Forwarded from METO 的涂鸦板
🔩 Google 将停止向华为提供服务
路透社报道，Alphabet 旗下的 Google 已暂停与华为之间要求转移硬件、软件和技术服务的业务。在此之前，华为已经被美国政府列入贸易黑名单。
受到影响，华为后续的 Android 智能手机将无法访问 Google Play 商店、Gmail 和 YouTube 等热门应用。华为在欧洲的手机市场将遭到重创。
在国内，华为可以继续访问 AOSP 许可的安卓操作系统版本，但 Google 今后将停止向华为提供涉及其专有应用程序和服务的访问权、技术支持和协作。
https://www.theverge.com/2019/5/19/18631558/google-huawei-android-suspension
路透社报道，Alphabet 旗下的 Google 已暂停与华为之间要求转移硬件、软件和技术服务的业务。在此之前，华为已经被美国政府列入贸易黑名单。
受到影响，华为后续的 Android 智能手机将无法访问 Google Play 商店、Gmail 和 YouTube 等热门应用。华为在欧洲的手机市场将遭到重创。
在国内，华为可以继续访问 AOSP 许可的安卓操作系统版本，但 Google 今后将停止向华为提供涉及其专有应用程序和服务的访问权、技术支持和协作。
https://www.theverge.com/2019/5/19/18631558/google-huawei-android-suspension
#Java 立音不应该是这样啊...（才想起来不是羽毛... 羽毛的话就不会感到奇怪的） Oracle Hotspot，现在最流行的 Java 虚拟机，是支持 "反射消除 (de-reflection)" 优化的，只要编程时实践足够好，重复调用的开销应该不大的
实现详见 OpenJDK8 JDK source [Class.java#l3028] [Class.c#L65]
HotSpot JDK8(b132) [src/share/vm/prims/jvm.h#l539]
优化... 我找找
[hotspot/share/jvmci/jvmciCompilerToVM.cpp#L1500] 大概就是这种优化了...
[vmSymbols.hpp#L236] 基于动态字节码生成的反射消除优化，这个其实不在 JVM 层就可以做（只要使用专门的反射库，和支持方法定义替换）
[share/opto/c2_globals.hpp#L590] inline sun.reflect.Reflection.getCallerClass()
实现详见 OpenJDK8 JDK source [Class.java#l3028] [Class.c#L65]
HotSpot JDK8(b132) [src/share/vm/prims/jvm.h#l539]
优化... 我找找
[hotspot/share/jvmci/jvmciCompilerToVM.cpp#L1500] 大概就是这种优化了...
[vmSymbols.hpp#L236] 基于动态字节码生成的反射消除优化，这个其实不在 JVM 层就可以做（只要使用专门的反射库，和支持方法定义替换）
[share/opto/c2_globals.hpp#L590] inline sun.reflect.Reflection.getCallerClass()
wiki.openjdk.java.net
PerformanceTacticIndex
-
PerformanceTacticIndex
-
OpenJDK Wiki
-
PerformanceTacticIndex
-
OpenJDK Wiki
compiler tactics delayed compilation tiered compilation on-stack replacement delayed reoptimization program dependence graph representation static single assignment representation speculative (profile-based) techniques optimistic nullness assertions optim
Forwarded from 神奇的笔记 (神楽坂 立音)
感觉 Java 反射好像消耗没想象中的那么大....
刚刚写的一个东西，运行50万次反射耗时才80多毫秒，走 Annotation Processor 代码生成之后相同数据40毫秒... 50万次反射差的似乎并不是很多....
刚刚写的一个东西，运行50万次反射耗时才80多毫秒，走 Annotation Processor 代码生成之后相同数据40毫秒... 50万次反射差的似乎并不是很多....
Forwarded from duangsuse Throws
duangsuse::Echo
#Java 立音不应该是这样啊...（才想起来不是羽毛... 羽毛的话就不会感到奇怪的） Oracle Hotspot，现在最流行的 Java 虚拟机，是支持 "反射消除 (de-reflection)" 优化的，只要编程时实践足够好，重复调用的开销应该不大的 实现详见 OpenJDK8 JDK source [Class.java#l3028] [Class.c#L65] HotSpot JDK8(b132) [src/share/vm/prims/jvm.h#l539] 优化... 我找找 [h…
This media is not supported in your browser
VIEW IN TELEGRAM
#China #embedded http://www.zhaoxin.com/
🤔 其实国产的『芯片』也不是少数（比如龙芯 MIPS 和 Allwinner），实际对市场使用上有帮助的是少... 要知道和编译器一样，好的 CPU 和辣鸡的 CPU，无论性能、功耗、热功耗、处理特性上都有很大区别
说起来，至于处理器特性，比如 VMx、矩阵运算（SIMD）AVX, SSE、PCI、APIC、Hardware floating points、64 (lm, Long mode, x64 mode)、Hyper threading、某些算法的机器层面支持（比如 aes, sha, rng"random number generator"）什么的
说起来我这样的辣鸡对于 CPU 最看的就是逻辑解释器（内核）数目和超线程（对 Intel 芯片来说）数目了
至于处理器平常实现时的多级流水线、数据代码缓存、哈佛架构、实际解释器实现、一个
我只多看一眼“处理器频率”，好像能做到 2.0GHz， 28nm，很厉害了（超出我对国产芯片的想像...）。
对于智能手机和个人 PC 机来说，可能有些东西国产的高集成电路产品还无法满足吧... 中国的“芯片”的确要赶的还不少，然后我本人就不懂那些电子的东西（ 🙈
话说，BLUG, 北京 Linux User Group，应该有几个是学校里有芯片科目的大佬..
想学这种高度集成电路解释器的... RISC-V 是一个开源的 ISA （指令集架构）
🤔 其实国产的『芯片』也不是少数（比如龙芯 MIPS 和 Allwinner），实际对市场使用上有帮助的是少... 要知道和编译器一样，好的 CPU 和辣鸡的 CPU，无论性能、功耗、热功耗、处理特性上都有很大区别
说起来，至于处理器特性，比如 VMx、矩阵运算（SIMD）AVX, SSE、PCI、APIC、Hardware floating points、64 (lm, Long mode, x64 mode)、Hyper threading、某些算法的机器层面支持（比如 aes, sha, rng"random number generator"）什么的
说起来我这样的辣鸡对于 CPU 最看的就是逻辑解释器（内核）数目和超线程（对 Intel 芯片来说）数目了
至于处理器平常实现时的多级流水线、数据代码缓存、哈佛架构、实际解释器实现、一个
sadd 指令需要几个时钟周期、支持哪种类型的内存、存储总线类型、使用哪种内存协议什么的我作为一个门外汉也不关心。我只多看一眼“处理器频率”，好像能做到 2.0GHz， 28nm，很厉害了（超出我对国产芯片的想像...）。
对于智能手机和个人 PC 机来说，可能有些东西国产的高集成电路产品还无法满足吧... 中国的“芯片”的确要赶的还不少，然后我本人就不懂那些电子的东西（ 🙈
话说，BLUG, 北京 Linux User Group，应该有几个是学校里有芯片科目的大佬..
想学这种高度集成电路解释器的... RISC-V 是一个开源的 ISA （指令集架构）
Forwarded from 羽毛的小白板
Cpuid
CPU-Z 1.89 with support of Zhaoxin processors. | News | CPUID
This is not every day that we add the support of a new x86 manufacturer in CPU-Z. Today we are glad to add the Zhaoxin products in our software. Zhaoxin introduced the KX-5000 SOC codenamed Wudaoku in 2017, and the KX-6000 SOC codenamed Lujiazui in 2
duangsuse::Echo
#China #embedded http://www.zhaoxin.com/ 🤔 其实国产的『芯片』也不是少数（比如龙芯 MIPS 和 Allwinner），实际对市场使用上有帮助的是少... 要知道和编译器一样，好的 CPU 和辣鸡的 CPU，无论性能、功耗、热功耗、处理特性上都有很大区别 说起来，至于处理器特性，比如 VMx、矩阵运算（SIMD）AVX, SSE、PCI、APIC、Hardware floating points、64 (lm, Long mode, x64 mode)、Hyper…
被很多人称为芯片的这一类东西，和编译原理、native 编译器工程、操作系统内核、高性能计算、系统编程从来都脱不开关系，尤其是编译器原理，CPU 就是使用集成电路实现的机器代码解释器，但是需要很多的麻烦...
永久封存 | Yuuta 台 | 😷 #Pray4Wuhan
https://blog.yuuta.moe/2019/05/19/create-wtg/
使用了新 Windows （大概自 Windows 7）的一些小工具
DIskPart
用于生成 VHD 虚拟硬盘
DISM (Disk Image utilities)
用于写入镜像到 U 盘
用于向 U 盘写入 NTBoot 引导加载程序和配置默认启动为 V:
===
ImDisk
用于生成虚拟内存盘
DIskPart
用于生成 VHD 虚拟硬盘
create vdisk file=filename parent=parentVdisk指定的母盘将作为子盘的原型，之后在子盘上的操作将在母盘的基础上差分压缩（比如子盘只象征对于母盘的 文件新增、删除 修改集合）
parent
DISM (Disk Image utilities)
用于写入镜像到 U 盘
Dism /Get-ImageInfo /imagefile:C:\install.wimBCDBoot
Dism /Apply-Image /imagefile:C:\install.wim /index:<windowsIndex> /applydir:<VHDPart>
用于向 U 盘写入 NTBoot 引导加载程序和配置默认启动为 V:
bcdboot D:\Windows /s X: /f UEFI /l en-usPowerCfg
powercfg -h off禁止系统进行休眠
===
ImDisk
用于生成虚拟内存盘
Forwarded from 永久封存 | Yuuta 台 | 😷 #Pray4Wuhan (Yuuta | a.k.a. 鱼塔 🐟)
Telegram
酷安智障欢乐多🤣
回不去的酷安，变不了的智障
投稿群 @today_beans
投稿群 @today_beans
Forwarded from dnaugsuz
说到 Spam 自动分类，除开自然语言处理模式识别这种重量级算法，最好用的就是 Naive Bayes Classifier 了，不过这是一种机器学习算法，我自己也只是会 KNN 机器学习推荐系统而已...
https://zh.wikipedia.org/wiki/%E6%9C%B4%E7%B4%A0%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%88%86%E7%B1%BB%E5%99%A8#%E6%96%87%E6%9C%AC%E5%88%86%E7%B1%BB
反正说到机器学习和人工智能，没有一个是简单的，唉... 😢 #machl
https://zh.wikipedia.org/wiki/%E6%9C%B4%E7%B4%A0%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%88%86%E7%B1%BB%E5%99%A8#%E6%96%87%E6%9C%AC%E5%88%86%E7%B1%BB
反正说到机器学习和人工智能，没有一个是简单的，唉... 😢 #machl
Forwarded from dnaugsuz
数学不好的人碰到尤其是信号处理和机器学习、搞基一点的算法之类就会哭哭的 😭
还是 kNN 好啊，找算法实现大概不是一个困难的事情，难在自己实现这种算法
还是 kNN 好啊，找算法实现大概不是一个困难的事情，难在自己实现这种算法
Forwarded from dnaugsuz
这里有个写的很好的人工神经网络入门《前馈全连接神经网络和函数逼近、时间序列预测、手写数字识别》
Cnblogs
前馈全连接神经网络和函数逼近、时间序列预测、手写数字识别 - Conmajia - 博客园
Andrew Kirillov 著 Conmajia 译 2019 年 1 月 12 日 原文发表于 CodeProject（2018 年 9 月 28 日）. 中文版有小幅修改，已获作者本人授权.
dnaugsuz
说到 Spam 自动分类，除开自然语言处理模式识别这种重量级算法，最好用的就是 Naive Bayes Classifier 了，不过这是一种机器学习算法，我自己也只是会 KNN 机器学习推荐系统而已... https://zh.wikipedia.org/wiki/%E6%9C%B4%E7%B4%A0%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%88%86%E7%B1%BB%E5%99%A8#%E6%96%87%E6%9C%AC%E5%88%86%E7%B1%BB 反正说到机器学习和人…
不过，其实完全可以用自然语言处理分词算法再用字典树的说（因为用 HashSet 算法还是太慢了，即使是常量时间判断 has 也不行）
比如说，这个怎么就这么变态的字典里有一个磁：
分词：
如果分词直接上字典树，虽然时间复杂度差一点，而且还是要对每个词条检查，但是性能可能会强一些（因为 hashCode 的 32 位空间很小的，这样 HashSet 判定复杂度会上升很多）
比如说，这个怎么就这么变态的字典里有一个磁：
duangsuse 于 2019 年悼念1989.6.4天anmen事件中死去被屠杀的学生
🌚 怎么就这么反华呢？分词：
duangsuse(v) 于(p) 2019年(t) 悼念(v) 1989.6.4(m) 天(q) anmen(nx) 事件(n) 中(f) 死去(v) 被(p) 屠杀(v) 的(u) 学生(n)如果分词后使用集合查询，复杂度是 O(n) * O(1) where n: 输入磁条数，比较慢
如果分词直接上字典树，虽然时间复杂度差一点，而且还是要对每个词条检查，但是性能可能会强一些（因为 hashCode 的 32 位空间很小的，这样 HashSet 判定复杂度会上升很多）
要是我们不仅仅要有设计图纸了，恐怕还得专门弄一个程序辅助建红石方块... 类似：不是有个 MCHDL 吗？
Forwarded from 开发者日报
在我的世界打造一台计算机有多难？复旦大神花了一年
【在《我的世界》里从零打造一台计算机有多难？复旦本科生大神花费了一年心血】一块小小的CPU里有多少个晶体管？几十亿个。单枪匹马造出一个CPU乃至完整的电脑需要多长时间？有位大牛在《我的世界》游戏里用实际行动回答了这个问题：可能要花费一年多。「分享自新浪科技」
【在《我的世界》里从零打造一台计算机有多难？复旦本科生大神花费了一年心血】一块小小的CPU里有多少个晶体管？几十亿个。单枪匹马造出一个CPU乃至完整的电脑需要多长时间？有位大牛在《我的世界》游戏里用实际行动回答了这个问题：可能要花费一年多。「分享自新浪科技」
tech.sina.com.cn
在我的世界打造一台计算机有多难？复旦大神花了一年
在我的世界打造一台计算机有多难？复旦大神花了一年