SF's Blog

3. RDMA基本元素

RDMA

RDMA技术中经常使用缩略语，很容易让刚接触的人一头雾水，本篇的目的是讲解RDMA中最基本的元素及其含义。我将常见的缩略语对照表写在前面，阅读的时候如果忘记了可以翻到前面查阅。 WQ Work Queue简称WQ，是RDMA技术中最重要的概念之一。WQ是一个储存工作请求的队列，为了讲清楚WQ是什么

2. 比较基于传统以太网与RDMA技术的通信

RDMA

转载自：https://zhuanlan.zhihu.com/p/139548242 本篇的目的是通过对比一次典型的基于TCP/IP协议栈的以太网和RDMA 通信的过程，直观的展示RDMA技

1. RDMA概述

RDMA

转载自：https://zhuanlan.zhihu.com/p/138874738 本想完全靠自己的语言完成这篇概述，然而开篇并没有想象当中的好写，看样子从宏观上概括一个技术比从微观上探究细枝末节要困难不少。本文是以前人们对RDMA技术的介绍为主，加入了一些自己的理解。随着本专栏内容的增加，本篇概

Soft-RoCE部署及通信测试

本文转自： https://blog.csdn.net/qq_41596356/article/details/130454754 Soft-RoCE部署及通信测试概述 Soft-RoCE是一种基于软件的RoCE（RDMA over Converged Ethernet）实现。RoCE是一种在以太

关闭Vue中覆盖全屏的红色错误

关闭Vue中覆盖全屏的红色错误在vue.config.js中添加如下配置 module.exports = defineConfig({ ... devServer: { client: { overlay: false } } }) 注意修改后重新编译项目

Rviz参考系

ROS2

1. 参考系的作用参考系用于定义数据的空间位置和方向，确保数据在 RViz 中正确显示。每个数据点或对象都关联到一个参考系，RViz 根据这些参考系进行坐标变换和显示。 2. 常见的参考系 map: 全局地图的固定参考系，通常用于 SLAM 或导航。 odom: 里程计参考系，表示机器人相对于起始

pytorch(16)整体流程

Pytorch

模型训练 import torch.optim import torchvision import torch.nn as nn # 准备数据集 from torch.utils.data import dataloader, DataLoader from torch.utils.tensorbo

pytorch(15)网络模型的保存与加载

Pytorch

网络指神经网络！在PyTorch中，保存和加载训练好的神经网络模型是一项重要的功能，特别是在大型模型和长时间训练的情况下。主要有两种方法来保存和加载模型： 1. 保存整个模型方法: torch.save(model, filepath)。特点: 保存模型的完整定义，包括其结构、权重和偏置。优

pytorch(14)优化器

Pytorch

PyTorch的optim库提供了多种优化算法，这些算法在神经网络训练中用于更新网络的权重和偏置，以最小化损失函数。不同的优化器有不同的优化策略和应用场景。以下是一些PyTorch中常见的优化器：优化算法描述特点 PyTorch 实现随机梯度下降（SGD）最经典的优化算法，每次更新仅使用一

pytorch(13)损失函数和反向传播

Pytorch

损失函数每一个样本经过模型后会得到一个预测值，然后得到的预测值和真实值的差值就成为损失（当然损失值越小证明模型越是成功），我们知道有许多不同种类的损失函数，这些函数本质上就是计算预测值和真实值的差距的一类型函数，然后经过库（如pytorch，tensorflow等）的封装形成了有具体名字的函数。