大打表之术第18页

metasploit内网篇之域控内信息收集(十一)

常用信息收集模块auxiliary/scanner/discovery/arp_sweep#基于arp协议发现内网存活主机，这不能通过代理使用auxiliary/scanner/portscan/ack#基于tcp的ack回复进行端口扫描，默认扫描1-10000端口auxiliary/scanner/portscan/tcp#基于tcp进行端口扫描，默认扫描1-10000端口auxiliary/s

暴躁的小胡!!!·2025-03-16 10:55

《Hello YOLOv8从入门到精通》4，模型架构和骨干网络Backbone调优实践

YOLOv8是由Ultralytics开发的最先进的目标检测模型，其模型架构细节包括骨干网络（Backbone）、颈部网络（Neck）和头部网络（Head）三大部分。

Jagua·2025-03-16 10:54

软件测试之使用Requests库进行接口测试

文章目录前言Requests库是什么为什么要用Requests库进行接口测试安装Requests库Requests库使用发送GET请求发送带查询参数的GET请求响应内容格式添加请求头信息发送一个POST请求查看响应内容断言请求超时Cookie与Session模拟登录参考目录前言阅读本文前请注意最后编辑时间，文章内容可能与目前最新的技术发展情况相去甚远。欢迎各位评论与私信，指出错误或是进行交流等。本

头疼的程序员·2025-03-16 09:22

华为OD机试 - 字符串筛选排序 - 数组（Python/JS/C/C++ 2024 E卷 100分）

一、题目描述输入一个由N个大小写字母组成的字符串，按照ASCII码值从小到大

哪吒·2025-03-16 09:47

LLaMA-Factory 训练数据默认使用 instruction、input、output 三个 key

在LLaMA-Factory进行SFT（Directivesupervisionfine-tuning指令监督微调）时，训练数据的格式非常重要，因为大模型依赖标准化的数据结构来学习指令-响应模式。

背太阳的牧羊人·2025-03-16 08:43

Deepseek 使用攻略

一、什么是DeepseekDeepseek（深度求索）是一家位于杭州的人工智能公司，同时也是一系列大语言模型的统称。它由中国对冲基金高毅资产创立并提供支持，其模型均以开源形式发布。Dee

隔窗听雨眠·2025-03-16 08:12

Web三要素：CSS之Flex/Grid布局(4)

CSS布局革命：Flex与Grid的双子星战法文章目录CSS布局革命：Flex与Grid的双子星战法一、布局进化史：从洪荒时代到现代文明二、Flex布局：一维空间的舞蹈家2.1核心概念深度解析容器属性详解：2.2典型应用场景实战导航栏布局（React示例）垂直居中（Vue示例）三、Grid布局：二维空间的指挥官3.1网格系统深度解析核心概念图解：3.2高级布局技巧实战响应式网格（React示例）复

双囍菜菜·2025-03-16 08:42

UI自动化测试之CSS Selector 定位秘籍：解锁 WEB UI 自动化测试的高效之道

在WebUI自动化测试中，元素定位是实现自动化操作的核心步骤。SeleniumWebDriver提供了多种元素定位方式，其中CSSSelector是一种功能强大且灵活的定位方法。它基于CSS选择器语法，能够快速、精准地定位目标元素，尤其适用于复杂的DOM结构。本文将深入解析CSSSelector的工作原理、使用技巧以及需要注意的事项，帮助你在自动化测试中更高效地运用这一工具。一、CSSSelect

做测试的小薄·2025-03-16 07:41

JVM GC四大算法

JVMGC四大算法文章目录JVMGC四大算法GC四大算法一、引用计数法二、复制算法（COPY）三、标记清除算法（MARK-SWEEP）四、标记整理算法（MARK-COMPACT）五、总结GC四大算法一、

coding_-_半生·2025-03-16 07:10

通信之PDH准同步数字系列

PDH-准同步数字系列（PlesiochronousDigitalHierarchy）：是数字通信系统中的一种数字传输系列，采用在数字通信网的每个节点上都分别设置高精度时钟的方式，这些时钟信号有统一标准速率，但各时钟间存在微小差别，并非真正的同步，所以叫“准同步”。速率等级两大体系三个标准：国际上PDH有两大系列三个标准。以欧洲系列为例，各次群容纳的E1数量呈4倍关系，比如可将4个2Mbit/s复

玖Yee·2025-03-16 07:40

深度学习 Deep Learning 第2章线性代数

矩阵：二维数字数组，用粗体大

odoo中国·2025-03-16 07:07

sql获取某列出现频次最多的值_业务硬核SQL集锦

适用对象：工作中能接触到sql查询平台的业务同学(例如有数据查询权限的产品与运营同学)适用场景：查询hive&mysql上的数据文档优势：比起各类从零起步的教程教材，理解门槛低，有效信息密度大，可以覆盖高频业务场景

金渡江·2025-03-16 07:05

【prompt实战】知乎问题解答专家

本文原创作者：姚瑞南AI-agent大模型运营专家，先后任职于美团、猎聘等中大厂AI训练专家和智能运营专家岗；多年人工智能行业智能产品运营及大模型落地经验，拥有AI外呼方向国家专利与PMP项目管理证书。

姚瑞南·2025-03-16 06:04

RAW图与BAYER图异同

下面从多个方面详细介绍RAW图：参考：B站大清光学定义与基本概念定义：RAW文件是图像传感器将捕捉到的光源信号转化为数字信号的原始数据。

越甲八千·2025-03-16 06:33

【大模型对话的界面搭建-Open WebUI】

OpenWebUI前身就是OllamaWebUI，为Ollama提供一个可视化界面，可以完全离线运行，支持Ollama和兼容OpenAI的API。github网址https://github.com/open-webui/open-webui安装第一种docker安装如果ollama安装在同一台服务器上：dockerrun-d-p3000:8080--add-host=host.docker.in

y_dd·2025-03-16 06:31

【大模型UI\多模型回复UI】

文章目录1、开源大模型用户界面（UI）2、同时让多个模型回复UI1、开源大模型用户界面（UI）LobeChatOpenWebUI：这是一款功能丰富且用户友好的开源自托管AI界面，旨在完全离线运行。

Ai君臣·2025-03-16 06:29

半导体可靠性测试解析：HTOL、LTOL与Burn-In

引言在半导体器件复杂度与可靠性要求同步提升的今天，高温工作寿命测试（HTOL）、低温寿命测试（LTOL）和老化筛选测试（Burn-In）构成了芯片可靠性验证的三大支柱。

赛卡·2025-03-16 06:28

大模型的webui

exportXXX_LLM_C=~/xcore-llm/build/ReleaseexportCUDA_VISIBLE_DEVICES=2,3exportCUDACXX=/usr/local/cuda-12.3/bin/nvccnohup/usr/bin/python3/home/src/api_server/api_server.py--modelLLama2:7b-chat-hf_A800--

Zain Lau·2025-03-16 05:26

架构模式之黑板模式

一、定义黑板模式是一种常用的架构模式，应用中的多种不同数据处理逻辑相互影响和协同来完成数据分析处理。黑板模式允许多个消息读写者同时存在，消息的生产者和消费者完全分开。这就像一个黑板，任何一个教授（消息的生产者）都可以在其上书写消息，任何一个学生（消息的消费者）都可以从黑板上读取消息，两者在空间和时间上可以解耦，并且互不干扰。这种模式对于没有确定解决方案策略的问题是有用的。二、模式组成黑板模式由3个

weixin_30518397·2025-03-16 05:25

大模型+智能代理：自动化测试的终极组合？

近年来，大模型（LLM,LargeLanguageModel）+智能代理（Agent）的结合，为自动化测试带来了新的可能性。这种“智能测试代理”能够利用大模型的自然语言

测试者家园·2025-03-16 05:55

大语言模型原理与工程实践：大语言模型强化对齐

大语言模型原理与工程实践：大语言模型强化对齐作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来随着人工智能技术的迅猛发展，大语言模型

AGI大模型与大数据研究院·2025-03-16 05:52

python高并发访问mysql_Python访问MySQL

而且，围绕MySQL有一大堆监控和运维的工具，安装和使用很方便。使用MySQLMySQL是Web世界中使用最广泛的数据库服务器。

阿廖林诺·2025-03-16 05:21

【AI热点】Manus技术细致洞察报告（篇2）

1.引言与背景1.1产品崛起与「全自主通用Agent」的概念自2023年底至2024年初，大模型及其

碣石潇湘无限路·2025-03-16 05:50

提出机器人自主学习新范式，深大团队最新顶会论文，刷新6大复杂任务SOTA

关注前沿科技量子位让机器人轻松学习复杂技能有新框架了！深圳大学大数据系统计算技术国家工程实验室李坚强教授团队联合鹏城国家实验室、北京理工莫斯科大学，提出了奖励函数与策略协同进化框架ROSKA。在多个高维度机器人任务上，在仅使用89%训练样本的情况下，比现有SOTA方法平均性能提升95.3%。众所周知，随着机器人技术的快速发展，其应用已渗透至日常生活和工业生产场景。然而在多自由度机器人控制领域，传统

·2025-03-16 04:50

数据处理和分析之数据降维：t-SNE：使用t-SNE进行数据可视化实践

数据处理和分析之数据降维：t-SNE：使用t-SNE进行数据可视化实践数据降维简介降维技术的重要性在数据科学和机器学习领域，数据降维是一种关键的技术，用于减少数据集的维度，同时保留数据的结构和重要信息。

kkchenkx·2025-03-16 04:17

第20篇：从零开始构建NLP项目之电商用户评论分析：模型训练阶段

大家好，今天我们继续探讨如何从零开始构建一个NLP项目，特别是电商用户评论分析中的模型训练阶段。模型训练是NLP项目的核心环节，通过合理的调参和优化，可以显著提升模型性能。本文将详细介绍模型训练的步骤，并展示如何使用LangChain库进行模型训练、调参和优化。文章目录项目的背景和目标模型训练的详细步骤安装依赖包流程图1.准备数据2.定义模型3.训练模型4.评估模型5.调参与优化常见错误和注意事项

Gemini技术窝·2025-03-16 04:46

提速 Java性能优化实战：6大技巧解锁丝滑体验

在Java应用程序性能优化的领域，有多种策略可以帮助提升程序运行效率和响应速度。以下是一些实用的技巧，涵盖代码层面、JVM调优、以及设计模式等方面，旨在全面优化应用性能。1.代码层面优化避免不必要的对象创建频繁的对象创建和销毁会占用大量的CPU时间和内存资源。尽量重用对象，特别是在循环中。Java//优化前for(inti=0;i

墨瑾轩·2025-03-16 03:12

UniApp 与 Taro 终极对决：跨平台开发框架谁更胜一筹？

而在众多跨平台框架中，UniApp和Taro无疑是两大热门选择。本文将从多个维度对UniApp和Taro进行深度对比，帮助开发者根据自身需求选择最合适的框架。

大鱼前端·2025-03-16 03:42

RocketMQ、Kafka、RabbitMQ，如何选型？

三大MQ的简单对比特性RabbitMQRocketMQKafka公司/社区Rabb

大梦谁先觉i·2025-03-16 03:11

《架构300讲》学习笔记（201-250）

201小心selectforupdate，有效规避索引选择性锁表202设计模式之建造者模式的用途20320分钟上手ELK日志监控系统分类：【ELK】204设计模式之门面模式Facade205设计模式之适配器模式

newProxyInstance·2025-03-16 03:10

大模型火爆 2025：LLaMA、Qwen、DeepSeek 核心原理+就业秘籍，快速入门 AI 工程师

1.大模型核心原理：从零开始理解AI模型这些是大型语言模型（LLMs）的核心技术，适合初学者逐步深入学习。以下是详细拆解，让小白也能掌握：LLaMA系列模型核心原理详解：什么是LLaMA？

weixin_40941102·2025-03-16 03:38

Qt之动画编程之窗体透明度效果

#ifndefOPACITY_WIDGET_H#defineOPACITY_WIDGET_H#include#includeclassopacity_widget:publicQWidget{Q_OBJECTQ_PROPERTY(qrealopacityREADwindowOpacityWRITEsetWindowOpacity)public:opacity_widget(QWidget*pare

我不是程序员~~~~·2025-03-16 03:07

数据结构--栈详解

前言大家好呀，今天我们学习数据结构之栈篇，这是一种很简单的数据结构，今天我们将从概念，用法和模拟实现三个面开始学习一，概念和性质栈：一种特殊的线性表，其只允许在固定的一端进行插入和删除元素操作。

梓色系·2025-03-16 02:34

TensorRT-LLM保姆级教程-快速入门

随着大模型的爆火，投入到生产环境的模型参数量规模也变得越来越大（从数十亿参数到千亿参数规模），从而导致大模型的推理成本急剧增加。

大模型八哥·2025-03-16 02:34

自立自强的江铃集团新能源，用科技创新实力圈粉

消费者对“冰箱、彩电、大沙发”式的噱头已经逐渐失去兴趣，取而代之的是对核心技术和安全性能的理性关注。在这样的背景下，江铃集团新能源凭借深厚的技术积累和创新能力迅速赢得市场认可。

微视资讯·2025-03-16 02:33

C++面向对象三大特性

一、封装封装是将数据和操作数据的函数捆绑在一起形成类，通过访问控制限定符（如private、protected、public）隐藏对象的内部细节，仅对外提供必要接口，以此增强代码的安全性和可维护性。#includeclassBankAccount{private:doublebalance;//私有成员变量，外部无法直接访问public://构造函数，用于初始化账户余额BankAccount(do

CodeCuriosity·2025-03-16 02:01

DeepSeek：技术创作者的内容革命，从代码到爆文的AI全栈攻略

选题焦虑：技术热点日新月异，如何抓住「大模型优化」或「量子计算落地」等前沿方向？

不想加班的码小牛·2025-03-16 02:59

计算机体系结构的五大流派，你知道几个？

今天，我们绿算与大家一起聊聊计算机体系结构的五大流派，以及它们背后的厂商和应用领域。1.冯·诺依曼结构：现代计算机的基石冯·诺依曼结构是现代计算机的基础，几乎所有通用计算机系统都基于这一结构或其变体。

绿算技术·2025-03-16 02:58

JVM性能调优实战：从理论到线上问题排查

某电商平台的"双11"大促活动，系统突然响应缓慢，交易量锐减。运维团队紧急扩容，开发团队调整GC参数，架构师建议重启服务……一系列"标准操作"后，系统性

SuperMale-zxq·2025-03-16 01:57

Ollama大模型工具的安全风险及应对策略

文章目录**Ollama的安全隐患：不容忽视的风险****未授权访问：门户洞开的风险****数据泄露：敏感信息的外泄****漏洞利用：历史遗留的隐患****安全加固：守护数据与服务的防线****限制监听范围：内网隔离的保护****配置防火墙规则：双向过滤的防御****实施多层认证与访问控制：密钥与白名单的双重保障****禁用危险操作接口：限制权限的策略****修复历史漏洞：及时更新的重要性****

码事漫谈·2025-03-16 01:57

从零开始大模型开发与微调：PyTorch 2.0深度学习环境搭建

从零开始大模型开发与微调：PyTorch2.0深度学习环境搭建作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来随着深度学习在各个领域的广泛应用

AI智能涌现深度研究·2025-03-16 01:54

外呼系统破局电话管控：AI电销机器人合规运营实战指南

一、破解封号困局的三大核心策略1.运营商白名单通道接入三大运营商均开放企业智能外呼专线，这类线路具备免封号特性。某教育机构接入电信AI-PaaS平台后，日均外呼量稳定

ai_vx_3307623172·2025-03-16 01:53

AI大模型学习路线及相关资源推荐

python游乐园·2025-03-16 00:51

模拟退火算法详解

一、引言模拟退火算法（SimulatedAnnealing，简称SA）是一种通用概率型优化算法，用来在一个大的搜寻空间内找寻问题的最优解。

琛哥的程序·2025-03-16 00:18

面向对象三大特性：封装、继承、多态深度解析

〇、引言：为什么需要理解OOP三大特性？在软件工程领域，封装、继承、多态被称为面向对象编程（OOP）的三大基石。掌握它们不仅能写出更优雅的代码，更是构建复杂系统的关键能力。

KBkongbaiKB·2025-03-16 00:47

LangChain深度解析以及主要应用场景

LangChain的核心组件（1）PromptTemplates（提示模板）原理代码实例应用场景提示词优化策略（2）LLMs（大语言模型）原理代码实例应用场景调优策略（3）Chains（多步任务链）原理代码实例应用场景优化策略

小Rr·2025-03-16 00:16

AI大模型测试用例生成平台

AI测试用例生成平台项目背景技术栈业务描述项目展示项目重难点项目背景针对传统接口测试用例设计高度依赖人工经验、重复工作量大、覆盖场景有限等行业痛点，基于大语言模型技术实现接口测试用例智能生成系统。

王根生·2025-03-16 00:14

Deepseek-R1大模型微调实战技术深度解析

一、Deepseek-R1架构特性与微调适配性分析1.1核心架构创新对微调的影响Deepseek-R1基于Deepseek-V3-Base架构，通过MoE（Mixture-of-Experts）与MLA（Multi-HeadLatentAttention）的协同设计，实现了参数规模与计算效率的平衡。其6710亿参数总量中，每个token仅激活37B参数的机制，使得微调过程中可针对不同任务动态调整专

大势下的牛马·2025-03-16 00:14

软件测试之测试用例详细解读

一、通用测试用例八要素1、用例编号；2、测试项目；3、测试标题；4、重要级别；5、预置条件；6、测试输入；7、操作步骤；8、预期输出二、具体分析通用测试用例八要素1、用例编号一般是数字和字符组合成的字符串，可以包括（下划线、单词缩写、数字等等），但是需要注意的是，尽量不要写汉语拼音，因为拼音的意义可能有好几种，有可能会导致乱码；用例编号具有唯一性和易识别性。（比如说我们唯一标识一个人：中国-上海市

隐居人家的炊烟·2025-03-15 23:41

模型蒸馏：从复杂到精简，AI技术的“瘦身”秘籍

然而，这些“庞然大物”通常拥有数十亿甚至数千亿个参数，计算和存储成本极高，难以部署到资源受限的设备上。为了解决这一问题，模型蒸馏技术应运而生。

lmtealily·2025-03-15 23:41

推荐频道

大打表之术