1.在vscode中对比两个文件夹的苹果代码
2.[fastllm]cuda-kernels源码解析
3.Apple Mac装机必备苹果软件推荐及安装方法
4.MaskFormer源码解析
5.UGUI源码阅读之Mask
在vscode中对比两个文件夹的代码
在探索代码的进阶过程中，研究已有的源码代码库并理解其演变过程是非常有帮助的。以maskfreevis为例，苹果它是源码基于mask2former的进一步发展。通过对比这两个版本，苹果可以洞察代码的源码抓取html源码增删改，有助于深入学习与理解代码逻辑。苹果为了在Visual Studio Code（简称VSCode）中实现这一对比操作，源码以下步骤将引导你进行具体实践。苹果
首先，源码我们需要获取mask2former与maskfreevis的苹果源代码。可以通过Git命令执行克隆操作，源码确保从官方仓库中获取完整且最新版本的苹果代码，包括.git文件夹。源码这一步骤确保了获取代码的苹果原始状态，为后续对比分析奠定了基础。
接下来，在VSCode中，将maskfreevis的代码文件全部复制到mask2former目录下。需要注意的是，这里仅替换同名文件，而不是整个目录结构。这一步操作相当于将两个版本的代码置于同一层次，方便进行后续对比。
对比功能的实现主要依赖于Git的源代码管理特性。在VSCode中，通过观察Git的差异显示功能，可以直观地看到maskfreevis相对于mask2former的增加、删除与修改部分。这不仅揭示了功能与设计的变化，同时也展示了实现策略与优化的放量买卖公式源码方向。
若需进一步整理这些差异，以方便后续分析与分享，可以考虑打包这些被Git追踪的文件。执行“git archive --format=zip HEAD -o aaa.zip”命令，可以将当前版本的差异文件压缩为zip格式的打包文件。这样，不仅方便保存，也便于在其他环境中进行对比分析。
最后，如果希望撤销对mask2former的修改并重新观察差异，可以先撤销上一次的提交操作。这样，你将能够再次在mask2former目录下观察到maskfreevis的最新修改情况，有助于持续跟踪代码的进化。
通过以上步骤，你不仅能够在VSCode中高效对比两个文件夹中的代码差异，还能更深入地理解代码的演变过程，以及背后的逻辑与设计考量。这种方法不仅适用于mask2former与maskfreevis，对于探索任何代码库的迭代与优化过程，都具有广泛的适用性与价值。
[fastllm]cuda-kernels源码解析
在fastllm中，CUDA-kernels的使用是关键优化点之一，主要涉及以下几个高频率使用的kernel：gemv_int4、gemv_int8、gemm_int8、RMSNorm、softmax、RotatePosition2D、swiglu等。股指操作指标源码其中，gemm是计算密集型的，而其余大部分都是内存受限型。利用量化bit进行计算，比原始的torch转为浮点数更快，同时，没有进行融合操作，为后续优化留下了空间。
gemv_int4 kernel：主要用于实现float*int4的GEMV乘积，其中偏置值设定为最小值。在计算中，矩阵被划分为不同的tile，不同tile之间并行操作。在遍历m/2的过程中，找到对应int4值的位置，通过保存的mins找到最小值minv。同一组的两个int4值共享同一个minv，计算结果的最终和被保存在sdata[0]上，用于更新对应m列位置的output值。结果向量为n*1。
gemv_int8 kernel：在功能上与gemv_int4类似，但偏置值由保存的minv变为了zeros。
gemm_int8 kernel：此kernel负责计算n*m矩阵与m*k矩阵的乘积。计算过程涉及多个tile并行，block内部保存的是部分和。考虑到线程数量限制，通常会有优化空间。最终结果通过为单位进行更新。
layerNorm实现：此kernel实现layernorm计算，通过计算均值和方差来调整数据分布。源码小偷下载计算中，sdata存储所有和，sdata2存储平方和。每个block内计算部分和后，规约得到全局的均值和方差，从而更新output。
RMS kernels解析：RMSNorm kernel实现RMS归一化，通过计算输入的平方和和均值，进而更新output。
softmax kernels解析：计算输入的softmax值，涉及最大值查找、指数计算和规约求和等步骤，以防止浮点数下溢。
RotatePosition2D Kernels解析：用于旋转位置编码，线程展开成三层循环。LlamaRotatePosition2D、NearlyRotatePosition和RotatePosition2D在旋转方式上有所区别，体现在不同的位置上进行计算。
AttentionMask Kernels解析：对输入按照mask掩码置值，普通mask直接置为maskv，而Alibimask则是置为相对位置的值之和。具体含义可能涉及空间上的概念，但文中未详细说明。
swiglu kernels解析：作为激活函数，这些kernel在原地操作中执行常见函数，线程足够使用，直接按照公式计算即可。
综上所述，fastllm中CUDA-kernels的使用旨在通过优化计算过程和内存操作，提升模型的电传软件源码代码计算效率，实现更高效的推理和训练。
Apple Mac装机必备苹果软件推荐及安装方法
使用苹果Mac电脑，虽然外观吸引人，但对于习惯Windows操作系统的用户来说，初次接触可能会遇到一些挑战，尤其是在软件安装方面。本文将为你推荐一些必备的Mac软件，并提供安装方法，帮助新用户快速上手。视频编辑：ScreenFlow (汉化方法可查)、Final Cut Pro、Premiere Pro、DaVinci Resolve、VideoProc、Wondershare Filmora、Motion
图像处理：Lightroom Classic、Affinity Photo、Capture One、Luminar Neo、DxO PhotoLab、PhotoBulk、Topaz Mask
写作与文本：Ulysses、Scrivener、Final Draft、Outline、WonderPen、Effie、SideNotes
照片滤镜：ON1 Effects、CameraBag Photo、Alien Skin Exposure、Nik Collection、DxO FilmPack、Luminar Flex、Topaz Studio
开机运行：Magnet Pro、Bartender、Power Menu、Mouseless、HoudahSpot、Snipaste、App Cleaner & Uninstaller
效率提升：Dropzone、OmniPlan、Things、Aclock、Text Scanner、Alfred Powerpack、Paste
思维导图：MindNode、SimpleMind、Focusplan、XMind、Diagrams、OmniGraffle、draw.io
设计：Cinema 4D、AutoCAD、Sketch、Figma、Principle、SketchUp、ZBrush、Affinity Publisher
电子书阅读/RSS订阅：Clearview X、BookReader、calibre、Koodo Reader、DjVu Reader、Reeder、NetNewsWire
安装方法：源码、二进制包、JAVA包、Homebrew、图形化桌面、应用商店
安装软件时，需根据软件类型选择对应的方法，如源码安装需解压并执行configure、make、make install，应用商店则直接搜索下载安装。这些工具和应用能提升你的Mac使用体验，让新用户更快适应苹果电脑的生态系统。
MaskFormer源码解析
整个代码结构基于detectron2框架，代码逻辑清晰，从配置文件中读取相关变量，无需过多关注注册指令，核心在于作者如何实现网络结构图中的关键组件。MaskFormer模型由backbone、sem_seg_head和criterion构成，backbone负责特征提取，sem_seg_head整合其他部分，criterion用于计算损失。
在backbone部分，作者使用了resnet和swin两种网络，关注输出特征的键值，如'res2'、'res3'等。在MaskFormerHead中，核心在于提供Decoder功能，这个部分直接映射到模型的解码过程，通过layers()函数实现。
pixel_decoder部分由配置文件指定，指向mask_former/heads/pixel_decoder.py文件中的TransformerEncoderPixelDecoder类，这个类负责将backbone提取的特征与Transformer结合，实现解码过程。predictor部分则是基于TransformerPredictor类，负责最终的预测输出。
模型细节中，TransformerEncoderPixelDecoder将backbone特征与Transformer结合，生成mask_features。TransformerEncoderPixelDecoder返回的参数是FPN结果与Transformer编码结果，后者通过TransformerEncoder实现，关注维度调整以适应Transformer计算需求。predictor提供最终输出，通过Transformer结构实现类别预测与mask生成。
损失函数计算部分采用匈牙利算法匹配查询和目标，实现类别损失和mask损失的计算，包括dice loss、focal loss等。整个模型结构和输出逻辑清晰，前向运算输出通过特定函数实现。
总的来说，MaskFormer模型通过backbone提取特征，通过Transformer实现解码和预测，损失函数计算统一了语义分割和实例分割任务，实现了一种有效的方法。理解代码的关键在于关注核心组件的功能实现和参数配置，以及损失函数的设计思路。强烈建议阅读原论文以获取更深入的理解。
UGUI源码阅读之Mask
Mask主要基于模版测试来进行裁剪，因此先来了解一下unity中的模版测试。
Unity Shader中的模版测试配置代码大致如上
模版测试的伪代码大概如上
传统的渲染管线中，模版测试和深度测试一般发生在片元着色器（Fragment Shader）之后，但是现在又出现了Early Fragment Test，可以在片元着色器之前进行。
Mask直接继承了UIBehaviour类，同时继承了ICanvasRaycastFilter和IMaterialModifier接口。
Mask主要通过GetModifiedMaterial修改graphic的Material。大致流程：
1.获取当前Mask的层stencilDepth
2.StencilMaterial.Add修改baseMaterial的模板测试相关配置，并将其缓存
3.StencilMaterial.Add设置一个unmaskMaterial，用于最后将模板值还原
MaskableGraphic通过MaskUtilities.GetStencilDepth计算父节点的Mask层数，然后StencilMaterial.Add修改模板测试的配置。
通过Frame Debugger看看具体每个batch都做了什么。先看第一个，是Mask1的m_MaskMaterial，关注Stencil相关的数值，白色圆内的stencil buffer的值设置为1
这个是Mask2的m_MaskMaterial，根据stencil的计算公式，Ref & ReadMask=1，Comp=Equal，只有stencil buffer & ReadMask=1的像素可以通过模板测试，即第一个白色圆内的像素，然后Pass=Replace，会将通过的像素写入模板值（Ref & WriteMask=3），即两圆相交部分模板值为3
这个是RawImage的Material，只有模板值等于3的像素可以通过模板测试，所以只有两个圆相交的部分可以写入buffer，其他部分舍弃，通过或者失败都不改变模板值
这是Mask2的unmaskMaterial，将两个圆相交部分的模板值设置为1，也就是还原Mask2之前的stencil buffer
这是Mask1的unmaskMaterial，将第一个圆内的模板值设置为0，还有成最初的stencil buffer
可以看到Mask会产生比较严重的overdraw。
2.drawcall和合批
每添加一个mask，一般会增加2个drawcall（加上mask会阻断mask外和mask内的合批造成的额外drawcall），一个用于设置遮罩用的stencil buffer，一个用于还原stencil buffer。
如图，同一个Mask下放置两个使用相同的RawImage，通过Profiler可以看到两个RawImage可以进行合批
如图，两个RawImage使用相同的，它们处于不同的Mask之下，但是只要m_StencilValue相等，两个RawImage还是可以进行合批。同时可以看到Mask1和Mask1 (1)，Mask2和Mask2 (1)也进行了合批，说明stencilDepth相等的Mask符合合批规则也可以进行合批。
StencilMaterial.Add会将修改后的材质球缓存在m_List中，因此调用StencilMaterial.Add在相同参数情况下将获得同一个材质球。
