然而，在嵌入式和移动设备上，原生 TensorFlow 过于庞大，因此 Google 推出了轻量级版本——TensorFlow Lite（TFLite），专为低功耗、高性能推理场景优化。TensorFlow 作为全栈 AI 框架，适用于各种机器学习任务，而 TensorFlow Lite 作为其轻量化推理引擎，使 AI 能力得以扩展到移动和嵌入式设备。对于嵌入式开发者，可以使用 Yocto 项目构建 TensorFlow 和 TensorFlow Lite，使其适应特定硬件需求。

为了弄明白正在运行的进程是什么意思，我们需要知道进程的不同状态。我们不常见的计算机，如服务器，大部分都遵守冯诺依曼体系。一般我们写完代码后，执行可执行程序会在当前目录下创建exe，当前路径（cwd）；僵尸进程：该进程的代码与数据已经被回收，但是task_struct还在维护。/proc不是硬盘级别的文件，而是内存级别的，每次启动系统，都会刷新。在整个计算机软硬件架构中，操作系统的定位是：一款纯正的“搞管理”的。保存上次数据的地方肯定在内存中（当前进程的PCB）内核（进程管理，内存管理，文件管理，驱动管理）

目标检测中衡量模型速度和精度的指标：FPS和mAP

当需要频繁地访问不同的数据页时，磁头就需要不断地移动，这会带来大量的寻道时间和旋转延迟，也就是随机 I/O。与顺序 I/O 相比，随机 I/O 的性能要差很多，因为顺序 I/O 可以在一次磁头移动过程中连续读取多个数据页，而随机 I/O 每次都需要重新定位磁头，大大增加了磁盘 I/O 的开销。那么在回表时，就需要依次从数据页 A、B、C、D 中读取数据，这就导致了大量的随机 I/O。到主键索引中查找记录时，就会需要频繁地访问不同的数据页。但这些主键值在主键索引中对应的记录可能分散在不同的数据页上，例如。

allWebPlugin中间件一键部署谷歌浏览器扩展

在这个例子里，使用了Tensorflow.net中的LSTM模型，加载电商评论集，经过文本拆分、向量化、构建LSTM模型训练，可以实现中文情感分析，正确率可以达到 90%以上。本例的基本步骤为1、导入评论数据集；2、进行拆分，构建词典；3、对评论数据集进行向量化处理；4、构建模型进行训练；5、按批次进行预测。

Linux中POXSIX线程库用于控制线程，线程等待创建于终止，等待与退出

1. Http 对外 跨防火墙 【 序列化、反序列化 2 （ 因为http是应用层协议，需要把数据——> 序列化成 json——>序列化二进制——>反序列化二进制——>反序列化json）】2. RPC 、gRPC 对内 传输效率高（因序列化、反序列化 1 序列化二进制——>反序列化二进制）服务注册与发现 如 Core中 的 consul技术。API 网关 如 Core中 Ocelot技术。可以利用 重试机制、限流、熔断、降级等。

【代码】LeetCode 环形链表II：为什么双指针第二次会在环的入口相遇？

host是登陆位置，user是创建的mysql用户，passwd是用户对应的密码,db是要访问的数据库，potr是mysql服务器的端口号，unix_socket参数和clientflag设为null和0。可以将MYSQL_RES看作char** 的数组，其中的char**指向的char*指向每一个行数据，有几个char**就有几行，有几个char*就表示有几列（一行有几个数据）。//输出第零列的列名（配和列数进行遍历）因为select后，还需要获取查询到的数据---保存到MYSQL结构体内的结果集。