新一代科學計算與系統建模仿真平臺MWORKS 2024a震撼發布:產品強勢進化,更新亮點速覽!

2月25日,同元軟控成功舉辦MWORKS?2024產品發布會,會上公布了新版MWORKS的設計理念、關鍵技術、版本亮點、產品特性以及重大改進。當前,科學計算與系統建模仿真平臺MWORKS?2024a已正式上線,開放下載。

MWORKS已成為全球第4個完整的科學計算與系統建模仿真一體化平臺,為世界提供科學計算與系統建模仿真平臺的中國選項,為各行業裝備數智化提供統一的信息物理融合系統(CPS)計算仿真底座。此次更新的2024a版本帶來了5大強勢亮點,發布3個解決方案全新發布23個新產品大幅更新14個產品,端云一體自主化,與國產信創產品全面兼容,全面提升用戶使用體驗!

△ MWORKS 2024a 亮點介紹

全新發布的23個新產品,涵蓋Sysblock框圖與狀態機建模、并行計算、半物理仿真、嵌入式代碼生成與驗證、模型集成與聯合仿真等基礎工具,覆蓋信號處理與通信、雷達、控制系統、機械多體、電氣、流體等領域。例如全新推出的CAD工具箱,支持將CAD模型轉換為動力學和運動學模型,并能夠人工調節導入過程并支持迭代設計,從而實現設計和仿真的一體化。全新推出的模型降階及融合仿真工具,支持讀取三維場數據構建降階模型,實現了場仿真與系統仿真的高效融合,從而實現機理-數據融合方案的一站式操作。

大幅更新的14個產品,涉及數學與優化、控制系統、設計優化、機械、流體和嵌入式代碼生成等工具。這些工具的更新優化都以應用驅動,或歷經嚴苛的真實工業場景考驗,或經過了大規模教學科研場景的迭代打磨,確保了產品能夠更好的滿足各領域的實際需求。

?

(1)全球第4個科學計算與系統建模仿真一體化平臺

基于模型的系統設計計算、建模與仿真是CPS時代工業軟件的發展趨勢,科學計算與系統建模仿真的一體化平臺是CPS設計計算、建模與仿真的核心支撐。

△ 科學計算與系統建模仿真一體化平臺的三大關鍵能力

統一環境下的多范式建模仿真能力、模型驅動的多目標代碼生成能力,以及豐富的專業工具箱與生態共建能力是科學計算與系統建模仿真一體化平臺的三大關鍵能力。

關鍵能力一:統一環境下的多范式建模仿真能力

過去,Sysplorer基于Modelica強大的多領域表達能力,支持機、電、液、控、熱的多領域統一建模,支持陳述式表達模型、模型方程分析及求解規劃,支持大規模復雜系統高效仿真求解,提供豐富易用的可視化后處理環境。

本次創新地在Sysplorer統一環境下實現Sysblock框圖建模:功能、性能、易用性全面對標實現;模型和代碼之間具備雙向追溯能力;混合建模仿真,物理、框圖、狀態機模型無縫集成。

?#??Sysblock框圖建模:功能、性能、易用性全面對標實現

  • 涵蓋數學庫、離散庫、信號源庫、接口庫、查表庫、子系統庫、狀態機庫等?90 多個常用模塊

  • 子系統層次化建模:支持用戶將任意模塊封裝為一個整體

  • 條件執行子系統:使能、觸發、使能觸發、函數調用子系統

  • 多任務多速率:支持多任務多速率及代碼生成,可用于分區并行計算

  • 模型推導:采樣時間推導、變量類型推導、變量維度推導

  • 診斷系統:提供針對模塊的診斷系統,幫助用戶快速定位問題

△ Sysblock框圖建模:功能、性能、易用性全面對標實現

?#??Sysblock狀態機建模:功能、性能、易用性全面對標實現

  • 支持轉移動作和條件動作

  • 狀態內動作支持區分entry、during、exit動作

  • 支持結點、歷史結點

  • 支持輸入、輸出、局部事件

  • 支持并行狀態

  • 支持狀態跨層轉移

  • 支持內、外部轉移

  • 支持帶條件的缺省轉移,支持同時存在多個缺省轉移

  • 支持變量同時在父狀態和子狀態中賦值

  • 支持指定狀態機的生成代碼函數封裝形式

  • 支持可視化單步調試

△ Sysblock狀態機建模:功能、性能、易用性全面對標實現

?#??模型和生成的代碼之間具備雙向追溯能力

  • 因果式建模,從底層機制上支持模型與代碼的追溯

  • 代碼生成框架改造,生成過程中保留追溯信息,適應雙向追溯需求

  • 支持代碼查看與切換

  • 支持代碼搜索與定位

△ 模型和生成的代碼之間具備雙向追溯能力

?#??混合建模仿真:物理、框圖、狀態機模型無縫集成

  • 物理模型走物理建模的流程,生成桌面端代碼,框圖模型走框圖建模的流程,生成嵌入式代碼

  • 框圖模型的各項功能均可生效,例如類型定制、數據字典等

  • 物理模型和框圖模型的仿真結果均支持查看

  • 內核底層自動進行交互接口之間的類型匹配轉換

△ 混合建模仿真:物理、框圖、狀態機模型無縫集成

因此,Sysplorer?2024a支持真正的多范式統一建模,可實現統一建模環境、統一語言規范、統一編譯分析、統一代碼生成、統一調度求解

△ Sysplorer?2024a支持真正的多范式統一建模

關鍵能力二:模型驅動的多目標代碼生成

針對模型驅動的多目標代碼生成,Julia社區尚無成熟方案,如PackageCompiler,其將Julia編譯器整體打包到動態鏈接庫或可執行文件,存在嚴重短板,如:體積大(>200MB);編譯時間長、啟動延遲高;可以創建多個動態庫,但無法同時加載;跨平臺編譯支持不足,難以部署到ARM架構或嵌入式系統等。其難點在于Julia動態調用結合多重分派,導致理論上Julia編譯結果仍無法脫離編譯器;Julia IR嚴重缺少規范文檔。

Syslab代碼生成具有唯一性、復雜性、獨特性、適用性4大優越特性,全球首創Julia靜態代碼生成技術;技術難度高,深入語言內核,源碼自主可控;低延遲加載、部署體積小、支持跨平臺/硬件架構、支持嵌入式部署Julia算法;不依賴Julia運行時,未來前景廣闊。

△ Syslab代碼生成

MWORKS 2024a已支持CPS系統模型代碼生成,同時包含Modelica物理域模型、Sysblock控制模型,Syslab通信算法模型(SyslabObject封裝)的混合系統模型可實現代碼生成與仿真。

△ MWORKS 2024a已支持CPS系統模型代碼生成

關鍵能力三:豐富的專業工具箱與生態共建能力

MWORKS聯合合作伙伴構建了豐富的專業工具箱,基于開放架構支持生態共建、共享、共贏。涵蓋傳動、液壓、電機、熱流等多個典型專業,覆蓋航天、航空、汽車能源、船舶等多個重點行業,并支持用戶自行擴展;提供的基礎模型有助于大幅降低復雜產品模型開發的門檻,降低模型開發人員的學習成本,消減數字化轉型的阻力,從而加速裝備行業數字化轉型;提供AI與數據科學、信號處理與通信、控制系統、機械多體、代碼生成校核&驗證與確認、模型集成與聯合仿真等多個類別的應用工具,滿足多樣化的數字化設計、分析、仿真及優化需求。同元軟控認為,新一代科學計算與系統建模仿真平臺,需要在更多行業應用中充分迭代,需要有更多的合作伙伴共同發展,才能真正實現軟件的強大和生態的繁榮。

△ 豐富的專業工具箱與生態共建能力

(2)MWORKS?2024:創新?兼蓄,不止于替代

本次MWORKS 2024a版本呈現“超強性能、智能加持、端云一體、兼蓄經典、開放架構”五大強勢亮點。

版本亮點一:超強性能?國際先進

高性能科學計算

?#? 5大性能改進

  • 函數庫加載:全量函數庫加載耗時,提速30%以上

  • 函數庫運行:語言基礎庫計算提速57%,基礎數學庫計算提速67%,信號處理庫計算提速40%

  • 繪圖:基于曲線采樣算法,千萬級數據點繪圖的交互性能(如框選縮放)從10s降低到1~2s

  • APP:采用Julia計算服務化,解決APP每次啟動慢、內存占用高等問題

  • 雙向融合:C++調用Julia,采用同元開發的TyJuliaCAPI,性能提升顯著。例如,某芯片產業模型,仿真700萬步,從4小時提升到6分鐘

△ 高性能科學計算

高性能系統仿真內核

?#? 歷經5年重構的新一代系統建模仿真引擎

  • 統一多范式建模:多范式建模統一表達、擴展過程式框圖建模語義、擴展狀態機建模語義、支持框圖與物理模型混合建模仿真

  • 語義增強:支持FMI3.0、支持同步時鐘語義、支持穩態計算、支持框圖模型雙向追溯功能

  • 高性能編譯仿真引擎:編譯核心機制重構、代碼生成模板引擎重構、非線性求解算法優化、流程細節梳理打磨

  • 體驗優化:更完備的文本格式化功能、更易用的報錯診斷功能、更精準的變量可變性檢查功能、函數支持可變數組

△ 高性能系統仿真內核

版本亮點二:智能加持?擁抱未來

自動編程:MWORKS?Copilot

  • 智能問答:具備跟ChatGPT一樣的問答模式,節省查找資料的時間

  • 自動翻譯:支持將一種編程語言實現的算法翻譯成另外一種編程語言實現

  • 支持Python、Julia、M等編程語言

* MWORKS?Copilot是實驗特性,背后的語言模型基于CodeGeex

(https://github.com/THUDM/CodeGeeX)

△ 自動編程:MWORKS?Copilot

智能控制:新增強化學習工具箱

  • 智能體:提供DQN、PPO、SAC和DDPG等十五種模型智能體(Agent)模塊

  • 環境交互:面向資源分配、機器人和自主系統等復雜應用場景,提供策略、控制器和決策算法

  • 支持使用深度神經網絡或查找表來表示策略和值函數,支持在使用FMU格式建模的環境下進行調用

△ 智能控制:新增強化學習工具箱

數智孿生:支持構建機理數據融合的孿生系統

  • 統計及機器學習工具箱:支撐回歸分析、分類分析、聚類分析、降維、增量學習以及工業統計等

  • 深度學習工具箱(Powered?by?MindSpore?):基于華為AI框架MindSpore構建的深度學習工具箱,支持深度學習領域中的圖像深度學習、時序、序列和文本深度學習、預訓練網絡、圖神經網絡、網絡訓練組件以及函數逼近與聚類

  • 模型降階及融合仿真工具:為一三維聯合仿真、機理數據融合提供了降階模型和數據模型生成工具,實現了場仿真與系統仿真的高效融合和機理數據融合方案的數據模型便捷生成

△ 數智孿生:支持構建機理數據融合的孿生系統

△ 多物理場融合

版本亮點三:端云一體?協同進化

基于“云”的新一代的科學計算與系統仿真IDE

  • 免于安裝,在線升級:瀏覽器運行,即開即用、版本無感升級、公有云MoHub私有云Syslink

  • 彈性計算,按需調度:容器部署、并行計算、分布式仿真

  • 在線共享,實時協作:敏捷、瀑布多種協同工作流、模型技術狀態管理、版本管理、沖突解決工具

  • 生態開放,宜于擴展:云化SDK、APP開發套件、應用市場

MWORKS?Online

  • 無需安裝,通過Web瀏覽器即可訪問

  • 提供完備的在線交互式編程環境,支持在線可交互繪圖,內置豐富的科學計算函數和系列專業工具箱

  • 功能覆蓋桌面版80%以上

△ Syslab?Online

  • 增強在線管理與協同,新增個人工作空間、版本管理等功能

  • 與Syslab統一技術棧,享用現代化IDE的編程體驗,提供更便捷的圖文交互建模

  • 優化結果后處理功能,新增表格視圖、新增視圖窗口管理等功能,

  • 功能覆蓋桌面版70%以上

△ Sysplorer?Online

版本亮點四:兼蓄經典?創新超越

M語言兼容運行

  • 無需安裝MATLAB,直接運行在Syslab上

  • M語法及程序行為兼容度超過97%

  • 支持代碼調試、搜索路徑、MEX機制等高級功能

  • 某芯片產業的77+應用場景案例,8萬行代碼,驗證通過率100%,對標精度達到1e-15

△ 無需安裝MATLAB,直接運行在Syslab上

△ M語言兼容運行

Simulink模型導入

  • 直接導入Simulink模型文件(.slx),解析并轉換成Sysplorer模型

  • 支持80+Simulink常用組件的轉換

  • 支持12種Simulink求解算法

  • 支持Simulink子系統模型的轉換

  • 某芯片產業的80+應用場景案例,驗證通過率94%,對標精度達到1e-15

△ Simulink模型導入

對用戶語言的思考

?#??進程內多語言統一的三大底層關鍵技術

  • 跨語言數據模型對接:數據類型被不同語言理解

  • 基于析構器和對象池的跨語言生命周期管理:數據內存在不同語言間安全地創建、傳遞和自動釋放

  • 跨語言+跨ABI錯誤處理:錯誤處理在不同語言間安全傳遞、在每一門語言里原汁原味地處理

?#??以Julia為主語言,兼顧Python、M等其他編程語言,打造新一代的多語言科學計算環境

△ 對用戶語言的思考

版本亮點五:開放架構?生態共贏

構建信息物理融合開放平臺

  • 基于云原生,構建下一代CPS平臺:基于公有云的云原生服務,構建面向AI的下一代CPS平臺

  • 定義開放架構和接口標準,支持靈活接入:支持按需開發、擴展、替換工具箱,使能各產業共建共享

  • 基于開放架構,融合行業內外部優勢力量:融合先進性能力,打造面向AI時代的CPS平臺

  • 基礎設施構筑在公有云底座:基于國產硬件和公有云的基礎底座,充分發揮公有云基礎服務的優勢

△ 構建信息物理融合開放平臺

共建行業數字化開放生態

  • 發布開放系統架構規范v1.0:底層算法可修改,應用資源可擴展、外部系統可集成

  • 依托規范實現架構改造:改造平臺層API、構建應用層樣板間,實現內核層可替代

  • 產業應用驅動,保障開放架構可信:在合作伙伴的產業應用中,驗證了架構開放性和平臺擴展性

  • 形成開放架構的最佳實踐:聚焦汽車、航空等典型產業,解決實際工程問題,形成了行業最佳實踐

△ 共建行業數字化開放生態

△ MWORKS 2024a控制系統系列工具箱概覽

MWORKS?2024a控制系統系列工具箱重要特性

  • 引入Sysblock提供增強的因果式建模功能

  • 基于系統辨識的數據建模

  • 線性化Modelica模型并設計控制器

  • 模型驅動的嵌入式代碼自動生成

* MWORKS?2024a全面支撐控制系統基于模型的設計

控制系統基于模型的設計

  • 在開發全流程系統地使用模型:包括系統架構建模、設計實現、集成仿真、自動代碼生成以及驗證和確認

  • 以仿真和代碼生成為中心:實現對部件的設計與測試、研究和評估的增量式交付

△ 控制系統基于模型的設計

系統分析與設計

  • 動態對象建模和仿真:針對構成系統的組件,采用最合適的建模方法描述其復雜動態,并集成為系統級對象模型

  • 對象模型分析:針對線性對象開展時域、頻域、穩定性等分析;針對非線性Modelica物理對象模型的線性分析

  • 設計并調節反饋控制器:線性化對象模型,利用伯德圖、根軌跡圖和其他設計方法開展控制系統設計。并分析系統關鍵性能參數,如超調量、上升時間和穩定裕度

  • 設計和仿真調度邏輯:利用Sysblock狀態機開展控制系統中調度邏輯的建模、設計與仿真,以實現控制器的運轉、操作模式的切換及執行故障檢測、隔離與恢復(FDIR)

△ 系統分析與設計

設計實現與測試

  • 模型驅動的自動代碼生成:模型驅動的自動代碼生成可以產生能立即部署到目標硬件上并進行測試的軟件,實現對系統的設計與測試、研究和評估的增量式交付

  • 基于代碼生成的測試驗證:通過RCP對控制邏輯進行虛擬測試,以驗證控制邏輯的功能和性能是否滿足設計需求;通過HIL測試,確保產品的最終功能和性能能夠滿足設計需求,尤其是驗證其糾障能力及極限工況下的運行情況

△ 設計實現與測試

△ MWORKS 2024a 電子信息系列工具箱概覽

功能全面覆蓋

?#??信號處理工具箱

  • 執行通用信號處理和分析

  • 243(90%)核心函數覆蓋

?#??DSP系統工具箱

  • 對數據流信號處理系統進行設計和仿真

  • 203(90%)核心函數覆蓋

?#??小波工具箱(全新發布)

  • 對信號和圖像進行時頻和小波分析

  • 175(90%)核心函數覆蓋

?#??通信工具箱

  • 設計、仿真和分析通信系統

  • 279(90%)核心函數覆蓋

?#??雷達工具箱(全新發布)

  • 設計、仿真和測試多功能雷達系統

  • 117(60%+)核心函數覆蓋

?#??相控陣系統工具箱(全新發布)

  • 設計和仿真相控陣與波束成形系統

  • 151(60%+)核心函數覆蓋

性能持續提升

  • 性能提升:2024a版本對信號處理庫核心函數進行全面性能優化,相較于2023a,函數首次運行速度提升約40%

  • 速度優勢:核心函數平均運行耗時約為M軟件60%

△ 性能持續提升

電子信息系統解決方案

  • 每一代電子信息系統的迭代都依賴新的設計平臺和工具箱,以承載新一代系統的技術棧、Know-How、工具鏈

  • MWORKS.Syslab和MWORKS電子信息工具箱,融合算法模型設計、儀器儀表控制、代碼實現仿真,提供基帶、射頻、天線Know-How集成設計平臺和工具,支撐先進電子信息系統(分立系統/SoC)整體解決方案

△ 電子信息系統解決方案

5G無線通信系統設計解決方案

在5G無線通信系統中,大規模天線陣列是5G及B5G無線通信關鍵技術之一,通過把原有發送端天線數量提升一個數量級,可以提升通信系統容量、頻譜效率和能量效率。同時可以提高空時分辨率,在MIMO雷達技術中起到重要作用。在此基礎上,大規模陣列天線為波束賦形、信道預編碼、信道建模等方向帶來了新的挑戰。

本系統展示了如何在大規模?MIMO?通信系統的發射端采用混合波束成形技術提升通信系統的質量,通過混合波束賦型進行數字基帶和模擬濾波的權重分配。進一步的,本系統也采用了編解碼,調制解調,信道,均衡等模塊進行通信系統的設計與測量。充分驗證了syslab相控陣工具箱和通信工具箱在5G無線通信系統設計解決方案中的重要作用。

△ 5G無線通信系統設計解決方案

支撐射頻前端和基帶的濾波器設計工具

  • 濾波器設計工具已支持低通、高通、帶通、帶阻、微分器、Hilbert變換器等全部濾波器類型,并支持模擬濾波器、數字濾波器、基于最小化P范數的最優濾波器和基于Chebyshev近似的等波紋濾波器等全部濾波器設計方法,可以指定最平坦、Nyquist,峰值、陷波等制定濾波器響應類型

  • 濾波器設計工具完整支持用戶各種半帶濾波器、陷波濾波器,設計精度超過10的-11次方

  • 濾波器設計工具提供全套濾波器分析方法(連續域、離散域)和量化定點設計工具

△ 支撐射頻前端和基帶的濾波器設計工具

雷達系統設計解決方案

  • 雷達信號處理基礎:完備的雷達信號處理工具體系,提供開箱即用的算法驗證體驗

  • 雷達系統性能:不同環境下的雷達增益、損失、探測性能分析工具,助力系統關鍵指標設計

  • 綜合場景應用-機載雷達 STAP:端到端建模仿真雷達系統與環境,支撐綜合場景評估

△ 雷達系統設計解決方案

* 電子信息系統解決方案旨在為相關用戶提供建模基座,在信息系統多學科共享一套基礎算子,并在電磁空間構建一套基礎數字樣機,方便專業用戶基于解決方案設計業務實現,提高建模仿真效率。

MWORKS 2024a作為更加強大的數字樣機與數字孿生支撐平臺,更好地支持全要素樣機構建、跨階段持續演進、分層級數字交付數智化孿生應用

?全要素數字樣機構建

全新推出CAD工具、ROMBuilder工具,升級SysML-Modelica工具、FMI工具,支持幾何-狀態融合、多物理場融合、設計-驗證融合、系統-專業融合,更好地實現全要素樣機構建。

  • 升級SysML-Modelica工具,支持將SysML模型轉換為Modelica模型,強化了布局位置一致性、工具軟件兼容性、SysPhs標準支持,更好地實現設計-驗證融合

  • 全面推出CAD工具,平臺集成度更高、版本兼容性更強、連接件分組更準、免安裝開箱即用、擴展維護性更強、圖形引擎更開放,更好地實現幾何-狀態融合

  • 升級FMI工具,在FMI v1.0/2.0版本基礎上,新增FMI v3.0能力,獲得官網認證,全面支持專業仿真模型基于FMI標準的集成,更好地實現系統-專業融合

  • 全面推出ROMBuilder工具,均衡物理場模型的求解精度與效率,降階策略更優化、降階功能更完整、操作流程更簡便、評價指標更豐富,更好地實現多物理場融合

△ MWORKS 2024a更好支持全要素數字樣機構建

跨階段數字樣機演進

升級Design Optimization工具,提供模型試驗、敏感度分析、參數估計、響應優化等能力,通過標定評價使得數字樣機向孿生級發展,更好地實現數字樣機跨階段演進。

分層級數字樣機交付

升級Syslink工具,提供更高效的模型協同模式,新增多分支功能、沖突解決工具、模型自動化測試功能、在線發布功能,優化模型評審功能,提供更通用的模型管理工具,支持接入協同平臺、通用文件管理,更好地支持分層級數字樣機協同與交付。

數字孿生智能化應用

  • MWORKS接口庫提供通信接口庫、數據轉碼庫,Coder工具支持Sysplorer Coder與Syslab Coder,更好地支持虛實交互。

  • MWORKS AI工具箱提供機器學習、強化學習、深度學習能力,更好地支持數字孿生體與孿生系統的智能演化。

MWORKS 2024a將全面應用于戰略籌劃、裝備論證、研制生產、試驗鑒定、運用保障各階段,支撐裝備系統研制模式變革、產品智能升級和數智資產重構,加速復雜裝備數字化轉型。

標準、開放、自主、先進,是MWORKS的立足之本。過去幾年,同元軟控圍繞行業應用需求和裝備數字化需求,持續迭代完善MWORKS。2024年,MWORKS完成了里程碑的重大升級,系統建模仿真內核五年重構,框圖建模與代碼生成突破窠臼,科學計算大量創新,工具箱家族不斷擴大。

  • 創新地在Sysplorer統一環境下實現Sysblock框圖建模

  • 形成相對完整的科學計算與系統建模仿真一體化平臺

  • 系統內核5年重構,性能大幅度提升,躍居國際領先

  • MWORKS.Syslab性能大幅提升,覆蓋80%對標軟件功能與函數

  • MWORKS平臺航天、航空、車輛、芯片、無線等多個產業工程驗證,成為科學計算與系統建模仿真底座,完整支撐裝備數字化

MWORKS?2024a?已開放下載

△?MWORKS?2024a下載地址?

全新的MWORKS?2024a現已開放下載,歡迎新老用戶踴躍下載、積極試用

/

如需了解更多MWORKS相關信息,可掃碼查閱MWORKS產品手冊。

△?掃碼查閱MWORKS產品手冊?

歡迎關注“MWORKS”公眾號,我們將不定期推出更多的技術文章,敬請期待后續推送!


科技踐于行,創新無止境。MWORKS持續迭代,強勢進化,為世界提供科學計算與系統建模仿真平臺的中國選項。

未來,我們仍將秉承“融入工業創新,共創先進軟件”的發展理念,緊抓時代技術發展趨勢,圍繞行業應用需求,在工程實踐中反復迭代,不斷錘煉MWORKS,打造開放的裝備數字化計算仿真底座,積極促進軟件產業生態完善,持續推動中國工業軟件全面發展與創新突破!

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/710985.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/710985.shtml
英文地址,請注明出處:http://en.pswp.cn/news/710985.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

全量知識系統問題及SmartChat給出的答復 之6 三套工具之1

Q15. 提出想法和問題 前面說過,DDD在我要設計的全量知識系統中位于中間層,是專門用來解決“知識湯”問題的。 解決的思路就是以將為在特定領域中的公司經營提供一個責任-權限平面為目的,幫助他們調整商業模式以及組建恰當的組織&#xff0c…

C# 高階語法 —— Winfrom鏈接SQL數據庫的存儲過程

存儲過程在應用程序端的使用的優點 1 如果sql語句直接寫在客戶端,以一個字符串的形式體現的,提示不友好,會導致效率降低 2 sql語句寫在客戶端,可以利用sql注入進行攻擊,為了安全性,可以把sql封裝在…

嘉立創專業版導入SW模型的板框

1、SW新建一個需要的模型,例如下圖, 2、點擊另存為.dxf 文件(是.dxf文件) 3、選擇要保存模型的視圖,如上視圖,確定后出現上視圖板框形狀,然后保存即可。 4、打開嘉立創,點擊文件——…

Linux中的awk命令

AWK是一種在Linux系統中經常使用的文本處理工具,它可以根據指定的模式對文本文件進行處理和分析。下面是一些關于AWK命令的使用說明和舉例: 1. 基本語法: awk pattern { action } file 2. 使用字段分隔符: 默認情況下&#xf…

整數編碼【華為OD機試-JAVAPythonC++JS】

題目描述 實現一種整數編碼方法,使得待編碼的數字越小,編碼后所占用的字節數越小。 編碼規則如下: 編碼時7位一組,每個字節的低7位用于存儲待編碼數字的補碼 字節的最高位表示后續是否還有字節,置1表示后面還有更多的字節&#xf…

pytorch -- GPU優化寫法套路

1. GPU優化的點 網絡模型 數據(輸入、標注) 損失函數 .cuda方式 代碼: import torch.optim import torchvision from torch import nn from torch.utils.data import DataLoader from torch.utils.tensorboard import SummaryWriter# 1. 準備數據集 t…

C++實現XOR加解器

#include <Windows.h> #include <iostream> #include <fstream> #include <string>// 加解密函數&#xff0c;使用XOR運算 void XORCrypt(char* data, int size, const std::string& key) {int keyLength key.length();for (int i 0; i < siz…

日志系統項目實現

日志系統的功能也就是將一條消息格式化后寫入到指定位置&#xff0c;這個指定位置一般是文件&#xff0c;顯示器&#xff0c;支持拓展到數據庫和服務器&#xff0c;后面我們就知道如何實現拓展的了&#xff0c;支持不同的寫入方式(同步異步)&#xff0c;同步:業務線程自己寫到文…

萬卡集群:字節搭建12288塊GPU的單一集群

文章目錄 論文Reference 論文 MegaScale: Scaling Large Language Model Training to More Than 10,000 GPUs 論文鏈接&#xff1a;https://arxiv.org/abs/2402.15627 從結構上講&#xff0c;網絡是基于Clos的“胖樹”結構。其中一個改進是在頂層交換機上把上行與下行鏈路分開&…

三、《任務列表案例》前端程序搭建和運行

本章概要 整合案例介紹和接口分析 案例功能預覽接口分析 前端工程導入 前端環境搭建導入前端程序 啟動測試 3.1 整合案例介紹和接口分析 3.1.1 案例功能預覽 3.1.2 接口分析 學習計劃分頁查詢 /* 需求說明查詢全部數據頁數據 請求urischedule/{pageSize}/{currentPage} 請…

stm32觸發硬件錯誤位置定位

1.背景 1. 項目中&#xff0c;調試過程或者測試中都會出現程序跑飛問題&#xff0c;這個時候問題特別難查找。 2. 觸發硬件錯誤往往是因為內存錯誤。這種問題特別難查找&#xff0c;尤其是產品到了測試階段&#xff0c;而這個異常復現又比較難的情況下&#xff0c;簡直頭疼。…

初學JavaScript總結

0 JavaScript html完成了架子&#xff0c;css做了美化&#xff0c;但是網頁是死的&#xff0c;需要給他注入靈魂&#xff0c;所以接下來需要學習JavaScript&#xff0c;這門語言會讓頁面能夠和用戶進行交互。JavaScript又稱為腳本語言&#xff0c;可以通過腳本實現用戶和頁面的…

每日shell腳本之打印99乘法表

每日shell腳本之打印99乘法表 #!/bin/bash for i in $(seq 1 9); dofor j in $(seq 1 9); doecho -n "$i * $j $(($i * $j)) "doneecho done

Programming Abstractions in C閱讀筆記:p306-p307

《Programming Abstractions in C》學習第75天&#xff0c;p306-p307總結&#xff0c;總計2頁。 一、技術總結 1.Quicksort algorithm(快速排序) 由法國計算機科學家C.A.R(Charles Antony Richard) Hoare&#xff08;東尼.霍爾&#xff09;在1959年開發(develop), 1961年發表…

Mac 制作可引導安裝器

Mac 使用U盤或移動固態硬盤制作可引導安裝器&#xff08;以 Monterey 為例&#xff09; 本教程參考 Apple 官網相關教程 創建可引導 Mac OS 安裝器 重新安裝 Mac OS 相關名詞解釋 磁盤分區會將其劃分為多個單獨的部分&#xff0c;稱為分區。分區也稱為容器&#xff0c;不同容器…

VR虛擬現實技術應用到豬抗原體檢測的好處

利用VR虛擬仿真技術開展豬瘟檢測實驗教學確保生豬產業健康發展 為了有效提高豬場豬瘟防控意識和檢測技術&#xff0c;避免生豬養殖業遭受豬瘟危害&#xff0c;基于VR虛擬仿真技術開展豬瘟檢測實驗教學數據能大大推動基層畜牧養殖業持續穩步發展保駕護航。 一、提高實驗效率 VR虛…

鯤鵬arm64架構下安裝KubeSphere

鯤鵬arm64架構下安裝KubeSphere 官方參考文檔: https://kubesphere.io/zh/docs/quick-start/minimal-kubesphere-on-k8s/ 在Kubernetes基礎上最小化安裝 KubeSphere 前提條件 官方參考文檔: https://kubesphere.io/zh/docs/installing-on-kubernetes/introduction/prerequi…

基于大模型思維鏈(Chain-of-Thought)技術的定制化思維鏈提示和定向刺激提示的心理咨詢場景定向ai智能應用

本篇為個人筆記 記錄基于大模型思維鏈&#xff08;Chain-of-Thought&#xff09;技術的定制化思維鏈提示和定向刺激提示的心理咨詢場景定向ai智能應用 人工智能為個人興趣領域 業余研究 如有錯漏歡迎指出&#xff01;&#xff01;&#xff01; 目錄 本篇為個人筆記 記錄基…

價格腰斬,騰訊云2024優惠活動云服務器62元一年,多配置報價

騰訊云服務器多少錢一年&#xff1f;62元一年起&#xff0c;2核2G3M配置&#xff0c;騰訊云2核4G5M輕量應用服務器218元一年、756元3年&#xff0c;4核16G12M服務器32元1個月、312元一年&#xff0c;8核32G22M服務器115元1個月、345元3個月&#xff0c;騰訊云服務器網txyfwq.co…

Node.js中的并發和多線程處理

在Node.js中&#xff0c;處理并發和多線程是一個非常重要的話題。由于Node.js是單線程的&#xff0c;這意味著它在任何給定時間內只能執行一個任務。然而&#xff0c;Node.js的事件驅動和非阻塞I/O模型使得處理并發和多線程變得更加高效和簡單。在本文中&#xff0c;我們將探討…