1.【2022】软著申请流程
2.no code / low code 看起来容易，源码其实远比想象得更难
3.3d稀疏卷积——spconv源码剖析（五）
【2022】软著申请流程
软著申请流程与所需材料详解
软著，代写即计算机软件著作权，平台是源码保护软件源代码、界面版权，代写防止他人盗用的平台显卡驱动源码重要手段。虽然软著并不主要用来保护版权，源码但其在APP上架、代写大学学分获取、平台高企申请等领域扮演着不可或缺的源码角色。
### 申请流程与所需材料
#### 公司申请软著所需材料：
- 前端链接或二维码
- 后端网址及账号密码
- 不加密的代写独立开发代码（至少行，无空行）
- 手机号
- 邮箱
- 营业执照
- 法人身份正反面复印件
- 授权书
- 申请表
#### 个人申请软著所需材料：
- 手机号
- 邮箱
- 申请人身份证正反面复印件
- 前端链接或二维码
- 后端网址及账号密码
- 不加密的平台独立开发代码（至少行，无空行）
- 申请表
个人与公司申请软著所需材料相似，源码主要区别在于证明材料。代写公司需要提供营业执照和法人身份证，平台个人仅需提供身份证。申请表和授权书有官方模板，爆改源码如需可向相关机构获取。
### 版权中心注册与实名认证
自行申请软著时，需在中国版权登记业务平台注册个人账号，并完成实名认证。注册过程简单，选择“个人”并填写相关信息即可完成。
### 选择代办服务
个人或公司选择代办理服务的原因主要是加急服务。代办理服务可以提供-个工作日内下证的服务，而自行申请通常需要个工作日。代办理服务的费用会根据速度不同而有所区别。
### 软著申请步骤
- **填写软件申请信息**：包括软件全称、简称、版本号、权利范围等基础信息。
- **填写软件开发信息**：选择软件分类、说明软件原创性、java源码搭配开发方式、完成日期、著作权人等。
- **填写软件功能与特点**：详细描述软件功能、开发环境、运行平台、开发目的及面向的领域。
- **软著材料打印与邮寄**：完成所有申请信息填写后，打印申请表，并与身份证复印件、说明书、源代码一起邮寄至版权中心。
### 软著材料代写与全包代办
对于不熟悉申请流程或希望材料一次性通过审核的用户，可选择代写服务。代写服务包含源代码、材料代写及包下证，全球源码分享费用为元（适用于首个申请），低于市场平均水平。
以上是软著申请流程的全面介绍。希望对您有所帮助，记得点赞支持哦！
no code / low code 看起来容易，其实远比想象得更难
提供特定服务，使用大众软件，常被认为无需代码或低代码即可完成。许多厂商提出发展此类技术，并非为了解决特定领域问题，例如网上购物，淘宝已能满足需求。然而，认为无代码或低代码实现简单，实则大错特错，sscms源码修改背后涉及四个核心层问题。
第一层，致力于解决非专业人员也能编程的难题。此层需利用人们熟悉的概念和表达方式替代代码，其本质是教学问题。提高效率与让普通人学会编程是两码事，后者没有捷径。因此，无代码或低代码通常转向第二层，即复用代码，从而避免编写代码。
第二层中，普通人“编程”效率低，平台方提前完成必要工作，用户仅需复用。通用跨领域的软件复用极具挑战，复用代码往往复杂且难以理解与维护。软件复用历史悠久，但进展缓慢。当前代码生成技术与几十年前变化不大，快速生成Java的CRUD功能并未带来实质提升。可见，找到比Java更好的编程方法是关键。
第三层，解决减少软件开发与维护工作量的问题。第二层涉及代码重用，第三层则解决具体问题，如何以更少工作完成任务。软件开发维护工作总量固定，无论平台方还是复用方承担，核心是降低编程认知负担，减少需求与源代码间的差距。复杂性认识不明确，大脑处理难度大。
第四层，代码与实际执行间的差距随代码接近需求增大。目前主要反馈机制为console.log，提高开发者反馈带宽与频率极为困难，且具综合性。根本性问题在于这些问题难以量化，作用于人类自身，更多体现人文与社会性，而非数学问题。主观性强烈，进展评估困难，实际功效定价模糊，商业价值不明。
从商业模式角度看，最具吸引力的问题是第一层，解决非专业人士编程问题。而最难解决的第四层问题，往往不吸引人且难以销售。表面上看似简单的“普通人无法像自己写信一样求助专家代写”问题，关键在于写信对于专家同样具有挑战性。
无代码或低代码行业最需要的是深入分析问题，而非无意义争论OOP与FP孰优孰劣。OOP和FP只是对不明问题的解决方案，讨论解决方案本身无意义，关键在于问题是什么。所有从业者应深入研究前面提出的四个问题，并将其分解为更具体问题，理清问题后，解决方案自然显现。
3d稀疏卷积——spconv源码剖析（五）
介绍在构建的Rulebook指导下执行特定的稀疏卷积计算，关注于类SparseConvolution，其代码位于spconv/conv.py。
Fsp.indice_subm_conv和Fsp.indice_conv经过spconv/functional.py中的SubMConvFunction和SparseConvFunction对象转换，最终会调用spconv/ops.py模块中的indice_conv等函数。
专注于子流线卷积接口：indice_subm_conv，其代码位于spconv/functional.py。
通过Python接口调用底层C++函数可能不够直观，因此使用torch.autograd.Function封装算子底层调用，该类表示PyTorch中的可导函数，具备前向推理和反向传播实现时，即可作为普通PyTorch函数使用。
值得注意的是，Function类在模型部署中具有优势，若定义了symbolic静态方法，此Function在执行torch.onnx.export()时，可依据symbolic定义规则转换为ONNX算子。
apply方法是torch.autograd.Function的一部分，此方法负责在前向推理或反向传播时的调度工作。通过将indice_subm_conv = SubMConvFunction.apply简化为indice_subm_conv接口，简化了算子使用，屏蔽了SubMConvFunction的具体实现。
SubMConvFunction的前向传播方法forward调用spconv/ops.py的indice_conv函数。在src/spconv/all.cc文件中，通过PyTorch提供的OP Register对底层C++API进行注册。
通过torch.ops.load_library加载.so文件，使用torch.ops.spconv.indice_conv调用src/spconv/spconv_ops.cc文件中的indiceConv函数。
深入探索src/spconv/spconv_ops.cc文件中的indiceConv函数。
代写部分代码内容...
