社区
非技术区
帖子详情
[求评价] 华为Ascend G300
老毕
2012-06-11 08:52:56
要看的书太多,除了一些纸质的书,大多数为PDF文档,因此想买一款方便阅读的手机。之所以没选择平板电脑,是嫌它的个儿大了些,不方便携带。
网上淘了半天,4.0寸的屏,Android系统,ROM比较大的手机里,华为的Ascend G300算是比较便宜的一款,就是不知道实际使用如何,有没有什么明显的缺点。
最近打算入手,所以希望了解此机的朋友给点意见。谢谢!
...全文
183
3
打赏
收藏
[求评价] 华为Ascend G300
要看的书太多,除了一些纸质的书,大多数为PDF文档,因此想买一款方便阅读的手机。之所以没选择平板电脑,是嫌它的个儿大了些,不方便携带。 网上淘了半天,4.0寸的屏,Android系统,ROM比较大的手机里,华为的Ascend G300算是比较便宜的一款,就是不知道实际使用如何,有没有什么明显的缺点。 最近打算入手,所以希望了解此机的朋友给点意见。谢谢!
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
3 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
okgogo2000
2012-06-12
打赏
举报
回复
Ascend 没用, 身边有人用了几个华为Android手机, honor等, 还挺靠谱的, 也耐摔。 我的老华为8605(记不太清除型号了),已经没用了, 不太好, 可能太便宜的原因吧。
老毕
2012-06-11
打赏
举报
回复
哦,我的手机也想同时换了,老掉牙的Moto A1200
q107770540
2012-06-11
打赏
举报
回复
说实话,没用过华为的手机
华为的手机,每年的出货量虽然很大,据说现在已经到6000W台了,但多是和运营商合作的
实际比较尴尬的是 一直没有自己比较有品牌的机型
BTW,如果只是要阅读电子书,可以直接买个MP4 还又便宜
DeepSeek V4适配
华为
昇腾:国产AI算力落地实录
大模型推理是人工智能应用的核心环节,其性能与成本直接受限于底层芯片架构与软硬协同效率。随着国产AI芯片技术成熟,以
华为
昇腾为代表的自主算力平台正从‘可用’迈向‘好用’,支撑起DeepSeek等高性能开源大模型的高效部署。这一演进不仅降低了单位算力成本,更通过本地化部署强化了数据安全与业务可控性,广泛应用于教育、医疗、政务、中小企业AI助手等对延迟、隐私和性价比敏感的场景。DeepSeek V4凭借Apache 2.0许可、结构友好性及1M上下文能力,成为当前国产AI生态中最具工程落地价值的大模型代表之一。
DeepSeek V4实测:DSA稀疏注意力与推理稳态设计解析
大语言模型的长上下文处理能力是工程落地的核心瓶颈,其本质涉及注意力机制效率、显存占用控制与推理稳定性三重挑战。DSA(Dynamic Sparse Attention)作为一种硬件感知的动态稀疏注意力技术,通过token级影响力预测、L2缓存适配的块尺寸调度及分层渐进式稀疏策略,在A100/昇腾等异构硬件上实现百万级上下文的稳定推理。相比传统Block-Sparse或FlashAttention方案,DSA在真实长文档摘要、多轮Agent历史回溯等场景中显著降低显存峰值并提升吞吐,同时保障关键实体不被裁剪。
国产大模型选型决策地图:从评测分数到真实业务适配
大语言模型(LLM)作为AI应用的核心引擎,其能力不能仅靠MMLU、C-Eval等通用基准分数衡量;真正决定落地成败的是工程鲁棒性、中文语义理解深度与垂直场景适配能力。本文基于金融、政务、法律、教育等多领域27个上线项目实测数据,解析通义千问、Kimi、DeepSeek、Yi四大主流国产模型在长文本处理、多轮对话保持、结构化输出、OCR噪声容忍、中英术语对齐等关键维度的真实表现。尤其关注Qwen的政务知识图谱增强机制与Kimi的语义连贯分块技术——二者代表了当前中文大模型从‘通用智能’向‘场景生存力’演进的
【信息科学与工程学】【数据中心】第二十四篇 数据中心DaaS场景及算法
Flink, Kafka Streams, 时序数据库。Flink, Kafka Streams, 流处理引擎。Presto, ClickHouse, 查询加速引擎。Presto, ClickHouse, 查询加速引擎。延迟<50ms,可用性>99.99%,QPS>10K。REST API, GraphQL, API网关。Tableau, Power BI, 自助BI。Tableau, Power BI, 可视化库。Spark, Hadoop, 分布式计算框架。Spark, Hadoop, 分布式计算。
复现基于改进秃鹰算法的微电网群经济优化调度研究(Matlab代码实现)
内容概要:本文围绕“基于改进秃鹰算法的微电网群经济优化调度”展开研究,利用Matlab代码实现优化算法的仿真与复现。研究重点在于通过改进的秃鹰搜索算法(Bald Eagle Search Algorithm, BESA)解决微电网群在运行过程中的经济调度问题,提升算法的收敛速度与全局寻优能力,以实现对分布式能源、储能系统及负荷的高效协调管理。文中详细阐述了微电网群的系统架构、数学建模过程、目标函数设计(如运行成本最小化、碳排放降低等),并结合智能优化算法进行
求
解,验证了改进算法相较于传统方法在调度精度和效率方面的优越性。同时,研究还探讨了算法在多场景下的适应性,为微电网群的智能化、低碳化运行提供了技术支持与实践参考。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事微电网、智能优化算法相关工作的工程技术人员。; 使用场景及目标:① 学习并掌握改进秃鹰算法在复杂优化问题中的应用方法;② 实现微电网群经济调度模型的构建与
求
解;③ 对比不同智能算法在电力系统优化中的性能表现;④ 为科研论文复现、课题研究或工程项目提供算法支持与代码参考。; 阅读建议:建议读者结合文中提供的Matlab代码逐模块分析,重点关注算法改进策略与调度模型的耦合实现方式,同时可尝试在不同参数设置或场景条件下进行仿真实验,以加深对算法性能与调度效果的理解。
非技术区
7,776
社区成员
63,113
社区内容
发帖
与我相关
我的任务
非技术区
.NET技术 非技术区
复制链接
扫一扫
分享
社区描述
.NET技术 非技术区
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