最近在做公众号矩阵，但是5月13日以后，新注册的公众号只能个人注册个人运营，不再允许绑定管理者了，后来我们有朋友听说可以用有鸿蒙6.0系统的手机可以注册绑定运营者的公众号，请问各位佬，这个能实现吗？ 1 个帖子 - 1 位参与者 阅读完整话题
model_provider = "ccswitch" # --- 模型矩阵配置 --- model = "gpt-5.5" review_model = "gpt-5.5" # 深度代码审查/复杂推理模型 # --- 环境与行为配置 --- model_reasoning_effort = "xhigh" disable_response_storage = true approval_policy = "on-request" sandbox_mode = "workspace-write" model_supports_reasoning_summaries = true [model_providers.ccswitch] name = "openai" base_url = "https://a-ocnfniawgw.cn-shanghai.fcapp.run/v1" wire_api = "responses" requires_openai_auth = true [windows] sandbox = "elevated" [features] skills = true [tui.model_availability_nux] "gpt-5.5" = 4 [mcp_servers.ace-tool] type = "stdio" command = "cmd" args = ["/c", "npx", "-y", "ace-tool@latest", "--base-url", "https://acemcp.heroman.wtf/relay/", "--token", "xxxx"] [mcp_servers.context7] type = "stdio" command = "cmd" args = ["/c", "npx", "-y", "@upstash/context7-mcp@latest"] [marketplaces.openai-bundled] last_updated = "2026-06-04T04:08:38Z" source_type = "local" source = '\\?\C:\Users\xxx\.codex\.tmp\bundled-marketplaces\openai-bundled' 9 个帖子 - 6 位参与者 阅读完整话题
IT之家 6 月 3 日消息，SNEC PV+ 第十九届 (2026) 国际太阳能光伏和智慧能源 (上海) 大会今日在上海国家会展中心开幕。 会上，阳光电源正式发布了 PowerMatrix 矩阵逆变器，并同步推出了以其为核心的矩阵逆变系统，号称解决长期以来困扰行业的成本、效率与稳定性“不可能三角”问题。 据介绍，该矩阵逆变系统可覆盖大型能源基地、绿电直连、微电网及 AIDC 等多种应用场景。其名称中的“矩阵”体现了“多元素接入、多路径连接、多单元协同”的设计理念，旨在实现电源、电网、负荷与储能之间的有序协同。 IT之家注：矩阵逆变器将光伏逆变、储能变流、能量路由与构网控制四大功能整合于同一设备，区别于传统方案中光伏逆变器与储能变流器分立设计的架构。 在性能表现方面，矩阵逆变系统从成本、效率、稳定性三个维度实现了优化。 成本方面，通过设备集成、工程简化和容量弹性配置，系统 BOS 成本降低 10% 以上，叠加“发 — 储 — 输 — 用”全链路效率优化，使得 LCOE 降低 2% 以上。以西北地区一个 1GW 光伏装机、2GWh 储能的典型光储项目为例，相较传统交流耦合方案，矩阵逆变系统可实现 CAPEX 降低 3.26 亿元，IRR 提升 1.5% 以上。 效率方面，系统实现了从发电侧到负荷侧的全链路重构：光伏侧每 MW 支持多达 28 路 MPPT 独立跟踪，光伏发电量提升 0.8%；储能侧通过多级 SOC 均衡，全生命周期放电量提升 8%；电能转换与传输环节减少了 2 级变换，转换效率提升 3% 至 5%。 稳定性方面，系统将稳定性迁移至每个发电单元，原生支持 260% 高容配比和 200% 储能充电功率，系统年平均利用小时数最高可达 3000 小时，较传统光伏电站提升 100% 以上，接近常规电源运行水平。
any 超过300s 524，我已找到明确问题是什么，确认是any 解密thinking的bug。请相关人员明确证明身份联系我。 7 个帖子 - 7 位参与者 阅读完整话题
IT之家 5 月 27 日消息，零刻 (Beelink) 今日宣布将推出 3 款基于英特尔第三代酷睿 "Wildcat Lake" 平台的迷你主机，且都采用酷睿 3 304 这一处理器型号。 IT之家注意到，这批产品分别属于 EQ mini、EQi 和 ME Pro 系列， 均采用板载 UFS 3.1 存储方案 ，至少提供双 USB4 40Gbps 接口和 10GbE 有线网口，EQi 和面向 NAS 应用场景 ME Pro 机型还提供 2.5GbE 的第二网口。 零刻表示，酷睿 3 304 相较 "Alder Lake-N" 家族的酷睿 i3-N305 在 CPU 单核 / 多核上分别提升 120% 和 60%，还通过 GPU 和 NPU 合计提供了 24TOPS 的 AI 算力， 让智能办公 、 AI 翻译 、 本地推理更加流畅 。
IT之家 5 月 26 日消息，随着特斯拉 Model S 与 Model X 正式停产，目前其产品矩阵中已没有顶配的 Plaid 版旗舰车型。新款 Model 3 Performance 虽然动力表现出众，但零至 60 英里每小时加速仍明显慢于 Model S Plaid 的 2 秒成绩。 在《Ride the Lightning》播客特别节目中，主持人瑞安・麦卡弗里直接向特斯拉工程副总裁拉尔斯・莫拉维提问：Model 3 是否会搭载三电机系统。 “我一直在琢磨这件事。”莫拉维并未否定这一设想，反而坦言这是他一直在认真思考的工程难题。 他特别提到，希望将碳纤维套筒电机应用到 Model 3 平台上。这款颠覆性硬件正是 Model S Plaid 能拥有持续强劲极速加速能力的核心配置。 据IT之家了解，现款 Model 3 Performance 采用前后双电机布局。若要在 Model 3 的后副车架内加装第三台电机，工程空间会极度紧张。但莫拉维的积极态度表明，特斯拉工程管理层至少已开始评估其中的技术难点。 尽管十分看好三电机版 Model 3，莫拉维也道出了量产层面的现实问题，他将该项目形容为一项“高投入、需权衡回报”的规划。 现阶段，为 Model 3 适配三电机需要投入巨大工程资源，这与特斯拉当下的发展目标并不契合。莫拉维表示，目前工程团队正将全部高性能研发重心，放在即将推出的新一代 Roadster 跑车上。 新款 Roadster 将搭载特斯拉最顶尖、最新一代的电机技术，因此公司优先推进这款旗舰车型，而非小众的 Model 3 衍生版本。不过，一旦 Roadster 正式投产，这套高性能电机技术未来仍有机会下放至其他车型。
现在发现，谁掌握了流量谁就有话语权，我这有好多的项目推不出去，有佬做矩阵吗，想交流一下经验 3 个帖子 - 2 位参与者 阅读完整话题
公司一直在做矩阵运营，特别是公众号矩阵用的比较多，而且效果也很好，最近发现这个方法慢慢行不通了，因为公众号出了新规，新注册的公众号只能够实名制本人运营，以前都是可以添加管理员的，现在无法添加了，后面想要做公众号矩阵的就无法通过个人号来做了，只能买多个营业执照来注册，这样成本会大幅提高，而且也不具备大规模化，对于后来者非常不友好。 所以大家要珍惜已有的公众号，不要随便注销了，这个就跟以前的公众号留言功能一样，一旦关闭，短时间不一定能重新开启。 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 5 月 21 日消息，江汽集团官方今日转发了中国汽车报报道。其中提到，2026 年是尊界品牌的产品大年， 6 月底品牌将推出 200 万元级旗舰车型 ，后续 MPV、SUV 车型相继落地 ，将快速形成“轿车 + MPV + SUV”完整豪华矩阵 ，全面覆盖超豪华细分市场需求。 参考IT之家此前报道，今年 5 月 18 日，华为常务董事、产品投资评审委员会主任、终端 BG 董事长余承东正式揭晓尊界超高端豪华系列新作 —— 尊界 S800 Grand Design 典藏大观 。新车将在今年 6 月发布。结合江汽集团此次转发的报道来看，尊界 S800 Grand Design 典藏大观就是那款 200 万元级旗舰车型。 另外， 鸿蒙智行尊界首款 MPV 车型 V800 已完成申报 ，外观公开。画面显示，新车采用类似香槟金和棕色的双拼组合，采用长车头设计，前脸灯组延续尊界 S800 的设计语言，纵向的尾灯配合大尺寸镀铬饰条，呈现出颇为威严的气场。而在前脸部分，最为吸睛的是正中央的大尺寸 Logo，形成视觉焦点。该车还提供了多款轮毂和不同样式的前后灯造型可供选择，3 排座椅支持折叠或向后放倒。 目前， 尊界 SUV 车型也已曝光了专利图 。该方案采用家族式双 C 形灯组，搭配网格状进气区域，车头厚重沉稳。车身整体造型修长，搭配大尺寸多辐式轮毂与贯穿车身的镀铬饰条。车尾配备贯穿式尾灯，牌照框置于下包围中间位置，与前脸设计形成呼应，凸显稳重气息。
IT之家 5 月 20 日消息， 荣耀 WIN 官方今日宣布，荣耀 WIN Turbo 定档 5 月 29 日 15:00 发布，新机将主打性能及续航。 IT之家注意到，博主 @数码闲聊站 今日发文透露，荣耀 WIN Turbo 手机将配备 1.5K LTPS 直屏 + 金属中框 + 50Mp OIS 横向大矩阵镜组，并提供 16GB+512GB 规格。 博主还提到，荣耀 WIN Turbo 手机的型号同 Power2。不过需要注意的是， 该机无内置风扇 。 相关阅读： 《 荣耀 WIN Turbo 手机官宣本月见，号称“耐玩战神” 》
店铺矩阵日请求量破百万，之前用的 机房 IP 三天两头被平台“关照”，换了 辣椒 HTTP 的 静态长效住宅 IP 后连续跑了三个月，0 掉线、0 限制。附专属 CDK 回帖福利，新用户最高可领 50GB 免费试用流量，还没上车的抓紧了。 一、高负载压垮了我之前用的所有方案 去年底跑 TikTok 矩阵 和 亚马逊多店铺 ，日请求量冲到百来万次，之前囤的 数据中心 IP 池三天两头被平台重点关照，不是验证码就是 403 。后来换了常规 动态住宅 IP 也扛不住并发压力，时不时断流、延迟漂移，单店日损失好几百单。 断断续续换了三四家，最后稳定在 辣椒 HTTP 。它的 静态长效住宅 IP 长期固定，配合 动态 IP 池 做轮换，在高并发场景下依然稳如磐石。实际测下来： 多店铺日均百万级请求，连续三个月，没掉过一次链子 。 二、硬核参数：从资源池到网络质量 1. IP 纯净度与规模 官网公开数据： 9000 万+ 真实 住宅 IP 资源 ，覆盖 190+ 国家/地区 ，支持 城市级定位 ，每日更新 10 万+。拿去 Ping0 、AbuseIPDB 测了几批节点， 绝大多数 0 黑名单、0 风险记录 。 2. 稳定性与响应速度 高负载场景下， 网络连通率 是生命线。官网承诺 99.9% 连通率 、 99.99% 正常运行时间 ，实测平均响应 稳定在 0.5 秒以内 。不像之前用过的方案，跑一会儿延迟就漂到两三秒甚至断连。 3. 协议与接入 全系支持 HTTP/HTTPS/SOCKS5 ， AdsPower 、 比特指纹浏览器 直接对接，账密或 API 白名单随意切，技术门槛极低。 三、高并发场景套餐怎么选 套餐类型 计费方式 起售价 高并发适配 海外动态住宅 按流量 5 元/GB 高并发采集、价格监控，IP 可轮换可粘性 静态长效住宅 按 IP 个数 9.9 元/个/7 天（限时） 多店铺/多账号长期固定，一 IP 一账号 不限量-带宽 带宽+时长 293 元/天 极限高并发、AI 训练、海量请求 不限量-端口 按端口数 2.5 元/个/天 多任务并行，配置极灵活 总结 ：多店铺矩阵、长期固定账号 → ** 静态长效住宅 IP **；高并发采集、轮换任务 → ** 动态住宅 IP **；预算宽裕 → ** 不限量套餐 **。 四、新用户限时福利（回帖送 CDK ） 🎁 ① 免费试用翻倍 ：新用户注册最高可领 50GB 免费试用流量（ 动态住宅 可用）—— 0 成本测高并发性能。 🎁 ② 静态长效特价 ：限时 9.9 元/个/7 天 ，适合直接跑店铺矩阵。 🎁 ③ 送 CDK ：评论区回复任意内容，随机掉落专属 CDK： （新用户注册时额外兑换流量包，限量先到先得）。 🎁 ④ 通用邀请码 ： ff8888 （与 CDK 不冲突，可叠加福利）。 👉 辣椒 HTTP 官网入口 五、几点避坑建议 ✅ 先测再买 ：高并发场景 IP 稳不稳，只有大流量压上去才知道。先用 50GB 试用流量 把目标区延迟测透。 ✅ 按场景选套餐 ：长期运营用 静态 ，短期采集用 动态按量 ，别硬上不合适的套餐。 ✅ 配合指纹浏览器 ：多账号运营时，建议同时使用 AdsPower 等工具，实现“ 一 IP 一环境 ”。 如果你也在跑店铺矩阵或高并发采集，强烈建议先领试用实测一下，不合适也没损失。有其他问题欢迎回帖交流，一起避坑。
IT之家 5 月 19 日消息，上海张江本土孵化的企业矩阵超智于 5 月 18 日发布了 MATRIX-3 全能旗舰人形机器人 、MFH 矩阵超智工厂、WAVE 物理智能模型、CAAI 人工智能计算架构、MATRIX RDK 开发套件、RAAS 生态计划。 MATRIX-3 历经 25 个月迭代，实现从概念到第三代量产机型，IT之家附主要参数如下： 身高 170cm / 体重 65kg 续航 4 小时，20 分钟快充，车规级电池 自研直线关节，峰值推力 5000N，半吨级负载 3D 仿生织物肤质，触觉感知、碰撞即停 MATRIX HAND 灵犀之手，27 维自由度 英伟达 AGX 算力，端侧实时 AI 推理 矩阵超智上海张江 MFH 超智工厂也在发布会上正式亮相， 一期规划年产 10000 台 ，实现研发 — 生产 — 交付全闭环，可落地、可规模化。 WAVE 物理基座模型则是一套面向具身智能的能力增长系统： 用大规模数据学习世界规律； 用 Action Expert 建立机器人自身的行为空间； 用 Value & Reward 形成长期价值选择； 再通过数据平台和训练平台，让真实反馈持续回流。 MATRIX-3 全能旗舰人形机器人 售价 58 万元起 ，现已开启预订： MATRIX-3 标准版：58 万元（含 1 年基础服务） MATRIX-3 PRO 版：68 万元（搭载灵犀之手，含 1 年基础服务）
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 不知道有没有想做自媒体，或者在找副业的佬友，可以交流一下效果～ vibe这个软件的目的就是因为调研发现大家都是用飞书表格去做项目管理？这可太不优雅了！ 下面是几个界面截图 （点击了解更多详细信息） 国内平台因为都想做superApp，所以非常的封闭，基本没有发布api或者数据分析api，这就导致我们在分发和分析上是非常困难的，但是佬友开源的项目 @ [开源自荐] 我的项目竟然跑到 9k star，不更新对不起社区了，[social-auto-upload] 社交媒体自动化发布 可以帮助我们很好的解决上传的问题。数据分析因为还没有做到那里暂时不知道实现模式和困难点在哪里，初步定的就是跑cron去抓数据，也请各位佬集思广益。 其实国外的自媒体管理SaaS平台已经很成熟了，想要赚美金的朋友说实话可以做做分析，然后付钱就好了。也欢迎在Orbit上做二开。 AI时代内容生产已经很容易了，但是当一个ai造粪机真的不推荐。请佬们都去做精品好嘛～～ 项目还在快速开发中，希望佬友们用了以后也多提整改意见！ 下一阶段，完美嵌入 SAU 上传模块～ github.com GitHub - Leon-bo-He/Orbit: Content operations platform for creators —... Content operations platform for creators — multi-workspace Kanban, scheduling calendar, multi-platform publishing queue, and analytics dashboard. 4 个帖子 - 3 位参与者 阅读完整话题
力扣 LeetCode 1914. 循环轮转矩阵 - 力扣（LeetCode） 1914. 循环轮转矩阵 - 给你一个大小为 m x n 的整数矩阵 grid ，其中 m 和 n 都是 偶数 ；另给你一个整数 k 。 矩阵由若干层组成，如下图所示，每种颜色代表一层： [https://assets.leetcode.com/uploads/2021/06/10/ringofgrid.png] 矩阵的循环轮转是通过分别循环轮转矩阵中的每一层完成的。在对某一层进行一次循环旋转操作时，层中的每一个元素将会取代其 逆时针... 思路 看上去就是模拟题了，可以写个 helper 函数来对每一层进行处理。 咱的思路是对于每一层，计算出其周长 perimeter ，然后 k 对周长取模得到实际要轮转的次数 realK 。 从右上角 (i, j) 开始，找到在周长上距离 (i, j) realK 个格子的位置 (targetI, targetJ) ，接着螺旋扫描矩阵，同时推进位置 (i, j) 和 (targetI, targetJ) ，把 (targetI, targetJ) 的值不断赋给 (i, j) 即可。 直接在矩阵上写这套模拟真的挺麻烦的，如果把一层铺平后再处理似乎要好写很多。 代码 咱是直接在矩阵上模拟的，有点屎山了，不过时间复杂度上还算挺快的。 class Solution { public: vector<vector<int>> rotateGrid(vector<vector<int>>& grid, int k) { int m=grid.size(),n=grid[0].size(); vector<vector<int>> res(m,vector<int>(n)); // 通过坐标可以判断目前这个数字在哪一个层级 // 每一个层级的周长也可以求一下，因为是循环操作，k 可以取模 // 对于每一层，我们可以从左上角开始，用偏移量定位当前位置在轮转后是哪个元素，然后顺着往下填 auto rotateLayer=[&](int layer) -> void { int i=layer,j=layer; // 这一层的左上角坐标 int layerM=m-(i<<1),layerN=n-(j<<1); // 计算本层周长 int perimeter=((layerM+layerN)<<1)-4; int realK=k%perimeter; // 定位，找到周长上距离 (i, j) 有 realK 距离的地方 int secondDir=0; // 确定后面的方向 int targetI=i,targetJ=j; if(realK<=layerN-1){ targetJ=j+realK; }else if(realK<=(layerN-1)+(layerM-1)){ targetJ=j+layerN-1; targetI=i+realK-(layerN-1); secondDir=1; }else if(realK<=(layerN-1)+(layerM-1)+(layerN-1)){ targetI=i+layerM-1; targetJ=j+layerN-1-(realK-(layerM-1)-(layerN-1)); secondDir=2; }else{ targetJ=j; targetI=i+layerM-1-(realK-((layerN-1)<<1)-(layerM-1)); secondDir=3; } // 现在 (i, j) 位置旋转后的值就是 (targetI, targetJ) 位置的值 res[i][j]=grid[targetI][targetJ]; // 接下来就沿着周长顺时针转一圈逐个填上 int iPos=i,jPos=j; int drcts[][2]={ {0,1}, {1,0}, {0,-1}, {-1,0}, }; int firstDir=0; perimeter--; // 首个位置已经处理 while(perimeter>0){ int newI=iPos+drcts[firstDir][0],newJ=jPos+drcts[firstDir][1]; if(newI<i||newI>=i+layerM||newJ<j||newJ>=j+layerN){ // 越界，换方向 firstDir=(firstDir+1)%4; newI=iPos+drcts[firstDir][0]; newJ=jPos+drcts[firstDir][1]; } int newTargetI=targetI+drcts[secondDir][0],newTargetJ=targetJ+drcts[secondDir][1]; if(newTargetI<i||newTargetI>=i+layerM||newTargetJ<j||newTargetJ>=j+layerN){ // 越界，换方向 secondDir=(secondDir+1)%4; newTargetI=targetI+drcts[secondDir][0]; newTargetJ=targetJ+drcts[secondDir][1]; } res[newI][newJ]=grid[newTargetI][newTargetJ]; iPos=newI; jPos=newJ; targetI=newTargetI; targetJ=newTargetJ; perimeter--; } }; // 取较短边的一半作为层数 int numLayers=(min(m,n)>>1); for(int i=0;i<numLayers;i++){ rotateLayer(i); } return res; } }; 2 个帖子 - 2 位参与者 阅读完整话题
做矩阵号，你有没有遇过这种情况： n8n 跑了一整条自动化——AI 写脚本、合成视频、生成封面。最后一步，发布到抖音 / B 站 / 视频号，流程断掉。没有节点可以调，没有 API 可以用，只能人坐在那手动点。 市面上的批量发布工具（易媒、蚁小二这类）全是 GUI ，n8n 根本调不到，Claude Code 也没办法接进去。你的"全自动流程"到这一步，还是半自动。 我自己也被卡了很久，后来干脆自己写了一个： MatrixMedia：开源 + Electron + Puppeteer ，核心是 CLI 入口，让 AI Agent 能把"发布视频"当成一条普通命令来调。 exit code 有明确语义： - 0 成功 - 1 未知异常 - 2 参数错误（命令要改） - 3 业务失败（比如登录态过期，要先重新登录） AI Agent 读 $? 就知道下一步干什么，不会傻傻全部当成"失败"重试。 也支持 --json 输出账号列表和发布历史，给 n8n JSON Parse 节点直接消费。 目前支持：抖音 / 快手 / 百家号 / B 站 / 头条 / 视频号，6 个平台。 详细技术文章（ CLI 设计 + 调度实现 + AI 联动实战）： https://juejin.cn/post/7636984000939327498 GitHub 开源地址（ GPL-2.0 ）： https://github.com/hanliang97/MatrixMedia
线段树2.pdf (1.8 MB) 线段树2.pdf文档包括内容：线段树合并、线段树分裂、扫描线求矩阵交集面积 等内容。如果文档中有我没写到位的地方，还请佬们指正。 1 个帖子 - 1 位参与者 阅读完整话题
力扣 LeetCode 1861. 旋转盒子 - 力扣（LeetCode） 1861. 旋转盒子 - 给你一个 m x n 的字符矩阵 boxGrid ，它表示一个箱子的侧视图。箱子的每一个格子可能为： * '#' 表示石头 * '*' 表示固定的障碍物 * '.' 表示空位置 这个箱子被 顺时针旋转 90 度 ，由于重力原因，部分石头的位置会发生改变。每个石头会垂直掉落，直到它遇到障碍物，另一个石头或者箱子的底部。重力... 佬友五一快乐~~ 思路 简单题简单做，遍历每一行，从右往左，找到旋转后当前阶段的 底部 ，遇到石头就落到 底部 ，遇到障碍物就更新 底部 。 代码 class Solution { public char[][] rotateTheBox(char[][] boxGrid) { int m = boxGrid.length; int n = boxGrid[0].length; char[][] ans = new char[n][m]; // 遍历每一行 for (int i = 0; i < m; i++) { // 当前阶段的底部 int bottom = n - 1; for (int j = n - 1; j >= 0; j--) { if (boxGrid[i][j] == '#') { // 遇到石头，石头掉落到底部，底部升高1 ans[bottom][m - 1 - i] = '#'; bottom--; } else if (boxGrid[i][j] == '*') { // 遇到障碍物，底部升高到障碍物上面 ans[j][m - 1 - i] = '*'; // 中间空的位置填上 “.” for (int k = bottom; k > j; k--) { ans[k][m - 1 - i] = '.'; } bottom = j - 1; } } // 空的位置补上 “.” for (int k = bottom; k >= 0; k--) { ans[k][m - 1 - i] = '.'; } } return ans; } } 1 个帖子 - 1 位参与者 阅读完整话题
力扣 LeetCode 48. 旋转图像 - 力扣（LeetCode） 48. 旋转图像 - 给定一个 n × n 的二维矩阵 matrix 表示一个图像。请你将图像顺时针旋转 90 度。 你必须在 原地 [https://baike.baidu.com/item/%E5%8E%9F%E5%9C%B0%E7%AE%97%E6%B3%95] 旋转图像，这意味着你需要直接修改输入的二维矩阵。请不要 使用另一个矩阵来旋转图像。 示例... 思路 这题要求原地操作。其实这样顺时针旋转矩阵 90°，就相当于先把矩阵先转置再水平翻转。 那么逆时针旋转 90° 呢？其实只需要把水平翻转换成垂直翻转即可。 代码 class Solution { public: void rotate(vector<vector<int>>& matrix) { // 顺时针旋转矩阵 90° 相当于先转置再水平翻转 int n=matrix.size(); for(int i=0;i<n;i++){ for(int j=0;j<i;j++){ swap(matrix[i][j],matrix[j][i]); } } // 水平翻转 for(int i=0;i<n;i++){ int l=0,r=n-1; while(l<r){ swap(matrix[i][l],matrix[i][r]); l++; r--; } } } }; 1 个帖子 - 1 位参与者 阅读完整话题
在2024年10月的时候，AMD和Intel联合成立了x86生态系统咨询小组（x86 Ecosystem Advisory Group），汇聚行业领导厂商，共同推动x86计算架构的未来。EAG成立时公布了四项核心特性：FRED、AVX10、ChkTag和ACE， 如今AMD与Intel联合发布了ACE白皮书，正式将这一被称为“x86标准矩阵加速架构”的指令集推向开发者社区。 ACE的核心目标很直接：让x86芯片的矩阵乘法性能实现数量级跃升。 矩阵乘法是神经网络和大语言模型的基础运算单元，现有的AVX10等SIMD指令集虽然能完成矩阵运算，但在计算密度和扩展性上存在明显瓶颈。 ACE通过引入基于外积运算的矩阵加速机制，在消耗相同输入向量的前提下，计算密度达到等效AVX10乘累加操作的16倍。 在数据格式支持方面，ACE原生覆盖了当前AI领域的主流精度标准，包括INT8、OCP FP8、OCP MXFP8、OCP MXINT8和BF16。 作为AVX10的扩展指令集，ACE的软件生态适配已在推进中，Deep Learning和HPC底层库、NumPy、SciPy等Python科学计算库，以及PyTorch和TensorFlow等主流机器学习框架均已启动集成工作。 AMD和Intel在白皮书中强调，ACE的设计理念是低摩擦、广覆盖，从笔记本到超级计算机，开发者无需针对不同硬件平台重写代码。 这与将AI计算迁移到专用加速器的方案形成鲜明对比，后者往往需要额外的代码适配和迁移成本。 查看评论
IT之家 4 月 30 日消息，科技媒体 Wccftech 昨日（4 月 29 日）发布博文， 报道称英特尔和 AMD 联合发布人工智能计算扩展（ACE）白皮书，将其定位为 x86 架构的标准矩阵加速方案。 现有 AVX10 等 SIMD 扩展虽能处理矩阵运算，但在计算密度与扩展性上存在局限，ACE 正是为突破这一瓶颈而生。 ACE 作为 x86 指令集的关键扩展，核心目标是大幅提升矩阵乘法性能、扩展性与能效。矩阵乘法作为神经网络与大语言模型的核心计算模块，其效率直接决定 AI 工作负载的表现。 技术层面，ACE 引入基于外积运算（outer product operation）的矩阵加速机制，无缝集成 AVX10。白皮书数据显示，在消耗相同数量输入向量的前提下，ACE 外积运算的计算密度比等效的 AVX10 乘加运算（multiply-accumulate operation）高出 16 倍。 ACE 在底层计算方面，支持 INT8、OCP FP8、BF16 等主流 AI 数据格式，其设计兼顾灵活性与扩展性，旨在构建覆盖笔记本电脑到超级计算机的全场景矩阵加速框架。 在软件生态方面，ACE 集成低精度 GEMM 等深度学习和高性能计算库，并启动适配 NumPy、SciPy 等 Python 库以及 PyTorch、TensorFlow 等主流机器学习框架。 IT之家附上参考地址 The AI Compute Extensions (ACE) for x86