 18: 超分中的自適應卷積方法

引言 卷積神經網絡（CNN）中的卷積操作是圖像處理的基礎。標準的卷積操作使用固定的卷積核來處理圖像，但對於圖像超分任務而言，固定卷積核可能無法很好地處理不同圖像的細節和特徵。自適應卷積方法通過動態調整卷積核的權重，使得網絡能夠根據輸入圖像的特徵進行自適應卷積，從而提高超分圖像的質量。本文將探討自適應卷積在超分中的應用。 自適應卷積的基本原理 自適應卷積通過引入可

自適應 , 卷積 , 卷積核 , c++ , 後端開發 , c