- 【stm32】HAL库开发——单片机工作模式
许白掰
stm32嵌入式硬件单片机学习
目录一、单片机工作模式1.1低功耗睡眠模式(Sleep)1.2低功耗停止模式(Stop)1.3低功耗待机模式(StandBy)一、单片机工作模式1.1低功耗睡眠模式(Sleep)使用HAL_PWR_EnterSLEEPMode(PWR_MAINREGULATOR_ON,PWR_SLEEPENTRY_WFI);打开睡眠模式。由于Hal库与标准库在管理系统时钟和低功耗模式时的处理方式不同,Hal库中需
- Docker 镜像制作
Ris Hen
dockerdocker
目录镜像制作及原因快照方式制作镜像Dockerfile制作镜像为什么需要DockerfileDockerfile指令常见问题镜像制作及原因镜像制作是因为某种需求,官方的镜像无法满足需求,需要我们通过一定手段来自定义镜像来满足要求。制作镜像往往因为以下原因1.编写的代码如何打包到镜像中直接跟随镜像发布2.第三方制作的内容安全性未知,如含有安全漏洞3.特定的需求或者功能无法满足,如需要给数据库添加审计
- 【算法设计与分析】(四)Strassen 矩阵
珹洺
#算法设计与分析算法矩阵线性代数
【算法设计与分析】(四)Strassen矩阵前言一、传统矩阵乘法二、Strassen矩阵乘法1.算法步骤2.效率提升三、实际应用场景四、算法的局限性与改进前言上一篇博客我们以生动形象的例子和清晰的步骤,为大家详细讲解了二分搜索技术与大整数乘法。接下来,这篇博客将带大家深入探索**Strassen矩阵**乘法,感受算法优化魅力。我的个人主页,欢迎来阅读我的其他文章https://blog.csdn.
- influxdb-comparisons IOT数据测试 使用记录
外环西路007号
tsdb物联网devops运维时序数据库
文章目录生成测试数据数据倒数influxdb数据导入influxdb后显示结果生成测试数据./bulk_data_gen-formatinflux-bulk-use-caseiot-seed100-sampling-interval10s-scale-var10-timestamp-start"2022-12-01T00:00:00+80:00"-timestamp-end"2023-01-03T
- AI如何提升个性化广告精准度——让投放更智能、更懂用户
Echo_Wish
前沿技术人工智能人工智能
AI如何提升个性化广告精准度——让投放更智能、更懂用户随着人工智能(AI)技术的发展,个性化广告已经从粗暴推送演变为智能匹配,广告主再也不想把预算砸给不感兴趣的人,而是精准触达有购买意向的用户。AI在广告投放中的核心优势在于深度数据分析、智能推荐、实时优化,让广告投放更精准、更有效。今天,我们就来聊聊AI如何提升个性化广告的精准度,并用Python代码演示其中的关键技术。1.为什么传统广告投放越来
- AI框架之Spring AI与Spring Cloud Alibaba AI使用讲解
web13688565871
面试学习路线阿里巴巴人工智能springjava
文章目录1AI框架1.1SpringAI简介1.2SpringAI使用1.2.1pom.xml1.2.2可实现的功能1.3SpringCloudAlibabaAI1.4SpringCloudAlibabaAI实践操作1.4.1pom.xml1.4.2配置文件1.4.3对接文本模型1.4.4文生图模型1.4.5语音合成模型1AI框架1.1SpringAI简介在软件开发的世界中,Java一直是企业级应
- 解锁云原生微服务架构:搭建与部署实战全攻略
奔跑吧邓邓子
必备核心技能云原生架构微服务搭建与部署实战全攻略
目录一、引言二、微服务拆分2.1拆分的必要性2.2拆分方法2.3注意事项三、服务注册与发现3.1概念与原理3.2常用组件介绍3.3实践案例四、负载均衡4.1作用与原理4.2实现方式4.3负载均衡算法4.4案例与代码实现4.4.1项目依赖配置4.4.2配置Ribbon4.4.3代码实现负载均衡调用五、容器化部署5.1容器化技术基础5.2容器化部署流程5.2.1编写Dockerfile5.2.2构建D
- 解锁Ubuntu安装:从新手到高手的通关秘籍
奔跑吧邓邓子
必备核心技能ubuntulinux安装指南
目录一、前期准备1.1明确安装目标1.2硬件要求自查1.3安装方式抉择1.4必备工具下载二、虚拟机安装Ubuntu2.1VMwareWorkstation安装与设置2.2创建虚拟机2.3安装Ubuntu系统2.4安装VMwareTools三、双系统安装Ubuntu3.1磁盘空间准备3.2制作启动U盘3.3进入BIOS/UEFI设置3.4安装过程详解四、安装常见问题与解决4.1分区问题4.2安装包错
- YOLOv13:开启目标检测新时代,手把手教你实操
奔跑吧邓邓子
必备核心技能YOLO目标检测目标跟踪人工智能实操
目录一、YOLOv13初印象1.1YOLO系列发展脉络1.2YOLOv13独特之处二、前期准备工作2.1环境搭建2.2依赖安装三、深入使用指南3.1模型验证3.2模型训练3.3模型推理四、应用案例与拓展4.1实际场景应用展示4.2与其他技术结合思路五、总结与展望一、YOLOv13初印象1.1YOLO系列发展脉络YOLO(YouOnlyLookOnce)系列算法在目标检测领域中,就如同一位不断进化的
- 07-Seq2Seq英译法案例
郜太素
自然语言处理人工智能nlp自然语言处理word2vec机器翻译分类
Seq2Seq英译法案例1任务目的:目的:给定一段英文,翻译为法文典型的文本分类(token分类)任务:每个时间步去预测应该属于哪个法文单词2数据格式注意:两列数据,第一列是英文文本,第二列是法文文本,中间用制表符号"\t"隔开iamfrombrazil.jeviensdubresil.iamfromfrance.jeviensdefrance.iamfromrussia.jeviensderus
- 从入门到实战:YOLOv13 安装与使用全攻略
奔跑吧邓邓子
必备核心技能YOLO目标跟踪人工智能安装使用全攻略
目录一、YOLOv13简介1.1目标检测与YOLO系列1.2YOLOv13核心技术亮点1.3性能优势展现二、前期准备2.1系统环境要求2.2软件依赖安装三、安装流程3.1获取源码3.2环境搭建3.3安装验证四、使用指南4.1模型验证4.2模型训练4.3模型推理4.4模型导出五、应用案例与技巧5.1实际应用场景展示5.2常见问题与解决方法5.3优化技巧分享六、总结与展望6.1YOLOv13回顾6.2
- rnn-人名案例实现
Ai玩家hly
rnnpython深度学习
模型训练实现:coding:utf-8导入torch工具importjsonimporttorch导入nn准备构建模型importtorch.nnasnnimporttorch.nn.functionalasFimporttorch.optimasoptim导入torch的数据源数据迭代器工具包fromtorch.utils.dataimportDataset,DataLoader用于获得常见字母
- Vue项目 npm i 报错npm ERR! code 1
小沛9
node.jspythonnode.js
Vue项目npmi报错npmERR!code1记录一下npmi的时候报错,报错信息如下记录一下npmi的时候报错,报错信息如下npmERR!code1npmERR!pathD:\workspace\exchange\exchange-web\exchange-web-ui\node_modules\node-sassnpmERR!commandfailednpmERR!commandC:\Wind
- 4-AI-业务与MCP协议结合-MCPServer实战
小沛9
人工智能javaAI编程
一、介绍本章节会开发一个简单的MCP的服务。目前的步骤是先开发一个简单的MCP的SSE模式的server集成到大模型中。后面会演示stdio模式。注册到Nacos中(重点探索模式)、将HTTP接口配置成MCP的server。大概会从这几个方面进行演示。二、Server代码展示1、POM文件org.springframework.bootspring-boot-starter-actuatororg
- N-P准则下的多传感器融合(python)
不会打架的锤子
机器学习自动化算法算法pythonvscode
本文设计了一个主程序:main_sensor_fusion,和一个函数程序:cal_fuse。主程序里面包含主干部分和绘图部分,函数程序包含数据生成函数gen,检测概率计算函数cal,非0逻辑矩阵函数No_zero_value,单传感器判决函数fus_seq,多传感融合函数fusion。需要的点赞私聊if__name__=="__main__":begin_time=time()#Measurep
- NeRF-Pytorch:NeRF神经辐射场复现——Pytorch版全流程分析与测试【Ubuntu20.04】【2025最新版!!!】
那就举个栗子!
三维重建计算机视觉人工智能
一、引言在计算机视觉和计算机图形学的交叉领域中,视图合成(ViewSynthesis)一直是一个充满挑战的研究方向。传统的三维重建方法往往需要复杂的几何建模和纹理映射过程,而且在处理复杂光照和材质时效果有限。2020年,来自UCBerkeley的研究团队提出了NeuralRadianceFields(NeRF),这一革命性的方法彻底改变了我们对三维场景表示和渲染的理解。NeRF的核心思想是将三维场
- Python+Vue计算机毕业设计智慧养老院管理系统egn81(源码+程序+LW+部署)
心心毕设程序源码
pythonvue.js课程设计
该项目含有源码、文档、程序、数据库、配套开发软件、软件安装教程项目运行环境配置:Python3.7.7+Django+Mysql5.7+piplist+HBuilderX(Vscode也行)+Vue+Pychram社区版。项目技术:Django+Vue+Python+Mysql等等组成,B/S模式等等。环境需要1.运行环境:最好是安装Python3.7.7,我们在这个平台上运行的。其他版本理论上也
- InfluxDB 3 Core 持久化机制深度解析:高可靠实时数据引擎的设计哲学与工业实践
梦想画家
数据库InfluxDB分层持久化架构
本文深入拆解InfluxDB3Core的数据持久化架构,涵盖写入流程、故障恢复、存储引擎设计,并结合物联网、金融监控等场景分析其高可靠性实现逻辑。通过对比传统时序数据库架构与性能实测数据,揭示新一代引擎如何平衡实时性与数据安全性,为大规模时序数据处理提供生产级保障。一、持久化核心机制:从写入到落盘的全链路保护1.分层持久化架构InfluxDB3Core采用三级数据保护策略:写入请求→内存缓冲区(V
- 嵌入式面试笔试那点事2:2025.4.13
失落的多巴胺
面试笔试那点事嵌入式硬件面试
做了某厂的笔试题,全程监控监考压力还是挺大的。。。挑几个博主记得比较清楚的有价值的简答题写写。一、详细从生命周期、作用域等方面说明普通局部变量、普通全局变量、静态局部变量、静态全局变量1.普通局部变量定义:在某个函数或代码块内部定义的变量。作用域:仅在定义它的函数或代码块内有效。生命周期:该变量在函数或代码块开始执行时被创建,当函数或代码块执行结束后,变量被销毁。特点:每次进入函数时都会重新创建,
- 字节跳动Java开发面试题及参考答案(综合篇)
大模型大数据攻城狮
java后端面试大厂面试大厂校招加密算法nacos线程池
HTTP与HTTPS的区别?HTTP(超文本传输协议)和HTTPS(超文本传输安全协议)主要有以下区别。从安全性角度看,HTTP是明文传输协议,数据在网络中传输时是以原始文本的形式发送的。这就好比在信件传递过程中没有进行密封,任何中间节点(如路由器、代理服务器等)都可以查看信件内容。例如,用户登录一个网站时发送的用户名和密码信息,如果是通过HTTP协议传输,很容易被窃取。而HTTPS是加密的安全协
- java项目启动报错‘dependencies.dependency.systemPath‘ for com.jacob:jacob:jar must specify an absolute path
橙-极纪元JJYCheng
javadependenciessystemPath
java项目启动报错’dependencies.dependency.systemPath’forcom.jacob:jacob:jarmustspecifyanabsolutepath我的建议请看《解决方案7-让Maven只专注拉取远程的第三方包》这样,你的Maven只专注拉取远程的第三方包其他操作交给编辑器如果你觉着这样不是你的风格请看《解决方案1-运行mvninstall:install-f
- 人名分类器(RNN案例)
Turbo_O.
rnn深度学习人工智能
案例介绍:人名分类案例是多分类问题,根据人名预测属于哪个国家人名->x,国家->y监督学习,历史数据中已知y案例步骤:1.数据预处理获取常用字符以及国家类别#导入torch工具fromcProfileimportlabelimporttorch#导入nn准备构建模型importtorch.nnasnnimporttorch.optimasoptimfromjax.experimental.rnni
- 道可云人工智能每日资讯|《辽宁省促进人工智能创新发展实施方案》发布
道可云
道可云人工智能人工智能arDeepSeekxr
道可云人工智能&元宇宙每日简报(2025年6月13日)讯,今日人工智能&元宇宙新鲜事有:《辽宁省促进人工智能创新发展实施方案》发布近日,辽宁省人民政府办公厅印发《辽宁省促进人工智能创新发展实施方案》。根据《实施方案》可知,到2027年,实现以沈阳、大连“双核”牵引辐射带动,各地协同共进,千行百业深度赋能,打造人工智能创新发展和融合应用的新高地。人工智能赋能可持续发展论坛于成都市天府国际会议中心举办
- pandas 优雅处理值类型为list的列的csv读写问题
Allocator
Pythonpandaslistpython
文章目录直接存储joinlist变成字符串存储json.dumps序列化存储以及json.loads反序列化读取总结之所以分析这个问题,是因为读者在跟第三方数据供应商对接数据的时候,老是会遇到数据加载都会出错的问题,其中一个原因就是list类型数据没有正确储存,于是笔者在这篇文章里面详细分析一下list数据怎么优雅的写入csv以及读取.直接存储第一种方法,直接存,不做任何转换defdirect_w
- 【深度学习|冰川制图3】GlacierNet2:一种面向高山冰川制图的混合多模型学习架构
努力毕业的小土博^_^
论文推荐深度学习学习架构人工智能机器学习
【深度学习|冰川制图3】GlacierNet2:一种面向高山冰川制图的混合多模型学习架构【深度学习|冰川制图3】GlacierNet2:一种面向高山冰川制图的混合多模型学习架构文章目录【深度学习|冰川制图3】GlacierNet2:一种面向高山冰川制图的混合多模型学习架构引言欢迎铁子们点赞、关注、收藏!祝大家逢考必过!逢投必中!上岸上岸上岸!upupup大多数高校硕博生毕业要求需要参加学术会议,发
- 【深度学习|冰川制图4】GlacierNet2:一种面向高山冰川制图的混合多模型学习架构
努力毕业的小土博^_^
论文推荐深度学习学习架构人工智能
【深度学习|冰川制图4】GlacierNet2:一种面向高山冰川制图的混合多模型学习架构【深度学习|冰川制图4】GlacierNet2:一种面向高山冰川制图的混合多模型学习架构文章目录【深度学习|冰川制图4】GlacierNet2:一种面向高山冰川制图的混合多模型学习架构数据与方法2.1数据欢迎铁子们点赞、关注、收藏!祝大家逢考必过!逢投必中!上岸上岸上岸!upupup大多数高校硕博生毕业要求需要
- 【深度学习|冰川制图5】GlacierNet2:一种面向高山冰川制图的混合多模型学习架构
努力毕业的小土博^_^
优秀论文推荐深度学习学习人工智能
【深度学习|冰川制图5】GlacierNet2:一种面向高山冰川制图的混合多模型学习架构【深度学习|冰川制图5】GlacierNet2:一种面向高山冰川制图的混合多模型学习架构文章目录【深度学习|冰川制图5】GlacierNet2:一种面向高山冰川制图的混合多模型学习架构数据与方法2.2深度学习模型2.2.1GlacierNet模型2.2.2DeepLabV3+模型欢迎铁子们点赞、关注、收藏!祝大
- 【深度学习|学习笔记】什么是k折交叉验证?K折交叉验证的步骤详解?以及如何在K折交叉验证中选择k?
努力毕业的小土博^_^
机器学习基础算法优质笔记2深度学习学习笔记人工智能
【深度学习|学习笔记】什么是k折交叉验证?K折交叉验证的步骤详解?以及如何在K折交叉验证中选择k?【深度学习|学习笔记】什么是k折交叉验证?K折交叉验证的步骤详解?以及如何在K折交叉验证中选择k?文章目录【深度学习|学习笔记】什么是k折交叉验证?K折交叉验证的步骤详解?以及如何在K折交叉验证中选择k?一、什么是K折交叉验证?✅目的:二、K折交叉验证的发展背景三、K折交叉验证的步骤详解步骤如下:数学
- 数据结构笔记3:双向链表
逑之
数据结构笔记链表c语言学习经验分享算法
目录双向链表的方法:双向链表的初始化方法我们可以对比双向链表和单链表方法在实现上的区别:双向链表的实现引进头结点的概念:双向链表的优势:1、尾插尾删2、指定位置的插入和删除双向链表:也叫做有头节点的双向循环链表双向链表的方法:typedefintLTDataType;typedefstructListNode{LTDataTypex;structListNode*next;structListNo
- C语言笔记1:编译和链接、算术操作符、转义字符等。
逑之
笔记学习c语言经验分享
目录关键字:编译和链接:字符数组:转义字符:负数取模:输入输出函数:关键字:关键字是C语言保留的,具有特殊含义和用途的标识符,也叫作保留字。具体详见下面博主链接:C语言关键字详解-CSDN博客需要注意的一点是:define不是C语言的关键字。因为#define这一段代码是由预处理器来处理的,而不是由编译器来直接解析的,故而不算C语言语法的一部分。同理include也不是C语言的关键字。#defin
- Java常用排序算法/程序员必须掌握的8大排序算法
cugfy
java
分类:
1)插入排序(直接插入排序、希尔排序)
2)交换排序(冒泡排序、快速排序)
3)选择排序(直接选择排序、堆排序)
4)归并排序
5)分配排序(基数排序)
所需辅助空间最多:归并排序
所需辅助空间最少:堆排序
平均速度最快:快速排序
不稳定:快速排序,希尔排序,堆排序。
先来看看8种排序之间的关系:
1.直接插入排序
(1
- 【Spark102】Spark存储模块BlockManager剖析
bit1129
manager
Spark围绕着BlockManager构建了存储模块,包括RDD,Shuffle,Broadcast的存储都使用了BlockManager。而BlockManager在实现上是一个针对每个应用的Master/Executor结构,即Driver上BlockManager充当了Master角色,而各个Slave上(具体到应用范围,就是Executor)的BlockManager充当了Slave角色
- linux 查看端口被占用情况详解
daizj
linux端口占用netstatlsof
经常在启动一个程序会碰到端口被占用,这里讲一下怎么查看端口是否被占用,及哪个程序占用,怎么Kill掉已占用端口的程序
1、lsof -i:port
port为端口号
[root@slave /data/spark-1.4.0-bin-cdh4]# lsof -i:8080
COMMAND PID USER FD TY
- Hosts文件使用
周凡杨
hostslocahost
一切都要从localhost说起,经常在tomcat容器起动后,访问页面时输入http://localhost:8088/index.jsp,大家都知道localhost代表本机地址,如果本机IP是10.10.134.21,那就相当于http://10.10.134.21:8088/index.jsp,有时候也会看到http: 127.0.0.1:
- java excel工具
g21121
Java excel
直接上代码,一看就懂,利用的是jxl:
import java.io.File;
import java.io.IOException;
import jxl.Cell;
import jxl.Sheet;
import jxl.Workbook;
import jxl.read.biff.BiffException;
import jxl.write.Label;
import
- web报表工具finereport常用函数的用法总结(数组函数)
老A不折腾
finereportweb报表函数总结
ADD2ARRAY
ADDARRAY(array,insertArray, start):在数组第start个位置插入insertArray中的所有元素,再返回该数组。
示例:
ADDARRAY([3,4, 1, 5, 7], [23, 43, 22], 3)返回[3, 4, 23, 43, 22, 1, 5, 7].
ADDARRAY([3,4, 1, 5, 7], "测试&q
- 游戏服务器网络带宽负载计算
墙头上一根草
服务器
家庭所安装的4M,8M宽带。其中M是指,Mbits/S
其中要提前说明的是:
8bits = 1Byte
即8位等于1字节。我们硬盘大小50G。意思是50*1024M字节,约为 50000多字节。但是网宽是以“位”为单位的,所以,8Mbits就是1M字节。是容积体积的单位。
8Mbits/s后面的S是秒。8Mbits/s意思是 每秒8M位,即每秒1M字节。
我是在计算我们网络流量时想到的
- 我的spring学习笔记2-IoC(反向控制 依赖注入)
aijuans
Spring 3 系列
IoC(反向控制 依赖注入)这是Spring提出来了,这也是Spring一大特色。这里我不用多说,我们看Spring教程就可以了解。当然我们不用Spring也可以用IoC,下面我将介绍不用Spring的IoC。
IoC不是框架,她是java的技术,如今大多数轻量级的容器都会用到IoC技术。这里我就用一个例子来说明:
如:程序中有 Mysql.calss 、Oracle.class 、SqlSe
- 高性能mysql 之 选择存储引擎(一)
annan211
mysqlInnoDBMySQL引擎存储引擎
1 没有特殊情况,应尽可能使用InnoDB存储引擎。 原因:InnoDB 和 MYIsAM 是mysql 最常用、使用最普遍的存储引擎。其中InnoDB是最重要、最广泛的存储引擎。她 被设计用来处理大量的短期事务。短期事务大部分情况下是正常提交的,很少有回滚的情况。InnoDB的性能和自动崩溃 恢复特性使得她在非事务型存储的需求中也非常流行,除非有非常
- UDP网络编程
百合不是茶
UDP编程局域网组播
UDP是基于无连接的,不可靠的传输 与TCP/IP相反
UDP实现私聊,发送方式客户端,接受方式服务器
package netUDP_sc;
import java.net.DatagramPacket;
import java.net.DatagramSocket;
import java.net.Ine
- JQuery对象的val()方法执行结果分析
bijian1013
JavaScriptjsjquery
JavaScript中,如果id对应的标签不存在(同理JAVA中,如果对象不存在),则调用它的方法会报错或抛异常。在实际开发中,发现JQuery在id对应的标签不存在时,调其val()方法不会报错,结果是undefined。
- http请求测试实例(采用json-lib解析)
bijian1013
jsonhttp
由于fastjson只支持JDK1.5版本,因些对于JDK1.4的项目,可以采用json-lib来解析JSON数据。如下是http请求的另外一种写法,仅供参考。
package com;
import java.util.HashMap;
import java.util.Map;
import
- 【RPC框架Hessian四】Hessian与Spring集成
bit1129
hessian
在【RPC框架Hessian二】Hessian 对象序列化和反序列化一文中介绍了基于Hessian的RPC服务的实现步骤,在那里使用Hessian提供的API完成基于Hessian的RPC服务开发和客户端调用,本文使用Spring对Hessian的集成来实现Hessian的RPC调用。
定义模型、接口和服务器端代码
|---Model
&nb
- 【Mahout三】基于Mahout CBayes算法的20newsgroup流程分析
bit1129
Mahout
1.Mahout环境搭建
1.下载Mahout
http://mirror.bit.edu.cn/apache/mahout/0.10.0/mahout-distribution-0.10.0.tar.gz
2.解压Mahout
3. 配置环境变量
vim /etc/profile
export HADOOP_HOME=/home