# 物理机和虚拟机上CPU睿频的区别 ## 关于睿频 ``` 睿频是指当启动一个运行程序后，处理器会自动加速到合适的频率， 而原来的运行速度会提升 10%~20% 以保证程序流畅运行的一种技术。 一般max的睿频不能超过特别长的时间. 他的能耗和TDP的影响都比较大. 睿频与很多环境和硬件相关: 1
更改计算机上的远程桌面的侦听端口 转载：https://learn.microsoft.com/zh-CN/windows-server/remote/remote-desktop-services/clients/change-listening-port 适用范围：Windows Server
随着新一代信息技术与汽车产业的深度融合，智能网联汽车正逐渐成为汽车产业发展的战略制高点，无论是传统车企还是新势力都瞄准了“智能座舱”这种新一代人机交互方式。面对竞争如此激烈的车机市场，华为鸿蒙车机系统的出现，给消费者带来了不同凡响的便捷使用感受，这得益于华为在硬件、软件和场景优化上的技术优势，用户只
https://zhuanlan.zhihu.com/p/369414808 TiUP 是 TiDB 4.0 版本引入的集群运维工具，TiUP cluster 是 TiUP 提供的使用 Golang 编写的集群管理组件，通过 TiUP cluster 组件就可以进行日常的运维工作，包括部署、启动、关
问题现象： 使用服务器管理器打开本地安全策略，或使用win+R快捷键，输入gpedit.msc打开系统组策略时，出现报错：无法打开此计算机上的组策略对象。你可能没有相应的权限。 解决方法： 1、使用win+E快捷键打开资源管理器，点击”查看“，勾选”隐藏的项目“，因为C:\Windows\Syste
最近完成了一个银河麒麟上的视频聊天项目，在我们开发机上测试一切正常后，提交给甲方测试。结果发现在甲方的某些银河麒麟V10的电脑上，听不到声音。究竟是怎么回事了？
Locust基于python的协程机制，打破了线程进程的限制，可以能够在一台测试机上跑高并发 性能测试基础 1.快慢：衡量系统的处理效率：响应时间 2.多少：衡量系统的处理能力：单位时间内能处理多少个事务（tps） 性能测试根据测试需求最常见的分为下面三类 1 负载测试load testing 不断
GMP大数库学习 了解 大数库 在网络安全技术领域中各种加密算法的软件实现始终有一个共同话题是如何在普通的PC机上实现大数运算。普通的PC机内部字长最多时32位或64位，但各种加密算法中为了达到一定安全强度，都要求在128位、512位或1024位字长下进行加减乘除等数学运算，这叫做“大数运算”。 在
这几年搞了不少静态站点，有的是Hexo的，有的是VuePress的。由于不同的主题对于NodeJS的版本要求不同，所以本机上不少NodeJS的版本。 关于如何管理多个NodeJS版本，很早之前就写过用nvm来管理的相关文章，这里就不赘述了，有需要的可以看这篇[Node.js环境搭建](https:/
https://docs.koderover.com/zadig/v1.15.0/install/all-in-one/ 注意 All in One 模式在单台云主机或者虚拟机上安装 Zadig，适合初次接触 Kubernetes 和 Zadig 并想快速上手的用户，不推荐生产使用。 #步骤 1：准
这里以Chrome为例。 1. 准备工作 wsl是可以使用Windows主机上安装的exe程序，出于安全考虑，默认情况下改功能是无法使用。要使用的话，终端需要以管理员权限启动。 我这里以Windows Terminal为例，介绍如何默认使用管理员权限打开终端，具体操作如下图所示： 2. 操作 wsl
大家好，我是痞子衡，是正经搞技术的痞子。今天痞子衡给大家分享的是JLink 7.62优化了手动增加新MCU型号支持方法。 JLink 工具可以说是搞单片机开发的必备神器，JLink 包括一个硬件仿真器（分不同用途的 EDU/BASE/PLUS/WIFI/ULTRA+/PRO）和 PC 机上的驱动软件
前言 近期碰到了分析app的需求，就学习了一下 frida的动态插桩技术。frida是一款轻量级HOOK框架，可用于多平台上，例如android、windows、ios等。frida分为两部分，服务端运行在目标机上，通过注入进程的方式来实现劫持应用函数，另一部分运行在我们自己的控制机上。frida上
机器部署信息 lvs ： 10.0.0.200 vip 10.0.0.19 外网IP ， 172.168.1.19 内网IP dr rs: 10.0.0.200 vip 10.0.0.18 rip nat rs: 172.168.1.17 rip 客户端： 10.0.0.14 cip lvs机器：
快速搭建的第一个系统，并进行迭代 如果正在考虑建立一个新的语音识别系统，其实可以走很多方向，可以优先考虑很多事情。 比如，有一些特定的技术，可以让语音识别系统对嘈杂的背景更加健壮，嘈杂的背景可能是说咖啡店的噪音，背景里有很多人在聊天，或者车辆的噪音，高速上汽车的噪音或者其他类型的噪音。有一些方法可以
Lasso线性回归（Least Absolute Shrinkage and Selection Operator）是一种能够进行特征选择和正则化的线性回归方法。其重要的思想是L1正则化：其基本原理为在损失函数中加上模型权重系数的绝对值，要想让模型的拟合效果比较好，就要使损失函数尽可能的小，因此这样
K最临近（K-Nearest Neighbors，KNN）方法是一种简单且直观的分类和回归算法，主要用于分类任务。其基本原理是用到表决的方法，找到距离其最近的K个样本，然后通过K个样本的标签进行表决，预测结果给出的标签是表决多的一方。 在使用K最临近方法的时候，有两个方面可调： 一是K值的大小，K一
机器学习方法对多维特征数据进行分类：本文用到非常经典的机器学习方法，使用递归特征消除进行特征选择，使用支持向量机构建分类模型，使用留一交叉验证的方法来评判模型的性能。 构建模型：支持向量机（Support Vector Machine，SVM）； 特征选择：递归特征消除(Recursive Feat
清除标注错误的数据 监督学习问题的数据由输入\(x\)和输出标签 \(y\) 构成，如果观察一下的数据，并发现有些输出标签 \(y\) 是错的。的数据有些标签是错的，是否值得花时间去修正这些标签呢？ 看看在猫分类问题中，图片是猫，\(y=1\)；不是猫，\(y=0\)。所以假设看了一些数据样本，发现
神经网络应该由若干神经元组成。 前面的每一个神经元都会给到一个参数，将传递的所有参数看作一个向量 \(\vec x\)，那么此神经元的净输入为： \[z = x \omega + b \]其中 \(\omega\) 称为权重向量。 这里认为 \(x\) 是行向量，而 \(\omega\) 是列向量。
