社区
图形处理/算法
帖子详情
读取一个大于4M的TXT文件,读取思想是先计算具体的页码数,然后读取一页到内存中,显示这一页,然后再读取第二页到内存,依次显示后续。
liulintao2008
2008-03-22 07:43:34
读取一个大于4M的TXT文件,读取思想是先计算具体的页码数,然后读取一页到内存中,显示这一页,然后再读取第二页到内存,依次显示后续页码。小弟不太会搞,大哥们出出主意。并且设置页码查找。
...全文
134
8
打赏
收藏
读取一个大于4M的TXT文件,读取思想是先计算具体的页码数,然后读取一页到内存中,显示这一页,然后再读取第二页到内存,依次显示后续。
读取一个大于4M的TXT文件,读取思想是先计算具体的页码数,然后读取一页到内存中,显示这一页,然后再读取第二页到内存,依次显示后续页码。小弟不太会搞,大哥们出出主意。并且设置页码查找。
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
8 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
fannifan
2012-09-03
打赏
举报
回复
lz解决了没有那。。。可以说说嘛。。
tanwei1002
2008-03-27
打赏
举报
回复
迷糊中。。。。
liulintao2008
2008-03-24
打赏
举报
回复
恩 ,因为我们做的产品是GPS,
它的屏幕时3.5寸或者4.3寸,我们给它做了
电子书功能,但在一个宽420高232的区域
要显示 那么大的文件内容,我只能分页读取了
哈,但这个思路老总定的,我只能执行
「已注销」
2008-03-23
打赏
举报
回复
楼主可能是想提高效率
需要那一块读那一块是吧
用内存映射可以
菜牛
2008-03-22
打赏
举报
回复
你这个“一页”和读取文件有什么关系?
用户 昵称
2008-03-22
打赏
举报
回复
映射的好。
珍惜生命远离CPP
2008-03-22
打赏
举报
回复
你还是直接映射到内存好了.
cnzdgs
2008-03-22
打赏
举报
回复
如果有页码就不是TXT文件了,TXT文件除非是你规定好每页的行数,然后一行一行地读到指定页。
LM Studio本地大模型入门:零命令行运行Q4_K_M量化模型
本文详解如何使用LM Studio图形界面工具零命令行部署本地大模型,重点解析Q4_K_M量化方案在精度、速度与显存占用间的平衡优势;涵盖跨平台推理引擎(DirectML/Metal/Vulkan)、模型容器化加载、GUI参
数
调控(Temperature/Top-p/Repeat Penalty)、System Prompt定制人设、性能监控(GPU利用率/VRAM/吞吐量)及安全实践,适用于非专业用户快速构建可信本地推理环境。
Llama 4实战避坑指南:10M上下文与多模态落地真相
本文深入剖析Llama 4 Scout与Maverick在真实生产环境
中
的关键瓶颈:10M上下文受
内存
带宽与attention饱和制约,实际需分段注入;多模态early fusion引发视觉特征泄漏,需补丁级掩码、图像感知路由及多尺度编码三重解法;MoE架构虽降本增效,但要求重写batching与expert调度逻辑。同时指出Llama Guard在金融等垂直领域存在语义错位,须通过细粒度策略注入与混合安全栈调优。所有结论均基于H100实测
数
据与可复现代码。
嵌入式开发实战:从
数
据手册更新到ARM Cortex-M4F外设配置避坑指南
本文以TI TM4C123BH6ZRB芯片为例,深入剖析ARM Cortex-M4F内核特性及关键外设(GPTM、SSI/SPI、ADC、WDT)的典型配置陷阱。重点强调
数
据手册修订历史对硬件设计与底层驱动的影响,涵盖寄存器位域修正、时序参
数
更新、初始化流程补充等四类关键修订,并给出系统化跟踪方法、FPU启用要点、位带操作、µDMA配置及ADC精度保障等实战建议。
Llama 4超长上下文下RAG为何仍是刚需?原理、选型与实战
尽管Llama 4宣称支持1000万token超长上下文,但其训练分布上限仅256k tokens,导致超长输入时注意力混乱、事实错误频发、显存溢出。RAG通过检索器精准筛选相关片段(如5000 tokens),交由Llama 4深度生成,显著提升响应速度、答案准确率与GPU资源利用率。技术栈采用LangChain编排、Groq接入Llama 4、BGE-M3嵌入、Chroma/InMemoryVectorStore双轨向量存储,并详解.docx解析、清洗、语义切片(chunk_size=1000+overlap=100)、向量化与检索全流程。
DeepSeek-V3 1M上下文技术解析:长文本理解的工程实践与落地要点
本文深入解析DeepSeek-V3支持1048576 Token上下文的底层技术实现,涵盖PagedAttention 2.0
内存
调度、Hybrid Sparse Attention稀疏
计算
、Chunked Upload会话机制等核心工程方案;强调实际落地
中
的关键参
数
协同、结构化Prompt设计、流式响应优化及幻觉防控策略,并提供财报分析服务的完整实操代码与压测成本
数
据。
图形处理/算法
19,464
社区成员
50,678
社区内容
发帖
与我相关
我的任务
图形处理/算法
VC/MFC 图形处理/算法
复制链接
扫一扫
分享
社区描述
VC/MFC 图形处理/算法
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章