下面是我被封了5个号后终于能稳定使用几个月后的一些经验记录。 写在前面：封号应该是有一套风控策略的，不一定是哪个触发了后就一定会被封号，同时这个A÷肯定也是会不断改进的。 我目前的使用环境：自建机场+指纹浏览器+隔离网络环境+没被封过号的设备跑cc 一. 环境处理 VPN 第一级：要有一个在A÷允许区域的梯子。 第二级：梯子不要开自动选择。 第三级：梯子纯净

静态词向量近年其实没有什么工作，毕竟应该算是LLM的时代了。 大概阅读了一下Word2Vec和GloVe之类静态词向量的后续改进。 AWE (2020) Attention Word Embedding，发表在COLING 2020（CCF-B） Word2Vec的一个局限是，CBOW模型对于上下文会赋予相同的权重（虽然有动态窗口缩放，但是这里指的是窗口固定

下面是我的word2vec的算法理解到原始代码分析。叠甲：都是我的个人理解，可能有不对的地方。 做这个是因为我的毕设是word2vec的CUDA加速，所以要先读懂原始的C代码。 word2vec是什么？ 我的理解就是，不同的单词有语义，含义不同。语义用一个一定维度的向量来表示。 而word2vec算法就是通过海量的语料，算出每个单词的语义。 word2vec

异构计算 = CPU（控制者）+ GPU（加速者）协同工作 “为任务选择适合它的架构”。 用GPU输出：Hello world! 准备工作 检查CUDA编译器是否正确安装，以及路径： 通常结果是/usr/local/cuda/bin/nvcc。 检查GPU： 我这里的输出结果是： /dev/nvidia0 到 /dev/nvidia3表示有4张独立显卡。 第

更复杂的线程结构（2D、3D） 前面我们是这样用线程的： 这里可以看见，每个线程，我们有这两个坐标变量： 当执行一个核函数时，CUDA运行时会自动为每个线程，分配这两个坐标变量blockIdx和threadIdx。 不过，上面的使用是一维的，实际上CUDA也支持二维、三维，这样可以方便处理2D的图像、3D的体积数据之类的。 前面说的这两个坐标变量，都是基于u

内存类型 前面我们已经学过了，用cudaMalloc分配全局显存。 内存还有几个类型： 本地内存 全局内存不用说了，前面动态分配的就是。下面是本地内存。 本地内存逻辑上属于某个线程私有，实际上和全局内存一样慢。什么是本地内存？简单讲，就是单个线程的一些变量，在寄存器里放不下了，就会用到本地内存。 （写作本地内存，逻辑上我们当成单个线程私有的，其实就是给物理上

这门是厦门大学计科大四上的专业课，一学期一点都没学，全在玩了（保研完了是这样的）。 下面是本人用时一天的速通笔记。（基本上直接面向做题） 2 项目管理 在估算软件项目规模的适合，直接方法是代码行数LOC，间接方法是功能点FP。 LOC LOC，Lines of Code，代码行数，用来估计软件项目的规模大小。 一般每个模块有三个估计值： 估算期望值的公式 F

前面是老师画的重点。但是显然这些会了也不一定够。 期末题型： （我也不知道为什么加起来是110分啊） 复习 速通 的话，可以先把实验看一下。 实验1：用例图、需求文档 为了提升图书馆的服务水平和运营效率，xx大学拟引进全新的图书管理系统。该系统不仅包含基础的管理功能，还将集成先进的统计功能。系统将提供一个全面的图书检索平台，用户可以通过多种关键字如书名、作者