Linux内核触摸屏驱动--多点触摸 【转】
转自：http://blog.chinaunix.net/uid-24227137-id-3127126.html
简介
为了使用功能强大的多点触控设备，就需要一种方案去上报用户层所需的详细的手指触摸数据。
Lua程序设计（一）面向对象概念介绍
完整代码
local mt = {}
mt.__add = function(t1,t2)
print("两个Table 相加的时候会调用我")
end
local t1 = {}
local t2 = {}
-- 给两个table 设置新的元表,一个元表...
使用windbg排查一个内存溢出的问题
发现有一个服务占用大量的内存
奇怪的是服务一开始的时候只占用100M左右内存，随着时间推移越来越大，最后导致服务器内存吃紧。这可以算是一种内存泄漏的问题，之所以标题不说是内存泄漏，最后就会知道，并不是因为什么东西没回收导致内存泄漏。
xml-rpc(1)-first demo
今天简单的研究了一下xml-rpc,做了一个小demo,使得最近开发的一个blog系统可以试用word2007来发表文章,现在还没有具体的实现,只是试Word能识别我写的Api. MetaWeblogService.
android 多点
引用：http://blog.163.com/fenglang_2006/blog/static/13366231820108205274325/
第一章摘要
在Linux内核支持的基础上，Android在其2.0源码中加入多点触摸功能。
一文快速读懂Transformer
Transformer模型近年来成为自然语言处理（NLP）领域的焦点，其强大的特征提取能力和并行计算优势在众多任务中取得显著效果。本文详细解读Transformer的原理，包括自注意力机制和编码器-解码器结构，并提供基于PyTorch的代码演示，展示了其在文本分类等任务中的应用。
深入剖析Transformer架构中的多头注意力机制
多头注意力机制（Multi-Head Attention）是Transformer模型中的核心组件，通过并行运行多个独立的注意力机制，捕捉输入序列中不同子空间的语义关联。每个“头”独立处理Query、Key和Value矩阵，经过缩放点积注意力运算后，所有头的输出被拼接并通过线性层融合，最终生成更全面的表示。多头注意力不仅增强了模型对复杂依赖关系的理解，还在自然语言处理任务如机器翻译和阅读理解中表现出色。通过多头自注意力机制，模型在同一序列内部进行多角度的注意力计算，进一步提升了表达能力和泛化性能。