大约有 4,000 项符合查询结果(耗时:0.0197秒) [XML]

https://www.tsingfun.com/it/os... 

驯服Linux OOM Killer(优质英文资料翻译) - 操作系统(内核) - 清泛网移动...

...需要不同的设计驯服 OOM Killer。 讨论的一个有趣结果是处理用户空间中的 OOM 情况。内核向用户空间发送通知,应用程序通过丢弃它们的用户空间缓存来响应。如果用户空间进程不能释放足够的内存,或者进程忽略内核释放内存...
https://www.tsingfun.com/it/os... 

驯服Linux OOM Killer(优质英文资料翻译) - 操作系统(内核) - 清泛网移动...

...需要不同的设计驯服 OOM Killer。 讨论的一个有趣结果是处理用户空间中的 OOM 情况。内核向用户空间发送通知,应用程序通过丢弃它们的用户空间缓存来响应。如果用户空间进程不能释放足够的内存,或者进程忽略内核释放内存...
https://www.tsingfun.com/it/os... 

驯服Linux OOM Killer(优质英文资料翻译) - 操作系统(内核) - 清泛网移动...

...需要不同的设计驯服 OOM Killer。 讨论的一个有趣结果是处理用户空间中的 OOM 情况。内核向用户空间发送通知,应用程序通过丢弃它们的用户空间缓存来响应。如果用户空间进程不能释放足够的内存,或者进程忽略内核释放内存...
https://www.tsingfun.com/it/os... 

驯服Linux OOM Killer(优质英文资料翻译) - 操作系统(内核) - 清泛网移动...

...需要不同的设计驯服 OOM Killer。 讨论的一个有趣结果是处理用户空间中的 OOM 情况。内核向用户空间发送通知,应用程序通过丢弃它们的用户空间缓存来响应。如果用户空间进程不能释放足够的内存,或者进程忽略内核释放内存...
https://www.tsingfun.com/it/os... 

驯服Linux OOM Killer(优质英文资料翻译) - 操作系统(内核) - 清泛网 - ...

...需要不同的设计驯服 OOM Killer。 讨论的一个有趣结果是处理用户空间中的 OOM 情况。内核向用户空间发送通知,应用程序通过丢弃它们的用户空间缓存来响应。如果用户空间进程不能释放足够的内存,或者进程忽略内核释放内存...
https://www.tsingfun.com/it/os... 

驯服Linux OOM Killer(优质英文资料翻译) - 操作系统(内核) - 清泛网 - ...

...需要不同的设计驯服 OOM Killer。 讨论的一个有趣结果是处理用户空间中的 OOM 情况。内核向用户空间发送通知,应用程序通过丢弃它们的用户空间缓存来响应。如果用户空间进程不能释放足够的内存,或者进程忽略内核释放内存...
https://www.tsingfun.com/it/os... 

驯服Linux OOM Killer(优质英文资料翻译) - 操作系统(内核) - 清泛网移动...

...需要不同的设计驯服 OOM Killer。 讨论的一个有趣结果是处理用户空间中的 OOM 情况。内核向用户空间发送通知,应用程序通过丢弃它们的用户空间缓存来响应。如果用户空间进程不能释放足够的内存,或者进程忽略内核释放内存...
https://www.tsingfun.com/it/cpp/1373.html 

C++中智能指针的设计和使用 - C/C++ - 清泛网 - 专注C/C++及内核技术

...能指针都会重载 -> 和 * 操作符。智能指针还有许多其他功能,比较有用的是自动销毁。这主要是利用栈对象的有限作用域以及临时对象(有限作用域实现)析构函数释放内存。当然,智能指针还不止这些,还包括复制时可以修...
https://www.tsingfun.com/it/os_kernel/511.html 

Linux反编译全攻略 - 操作系统(内核) - 清泛网 - 专注C/C++及内核技术

...序运行过程是这样的:main->跳出killme窗口->注册destroy事件处理函数->在关闭 killme 窗口时将引发destroy事件->运行回调处理函数0x80489bd->跳出crackme窗口。 我们CRACK的任务就是nop掉killme窗口,以及找出注册码。 注:GTK的相关文...
https://www.tsingfun.com/it/bi... 

如何选择机器学习算法 - 大数据 & AI - 清泛网 - 专注IT技能提升

...说 —— 我不确定我是否在这其中)。它可以毫无压力地处理特征间的交互关系并且是非参数化的,因此你不必担心异常值或者数据是否线性可分(举个例子,决策树能轻松处理好类别A在某个特征维度x的末端,类别B在中间,然...