一些可以参考的文档集合6

 之前的文章集合:

一些可以参考文章集合1_xuejianxinokok的博客-CSDN博客

一些可以参考文章集合2_xuejianxinokok的博客-CSDN博客

一些可以参考的文档集合3_xuejianxinokok的博客-CSDN博客

一些可以参考的文档集合4_xuejianxinokok的博客-CSDN博客

一些可以参考的文档集合5_xuejianxinokok的博客-CSDN博客

20220629

Del算符与梯度、散度、旋度与Laplacian - 知乎Del算符( abla )，在向量微积分和机器学习中很常用。在Latex中被称为Nabla，但在读时，一般读作“德儿”， abla = (frac{partial}{partial x},frac{partial}{partial y},frac{partial}{partial z}) ；在…https://zhuanlan.zhihu.com/p/349328782

第一步，vertex shader。是将三维空间中数个（x,y,z）顶点放进 GPU 中。

在这一步骤中，电脑会在内部模拟出一个三维空间，并将这些顶点放置在这一空间内部。接着，投影在同一平面上，也是我们将看到的画面。同时，存下各点距离投影面的垂直距离，以便做后续的处理。

这个过程就像是本地球观看星星一般。地球的天空，就像是一个投影面，所有的星星，不管远近皆投影在同一面上。本地球的我们，抬起头来观看星星，分不出星星的远近，只能分辨出亮度。

GPU 所投影出的结果，和这个情况类似。

从地球所看到的星空，星星就像是投影到一球面上，除非使用特别的仪器，不然分不出星星和地球的距离

第二步，primitive processing。是将相关的点链接在一起，以形成图形。在一开始输入数个顶点进入 GPU 时，程序会特别注记哪些点是需要组合在一起，以形成一线或面。就像是看星座的时候一样，将相关连的星星连起来，形成特定的图案。

第三步，rasterisation。因为电脑的屏幕是由一个又一个的像素组成，因此，需要将一条连续的直线，使用绘图的演算法，以方格绘出该直线。图形也是以此方式，先标出边线，再用方格填满整个平面。

第四步，fragment shader。将格点化后的图形着上颜色。所需着上的颜色也是于输入时便被注记。在游玩游戏时，这一步相当耗费 GPU 的计算资源，因为光影的效果、物体表面材质皆是在这一步进行，这些计算决定着游戏画面的精细程度。因此在游玩游戏时，调高游戏画面品质大幅增加这一步的计算负担，降低游戏品质。

将一个三角形，用方格呈现近似原始图案，并着上颜色。一块又一块的方格，就是显示器上的像素

最后一步，testing and blending。便是将第一步所获得的投影垂直距离取出，和第四步的结果一同做最后处理。在去除被会被其他较近距离的物体挡住的物体后，让剩下的图形放进 GPU 的输出内存。之后，结果便会被送到电脑屏幕显示

解析GPU的工作原理！ - 知乎在GPU出现以前，显卡和CPU的关系有点像“主仆”，简单地说这时的显卡就是画笔，根据各种有CPU发出的指令和数据进行着色，材质的填充、渲染、输出等。 较早的娱乐用的3D显卡又称“3D加速卡”，由于大部分坐标处理的…https://zhuanlan.zhihu.com/p/530141476

聊聊 Vue 的双端 Diff 算法-51CTO.COMdiff 算法是渲染器中最复杂的部分，也是面试的热点问题。今天我们就通过 Vue 的 diff 算法来探究下 diff 算法吧。https://developer.51cto.com/article/712614.html

（已开源）干货 | 用opencv的DNN模块做Yolov5目标检测https://mp.weixin.qq.com/s/-fwbg6KLIKM21F1BEat59Q

Redis提供了编程接口(programming interface)可以让你在Redis服务器端执行客户的脚本。

一个重大的变化就是从Redis 7开始，你可以选择使用Redis Functions去管理和运行你的脚本，而在此之前你只能使用EVAL命令执行Lua脚本。

通过EVAL命令执行的脚本是有缺陷的。如果在Redis服务器端执行了命令SCRIPT FLUSH，或者服务器重启，或者主节点执行了一个主备切换，那么存在于服务器端的脚本将会丢失，于是客户端的应用程序需要重新将整个的脚本再次发送到服务器。这个缺陷实际上说明，客户要执行的脚本需要客户端的应用程序去维护而不是Redis服务器端维护。所以，为了解决脚本的一系列问题，Redis在最新发布的７.０版本中提出了Functions这个概念。

Redis 7核心特性深度解析——Redis Functions从Redis 7开始，你可以选择使用Redis Functions去管理和运行你的脚本https://mp.weixin.qq.com/s/-0F1yqQ9Lzd6J-bWh2nDbg

离散函数的导数退化成了差分，一维一阶差分公式和二阶差分公式分别为：

Laplace(拉普拉斯)算子_Sagacity_1125的博客-CSDN博客_拉普拉斯算子目录原理原理Laplace算子作为边缘检测之一，和Sobel算子一样也是工程数学中常用的一种积分变换，属于空间锐化滤波操作。拉普拉斯算子（Laplace Operator）是n维欧几里德空间中的一个二阶微分算子，定义为梯度（▽f）的散度（▽·f）。拉普拉斯算子是二阶微分线性算子，在图像边缘处理中，二阶微分的边缘定位能力更强，锐化效果更好，因此在进行图像边缘处理时，直接采用二阶微分算子而不使用一阶微分。图1 一阶微分和二阶微分计算图离散函数的导数退化成了差分，一维一阶差分公式和二阶差分公式分别为：https://blog.csdn.net/Sagacity_1125/article/details/115508385

分布式锁一般有如下的特点：

• 互斥（Mutual Exclusion）：同一时刻只能有一个线程持有锁

• 同步：获取锁失败可以阻塞，后续可被唤醒

• 可重入性：同一节点上的同一个线程如果获取了锁之后能够再次获取锁

• 避免死锁（Dead lock free）：和J.U.C中的锁一样支持锁超时，防止死锁

• 容错（Fault tolerance）：避免单点故障，锁服务要有⼀定容错性

面试官：Redis分布式锁基本原理是什么？有哪些核心设计需要注意？还有其他方案实现分布式锁吗？Redis分布式锁基本原理是什么？有哪些核心设计需要注意？还有其他方案实现分布式锁吗？如何选择？https://mp.weixin.qq.com/s/3efTmESLCBBcaDjCgnxJ1Q