性能优化

CANN ops-transformer 仓库详解：Transformer 算子的底层实现与性能优化前面写了 40 多篇，提到 Transformer 的地方不少，但还没系统讲过 CANN 里专门为 Transformer 优化的算子库——ops-transformer。这个仓库里藏着大模型在昇腾 NPU 上跑得快的真正秘密：Flash Attention、Rotary Embedding、RMSNorm、SwiGLU，这些都是大模型的"基础设施算子"。

万字深度：Chroma 向量数据库全解析 — 核心原理、实战操作、性能优化与工程最佳实践在大模型与检索增强生成（RAG）全面普及的今天，向量数据库已成为 AI 应用不可或缺的底层基础设施。传统关系型数据库擅长结构化数据与精确匹配，难以高效处理文本、图像、音频等高维向量的语义相似性检索；而专门面向向量存储与近似最近邻搜索（ANN）的向量数据库，能在毫秒级返回与查询语义最相关的结果，支撑智能问答、文档检索、推荐系统、多模态交互等核心场景。

心中有国也有家

PaddlePaddle 适配 NPU 的技术全解析——从算子接入到端到端性能优化PaddlePaddle（飞桨）是百度开源的深度学习框架，它怎么在华为 NPU 上跑起来？核心是通过 Paddle 的自定义算子机制接入 CANN 算子库，并通过通信后端抽象支持 HCCL 和 hixl。这篇文章把这套适配技术拆开讲清楚。

HCCL 集合通信编程：多卡协同的正确姿势多卡训练和推理，核心是卡间通信。HCCL（Huawei Collective Communication Library）是昇腾的集合通信库，API 和 NCCL 兼容，但底层实现针对 HCCS 和 RoCE 做了优化。

用 Ascend CL 从零写一个推理程序前言用 PyTorch 推理很简单，但生产环境里经常需要更底层的控制——比如 C++ 服务、嵌入式设备、或者极致的性能优化。这时候就要用 Ascend CL（Compute Language）直接调用 NPU。

步步为营DotNet

探秘.NET 11：C# 14 特性在后端性能优化中的深度应用在后端开发领域，性能优化始终是提升应用竞争力的关键因素。随着.NET 11 的发布，C# 14 带来了一系列新特性，为后端性能优化开辟了新途径。这些特性不仅改进了代码结构，还在运行时性能上有显著提升。本文将深入剖析 C# 14 新特性在后端性能优化中的原理，通过实际代码演示其应用，对比优化前后的性能差异，并分享生产级的避坑经验。

Android 17 重磅重构！服役 20 年的 MessageQueue 迎来无锁改造，卡顿大幅优化！在 Android 17 中，以 SDK 37 或更高版本为目标平台的应用将收到 MessageQueue 的新实现，该实现是无锁的。新实现可提高性能并减少丢帧，但可能会破坏反映 MessageQueue 私有字段和方法的客户端。

AI性能优化：数据预处理加速📝 本章学习目标：本章聚焦性能优化，帮助读者提升模型效率。通过本章学习，你将全面掌握"AI性能优化：数据预处理加速"这一核心主题。

CANN pto-isa：PTO 性能优化的指令调度与硬件特化个人主页：ujainu昇腾NPU 跑同一个 Transformer 模型，PTO 指令调度策略换一换，吞吐能差 3 倍。CANN 的 pto-isa 仓库定义了虚拟指令集规范，让同一套算子描述在不同硬件上映射成最优机器码。本文拆解这条从 PTO 指令到 NPU 执行的全链路。

JVM深度分析：性能优化实战指南特点：所有JVM都支持，向后兼容特点：非标准化，不同JVM实现可能不同特点：高级选项，用于调优和调试原因：

B+树与InnoDB索引深度解析：数据库索引的底层原理与工程实践文章标签： #java #数据结构 #B+树 #MySQL #InnoDB #索引优化 #数据库首发地址 csdn 青山师： https://blog.csdn.net/zixiao217 转载请注明出处！

waitingforloveJJ

计算机视觉算子库性能优化与实战前言做YOLOv8推理优化时，图像预处理（Resize+Crop+Normalize）占Forward计算的42%。用ops-cv的Vision算子，吞吐从34 FPS涨到89 FPS，涨了162%。不是模型改了，是Vision算子针对达芬奇架构做了深度优化。

Easysearch analysis-ik 多词典性能优化：从性能回退到分词性能提升 25%~30%Easysearch 版 analysis-ik 相比开源 IK 有一个重要的增强：支持多词典。简单说就是不同字段可以挂不同词库，可以叠加默认词典，也可以只用自定义词典。这是开源单词典 IK 做不到的。

hcomm：昇腾集群通信的底层原语HCCL 管着 AllReduce、AllGather 这些高层集合通信操作。这些操作最终拆解成最基本的通信原语——Send、Recv、Broadcast。hcomm 就是负责这些底层通信原语的仓库。

Python __slots__ 入门指南在 Python 中，我们习惯了对象的动态特性 —— 可以随时给实例添加新的属性。这非常灵活，但在处理大量数据对象时，这种灵活性会带来不小的内存开销。__slots__ 正是为了解决这个问题而生的强大工具。

Graph Engine 是什么，为什么需要它训练或推理一个神经网络，底层发生了什么？框架层（PyTorch、MindSpore 等）定义好模型结构后，需要把计算图送到硬件上执行。早期的做法是逐个算子直接下发——卷积层调一次 kernel，BN 层再调一次 kernel，每层之间还要把中间结果写回显存。

放下华子我只抽RuiKe5

React 从入门到生产（七）：性能优化实战创作者： Yardon | GitHub： github.com/YardonYan | 版本： v1.0

数据库小学妹

MySQL 性能监控实战：从零搭建 Prometheus + Grafana 监控告警体系（附排查 SOP）📌 今日关键词：性能监控、PMM、Prometheus、Grafana、慢查询、告警、指标体系大家好，我是数据库小学妹 👋

电商API_18007905247

反向海淘是什么？现状如何？未来趋势如何？反向海淘（Reverse Cross-border E-commerce）：传统海淘 = 中国人买海外货；反向海淘 = 海外消费者（华人 / 留学生 / 外国人）买中国货（淘宝 / 1688 / 京东等），通过代购、集运、直邮寄到国外。核心驱动：中国供应链强、性价比高、品类极多 + 海外华人刚需 + 跨境物流 / 支付成熟。

万星入坞·其三：SDK 轻量组件如何优雅地"点亮"在前两篇：我们分别拆解了壳层和子应用的设计。壳层是"坞"，子应用是拥有独立路由段的"大星"，但还有一种插件形态——它不占路由段，却既能提供纯逻辑能力（如鉴权守卫），又能渲染 UI 组件（如区域选择器）。这就是 SDK，星坞三层体系中的"小星"。