Shenandoah：低暂停时间的GC（实验性功能）新增了一个名为Shenandoah的GC算法，通过与正在运转的Java线程同时进行evacuation工作来减少GC暂停时间。
使用Shenandoah的暂停时间与堆大小无关，这意味着无论堆是200MB还是200GB，都将具有相同的暂停时间。

Shenandoah：低暂停时间的GC（实验性功能）新增了一个名为Shenandoah的GC算法，通过与正在运转的Java线程同时进行evacuation工作来减少GC暂停时间。
使用Shenandoah的暂停时间与堆大小无关，这意味着无论堆是200MB还是200GB，都将具有相同的暂停时间。

课程内容包括JUC多线程并发、JVM和GC等目前大厂笔试中会考、面试中会问、工作中会用的高频难点知识。
从多线程并发入手，分层递进讲解，逐渐让大家掌握volatile、原子类和原子引用、CAS、ABA、Java锁机制、阻塞队列、线程池等重点；
逐渐过渡到JVM和GC的知识，深度讲解多种常见OOM异常和JVM参数调优，以及串行并行并发G1等各种垃圾收集器的优化实践。

贡纳姆安装Gonum套件的核心软件包以纯Go语言编写，并带有一些汇编。
使用goget完成安装。
goget-ugonum.org/v1/gonum/...受支持的Go版本Gonum在Linux的（386，amd64和arm64），macOS和Windows（均在amd64上）上使用gc编译器支持和测试。
发布时间表Gonum模块的发布时间为六个月，与Go版本保持一致。
即：发布Go-1.x时，大约同时发布Gonum-v0.n.0。
六个月后，发布了Go-1.x+1和Gonum-v0.n+1.0。
因此，基于当前Go发行时间表的发行时间表为：Gonum-v0.n.0：二月Gonum-v0.n+1.0：八月构建标签Gonum软件包使用各种构建标记来设置非标准构建条件。
构建Gonum应用程序可以在不知道如何使用这些标签的情况下工作，但是可以在测试期间使用它们并控制汇编和CGO代码的使用。
当前的非内部标签列表如下：安全-请勿使用汇编程序或不安全的程序边界-即便在内部调用中也要使用边界检查cblas—在测试中使用CGOgonum.org

多个C#多线程开发实例usingSystem;usingSystem.Collections.Generic;usingSystem.Text;namespaceExample20{classProgram{classClass1:IDisposable{//析构函数，编译后变成protectedvoidFinalize()，GC会在回收对象前会调用调用该方法~Class1(){Dispose(false);}//通过实现该接口，客户可以显式地释放对象，而不需要等待GC来释放资源，据说那样会降低效率voidIDisposable.Dispose(){Dispose(true);}//将释放非托管资源设计成一个虚函数，提供在继承类中释放基类的资源的能力protectedvirtualvoidReleaseUnmanageResources(){//Dosomething...}//私有函数用以释放非托管资源privatevoidDispose(booldisposing){ReleaseUnmanageResources();//为true时表示是客户显式调用了释放函数，需通知GC不要再调用对象的Finalize方法//为false时肯定是GC调用了对象的Finalize方法，所以没有必要再告诉GC你不要调用我的Finalize方法啦if(disposing){GC.SuppressFinalize(this);}}}staticvoidMain(string[]args){//tmpObj1没有手工释放资源，就等着GC来慢慢的释放它吧Class1tmpObj1=newClass1();//tmpObj2调用了Dispose方法，传说比等着GC来释放它效率要调一些//个人认为是因为要逐个对象的查看其元数据，以确认能否实现了Dispose方法吧//当然最重要的是我们可以自己确定释放的时间以节省内存，优化程序运行效率Class1tmpObj2=newClass1();((IDisposable)tmpObj2).Dispose();}}}

色谱柱的正确安装才能保证发挥其最佳的功能和延长使用寿命。
正确的安装请参考以下步骤：步骤1.检查气体过滤器、载气、进样垫和衬管等检查气体过滤器和进样垫，保证辅助气和检测器的用气畅通有效。
如果以前做过较脏样品或活性较高的化合物，需要将进样口的衬管清洗或更换。
步骤2.将螺母和密封垫装在色谱柱上，并将色谱柱两端要小心切平步骤3.将色谱柱连接于进样口上色谱柱在进样口中插入深度根据所使用的GC仪器

CS231A课程项目：深度立体声匹配重新实现GC-Net我主要是重新实现GC-Net。
我实现了两个版本的GC-Net模型：一个带有掩码（损失被掩码），另一个不带掩码。
结果定性结果SceneFlow上的无遮罩版本，原始图像和预测样本：SceneFlow上的带遮罩版本，遮罩的地面真相，遮罩的预测和未遮罩的预测：在KITTI训练集上，要了解真实情况，掩盖的预测和未掩盖的预测：在KITTI测试集中，原始图像和预测样本：定量结果由于KITTI数据集非常稀疏，因而提供的groundtruths是带遮罩的，我首先实现并训练带遮罩的版本。
但是我发现一些预测非常模糊。
（我的口罩有点过多）。
虽然定性结果看起来不错，但是SceneFlow测试集上的定量结果不是很好。
至于KITTI，这不是令人满意的版本，因而我不提交。
并且由于时间和资源的限制，我不进行验证。
我在训

JUC多线程及并发、JVM+GC解析、GitHub骚操作、消息两头件MQ、NOSQL数据库Redis

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。