个人技术分享

寄存器配合使用， 用于循环操作， 类似于高级语言中的for, while等。将 cx 寄存器的值 -1 ， cx = cx - 1。如果不为零 就执行标号处的代码, 然后执行步骤1。在对应的机器码中包含转移的位移，而不是目的地址。（如果 (cx)=0 ，转移到标号处执行）8位位移是编译程序时在编译时算出的。时 ，什么也不做（程序向下执行）如果为零, 执行Loop后面的代码。所有的有条件转移指令都是短转移，jmp指令后的第一个字节地址。jcxz 是有条件转移指令，Loop 也是有条件转移指令。

通义灵码是基于通义大模型，结合海量开源知识以及阿里云的文档 SDK 开发的，从而有了上层的代码补全和研发问答的核心能力。再上层便是我们工程侧，比如说有问答意图识别、用户习惯学习、Prompt 工程、跨文件学习等等。从基模到垂直领域的模型，再到端侧核心能力的整体同步建设，支撑了我们在 IDE 上可以使用通义灵码这款产品。

随着中国上市公司年报文本大数据可得性的大幅提升，为了更全面地衡量企业的数字化转型情况，国内学者采用了机器学习方法构建了企业数字化转型指数，以力求更加全面地衡量企业多重数字技术赋能情况。市公司数字赋能指数是一种综合性的评价指标，通过数字赋能指数的评价，可以推动企业实现数字化转型，提高企业的竞争力和可持续发展能力。3、吴非，胡慧芷，林慧妍，任晓怡. 企业数字化转型与资本市场表现-来自股票流动性的经验证据[J]. 管理世界，2021，(7)：130-144.股票代码、年份、数字赋能指数、类别、股票名称。

神经网络调参是深度学习中不可或缺的一环，它直接影响着模型的性能和泛化能力。当前神经网络模型应用到机器学习时仍有一些问题，主要包括两大类。优化问题深度神经网络优化十分困难。首先他的损失函数是一个非凸函数，找到局部最优解容易，但找到全局最优解并非容易。其次，神经网络参数非常多，训练数据很大，所以无法使用计算代价很高的二阶优化方法。最后，神经网络存在梯度消失或爆炸问题。泛化问题由于神经网络复杂度很高，拟合能力很强，很容易在训练集上过拟合。因此要考虑一定的正则化方法来改进网络泛化能力。

模板方法模式（Template Method Pattern），又叫模板模式（Template Pattern）， 在一个抽象类公开定义了执行它的方法的模板。它的子类可以更需要重写方法实现，但可以成为典型类中定义的方式进行。模板模式适用于通用步骤的操作，比如做菜，不管你是西红柿炒鸡蛋，还是土豆炖牛肉实现步骤都是一样的，备料，做菜，上菜。再比如投放系统，不管你是投放巨量引擎，广点通还是百度，前期工作实现步骤也都是一样的，配置物料信息，构建投放对象，投放广告。

以上步骤会在Kylin操作系统上安装.NET Core SDK和ASP.NET Core 运行时以及项目部署到Kylin服务器上。我需要部署的项目是在Windows上开发的，目标框架为.net core 6.0 因此我们需要先在kylin上部署项目运行所需要的环境。上传编译好的DotNet项目文件（*.tar.gz）上传目录 /root/website/ 也就是当前目录。查看系统版本 cat /etc/kylin-release cat /proc/version。

现在，你可以在你的项目中创建新的Kotlin文件（.kt扩展名），或者在现有的Java文件中混合使用Kotlin代码。如果你的项目完全是Java的，并且你只是想开始使用Kotlin，那么你可以从创建一个新的Kotlin文件开始，然后逐步将更多的代码迁移到Kotlin。在Android项目中配置Kotlin，你需要执行几个步骤来确保你的Java工程可以混合使用Kotlin代码。确保你的Android Studio版本支持你要使用的Kotlin版本。同步Gradle项目。开始使用Kotlin。

密钥协商是保密通信双方（或更多方）通过公开信道来共同形成密钥的过程。一个密钥协商方案中，密钥的值是某个函数值，其输入量由两个成员（或更多方）来提供。密钥协商的记过是参与协商的双方（或更多方）都将得到相同的密钥，同时，所得到的密钥对于其他任何方都是不可知的。

在pom文件中导入在bootstrap.yml中写下如下配置。

本文学习自狄泰软件学院 唐佐林老师的 C++深度解析教程，图片全部来源于课程PPT，仅用于个人学习记录。

有人说，第四次工业革命早已开始；也有人说，新一轮科技革命依然深处远方。或许客观地说，当前的科学技术创新是否第四次工业革命，需要后世去评判，因为只有站在完整的历史发展进程角度才能分析全面的工业革命发展时间，变化领域等。深处历次工业革命的人们是很难完整分析和总结当前工业革命的信息的，如处于第一次工业革命的人们看到无法做到全面评判第一次工业革命的，因为他们没有“未来函数”。虽然如此，人们依然能够在日新月异的科学技术变化里面找到当前工业革命的蛛丝马迹。第一次工业革命，我们实现了；第二次工业革命，我们实现了；

在有限的设备资源上微调长文本的LLM显得很重要了。中文Llama2-7b支持的最大长度为4k，Qwen1.5-7b支持的最大长度为32k，Qwen1.5-14b支持的最大长度为32k，Qwen-14b支持的最大长度为8k，Baichuan2-13b支持的最大长度为4k。在原有的预训练模型上微调比支持的最大长度的长的文本面临两个问题：如何修改旋转位置编码支持更长的文本，一个是有限的资源上LLM微调长文本。在采用LoRA的方式微调LLM，梯度更新的参数为每一层的线性层相应的lora参数，例如表达式中的。

重构是软件开发过程中改进现有代码结构和设计而不改变其外在行为的过程。良好的重构实践可以提高代码质量、可读性、可维护性，并促进后续的开发工作。

1、汇川H5UPLC和X3E伺服EtherCAT总线控制汇川H5U PLC通过EtherCAT总线控制SV660N和X3E伺服_伺服驱动器 ethercat csdn 汇川-CSDN博客。

作为任务调度的使用，xxl_job是经常使用的，可以帮助程序员或者其他业务的定时任务变的可控。但是很多教程都是通过压缩包来进行运行和部署的，但是现在更多的都是将模块容器化。本文章一次性整理。XXL-Job是一款开源的分布式任务调度框架，它主要用于解决大规模分布式系统中任务调度和执行的需求。该框架的核心设计目标是追求学习简单、快速开发、轻量级以及易于扩展，适用于需要处理定时任务、异步处理或批量数据处理等场景的分布式系统。

LM算法是一种非线性最小二乘优化算法，用于求解非线性最小化问题。

Vue 3在组件通信方面带来了一些新特性和改进，特别是Composition API的引入，为开发者提供了更灵活的组件逻辑编写方式。同时，Vue 3的响应式系统的改进也会影响到组件间通信的实现。虽然Vue 2和Vue 3在很多基本概念上保持一致，但Vue 3提供了更多的工具和优化来帮助开发者构建更高效、更可维护的应用程序。子组件可以直接修改父组件的值了。

微前端框架：无界 wujievue微前端是什么 | 无界主应用：Vue 2 + elementui子应用：Vue 3+vite+element plus。

当您不小心丢失计算机硬盘驱动器中的数据时，您可能会发现自己处于尴尬的境地。当您无法找到所有重要数据和文件时，这真的很可怕。但是，通过使用数据恢复软件，您可以在PC上恢复数据。在这里，我们展示了 10 款最佳数据恢复软件，它们将帮助您轻松恢复丢失的文件。我们列出了免费和付费的数据恢复软件。

1、执行命令./configure --prefix=/usr/local/pgsql/postgresql-14.2 --with-openssl。报错configure: error: library 'crypto' is required for OpenSSL。