收藏 / 列表

kedixa 頭像

kedixa - Coke（三）：使用HttpClient的更多功能

Coke項目Github主頁。 上一篇文章通過幾個示例介紹瞭如何使用Coke便捷地發起Http請求，本文延續上一個話題，將coke::HttpClient的功能詳細地介紹一下。 在C++ Workflow中，Http任務通常通過工廠函數創建，並且可以指定重試次數等參數。而在Coke中可以通過coke::HttpClient來創建Http任務。首先介紹一下與任務相關的參數 struct HttpCl

c++20 , 協程 , c++

u_16492406 頭像

mb65950ac695995 - 十一、物理系統與插幀：顯示層插值避免破壞仿真

物理引擎通常在固定步長計算。若直接以當前物理狀態渲染，幀率不穩定時會出現卡頓。顯示層插幀通過在兩次物理步之間插值位置與旋轉，獲得平滑視覺，同時保留物理精度。關鍵原則是插幀隻影響渲染，不修改物理狀態或碰撞檢測。 對於基於約束的系統（布料、繩索、軟體），插值需謹慎：簡單線性插值可能破壞物理一致性。可採用次級模擬或姿態外推減少誤差，或者僅對外觀網格插值（與物理代理分離）。在高速運

碰撞檢測 , c++ , 後端開發 , 物理引擎 , 插值 , c

u_16492348 頭像

wx65950818d835e - 14: 基於卷積神經網絡（CNN）的超分算法

引言 卷積神經網絡（CNN）是深度學習中最成功的模型之一，廣泛應用於圖像分類、物體檢測等任務。隨着深度學習技術的發展，CNN在圖像超分辨率（SR）領域也取得了顯著進展。基於CNN的超分算法利用深度卷積網絡從低分辨率圖像中提取特徵，並通過層層卷積和反捲積層重建高分辨率圖像。本文將探討基於CNN的超分算法的原理、優勢和挑戰。 CNN在超分中的基本原理 CNN通過多層

卷積 , 圖像重建 , c++ , 後端開發 , 深度學習 , c

bug1412 頭像

1412 - C++高併發異步定時器的實現

各位開發者好，久違的Workflow架構系列追更了～ 在C++高併發場景，定時功能的實現有三大難題：高效、精準、原子性。 除了定時任務隨時可能到期、而進程隨時可能要退出之外，最近Workflow甚至為定時任務增加了取消功能，導致任務可能被框架調起之前被用户取消，或者創建之後不想執行直接刪除等情況，而這些情況大部分來説都是由不同線程執行的，因此其中的併發處理可謂教科書級別！ 那麼就和大家一起看看Wo

定時器 , workflow , c++ , 開源 , 異步

lengxi_16 頭像

ERP老兵_冷溪虎山 - IDEA 調參高手都在偷學的配置！9GB 堆內存+OpenGL 渲染優化全公開（附參數表）

🏆為什麼別人的 IDEA 運行大型項目從不卡頓，而你的卻頻繁崩潰、編譯轉圈？ ✅秘密就藏在這個 idea.vmoptions文件裏！ 今天我把壓箱底的 ​IDEA 性能調優參數表​ 分享出來——✅ 🎁包含 ​9GB 堆內存、G1 垃圾回收器、6GB 堆外內存、OpenGL 圖形加速​ 等關鍵設置，還附上每項參數的詳細註釋（比如為什麼 -Xmx 設 9G？為什麼禁用 Direct3D？）。

jvm調優 , intellij-idea , JAVA , jetbrains

xingchendahai_68d7dff410962 頭像

星辰大海 - 神奇的“維克托”

**C++ 中 std::vector 全面解析（從基礎到進階） std::vector 是 C++ 標準庫（STL）中最常用的動態數組容器，能自動管理內存、動態擴容，比手動用 new[] 分配數組更安全高效，是日常開發的“高頻工具”。下面從基礎用法到進階技巧，帶你吃透它～** 一、基礎：怎麼用 std::vector？ 1. 頭文件與初始化 用 std::vector 前必須包含頭文件 vect

c++

hedzr 頭像

hedzr - 理解 std::declval 和 decltype

std::declval 和 decltype 題圖來自於 C++ Type Deduction Introduction - hacking C++ 但略有變形以適合 banner 關於 decltype decltype(expr) 是一個 C++11 新增的關鍵字，它的作用是將實體或者表達式的類型求出來。 #include iostream int main() { int i = 33

元編程 , c++11 , 算法 , c++17 , 虛函數表

hankin_liu 頭像

Hankin_Liu收徒 - 使用gperftools對C++程序進行profile定位性能瓶頸

本文將要學習如何使用gperftools工具定位C/C++程序的性能瓶頸，並用kcachegrind工具進行可視化展示。 gperftools簡介 gperftools（Google Performance Tools）是由谷歌開源的性能分析工具，能夠對程序進行profile，通俗的講就是能夠以一定的頻率對程序的堆棧進行採樣，採樣的次數越高，説明這個堆棧對應的代碼越熱。這個功能對於定位性能瓶頸十分

性能優化 , 性能瓶頸 , c++

u_16985197 頭像

Plume岣七 - [STL]拒絕O(log N)!哈希表與unordered系列指南

數據結構的選型中，“高效查找與操作”始終是核心需求。當面對海量數據的插入、查詢場景時，基於紅黑樹實現的map/set雖能保證有序性，卻受限於O(log n)的時間複雜度，難以突破性能瓶頸。而哈希表及其衍生的unordered_map/unordered_set，憑藉“平均O(1)”的極致效率，成為解決這類問題的最優解之一。 為什麼哈希表能實現遠超紅黑樹的操作速度？unord

unordered_系列容器 , STL , 哈希衝突 , 哈希表 , c++ , 後端開發 , c

u_16231477 頭像

蒙奇D索隆 - 【操作系統】408操作系統核心考點精講：第二章——進程的概念、組成與特徵​

(進程) 導讀 大家好，很高興又和大家見面啦！！！ 在前面的內容中我們介紹了【操作系統】的基本概念、發展歷程、運行環境以及體系結構等重要內容。這些內容讓我們對【操作系統】有了一個初步的印象與瞭解。 從本篇內容開始，我們將進入【操作系統——第二章——進程與線程】的學習。在這個章節中，我們將會學習以下知識點： 進程與線程 CPU調度 同步與互斥

yyds乾貨盤點 , 操作系統 , c++ , 後端開發 , 考研 , c , 408

wodekouwei 頭像

輕口味 - Rokid Glasses 移動端控制應用開發初體驗-助力業務創新

前言 在AI時代，一方面大家在提升模型這個”大腦“的能力，另一方面也在不斷地給”大腦“配備各種”外設“，錄音筆和AI眼鏡就是很好的切入點。而AI眼鏡因為與人眼、人耳處在同一個角度，可以以更自然真實的角度去採集音頻與視頻，"第一視角拍攝"和"長在眼前的AI助手"成為大家採購智能設備的首選。本文介紹AI眼鏡的佼佼者Rokid Glasses的產品、能力，以及如何從零開發一個Rokid Glasses配

智能硬件 , Android

jkkang 頭像

小康 - 別再被多線程搞暈了！一篇文章輕鬆搞懂 Linux 多線程同步!

前言 大家有沒有遇到過，代碼跑着跑着，線程突然搶資源搶瘋了？其實，這都是“多線程同步”在作怪。多線程同步是個老生常談的話題，可每次真正要處理時還是讓人頭疼。這篇文章，帶你從頭到尾掌握 Linux 的多線程同步，把概念講成大白話，讓你看了不再迷糊，還能拿出來裝一裝逼！不管是“鎖”、“信號量”，還是“條件變量”，我們都一網打盡，趕緊點贊收藏，一文搞懂！ 一、什麼是線程同步？——“排隊來操作，按規矩走”

linux編程 , c++ , 多線程

xaye 頭像

祝你今天愉快 - C++學習（九） 編程練習

1.編寫一個小程序，要求用户使用一個整數指出自己的身高（單位為英寸），然後將身高轉換為英尺和英寸。 該程序使用下劃線字符來指示輸入位置。另外，使用一個const符號常量來表示轉換因子。 /*1.編寫一個小程序，要求用户使用一個整數指出自己的身高（單位為英寸），然後將身高轉換為英尺和英寸。 該程序使用下劃線字符來指示輸入位置。另外，使用一個

指尖人生 , 移動開發 , 符號常量 , c++ , Android , ci