Min的博客

拥塞窗口（cwnd）与慢启动阈值（ssthresh）详解 1. 拥塞窗口（Congestion Window, cwnd） 定义：发送方维护的一个变量，表示当前允许一次性发送的未确认数据量（单位：MSS，最大报文段大小）。 例如：cwnd=4 表示可以连续发送4个MSS的数据，无需等待ACK。 作用： 动态调整发送速率，避免网络过载（拥塞控制的核心）。 与接收方的通告窗口（rwnd）共同决定实际发送窗口：**实际窗口 = min(cwnd, rwnd)**。 初始值： 通常初始为 1 MSS（如RFC 5681建议），现代Linux内核可能初始为 10 MSS。 2. 慢启动阈值（Slow Start Threshold, ssthresh） 定义：一个动态阈值，用于区分慢启动阶段和拥塞避免阶段。 当 cwnd < ssthresh 时，TCP进入指数增长的慢启动阶段。 当 cwnd >= ssthresh 时，TCP转为线性增长的拥塞避免阶段。 初始值： 通常设为一个大值（如 65535字节），在首次拥塞事件后更新为：**ssthres ...

排序算法的分类法排序算法可以按照多个维度进行分类，包括 自适应性、原地性、稳定性、比较性 等。以下是详细的分类说明，并涵盖 选择排序、冒泡排序、插入排序、快速排序、归并排序、堆排序、桶排序、计数排序、基数排序、希尔排序。 1. 按自适应性（Adaptivity）划分定义：算法的时间复杂度是否受输入数据的有序程度影响。 算法 是否自适应 说明 选择排序 ❌ 无论数据是否有序，时间复杂度始终为 O(n²) 冒泡排序 ✅ 优化版本可在数据有序时提前终止（最好情况 O(n)） 插入排序 ✅ 对近乎有序数据效率高（最好情况 O(n)） 快速排序 ❌（通常） 标准实现不关心初始顺序，但某些优化版本可能自适应 归并排序 ❌ 无论数据是否有序，时间复杂度始终为 O(n log n) 堆排序 ❌ 时间复杂度固定为 O(n log n) 桶排序 ✅ 数据分布均匀时效率高（接近 O(n)） 计数排序 ❌ 时间复杂度固定为 O(n + k) 基数排序 ❌ 时间复杂度固定为 O(nk) 希尔排序 2. 按原地性（In-Place）划分定义：算法是否需要 ...

前缀和 & 差分 - OI Wiki浅谈矩阵前缀和 - Seaway-Fu - 博客园

自适应排序 (Adaptive Sort)自适应排序是指排序算法的性能会随着输入数据的初始状态而变化。具体来说： 定义：如果排序算法在处理已经部分有序的输入时表现更好（即时间复杂度降低），则该算法是自适应的。 特点： 对近乎有序的数据效率更高 时间复杂度会根据输入数据的有序程度而变化 实际应用中往往表现更好 常见自适应排序算法： 插入排序(Insertion Sort) - 对近乎有序数据可达O(n) 冒泡排序(Bubble Sort) - 优化版可在有序时提前终止 希尔排序(Shell Sort) 归并排序(Merge Sort)的某些变体 Timsort (Python和Java使用的混合排序算法) 非自适应排序 (Non-adaptive Sort)非自适应排序是指算法的性能不随输入数据的初始状态而变化： 定义：无论输入数据是否有序，算法都保持相同的时间复杂度。 特点： 性能稳定，不受输入数据特性影响 在最坏、平均和最好情况下时间复杂度相同 适合作为通用排序方案 常见非自适应排序算法： 选择排序(Selection Sort) 堆排序(Hea ...

一致性 面部和身材 高清修复 生成后使用UltraSharp或Topaz Gigapixel放大分辨率，避免模糊。 局部重绘 用Stable Diffusion的Inpaint修正个别崩坏的细节（如手部、配饰）。 1.controlnet控制人脸和骨骼一致性2.使用虚拟人物现有方案，比如字节的3.使用角色提示词，Textual Inversion将角色特征编码为特殊关键词（如your_character_v1），适合简单固定风格。4.训练专门loras5.使用参考图

百度测开日常实习一二面oc_牛客网 简历开源项目开源fast-python-depth2pointcloud向量化点云计算、Character_Select文生图角色提示词锚选、images-display静态图库项目，自建个人博客 理解RGBD-SLAM,ORB-SLAM， 爬虫dify平台的缺陷。 sql,ES、redis\MCP\B+树、HTTP状态码、缓存穿透、解释 MySQL 事务的 ACID 特性，并说明每个特性的含义，MySQL 的四种事务隔离级别分别是什么？各自解决了哪些问题？ 3年人工智能应用开发经验，4年CV经验

[[Python牛客面试试题和经验]]

1. 建立可靠连接：三次握手 SYN：客户端发送同步序列号（SYN=1, seq=x）。 SYN-ACK：服务端确认并同步自己的序列号（SYN=1, ACK=1, seq=y, ack=x+1）。 ACK：客户端再确认（ACK=1, seq=x+1, ack=y+1）。 作用：同步初始序列号、确认双方收发能力、防止历史连接初始化。 2. 数据按序到达：序列号与确认应答 序列号（Sequence Number）：每个字节都有编号，保证按序重组。 确认号（Acknowledgment Number）：期望收到的下一个字节序号。 累积确认：ACK 表示该序号之前的所有数据已正确接收。 3. 丢包重传：超时重传 + 快速重传 超时重传（RTO）：发送端为每个报文段维护定时器，超时未收到 ACK 即重传。 RTO 基于 RTT 动态计算（Jacobson/Karels 算法）。 快速重传：连续收到 3 个重复 ACK 立即重传丢失段，无需等待超时。 4. 流量控制：滑动 ...

start-comfyui1start-comfyui 爆显存可能导致comfyui挂掉 新下载的模型需要在模型区 刷新TODO： prompt生成及优化，中英文互译 图精细化和扩张 图片修复和调整 常见任务：outpaint 扩展画布应用包括： 场景扩展：扩大原图的场景范围，以展示更完整的环境 构图调整：通过扩展画布来优化整体构图 内容添加：向原始图像添加更多相关的场景元素 inpaint 修复常见的修复包括： 缺陷修复：删除不需要的物体，修复不正确的 AI 生成的身体部位等。 细节优化：精确调整局部元素（如修改服装纹理、调整面部表情） 和其他场景 Upscale 图像放大Image Upscaling 是使用算法将低分辨率图像转换为高分辨率的过程。 与传统的插值方法不同，AI 放大模型（如 ESRGAN）可以在保持图像质量的同时智能重建细节。Finegrain Image Enhancer - a Hugging Face Space by finegrain 对私处、毛发重建一般，会进行涂抹，但是对于景色和模糊、动态重建非常好，会锐化和重绘非常多WPS图片 无损放大：锐化 ...

C语言变长数组（VLA）的用法（非常详细，附带实例） - C语言中文网 变长数组的长度在运行时确定（例如通过变量指定），但一旦确定后，其长度在当前函数生命周期内固定不变。 也就是局部用变量指定数组长度。 栈上动态分配 C11 将 VLA 设为可选特性，不是标准C的一部分，部分编译器（MSVC)可能不支持。 结构体/联合体中禁用，不能static修饰，不能全局（全局数据需编译时确定大小） 特性 变长数组 动态内存分配 内存位置 栈 堆 生命周期 自动释放（离开作用域） 需手动释放（free） 大小限制 受栈空间限制（较小） 受堆空间限制（较大） 语法复杂度 简单 需手动管理