十几个好用的学习以及AI网站
目录 1.识典古籍 2.华文慕课 3.历代人物 4.北大出版社电子书架 5.WaytoAGI 6.W3Schools 7.AI帮个忙 8.InsCode 9.文心一格 10.即使设计 11.AI绘画 12.无界AI 13.Midjourney中文站 14.其它 1.识典古籍 地址：识典古籍-古籍在线阅读平台 上述描述摘子自识典古籍-关于我们。 2.华文慕课 地址：华文慕课 3.历代人物 地址：引得历代...
面试题：Kafka中Controller的作用是什么？选举流程是怎样的？以及如何避免脑裂问题？
题目来源 网上冲浪：还不懂分布系统，速看深度剖析Kafka Controller选举过程 在查找关于Kafka单机分区的上限以及分区多了会有怎样的问题的时候，发现了这个比较有趣的问题，就记录了下来。 一般所有的分布式系统，都会涉及到这个问题：脑裂、以及如何避免脑裂问题。 题目描述 Kafka中Controller的作用是什么？Kafka中Controller的选举流程是什么？Kafka脑裂是什么？K...
Socket编程--TCP连接以及并发处理
流程图 网络传输流程： TCP连接： api 客户端： socket: 创建套接字 domain: AF_INET ：IPv4 type: SOCK_STREAM(tcp)、SOCK_DGRAM（udp） protocol: 0 默认协议 返回值：成功返回一个新的套接字，失败返回1，设置errno int socket(int domain, int type, int protocol); co...
【Jenkins】持续集成与交付 （九）：Maven安装和配置、以及构建项目
🟣【Jenkins】持续集成与交付 （九）：Maven安装和配置、以及构建项目 一、Maven简介 二、持续集成环境安装Maven 2.1 Maven软件包上传 2.2 配置环境变量 2.3 Jenkins配置关联JDK和Maven 2.4 添加Jenkins全局变量 2.5 修改Maven的settings.xml 2.6 全局工具配置--设置自己的setting.xml文件 2.7 验证 Mav...
JVM运行时内存溢出以及解决办法
JVM有哪些运行时数据区 JVM运行时数据区有程序计数器、本地方法栈+虚拟机栈、堆、元数据区、直接内存。 其中只有程序计数器不是内存溢出，其他的都有可能会产生内存溢出。 栈内存溢出 当方法的调用深度过深，可能会导致栈内存溢出。 一般是发生在递归调用的场景中，没有定义好递归基导致的栈内存溢出。 创建线程内存溢出 当内存不够，创建线程也会导致内存溢出。因为每个新的线程都需要占用一定的内存。 解决办法 查...
第⑯讲：Ceph集群Pool资源池管理以及PG的数据分布的核心技术要点
com/pgcalc/，现在可能无法使用了。 pgcalc工具可以使用的使用，可用在这里添加Pool的一些参数（副本数、OSD的数量、数据使用比例、OSD可承载的PG数量）就可以计算出集群中PG的数量以及一个Pool设置多少个PG合理。 即使这个工具无法使用了，那也没有关系，还是有公式计算的。 在上面通过公式能够计算出集群合理的PG数量，下面的公式可以计算出一个Pool资源池分配多少个PG合理。 (O...
STM32学习和实践笔记（22）：PWM的介绍以及在STM32中的实现原理
定每500ms产生这样一个中断，那么，这就是PWM的周期或者说频率。 这样的一个周期，是包括了PWM高电平和低电平的。那么，在这个周期里，高电平多长，低电平多长，这需要另外一个值（也就是CCR里的值）以及一个比较器来决定。 以上图为例来说明，上图中ARR的值为8，也就是整个PWM的周期就是8，从上图中可以看出，OCXREF就是输出的PWM信号，在一个周期内，其高电平的宽度，取决于CCR里的值。这就是等...
sklearn【MAPE】平均相对误差介绍，以及案例学习！
一、MAPE 介绍 在预测任务中，评估模型的预测性能至关重要。除了常见的均方误差（MSE）和决定系数（R²）等指标外，平均百分比误差（MAPE，Mean Absolute Percentage Error）也是一个常用的评估指标。MAPE衡量了模型预测值与实际值之间的百分比误差的平均值，有助于我们了解预测的相对准确性。 在Python的机器学习库sklearn中，虽然没有直接提供计算MAPE的函数，...
面试题：Kafka的吞吐量和性能为什么那么好？以及Topic或者分区多了之后，会有什么问题？
，10个分区分布在10个Broker上，是不会有性能问题的。下面就针对单个Broker来讨论下Topic或者Broker多了，会有什么问题。 结论 Kafka Broker利用了磁盘的顺序读写的特性，以及Linux的Page Cache功能，所有会有很高的QPS和吞吐量。 Kafka的Topic或者分区多了，会导致性能下降。我有在网上查找相应的测试数据，当分区数在1000至2000的时候，消费者和生产...
【大模型应用极简开发入门（1）】LLM概述：LLM在AI中所处位置、NLP技术的演变、Transformer与GPT、以及GPT模型文本生成逻辑
文章目录 一. AI中大语言模型的位置与技术发展1. 从AI到Transformer2. NLP：自然语言处理3. LLM大型语言模型：NLP的一种特定技术3.1. LLM定义3.2. LLM的技术发展3.2.1. n-gram模型3.2.2. RNN与LSTM 二. Transformer在LLM中脱颖而出1. Transformer架构能力2. 注意力机制2.1. 交叉注意力2.2. 自注意力机...