一个人知道自己为什么而活，他就能够接收任何一种生活

原创 【2024 CSDN博客之星】C++自学分享

share

原创 [awesome-nlp] docs | 精选NLP资源 | 分类

Awesome-NLP是一个精心组织的自然语言处理资源库，采用三层分类体系（主类别-子类别-语言专区）和标准化的资源条目格式（标题: 说明）。项目包含教程、工具库、数据集等高质量资源，通过GitHub协作维护，特别设立多语言专区满足特定需求。规范化的目录结构和贡献指南（如contributing.md）确保资源易检索、可维护，为NLP研究者和开发者提供一站式解决方案。

原创 摩尔投票|

/ substr(起始位置, 长度)，cnt 是单词长度。i++) // 改为 i <= n，方便处理最后一个单词（i==n 时视为遇到 ' '）int b=0,cnt=0,n=sentence.size();// cnt 初始化为 0，更直观记录单词长度。if(i == n || sentence[i] == ' ') // 统一处理空格和结尾情况。ret.empty()) // 移除最后多余的空格。

原创 8.29 贪心

/ 较重者单独乘一艘船。lc229.原地hash，摩尔投票。看个标题和样例 就可以写代码啦^^体重高的自觉点，先上船|･`)sort+双指针+贪心。

原创 [sys-BlueChi] docs | BluechiCtl命令行工具

Eclipse BlueChi是一个用于管理分布式systemd服务的开源工具，采用控制器-代理架构实现多节点服务控制。通过bluechictl命令行工具与中央控制器交互，控制器可远程管理运行代理的节点，代理再与本地systemd通信。系统支持状态监控、跨节点服务依赖和D-Bus API通信，配置灵活。安装时需构建Docker镜像并生成deb包，提供完整的命令行操作界面，可查看节点状态、管理服务单元，实现集中式分布式服务管理。

原创 [p2p-Magnet] 队列与处理器 | DHT路由表

队列与处理器系统通过：1. 异步任务管理2. 自动容错机制3. 优先级调度保障系统稳定处理海量任务。

原创 [p2p-Magnet] 数据模型(GORM) | DHT爬虫 | 分类器

DHT爬虫通过：1. 主动探索DHT网络2. 智能过滤重复项3. 高效批量存储实现系统的自给自足式种子发现。

原创 [p2p-Magnet] docs | HTTP API与Web界面 | 搜索查询引擎

磁力链接与BitMagnet技术摘要 磁力链接是基于文件哈希值的P2P资源标识符，包含xt（哈希值）、dn（文件名）等参数，通过qBittorrent等客户端实现去中心化下载。其优势在于无需中心服务器，依赖DHT网络实现资源发现。 BitMagnet是自托管的内容索引平台，通过DHT爬虫自动发现BitTorrent资源，结合分类器识别内容类型（如电影/音乐），提供Web界面和API访问。核心功能包括： HTTP API与Web界面：支持GraphQL查询和Torznab标准接口 搜索引擎：基于Postgre

原创 TUN模式端口冲突 启动失败如何解决？

Xray的TUN模式启动失败，原因是10808端口被占用。错误日志显示该端口已被其他进程使用。解决方案包括：1) 通过netstat查找并关闭占用端口的进程；2) 修改Xray配置文件中的端口号；3) 检查防火墙设置是否阻止端口使用。只需执行其中任意一种方法即可解决问题。

原创 [n8n] 全文检索(FTS)集成 | Mermaid图表生成

全文检索集成通过：1. 专用索引表实现毫秒级响应2. 智能的模糊匹配算法3. 自动化的数据同步4. 精准的相关性排序为工作流管理系统提供专业级搜索体验。

原创 模拟|鞋带公式

lc01.08public:i<m;i++)t[i][b]=0;j<n;j++)t[a][j]=0;i<m;i++)j<n;j++)dfs(i,j);matrix=t;

原创 linux自动化运维|项目思考

清晰.解决复杂问题的能力。

原创 多线程..

信号量机制是 Linux POSIX 中的标准内容，c++20 加入了对于 信号量的支持，位于<semaphore>C++11 提供互斥锁、条件变量、异步、原子锁等基础多线程同步语句。c++20 加入了对于 信号量的支持，位于<semaphore>lc1114.按序打印。

原创 [游戏中的空间划分] KD树|四叉树

原创 [n8n] 工作流数据库管理SQLite | 数据访问层-REST API服务

REST API服务通过：1. 标准化的端点设计2. 健壮的参数处理3. 高效的数据传输4. 完善的安全措施为工作流管理系统`提供可靠的数据访问层`。

原创 8.28 模拟|双指针|状态机

利用同一对角线差相等提取vec tmp，sort后再填入。

原创 8.27 网格memo

lc3459。

原创 [n8n] docs | 工作流索引流程 | 分析引擎

工作流分析引擎通过：1. 智能解析原始JSON2. 精准识别关键特征3. `自动生成易读摘要`为工作流管理系统==提供结构化数据基础==。

原创 [Sync_ai_vid] 数据处理流水线 | 配置管理系统

数据处理流水线通过：1. 系统化的多阶段清洗2. 智能化的质量过滤3. 分布式的并行处理为LatentSync提供高质量训练数据。配置管理系统通过：1. 声明式的参数定义2. 模块化的配置组织3. 灵活的方案切换为LatentSync提供精准可控的参数管理能力。

原创 [Sync_ai_vid] 唇形同步评判器 | 图像与视频处理器 | GPU测试

图像与视频处理器通过：1. 精准的面部检测与对齐2. 智能的区域遮罩处理3. 高效的GPU加速变换为LatentSync提供可靠的视觉数据处理基础。

原创 [pilot智驾系统] 车辆接口(CarInterface) | 横向控制(LatControl) | pandad守护进程

横向控制模块通过：1. 多策略控制算法适配不同车型2. 100Hz高频闭环调节3. 安全边界检查机制实现精准的车道保持功能。下一章将深入解析[Panda守护进程(pandad)]——连接车辆硬件的底层桥梁

原创 map|math

public:left++;} else {right--;

原创 [Sync_ai_vid] UNet模型 | 音频特征提取器(Whisper)

LatentSync UNet作为项目的"艺术大脑"，通过：1. 3D卷积处理视频时序特征2. 交叉注意力融合音频线索3. `多尺度跳跃连接保持画质`4. 迭代式潜在空间优化==实现了从异步视频到精准唇形同步的转变==。

原创 [pilot智驾系统] 驾驶员监控守护进程(dmonitoringd)

驾驶员监控模型(：直接处理原始摄像头图像的"大脑"，使用AI模型分析面部、眼睛和头部姿态，输出详细的"驾驶员状态"（如头部俯仰/偏航/旋转角度、眨眼概率等）驾驶员监控逻辑(：“决策者”，获取模型的原始驾驶员状态，结合其他信息（如车速、sunnypilot激活状态），通过规则集确定整体awareness（注意力水平）并决定是否触发警报流程可视化：fill:#333;驾驶员摄像头驾驶员监控模型(dmonitoringmodeld)驾驶员监控守护进程(dmonitoringd)自动驾驶守护进程。

原创 8.26 review

/ find 找不到时返回 string::npos，找到则返回子串起始索引。tip： find 找不到时返回 string::npos，找到则返回子串起始索引。

原创 [Sync_ai_vid] 唇形同步推理流程 | Whisper架构

**LatentSync**是一个*端到端唇语同步项目*，能够==生成语音与唇形完美匹配的逼真视频==。

原创 [pilot智驾系统] 纵向规划器(LongitudinalPlanner) | 模型预测控制(MPC)

**纵向规划器(LongitudinalPlanner)**是`sunnypilot`精密的速度与加速度管理者。它综合车辆状态、前车信息、道路条件和用户偏好，采用高级优化算法（模型预测控制）生成未来几秒平稳安全的加速度计划。

原创 二分|组合|旋转数组

/ 右边界更新为mid（保留mid可能为最小值的情况）右边界r-- 左移一步，缩小范围，排除重复元素干扰，最终找到最小值。lc153 无重复元素。当中间值和最右值相等时。

原创 [pilot智驾系统] 模型守护进程(modeld)

**模型守护进程(modeld)**是`sunnypilot`的眼睛和预测大脑。通过使用复杂的AI模型持续处理摄像头图像，它理解当前的驾驶环境，并准确预测车辆的未来路径、速度和周围障碍物。

原创 [pilot智驾系统] 控制守护进程(controlsd) | 纵向&横向 | 比例-积分-微分(PID)

将其细致地转换为车辆转向、油门和刹车的精确实时命令==。通过使用==复杂的控制循环==，`controlsd`确保`sunnypilot`平稳、准确且安全地执行其驾驶计划

原创 Selfdrived 大规模数据监控技术架构

Selfdrived架构为企业提供了一套完整的海量信息实时监控解决方案。其核心技术包括：1）分布式数据采集系统，采用动态扩展机制和消息队列集成，确保高效可靠的数据收集；2）实时流处理技术，基于Apache Flink和Spark Streaming实现窗口计算和智能聚合。该架构通过分布式节点、自动扩缩容和精确一次处理等机制，保障了系统的高性能和稳定性，能够满足企业对各类数据指标的实时监控需求。

原创 [pilot智驾系统] 自动驾驶守护进程(selfdrived)

摘要 selfdrived是sunnypilot自动驾驶系统的核心决策模块，充当中央大脑角色。它持续收集车辆状态、传感器数据和驾驶模型预测等信息，通过状态机评估当前驾驶条件，决定系统应处于激活、禁用还是警告状态。该模块每秒运行100次，实时响应驾驶员操作和道路情况，管理安全警报并协调系统行为，确保自动驾驶的安全性和连贯性。其他组件通过读取selfdrived发布的selfdriveState消息来获取当前系统状态和警报信息。

原创 数组移除.

/ 可以保留前缀 a[:i+1], a[:i], ..., a[:0] 一共 i+2 个。if (i == n - 1) { // 每个非空子数组都可以移除。容易想到前后缀，主要是想到o(n)的滑窗。//尝试枚举，保留递增后缀。保留的后缀为 a[j:]

原创 [pilot智驾系统] 参数系统 | “持久化“ | `QFileSystemWatcher`

通过使用简单的`put`和`get`操作，`sunnypilot`的不同部分可以轻松访问这个中央的持久化信息"(`file`)数据库"

原创 [pilot智驾系统] docs | 用户界面状态(UIState)

sunnypilot是一款开源自动驾驶系统，通过集成车辆数据和摄像头信息实现智能驾驶辅助。该系统包含用户界面状态(UIState)、自动驾驶守护进程(selfdrived)、控制守护进程(controlsd)等核心模块，采用集中式架构管理驾驶状态。UIState作为信息中枢，实时更新并显示车速、驾驶模式、警告提示等关键数据，通过监听各模块消息保持同步。系统具备驾驶员监控功能，提供可视化界面，支持转向、速度等精确控制，确保行车安全。其模块化设计包含参数系统、车辆接口、规划器等组件，可灵活适配不同车型和驾驶场景

原创 [车载音响] 应用核心(UI与状态)

**应用核心(UI与状态)**的奥秘。了解到它是`vela`音乐播放器的大脑和指挥，管理正在播放的歌曲、当前状态以及对指令的反应。

原创 [车载音响] docs | 用户界面(LVGL)

UI是播放器可视化和交互的部分，就像车载音响的显示屏和按钮。现在我们已经理解LVGL的**对象**、**样式**和**事件**如何协同工作，创建用户所见并与之交互的界面。

原创 8.25 dfs|神经网络|math

比如你有一组数据，本身带着 3D 空间的对称规律（像球、立方体这些对称物体的数据），经过这个变换后，数据能“按对称规则”被线性拉伸、组合，但原本的对称性质不会乱套。就像给魔方每个面的颜色做“线性调整”，但面与面的对称关系不变。它会挑出数据里简单的、基础的对称特征（标量 Irreps），用这些特征去“控制”复杂的、高阶的对称特征（高阶 Irreps）的激活。类比生活：你给一个对称的魔方拍张照，用这个变换处理照片，魔方的“对称块”会按规律移动/组合，但魔方整体的对称结构还能看出来，不会变成乱糟糟的图案。

原创 埃氏筛|树dfs|差分计数

/ 遍历 y 所在连通块，在不经过质数的前提下，统计有多少个非质数。// 这 size[y] 个非质数与之前遍历到的 sum 个非质数，两两之间的路径只包含质数 x。for (int y: g[x]) { // 质数 x 把这棵树分成了若干个连通块。if (size[y] == 0) { // 尚未计算过。// 质数=false 非质数=true。// 从 x 出发的路径。埃氏筛部分 函数的调用方式。lambda函数调用。

原创 [OpenVela] 音乐播放器1.0

基于 OpenVela 系统的嵌入式音乐播放器，使用 LVGL 图形库开发，支持 Wi-Fi 连接和本地音频播放。