个人技术分享

InfiniFlow 創始人兼CEO張穎峰確認出席“邊緣智能2024 - AI開發者峰會”

隨著AI技術的迅猛發展，全球正逐步進入邊緣計算智能化與分布式AI深度融合的新時代，共同書寫著分布式智能創新應用的壯麗篇章。邊緣智能，作為融合邊緣計算和智能技術的新興領域，正逐漸成為推動AI發展的關鍵力量。借助分布式和去中心化的架構，邊緣智能旨在提供更加高效、安全和靈活的AI解決方案。 為進一步推動邊緣智能技術的發展，分享全球最新的研究成果和產業趨勢，我們決定於5月9日在香港數碼港舉辦“邊緣智能2024 - AI開發者峰會”。我們非常榮幸地確認，InfiniFlow 創始人兼CEO張穎峰將出席此次峰會。 本次

模块四：前缀和——DP35 【模板】二维前缀和

类⽐于⼀维数组的形式，如果我们能处理出来从 [0, 0] 位置到 [i, j] 位置这⽚区域内所有元素的累加和，就可以在 O(1) 的时间内，搞定矩阵内任意区域内所有元素的累加和。sum[i][j] 的含义：sum[i][j] 表⽰，从 [0, 0] 位置到 [i, j] 位置这段区域内，所有元素的累加和。v. 如果把上⾯求的三个值加起来，那就是⻩ + 红 + 蓝 + 红 + 绿，发现多算了⼀部分红的⾯积，因此再单独减去红的⾯积即可；前缀和矩阵中 sum[i][j] 的含义，以及如何递推⼆维前缀和⽅程。

STM32进入待机模式，使用闹钟和WKUP唤醒单片机

第三：使用闹钟信号，唤醒待机模式 （闹钟到了就唤醒单片机，不需要其他设置，设置了 闹钟就可以了）可以开启WKUP（也是PWR的一个函数，这样PA0有上升信号也能 唤醒单片机）主要就是上面提到的三步，其他的程序还要自己来编写，需要闹钟或是WKUP功能时，选择性添加对应的代码就可以了。第二：进入待机模式 （调用PWR的一个函数就进入了待机模式）

配置jupyter的启动路径

PS：网上很多说法是设定c.ServerApp.notebook_dir = 'D:\jupyter_workspace'，这个也可以。，里面有一个问题，就是启动jupyter（命令jupyter notebook）之后，页面默认显示的是启动时候的路径。配置文件里面提示说这个配置已经不推荐，推荐使用root_dir，所以我这边用的root_dir的方式设置的。在实际配置之前，可以看一下jupyter notebook有那些命令。将c.ServerApp.root_dir 设置为项目路径。

高考生如何利用霍兰德测试探索专业倾向与发展路径

霍兰德高考志愿倾向测试的原理是基于霍兰德职业兴趣理论，通过问卷调查的方式了解个体的职业兴趣倾向，从而帮助学生了解自己的优势和倾向，探索与自己兴趣匹配的职业领域，为未来的职业决策提供参考。霍兰德职业兴趣理论是由美国约翰·霍普金斯大学心理学教授、美国著名的职业指导专家约翰·霍兰德提出的。他认为，人们在选专业或择业时主要受三个因素的影响，即兴趣、能力、人格。其中，兴趣是一种强大的精神力量，是专业或职业选择中最重要的因素。

LeetCode53：最大子数组和

从代码角度上来讲：遍历 nums，从头开始用 count 累积，如果 count 一旦加上 nums[i]变为负数，那么就应该从 nums[i+1]开始从 0 累积 count 了，因为已经变为负数的 count，只会拖累总和。局部最优：当前“连续和”为负数的时候立刻放弃，从下一个元素重新计算“连续和”，因为负数加上下一个元素 “连续和”只会越来越小。给你一个整数数组 nums ，请你找出一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。全局最优：选取最大“连续和”

selenium 4.x 之验证码处理（python）

点击登录按钮后，就会出现滑块验证区域，这是一个新增的frame区域，此时我们需要将切换的焦点从主页面转换到这个frame区域上。切换焦点并下载验证图片，将焦点切换至滑块验证区域，并下载加载好的滑块验证背景图片。注意点：对页面的cookie值进行修改完成之后，一定要刷新页面才生效，需要清楚缓存。通过cookie的机制原理先获取已登录的id然后再未登录的页面中进行使用即可。之后，把页面的已登录的cookie信息进行保存（唯一标识符的id）让标识符id一直保持登录的状态，那么再次访问页面的时候就是。

革新突破：MIT与加州理工联手推出KAN，一举超越传统MLP模型！

在今天的深度学习领域，多层感知机（MLP）长久以来被视作构建神经网络的基石。然而，尽管其在多个领域内取得了巨大成功，MLP在参数效率、准确性和可解释性方面的局限性始终是科研人员试图克服的难题。今天，我们迎来了一场可能彻底改变深度学习面貌的技术革命——由麻省理工学院和加州理工学院联合领衔的研究团队提出了一种名为Kolmogorov-Arnold Networks（KANs）的全新网络结构，它不仅在理论上弥补了MLP的不足，更在实际应用中展现出惊人的性能。