基于java斗地主

OpenAPI Generator Maven 插件配置详解（SpringBoot集成）

0-1开始Java语言编程之路一、Ubuntu下Java语言环境搭建|MacOS下使用Jenv管理多JDK版本二、Ubuntu下Docker环境安装|MacOS下Docker安装与配置三、使用Docker
txzq·2025-03-08 22:00

腾讯云大模型知识引擎驱动的DeepSeek满血版医疗顾问大模型搭建实战

DeepSeek是腾讯云基于大规模数据和强大计算能力所打
金枝玉叶9·2025-03-08 21:29

[场景题]如何实现购物车

1.基于Session的购物车（适合小型单体应用）核心思路：将购物车数据存储在用户会话（Session）中，适用于无需持久化的临时购物车。
八股文领域大手子·2025-03-08 21:10

新冠病毒感染人数预测（基于回归的神经网络项目）

写在前面：我们做的事情：我们的目的是要得到一个好的模型，这个模型能够让我们预测好的y首先拿到一批数据，这批数据有x和准确的y，我们让x通过模型得到预测的y，让预测的y与准确的y去计算差距loss，根据这个差距loss去不断改变优化模型。一、神经网络项目的流程1、数据预处理：（深度学习最主要的数据处理，要先拿到数据）使用CovidDataset类加载和处理数据。根据all_feature参数选择特征
|柳贯一|·2025-03-08 21:09

HTML中元素和标签有什么区别？

Element）示例一：元素的基本结构示例二：自闭合元素示例三：嵌套元素标签（Tag）示例四：标签与属性示例五：标签的使用场景示例六：标签与浏览器解析不同角度的功能使用思路角度一：选择器和CSS角度二：JavaScript
DTcode7·2025-03-08 21:05

vite：初学 p5.js demo 画圆圈

p5.js是一个JavaScript的函数库，它在制作之初就和Processing有同样的目标。就是让艺术家，设计师，教育工作者和编程初学者能够很容易，很轻松地学习和使用程序设计。
belldeep·2025-03-08 21:05

(9-2)MM-Vet多模态大模型评估系统：项目架构

项目采用模块化设计，包括数据处理、推理运行和基于大语言模型的评分分析，确保灵活性和高效性。同时，它提供直观的可视化结果和公开排行榜，助力研究者快速对比模型性能并推动领域发展。
码农三叔·2025-03-08 21:35

Java—语法篇7(抽象类与接口）

目录一.接口1.生活中的接口2.interface关键字和implements关键字>1.interface关键字>2.implements关键字3.接口的组成成员由四个部分组成4.接口的相关定义二.抽象类1.抽象方法2.抽象类三.抽象类与接口的相同与不同1.相同2.不同一.接口1.生活中的接口生活中的接口都是给定规范，其他厂商需要遵守这个规范来生产产品。例如上图所示的USB接口，各种产品所生产出
Vaclee·2025-03-08 21:30

腾讯云大模型知识引擎驱动DeepSeek满血版能源革命大模型：架构、优势与产业变革

1.架构深度解析DeepSeek的“满血版”大模型的架构设计基于专家混合（MoE）和分布式计算的高效协同，进一步增强了处理大规模能源数据的能力。
大富大贵7·2025-03-08 20:26

《手把手教程：基于国产openEuler的OpenStack私有云全流程搭建（附完整代码+避坑）》

环境说明操作系统：openEuler22.03LTS节点规划：控制节点：controller（IP:192.168.100.10）计算节点：compute（IP:192.168.100.20）依赖要求：所有节点需配置SSH免密登录。确保HTTP仓库服务已提供openEuler和OpenStack-IaaS的yum源。步骤1：配置基础环境1.1设置主机名与网络映射#控制节点操作hostnamectl
冯·诺依曼的·2025-03-08 20:53

stream 流的优势

在Java8及以上版本中，stream提供了一种更简洁、高效、可读性更强的方式来处理集合数据，比如遍历、筛选、映射、归约（reduce）、聚合等操作。
Klong.k·2025-03-08 20:50

Node.js调用DeepSeek Api 实现本地智能聊天的简单应用

本文将为大家介绍一个基于Node.js的命令行聊天应用，它通过调用硅基流动（SiliconFlow）的API接口，实现了与DeepSeek模型的智能对话功能。
egekm_sefg·2025-03-08 20:17

基于人体姿态识别和多人复杂场景下的人员ID唯一方案设计

一、方案概述公安系统中的多人跟踪与身份识别应用场景广泛，包括人群密集的公共场所监控、搜捕行动中的人员跟踪、犯罪行为检测和身份识别等。方案结合人体姿态识别和人员ID唯一跟踪技术，旨在复杂场景中保持对人员的稳定跟踪并精确识别，处理遮挡、多目标交互等复杂情况。二、应用场景人群密集场所监控：如火车站、机场等公共场所，自动跟踪监控下的所有人员并在多人遮挡的情况下保持人员ID一致。高风险地区监控：在公安系统设
云栖道人·2025-03-08 20:09

# 深入理解Linux网络随笔（二）：内核是如何与用户进程协作的（上篇：同步I/O阻塞）

内核与用户进程的协作主要通过两种方式来唤醒用户进程：同步阻塞（多用于客户端）（Java（BIO））在这种模式下，用户进程会被阻塞，直到内核有数据可供处理。
Estrella-q·2025-03-08 20:38

java本地缓存组件之caffeine为什么是性能之王？

读者专属福利：零基础java自学视频，从入门到精通1.基于Window-TinyLFU的淘汰算法Caffeine采用Window-TinyLFU（WindowedTinyLeastFrequentlyUsed
rider189·2025-03-08 20:37

基于深度学习的视频修复

基于深度学习的视频修复是一种利用深度学习技术对视频进行处理和优化，以修复视频中的损坏部分、提升视频质量、去除噪声和增强视觉效果的方法。
SEU-WYL·2025-03-08 20:35

大模型工具Ollama安全加固实战：用Nginx反向代理化解风险

本文基于通报内容，结合实战案例，详解如何通过Nginx反向代理低成本实现多层防护，为A
新人新人新·2025-03-08 20:32

华为OD机试-N个选手比赛前三名、比赛（Java 2024 E卷 100分）

题目描述有N个选手参加比赛，编号为1到N（3<=N<=100），有M个评委对选手进行打分。每个评委对选手的打分范围为1到10分。请计算得分最多的3位选手的编号。如果得分相同，得分高分值最多的选手排名靠前（即比较10分的数量，如果相同则比较9分的数量，以此类推）。如果输入异常，输出-1。输入描述第一行为两个正整数M和N，表示评委数量和选手数量。接下来的M行，每行是一个长度为N的整数数组，表示每个评委
蓝白咖啡·2025-03-08 19:59

华为OD机试-需要打开多少监控器（Java 2024 E卷 100分）

题目描述在一个长方形停车场内，每个车位上方都有一个监控器。当且仅当在当前车位或者前后左右四个方向任意一个车位范围停车时，监控器才需要打开。给定某一时刻停车场的停车分布，请统计最少需要打开多少个监控器。输入描述第一行输入(m,n)表示长宽，满足(1
蓝白咖啡·2025-03-08 19:56

华为OD机试-构成指定长度字符串的个数（Java 2024 E卷 100分）

题目描述给定M个字符（a-z），从中取出任意字符（每个字符只能用一次）拼接成长度为N的字符串，要求相同的字符不能相邻。计算出给定的字符列表能拼接出多少种满足条件的字符串。如果输入非法或者无法拼接出满足条件的字符串，则返回0。输入描述给定长度为M的字符列表和结果字符串的长度N，中间使用空格分隔。0
蓝白咖啡·2025-03-08 19:55

Fabric合约（Java）打包及发布

/chaincode/fabric-contract-demo1/--langjava-
qsqya·2025-03-08 19:53

华为OD机试：Excel单元格数值统计问题解决方案（C++、Java、JavaScript、Python）详解

华为OD机试：Excel单元格数值统计问题解决方案（C++、Java、JavaScript、Python）详解在华为OD机试中，Excel单元格数值统计问题是一个常见的算法考题，它模拟了Excel中对表格区域进行数值统计的功能
m0_57781768·2025-03-08 19:15

ssm132医院住院综合服务管理系统设计与开发+vue(文档+源码)_kaic

医院住院综合服务管理系统在Eclipse环境中，使用Java语言进行编码，使用Mysql创建数
开心毕设·2025-03-08 19:45

可视化学习：如何使用后期处理通道增强图像效果

前言大家好，本文分享的是如何使用后期处理通道增强图像效果，通过前面几篇文章，我们了解了一些动态生成纹理的方法，比如符号距离场SDF、基于参数方程生成图案、基于噪声生成纹理，等等。
·2025-03-08 19:12

华为OD机试 - Excel单元格数值统计（Java 2024 E卷 200分）

华为OD机试2024E卷题库疯狂收录中，刷题点这里专栏导读本专栏收录于《华为OD机试（JAVA）真题（E卷+D卷+A卷+B卷+C卷）》。
哪 吒·2025-03-08 19:44

Java系统数据迁移的性能优化与监控实战指南

本文将深入探讨Java系统中数据迁移的性能优化技巧，并提供详尽的代码示例和注释，帮助您构建一个既高效又可靠的迁移解决方案。一、迈向成功的数据迁移
墨夶·2025-03-08 19:39

202年充电计划——自学手册 网络安全（黑客技术）

基于入门网络安全/黑客打造的：黑客&网络安全入门&进阶学习资源包前言什么是网络安全网络安全可以基于攻击和防御视角来分类，我们经常听到的“红队”、“渗透测试”等就是研究攻击技术，而“蓝队”、“安全运营”、
网安康sir·2025-03-08 19:35

华为OD机试-Excel单元格数值统计（Java 2024 E卷 200分）

题目描述我们需要实现一个功能，类似于Excel中对选定区域的数值进行求和统计。给定一个表格区域，每个单元格的内容可能是数字或公式。公式可以是引用其他单元格的值，或者进行简单的加减运算。我们的任务是计算选定区域内所有单元格的数值总和。输入描述第一行两个整数rows和cols，表示表格区域的行数和列数。接下来rows行，每行cols个以空格分隔的字符串，表示表格的单元格内容。最后一行给出一个字符串，表
蓝白咖啡·2025-03-08 19:32

【HarmonyOS NEXT应用开发】案例115：基于Progress组件的进度条

场景一：反向进度条效果倒计时样式的进度条方案注意：这个Progress组件最常见的是和通用属性rotate一起使用，除了上图这种逆向倒计时，还有那种类似于温度计(从下到上加载)的效果，全都是利用rotate。ArkUI中组件的方向轴示意图:一般而言，我们的Progress组件都是顺时针从0→100加载的。1.Progress组件从100→0加载。2.把这个圆形Progress按照y轴旋转180°，
青少年编程作品集·2025-03-08 19:25

【HarmonyOS NEXT应用开发】案例96：基于ArkUI实现类似Toast弹窗

场景一：自定义弹窗实现弹窗中加入icon和文字，支持Button。方案：⦁使用@CustomDialog装饰器装饰自定义弹窗，在此装饰器内进行自定义内容（也就是弹框内容）、并创建构造器，与装饰器呼应相连。⦁使用定时器，在页面的生命周期onPageShow中设置定时任务，页面显示时打开弹窗。核心代码@CustomDialogstructCustomDialogExample{controller?:
青少年编程作品集·2025-03-08 19:55

Redis为什么要自定义序列化？如何实现自定义序列化器？

整体来说，Redis需要自定义序列化器，主要有以下几个原因：1.1性能优化序列化效率：默认的序列化器（如Java的JDK序列化）可能效率较低，尤其是在处理大型对象或高并发场景下。
小马不敲代码·2025-03-08 18:22

java byte序列化,java对象序列化byte[] and byte[]反序列化对象--转

importjava.io.ByteArrayInputStream;importjava.io.ByteArrayOutputStream;importjava.io.IOException;importjava.io.ObjectInputStream
xiangzi92·2025-03-08 18:06

设计模式——策略模式以及基于Spring依赖注入的策略模式的应用

好的，策略模式（StrategyPattern）是一种行为型设计模式，用于定义一系列算法，并将每个算法封装成独立的类，使得它们可以相互替换。策略模式的核心思想是将算法与使用算法的客户端解耦，让算法的变化独立于客户端的使用。1.策略模式的核心概念策略接口（StrategyInterface）定义所有支持的算法的公共接口，所有具体策略类必须实现该接口。具体策略类（ConcreteStrategies）
新停浊酒杯·2025-03-08 18:30

大模型RAG入门到实战基础教程（非常详细），大模型RAG入门到精通，收藏这一篇就够了！

相对于成本昂贵的“PostTrain”或“SFT”，基于RAG的技术方案往成为一种更优选择。本文从RAG架构入手，详细介绍相关技术细节，并附上一份实践案例。
AI程序猿人·2025-03-08 18:56

Java多线程 理发店小测试

功能需求如下：一个理发店里有两张理发椅子，各有一个理发师(线程)，还有5张用户椅子。初始主线程每间隔100毫秒产生一个用户(线程)，连续产生20名用户。一个用户理发需要300毫秒。用户线程的逻辑：1)如果理发店客满(两个理发师正忙理发，5张客户椅子有人坐着等待)，理发店外的用户(线程)，将在外等待。2)但理发店中一张用户椅子空，则允许一个用户进入并坐上椅子等待。3)但一个用户理完发，允许5张椅子上
不被定义的~wolf·2025-03-08 18:21

【深度学习模型高效部署】tensorRT_Pro深度解读：部署深度学习模型的高效方案

以下内容将对tensorRT_Pro项目做一个系统的介绍，包括其核心价值、主要功能、应用案例以及关键的示例代码（附详细解释），帮助你快速了解并上手如何基于TensorRT在NVIDIAGPU上实现高性能推理
云博士的AI课堂·2025-03-08 18:50

全面掌握Python&Java分层自动化测试：从单元测试到安全检测的完整指南

分层自动化（LayeredAutomation）是一种软件测试策略，通过将自动化测试分为不同层次或阶段，针对不同类型的测试需求，确保测试覆盖的全面性以及提高测试效率。这种方法通过分解复杂的测试任务，将其分配到适当的层级，从而降低测试的维护成本并提高自动化测试的稳定性和复用性。通常，分层自动化包括以下几层：1.单元测试层(UnitTestLayer)定义：单元测试是针对代码中的最小功能单元（通常是函
jardonwang1·2025-03-08 18:20

【Gee-Web框架】【Day6】【Golang】模板Template

StaticResource支持HTML模板渲染一、服务端渲染1.简要说明前后端分离的开发模式，web后端提供RESTful接口，返回结构化的数据（通常是JSON或者XML），前端使用AJAX技术请求到所需的数据，利用JavaScript
行者无疆xcc·2025-03-08 18:49

判断一个数是否是素数——Java（进阶高效算法）

本文续写上一篇文章：判断一个数是否是素数——Java（初阶低效算法）上一篇中的for循环是从3直到n-1，这里通过Math.sqrt(n)的方法做出改进，使得循环的次数变少以加快运算效率和速率一、Math.sqrt
Pniubi·2025-03-08 18:18

redis分布式锁

什么是分布式锁在分布式系统下，通过锁机制来控制资源的访问，与传统的单体项目中的synchronized,他是基于jvm的锁，即在一个springboot服务下能保证线程同步的问题，但现在我们大部分的项目部署不局限于一台服务器
JLiuli·2025-03-08 18:18

基于STM32电表插座抄表交流电压电流有功无功视在功率因数频率设计DIY24-035

本设计由STM32F103C8T6单片机核心板+无线模块可选+TFT1.44寸液晶屏+交流采集模块组成。1、通过STM32F103C8T6单片机采集交流采集模块。采集参数包括交流电压、交流电流、有功功率、功率因数、频率、无功功率、视在功率。2、将所有采集到的数据显示在tft液晶屏上。3、如果搭载无线模块，手机端可以查看相应数据。如果搭载摄像头无线，手机端可以进行视频监控。
通旺科技单片机设计DIY汇·2025-03-08 18:16

Java高频面试之集合-05

hello啊，各位观众姥爷们！！！本baby今天来报道了！哈哈哈哈哈嗝面试官：快速失败(fail-fast)和安全失败(fail-safe)分别是什么？快速失败（Fail-Fast）与安全失败（Fail-Safe）详解1.快速失败（Fail-Fast）定义：系统在检测到可能导致错误或异常的条件时，立即终止当前操作并抛出异常/错误，避免程序在错误状态下继续运行。其核心思想是“尽早暴露问题”。核心特点
牛马baby·2025-03-08 17:03

【04】基于STM32Fx的按键扫描与蜂鸣器控制简化版

【04】基于STM32Fx的按键扫描与蜂鸣器控制简化版代码经实战检验，适合初学者，下面是独立按键扫描的详细过程：第一步：平时没有按键被触发时，按键的自锁标志,去抖动延时计数器一直被清零。
智木芯语·2025-03-08 17:18

社团周报系统可行性研究-web后端框架对比-springboot，django，gin

对于目前市面上web后端框架，我主要了解到的就是springboot，djangogin等，分别对应javapythongo三种语言，目前我比较熟悉的就是springboot目录springboot框架简介优点缺点适用场景与需求匹配度
拉玛干·2025-03-08 16:25

全星FMEA软件：企业高效提升研发项目FMEA作业效率的精致之选

该系统基于2019版FMEA手册开发，严格遵循七步方法，能够全面识别潜在风险并提前制定应对措施。
全星007·2025-03-08 16:55

在Vue中，onLoad，onShow ，mounted的区别

示例代码javascriptexportdefault{onLoad(options){console.log('页面加载，参数为:',opti
檐角小猫·2025-03-08 16:24

数据挖掘实战-基于Catboost算法的艾滋病数据可视化与建模分析

‍♂️个人主页：@艾派森的个人主页✍作者简介：Python学习者希望大家多多支持，我们一起进步！如果文章对你有帮助的话，欢迎评论点赞收藏加关注+目录1.项目背景2.数据集介绍
艾派森·2025-03-08 16:23

基于YOLOv5的无人机农田监测系统实现与UI界面设计

一、引言随着无人机技术和深度学习算法的快速发展，农业领域逐渐引入了智能化监测手段。无人机农田监测结合了无人机的高空拍摄能力和计算机视觉技术，能够实时获取农田的图像数据，并对作物生长状态、病虫害检测、土地使用情况等进行智能分析。深度学习中的目标检测技术，如YOLOv5，能够帮助实现精准的农田监测，提供自动化的解决方案。在这篇博客中，我们将介绍如何利用YOLOv5进行无人机农田监测，如何使用图形用户界
深度学习&目标检测实战项目·2025-03-08 16:52

落锤冲击试验

评估也可以基于试样的有效能量吸收。金属落锤冲击试验可以依据以下不同标准执行金属落锤冲击试验：DINEN10274API5LASTME208SEP1325（W.S.Pellini落锤冲击试验）
试验机·2025-03-08 16:18

认知决定财富水平

以下是基于跨学科视角的深度解构：一、认知本体论：世界模型的构建机制量子观察者效应投射人类认知本质是量子世界在经典尺度下的降维投影（量子退相干理论）。
调皮的芋头·2025-03-08 16:18
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他