TreeBlog

如何快速爽玩4399网站类flash游戏

2025-11-28T09:09:30+08:00

周末想国内玩 4399 类网站的 flash 游戏，但都要下载国内的那个 flash，步骤多，广告多，一点都不想下；在知乎上逛了逛有俩个 GitHub 项目可以比较好的实现快速玩；hhhFlashBrowser \_x64_v1.1.6 项目 ,一个直接支持 flash 的浏览器，登录网站就能直接玩很方便Flash. Collector 1.13.0_win-x 64 项目，一个支持下载 flash 软件，输入网站把 flash 下载下来玩，但是有些 flash 下载不全；

Window下Bandicoot库的使用

2025-11-01T19:18:00+08:00

Windows环境下Bandicoot-CUDA GPU加速计算配置指南概述本文档详细介绍了在Windows环境下配置和使用Bandicoot-CUDA进行GPU加速计算的完整流程。Bandicoot是一个基于CUDA的C++线性代数库，能够显著提升矩阵运算性能。目录环境要求CUDA环境安装与验证Bandicoot库编译配置Visual Studio项目配置代码实现与测试常见问题解决环境要求硬件要求支持CUDA的NVIDIA显卡显卡计算能力（Compute Capability）3.0及以上软件要求Windows 10/11操作系统Visual Studio 2019/2022CUDA Toolkit 12.0或更高版本CMake 3.15或更高版本显卡兼容性查询请访问以下官方网站查询您的显卡是否支持CUDA：CUDA兼容显卡列表历史版本显卡支持下面文章中配置写的 sm 61 ，也是在这两个网页里面查看CUDA环境安装与验证1. CUDA Toolkit安装步骤1：卸载旧版本如果系统中已安装CUDA，建议先完全卸载后重新安装，确保环境干净。步骤2：下载安装CUDA访问NVIDIA CUDA官网下载适合Windows的CUDA Toolkit安装时务必选择"Developer"组件，记住安装路径参考资料： CUDA环境配置详细教程2. CUDA安装验证比较客观；步骤1：创建测试项目打开Visual Studio创建新项目，选择"CUDA 12.0 Runtime"模板使用默认的测试代码进行编译运行步骤2：处理兼容性问题如果遇到显卡计算能力不足的错误，需要：查询显卡的SM（Streaming Multiprocessor）版本在项目属性中调整CUDA编译设置设置合适的计算能力版本注意对于非 cuda 项目，例如纯 qt 项目，属性里面没有 cuda c/C++，可以如下图进行配置：步骤3：验证安装成功测试代码能够正常编译并运行，说明CUDA环境配置成功，注意测试代码可以在 main 最下面加上 std::cin.get() 暂停看下结果。3. 其他项目中的CUDA配置如需在非 CUDA 项目中使用 CUDA 功能，请参考：Visual Studio中CUDA配置方法Bandicoot库编译配置1. 依赖库准备下载Bandicoot源码访问Bandicoot官网下载最新版本的源代码包下载OpenBLAS库访问OpenBLAS GitHub发布页下载Windows x64版本（注意不要下载ARM版本）2. 使用CMake编译步骤1：CMake-GUI配置打开CMake-GUI后进行以下配置：源代码路径（Where is the source code）：指向Bandicoot解压后的文件夹构建路径（等下构建内容在这里面）：创建一个空的英文路径文件夹配置编译器：点击"Configure"按钮步骤2：处理配置错误配置过程中会出现红色错误提示，这是正常现象：按照提示逐项修改配置参数：步骤3：生成项目文件配置完成后，点击"Generate"生成Visual Studio解决方案文件。3. 编译动态链接库在构建目录中打开生成的.sln文件在Solution Explorer中找到"bandicoot"项目分别编译Debug和Release版本编译完成后，在对应目录下会生成所需的DLL文件Visual Studio项目配置1. 创建新项目重要提示：请创建新的项目，不要在CUDA Runtime测试项目中添加Bandicoot，避免CUDA代码冲突。2. 项目属性配置右键项目 → 属性，进行以下配置：包含目录配置库目录配置预处理器定义3. 链接库配置在"附加依赖项"中添加以下库文件：bandicoot.lib libopenblas.lib cublas.lib cublasLt.lib cuda.lib cudadevrt.lib cudart.lib cudart_static.lib curand.lib cusolver.lib nvrtc.lib注意： OpenBLAS库路径需要根据实际安装位置调整，例如：E:\vsproject\bandicoot-2.1.1\OpenBLAS\lib\libopenblas.lib参考资料：完整的CUDA库配置列表（并不需要这么完整的）代码实现与测试1. 基础配置代码创建Qt Console项目后，在代码开头添加必要的配置：// 禁用OpenCL支持（必须） #define COOT_DONT_USE_OPENCL 1 // 数学常量定义（必须） #define _USE_MATH_DEFINES #include #include // Bandicoot库 #include using namespace coot;重要说明：#define COOT_DONT_USE_OPENCL 1 必须添加，否则会与CUDA产生冲突数学头文件是Bandicoot库的必要依赖2. 编译问题修复常见编译错误修复：在alias_wrapper.hpp文件第66行附近，找到以下代码：template constexpr //static // 注释掉这个static关键字 coot_inline typename enable_if2< !is_Mat::value && !is_subview::value && !is_diagview::value && !is_Cube::value && !is_subview_cube::value, bool >::result check(const T2&)将static关键字注释掉即可解决C++语法兼容性问题。3. 完整测试代码以下是集成了Armadillo（CPU）和Bandicoot（GPU）的性能对比测试代码：#if defined(_MSC_VER) && (_MSC_VER >= 1600) # pragma execution_character_set("utf-8") #endif #include #include #include // 必要的数学库定义 #define _USE_MATH_DEFINES #include #include // Bandicoot GPU库配置 #define COOT_DONT_USE_OPENCL 1 #include #define COOT_KERNEL_CACHE_DIR "D:\\cuda_cache_can_delete" //这个可能没效果 using namespace coot; // Armadillo CPU库 #include using namespace arma; int main(int argc, char *argv[]) { QCoreApplication app(argc, argv); qDebug() << "GPU加速计算性能测试程序启动...\n"; // 矩阵维度配置 const int rows = 10000; const int cols = 10000; // ======================== CPU计算流程（Armadillo） ======================== qDebug() << "=== CPU计算（Armadillo库） ==="; QElapsedTimer cpu_create_timer, cpu_calc_timer, cpu_total_timer; // CPU矩阵创建阶段 cpu_total_timer.start(); cpu_create_timer.start(); arma::mat cpu_A(rows, cols, arma::fill::randu); arma::mat cpu_B(rows, cols, arma::fill::randu); qint64 cpu_create_elapsed = cpu_create_timer.elapsed(); qDebug() << "CPU创建矩阵耗时：" << cpu_create_elapsed << "毫秒"; // CPU计算阶段 cpu_calc_timer.start(); arma::mat cpu_C = cpu_A * cpu_B; qint64 cpu_calc_elapsed = cpu_calc_timer.elapsed(); qint64 cpu_total_elapsed = cpu_total_timer.elapsed(); qDebug() << "CPU矩阵乘法计算耗时：" << cpu_calc_elapsed << "毫秒"; qDebug() << "CPU总流程耗时：" << cpu_total_elapsed << "毫秒"; // 显示CPU计算结果样本 qDebug() << "CPU计算结果（第一行前11列）："; cpu_C.row(0).cols(0, 10).print(); // ======================== GPU计算流程（Bandicoot） ======================== qDebug() << "\n=== GPU计算（Bandicoot库） ==="; QElapsedTimer gpu_create_timer, gpu_calc_timer, gpu_total_timer; // GPU矩阵创建阶段 gpu_total_timer.start(); gpu_create_timer.start(); coot::fmat gpu_X1(rows, cols, coot::fill::randu); coot::fmat gpu_X2(rows, cols, coot::fill::randu); qint64 gpu_create_elapsed = gpu_create_timer.elapsed(); qDebug() << "GPU创建矩阵耗时：" << gpu_create_elapsed << "毫秒"; // GPU计算阶段 gpu_calc_timer.start(); coot::fmat gpu_X3 = gpu_X1 * gpu_X2; qint64 gpu_calc_elapsed = gpu_calc_timer.elapsed(); qint64 gpu_total_elapsed = gpu_total_timer.elapsed(); qDebug() << "GPU矩阵乘法计算耗时：" << gpu_calc_elapsed << "毫秒"; qDebug() << "GPU总流程耗时：" << gpu_total_elapsed << "毫秒"; // ======================== 性能对比分析 ======================== qDebug() << "\n=== 性能对比分析 ==="; qDebug() << "测试矩阵规模：" << rows << "×" << cols << " × " << rows << "×" << cols; qDebug() << "----------------------------------------"; qDebug() << "| 计算阶段 | CPU耗时(ms) | GPU耗时(ms) | 加速比 |"; qDebug() << "----------------------------------------"; double create_speedup = gpu_create_elapsed > 0 ? (double)cpu_create_elapsed / gpu_create_elapsed : 0.0; double calc_speedup = gpu_calc_elapsed > 0 ? (double)cpu_calc_elapsed / gpu_calc_elapsed : 0.0; double total_speedup = gpu_total_elapsed > 0 ? (double)cpu_total_elapsed / gpu_total_elapsed : 0.0; qDebug() << QString("| 矩阵创建 | %1 | %2 | %3x |") .arg(cpu_create_elapsed, 8) .arg(gpu_create_elapsed, 8) .arg(create_speedup, 0, 'f', 2); qDebug() << QString("| 矩阵乘法 | %1 | %2 | %3x |") .arg(cpu_calc_elapsed, 8) .arg(gpu_calc_elapsed, 8) .arg(calc_speedup, 0, 'f', 2); qDebug() << QString("| 总体流程 | %1 | %2 | %3x |") .arg(cpu_total_elapsed, 8) .arg(gpu_total_elapsed, 8) .arg(total_speedup, 0, 'f', 2); qDebug() << "----------------------------------------"; if (calc_speedup > 1.0) { qDebug() << QString("GPU在矩阵乘法计算中实现了 %1 倍加速！").arg(calc_speedup, 0, 'f', 2); } else { qDebug() << "注意：当前测试中GPU性能未超过CPU，可能原因："; qDebug() << "1. 矩阵规模较小，GPU并行优势未充分体现"; qDebug() << "2. GPU初始化开销较大"; qDebug() << "3. 建议增大矩阵规模进行测试"; } return app.exec(); }4. 代码说明关键配置项：COOT_DONT_USE_OPENCL 1：禁用OpenCL，避免与CUDA冲突_USE_MATH_DEFINES：启用数学常量定义COOT_KERNEL_CACHE_DIR：设置CUDA内核缓存目录（可选）性能测试功能：同时测试CPU（Armadillo）和GPU（Bandicoot）的矩阵运算性能分别计时矩阵创建和矩阵乘法操作自动计算加速比并生成对比报告常见问题解决1. 编译错误问题： alias_wrapper.hpp中的static关键字编译错误解决方案：在该文件第66行附近注释掉static关键字问题：缺少数学常量定义解决方案：确保在代码开头添加：#define _USE_MATH_DEFINES #include #include 2. 链接错误问题：找不到CUDA库文件解决方案：检查CUDA安装路径是否正确确认项目配置中的库目录设置验证所有必需的.lib文件是否存在问题： OpenBLAS库路径错误解决方案：根据实际安装位置调整库文件路径3. 运行时错误问题：显卡计算能力不足解决方案：查询显卡的Compute Capability版本在CUDA项目属性中设置合适的SM版本参考NVIDIA官方兼容性列表问题： GPU性能未达到预期解决方案：增大矩阵规模以充分利用GPU并行计算优势进行GPU预热操作，排除初始化开销检查显卡驱动是否为最新版本4. 环境配置问题问题： CMake配置失败解决方案：确保使用英文路径检查CMake版本是否满足要求验证Visual Studio编译器配置问题： DLL文件缺失解决方案：确认编译生成了Debug和Release版本的DLL将必要的DLL文件复制到项目输出目录检查系统PATH环境变量总结本文档提供了在Windows环境下配置Bandicoot-CUDA GPU加速计算的完整指南。通过正确配置CUDA环境、编译Bandicoot库并在Visual Studio中进行项目配置，可以实现显著的矩阵运算性能提升。关键要点：确保显卡支持CUDA并正确安装CUDA Toolkit使用CMake正确编译Bandicoot库在Visual Studio中配置所有必要的包含目录和链接库注意代码中的关键配置宏定义通过性能测试验证GPU加速效果遵循本指南的步骤，您应该能够成功在 windows 下配置并使用Bandicoot进行高性能的GPU加速计算。

那些偷偷读写硬盘的软件

2025-10-30T15:09:39+08:00

之前电脑中病毒，下载了 360 杀毒 pro，昨天逛知乎才知道 360 居然有时候读写磁盘次数非常多，把 360 关了，用知友说的软件看了下，没想到 edge 才是隐藏 boss，打开软件，读写都干冒烟, 下面是一些原帖子：怎么看2025年360安全卫士写入事件致使用户固态硬盘提前报废？用的 AppReadWriteCounter 软件吾爱破解上的AppReadWriteCounter如何禁止edge自动更新还写了个脚本：@echo off taskkill /f /im msedge.exe >nul 2>&1 taskkill /f /im msedgewebview2.exe >nul 2>&1 echo 操作完成，按任意键退出... & pause >nul

【折腾分享】电脑平铺桌面

2025-10-11T21:00:17+08:00

什么是平铺就是桌面上应用软件会自动给你排好，排整齐无堆叠，现在 arch 下面的 niri 还是好用. 主要是处理多任务的时候直观方便。下面是 windows 桌面的截图折腾经历这两天又折腾了下 windows 下的平铺软件【安装了komorebi和yasb】，之前就弄过 FancyWM, 比较方便简单，开箱即用，但是有时候感觉暂时有点卡卡的。主流的好像也就是三个。FancyWMkomorebi （现在用的，搭配的【 yasb 一个状态栏】）glazewm （没用过，听说配置文件配置的简单点）komorebi 怎么说了，最开始也不会用，🤣可能这才是常态。去 github 上下载了最新的程序，结果安装桌面连个快捷方式也没有，还好会用 everything 搜索，里面一堆程序最开始点了那个 1 的 exe，弹一个黑框框，就让他一直显示也能用，就是有点丑还不是后台的运行，后来看了使用介绍才知道，可以用那个 2，在 cmd 里面运行 komorebic.exe start 就静默运行了，然后 komorebic.exe -h 里面实际上是有很多介绍，一些命令快捷操作，弄了还是很方便2 个经验：要知道自己的目标是什么，根据目标慢慢找，耐心看一下看到英文的不要慌，开个网页翻译耐心看一点其实 yasb 和 komorebi 安装还是简单，主要是使用yasb 那个配置还是有点麻烦，也要看他的文档，还是下载别人的主题最方便，右键图标点那个 get themes，需要正确上网配合 autohotkey 来使用的快捷键，主要用它那个【toggle-monocle】实现全屏FancyWM 安装步骤去 github 上下载了（cer 和 msixbundle 文件），用 PowerShell (as Administrator) 就可以安装certutil.exe -addstore TrustedPeople .\FancyWM.Package_1.0.0.0.x64.cer Add-AppxPackage -Path .\FancyWM.Package_1.0.0.0.x64.msixbundle相关软件下载链接

凡人寿

2025-10-10T15:00:26+08:00

之前在很多地方看到关于【人类寿命的极限探讨】在网上搜了搜人类寿命的极限探讨人类寿命的上限是一个长期存在的研究课题。现代科学研究与古代文献记载在这一问题上呈现出某种一致性。科学研究的观点目前存在两个主要的科学理论。海夫利克极限理论（Hayflick Limit）指出，由美国生物学家伦纳德・海夫利克（Leonard Hayflick 于 1961 年提出，人体细胞的分裂次数有限，约为 40-60次。每次分裂时，染色体末端的端粒会缩短。当端粒缩短至临界值时，细胞停止分裂，机体进入衰老状态。根据此理论计算，人类寿命上限约为120岁。海夫利克极限是细胞生物学领域的核心理论1生理韧性理论是近年来提出的新观点。发表在《自然通讯》上的研究表明，人体的自我修复能力随年龄增长而下降。研究模型显示，在120至150岁之间，人体的修复能力将降至临界点，此时即使无重大疾病，生命也难以维持。这两个理论从不同角度将人类寿命极限定位在120-150岁区间。古代文献的记载中国古代典籍中也有相关论述。《黄帝内经》记载，遵循养生之道者能达到"天年"，即"度百岁乃去"。后世注解将"度百岁"解释为120岁。《尚书》明确记载"上寿"为120岁。古代文献的记载与现代科学研究结论存在相似性。这些记载基于长期的生活观察和经验总结。小结从现有证据来看，人类寿命存在一定的生物学上限。科学研究与历史文献都指向相似的数值范围。对个体而言，在既定的生命长度内如何维持健康状态，可能比追求极限寿命更具现实意义。参考资料:Pyrkov, T.V., Avchaciov, K., Tarkhov, A.E. et al. Longitudinal analysis of blood markers reveals progressive loss of resilience and predicts human lifespan limit. Nat Commun 12, 2765 (2021).《黄帝内经·素问·上古天真论》《尚书·洪范》 [4] Hayflick L .THE LIMITED IN VITRO LIFETIME OF HUMAN DIPLOID CELL STRAINS.[J]. Experimental Cell Research, 1965, 37 (3): 614-636. DOI: 10.1016/0014-4827 (65) 90211-9. ↩

2025-08-30流水记

2025-08-30T20:52:59+08:00

回顾下去 6 月-8月去哪转了转第一组照片六月【6-27】的时候去一个【卷桥河公园】非常大，就是天气太热了，还租了个车没跑一会然后就没起了，最后还是走回来的，下面是照片太阳很好，颜色很正。这张忘记在哪拍的了【7 月 2 日拍的】第三组照片去了一个动物园，野生动物园，还看见了大棕熊和老虎第四组【去江边公园拍到的】最后一组今天拍的小猫

【雷达学习】双基地MIMO-ESPRIT方法解互耦回忆

2025-06-20T23:09:44+08:00

主要学习来源于这篇文章：《Joint DOD and DOA estimation of bistatic MIMO radar in the presence of unknown mutual coupling》大致思路是：先回忆了下 ULA 的 ESPRIT 方法；然后是 MIMO 下的 ESPRIT 方法然后是看文章看不懂，然后 AI 帮我解析，先读出大致的框架，然后丰富细节，最后对自己的理解进行确认，然后画出代码仿真的关键点下面在这个网盘下面提供 2 个 PDF 和一个代码方便之后回顾学习https://a.siyouyun.ren:30597/OutSaveFile2/RadarXG/ESPRIT_Double_mimomatlab 代码预览clc,clear all,close all; %% Parameters of the radar system M = 7; % number of Tx N = 7; % number of Rx d = 0.5; % inter-element space % theta = [15 -10 5]; % DOA % phi = [20 35 60]; theta = [-50 20 60]; % DOD % DOA phi = [20 40 60]; K = length(theta); % number of target % dopplor frequency shift L = 100; % number of sanpshot SNR = 30; % signal-to-noise ratio before matched filtering Geo_Rx = [0:N-1]; % geometry of Rx Geo_Tx = [0:M-1]; % geometry of Tx At = exp(-j*2*pi*d*Geo_Tx.'*sind(phi)); % transmitting direction matrix Ar = exp(-j*2*pi*d*Geo_Rx.'*sind(theta)); % receiving direction matrix item = 10; %% 设置互耦系数; mc_K = 2; mc_nb = mc_K+1; C_t = generateMCMmat(M,mc_nb); C_r = generateMCMmat(N,mc_nb); C = kron(C_t,C_r); %% 设置选择Pt和Pt矩阵 Pt = [zeros(M-2*mc_K,mc_K),eye(M-2*mc_K),zeros(M-2*mc_K,mc_K)]; Pr = [zeros(N-2*mc_K,mc_K),eye(N-2*mc_K),zeros(N-2*mc_K,mc_K)]; M1 = M-2*mc_K; N1 = N-2*mc_K; P = kron(Pr,Pt); % number of trials %% Selective matrices JM1 = [eye(M1-1),zeros(M1-1,1)]; JM2 = [zeros(M1-1,1),eye(M1-1)]; JN1 = [eye(N1-1),zeros(N1-1,1)]; JN2 = [zeros(N1-1,1),eye(N1-1)]; Jt1 = kron(JM1,eye(N1)); Jt2 = kron(JM2,eye(N1)); Jr1 = kron(eye(M1),JN1); Jr2 = kron(eye(M1),JN2); a_kronrao = zeros(M*N,K); for i=1:K a_kronrao(:,i) = kron(At(:,i),Ar(:,i)); end for item_num = 1:item disp(['SNR = ',num2str(SNR),' dB, ',num2str(item_num), ' # try : ']); %% Matched Filtering S = randn(K,L)+1i*randn(K,L); X_0 = C*a_kronrao * S; X = awgn(X_0,SNR,"measured","dB"); Y = P * X; %% Eigen decomposition %Rx = (X*X')/L; % Estimated covariance matrix Rx = (Y*Y')/L; [Es,D] = eigs(Rx,K,'LM'); % Signal subspace %% Rotational invariant property Vt = pinv(Jt2*Es)*Jt1*Es; %Vt = pinv(Jt1*Es)*Jt2*Es; [T,Phit] = eig(Vt); Phir = inv(T)*pinv(Jr2*Es)*Jr1*Es*T; %Phir = inv(T)*pinv(Jr1*Es)*Jr2*Es*T; E_theta = asind(angle(diag(Phir))/pi).'; E_phi = asind(angle(diag(Phit))/pi).'; plot(E_theta,E_phi,'k*');hold on; end H(1)=plot(E_theta,E_phi,'k*');hold on; H(2)=plot(theta,phi,'rx','markersize',28);grid on; xlabel('DOA'),ylabel('DOD'); legend([H(1),H(2)],'Esimated','Ture')闲聊没想到 matlab 还可以画出这样的图片，“赛博生命”，hhhhttps://mp.weixin.qq.com/s/GS-jSHnasVxrrIn5C2E3WQfigure('Position',[300,50,900,900], 'Color','k'); axes(gcf, 'NextPlot','add', 'Position',[0,0,1,1], 'Color','k'); axis([0, 400, 0, 400]) SHdl = scatter([], [], 2, 'filled','o','w', 'MarkerEdgeColor','none', 'MarkerFaceAlpha',.4); t = 0; i = 0:2e4; x = mod(i, 100); y = floor(i./100); k = x./4 - 12.5; e = y./9 + 5; o = vecnorm([k; e])./9; while true t = t + pi/90; q = x + 99 + tan(1./k) + o.*k.*(cos(e.*9)./4 + cos(y./2)).*sin(o.*4 - t); c = o.*e./30 - t./8; SHdl.XData = (q.*0.7.*sin(c)) + 9.*cos(y./19 + t) + 200; SHdl.YData = 200 + (q./2.*cos(c)); drawnow end

远程控制大战

2025-05-22T18:12:02+08:00

这两天突发奇想再次捣鼓远程桌面，也是因为之前一直用 mstsc 微软的 RDP 远程桌面，感觉还是稍微有点卡, 之前也弄过解锁 60 FPS 什么的，但是还是感觉不明显，今天记录下各个远程软件和推荐；各个软件微软 RDP，网易 UU 远程，RustDesk（知名开源），向日葵，ToDesk，连连控，云玩加（个人开发者）前提要节对于一些国内厂商的远程，一般都提供他们自己的服务器进行进行搭桥或者连接，网易 UU 好像在网络好的时候可以 p2p 。例如向日葵，ToDesk 两个比较知名了，平时办公用用也还是可以的，但是也还是有些小问题，例如跨境连接等。所以，基于以上原因，对于我来说，先把两个外网的设备内网穿透桥接起来。用皎月连（需要打卡）或者 openp2p 这两个都可以；至于 zerotier 和 tailscale，前一个没弄好，后一个没用过；微软 RDP基于皎月连或者 openp2p 就可以通过 windows 的 mstsc 访问了，但好像貌似专业版系统，还要简单设置下一个知乎设置教程一个免密码登陆教程然后还有两个解锁 60 FPS 的教程，解锁60fps-1，解锁2 怎么说了？之前平时一直是这么用的，感觉也还好，但是就是感觉（外网-手机热点）60 fps 还是没有这两天看了检查方法检测 60 fps 是否达到肉眼检测，😂，这个网站： https://frameratetest.org/zh/fps-test ，看看那两个竖着的黑杠杠动的是否流畅，还是可以看出分别，可以本机电脑开一个，远控电脑开一个，放在屏幕上对比了看，还是比较明显的，🤣推荐 RustDeskRustDesk 也是看的别人的教程，内网穿透后使用的，有两个软件要安装；被控端（服务端+客户端）安装；本机电脑（客户端安装），客户端下载链接，服务端下载链接，这是两个 github 的链接，这是 github加速网站；看的这个教程：教程，主要就是下载好这几个软件，设置下 ip 和 key有几个小细节就是；可以吧下图的那个取消掉，网络好的话就是 p 2 p 直接连接，判断通过为全屏时左上角是✔就是 p 2 p，是刷新符号就是中继如果声音没有，可以看看 github 的 issue，我是把下图的禁用勾选了，就有声音了总体来说体验还是很不错的，速度上好像还比较快其他软件uu 远程有时候还可以，有时候可以 60 FPS然后是，连连控，还可以，可以稳定 60 FPS，稳定!！我都用的手机热点，还是可以，但是有些要开 vip云玩加，b 站上一个 up 开发的，还可以适配了手柄，还是开源免费的，fps 没确定，但是好像是自己弄了服务器，帮助记录下账号和两个机器握手，大概是这样小结就这些，推荐 RustDesk。但其实还有 Parsec（steamcommunity_302. exe 用的这个软件提供网络访问协助，Parsec 国内有些不好访问），但是我屋里电脑没弄那个显示器，Parsec 这个速度倒是可以，但是居然没自带虚拟显示器，ParsecVDisplay 这个 github 项目可以添加，但是今天还是下单了个 HDMI 欺骗器 5￥就这些了，RustDesk 还是可以的！

PDF翻译-ai加持下的梅开二度

2025-04-21T10:50:28+08:00

之前 pdf 翻译，看了别人的开源项目，一般是先解析为 md 文件，再翻译，现在借助多模态 ai 强大的图片ocr 可以直接翻译主要思路，把 PDF 转为一张张图片，然后给 ai ，让其输出翻译好的 md 文本，工具如下：我用的豆包 1.5 的 vision 版本-大模型 api，提示词也可以自定义效果大概如下图：推荐火山引擎 api： https://console.volcengine.com/auth/login还有一个硅基流动的： https://siliconflow.cn/zh-cn/openrouter 好像也有些免费的蓝奏云工具下载链接，api 在 config.json 里面要自己填下：https://wwzw.lanzoup.com/i70mH2u34nve这是源代码： https://wwzw.lanzoup.com/i60jm2u34ydc

备案了！记录下

2025-04-08T12:14:48+08:00