笔者之前发表的音视频文章，有图像的处理，音频的重采样等等，都属于入门级别。通过阅读它们，读者能对音视频有了了解。可在 Gitee 上面回顾。 2023 年，笔者将整理下 关于OpenGLES的实验室系列 并进行发表。首先为读者带来2D篇的系列，它大多是x y坐标，不涉及z坐标，所以用 2D篇。内容上，它不对OpenGLES的基础知识进行细说与讨论。但如果对OpenGLES不了解或者了解一点，仍可通过本实验室系列了解OpenGLES。它旨在激起读者的兴趣，扩展到实际的应用上。总的来说，这些实验& Demo将是额外的，即对基础学习的补充，通过这些它们的实践和运用，能让读者进一步了解OpenGLES。
KMM， 即Kotlin Multiplatform Mobile，是由Kotlin发布的移动端跨平台框架。相比于其他跨平台框架，KMM是原生UI+逻辑共享的理念，共享重复逻辑性的工作来提升开发效率的同时，保持原生执行效率与UI特性。所以KMM并不会替代Android和iOS的原生开发， 而是提倡将共有的逻辑部分抽出，由KMM封装成Android(Kotlin/JVM)的aar和iOS(Kotlin/Native)的framework，再提供给View层进行调用，从而节约一部分的工作量。
今天给大家分享一篇 JS 库打包的参考指南，如果你也在维护一些 JS 库，可以参考一下～ 本指南旨在提供一些大多数库都应该遵循的一目了然的建议。以及一些额外的信息，用来帮助你了解这些建议被提出的原因，或帮助你判断是否不需要遵循某些建议。这个指南仅适用于 「库（libraries）」，不适用于应用（app）。 要强调的是，这只是一些「建议」，并不是所有库都必须要遵循的。每个库都是独特的，它们可能有充足的理由不采用本文中的任何建议。 最后，这个指南不针对某一个特定的打包工具 —— 已经有许多指南来说明如何在配置特定的打包工具。相反我们聚焦于每个库和打包工具（或不用打包工具）都适用的事项。
你是否曾在 SELECT 查询中看到过 WHERE 1=1 条件。我在许多不同的查询和许多 SQL 引擎中都有看过。这条件显然意味着 WHERE TRUE，所以它只是返回与没有 WHERE 子句时相同的查询结果。 此外，由于查询优化器几乎肯定会删除它，因此对查询执行时间没有影响。那么，WHERE 1=1 的作用是什么？这就是我们今天要在这里回答的问题！
近年来 NLP 学术领域发展真是突飞猛进，刚火完对比学习(contrastive learning)，又有更火的提示学习 prompt learning。众所周知，数据标注数据很大程度上决定了AI算法上限，并且成本非常高，无论是对比学习还是提示学习都着重解决少样本学习而提出，甚至在没有标注数据的情况下，也能让模型表现比较好的效果。本文主要介绍 prompt learning 思想和目前常用的方法。
业务需求，想要通过拍照识别照片中指定物体的数量或者物体的种类。而这种物体的模型网上没有训练好的，需要从头开始。所以调研了苹果的createML的实现方案，具体操作如下： 需求是：通过拍照识别照片中指定物体的数量，实现方案大致有几种： 通过第三方平台，训练数据，生成模型，提供前端使用 自己搭建平台，训练数据，生成模型，提供前端使用 通过苹果的CreateML工具，训练数据，生成模型，供iOS使用或转换成其他模型使用 对比可以发现，通过苹果的CreateML工具，可以省去搭建平台的过程。下面来看看怎么使用CreateML。
