深度学习之图像分类实战

LeetCode 3280 将日期转换为二进制表示

【算法实战】日期转二进制：两种解法的思路与优化（附代码解析）一、问题描述给定一个yyyy-mm-dd格式的日期字符串，要求将年、月、日分别转为无前导零的二进制，并保持year-month-day格式。
雾月55·2025-03-17 23:06

实战篇：GBase 8a MPP Cluster 安装部署过程

目录前言☀️环境准备安装介质下载操作系统安装安装前准备1、关闭防火墙2、禁用Selinux3、创建gbase用户4、创建目录并授权5、重启主机❤️GBase8aMPPCluster安装主节点上传安装介质主节点解压安装包分发配置文件配置环境变量修改主节点安装配置文件主节点执行安装命令检查集群状态申请和导入授权①导出集群各节点的指纹信息②邮件申请授权③主节点导入授权④检查授权情况所有节点启动集群服务主
Lucifer三思而后行·2025-03-17 23:03

Spring Boot拦截器（Interceptor）与过滤器（Filter）深度解析：区别、实现与实战指南

SpringBoot拦截器（Interceptor）与过滤器（Filter）深度解析：区别、实现与实战指南一、核心概念对比1.本质区别维度过滤器（Filter）拦截器（Interceptor）规范层级Servlet
chenOnlyOne·2025-03-17 23:02

MYSQL数据备份与恢复（mysqldump）

MySQL备份之mysqldump表级别备份还原格式：mysqldump[OPTIONS]database[tables]实例：把db_user数据库中的tb_student数据表进行备份备份：#mysqldumpdb_usertb_student
一诚学编程·2025-03-17 23:29

测试工程师指南：基于需求文档构建本地安全知识库的完整实战

需求文档是测试工程师日常工作的核心工具，如何快速检索需求文档中的关键信息（文本、表格、图片等），并将其转化为可供AI查询的知识库，是提升工作效率的重要手段。本文将通过对需求文档（docx格式）的处理，详细讲解如何构建一个安全的本地知识库，并通过代码实现具体操作，确保每一步都可落地。一、本地知识库的安全性与连接方案在构建本地知识库时，安全性是首要考虑的因素，尤其是对于需求文档这样的敏感数据。以下是本
Python测试之道·2025-03-17 22:56

python-git- GitHub

python之git-GitHub一：github原文链接二：WhatisGitHub1>创建仓库2>创建分支3>提交修改4>发起PullRequest三：理解GitHub流四：创建你的GitHub主页
45度看我·2025-03-17 22:26

如何使用MATLAB进行高效的GPU加速深度学习模型训练？

要使用MATLAB进行高效的GPU加速深度学习模型训练，可以遵循以下步骤和策略：选择合适的GPU硬件：首先，确保您的计算机配备有支持CUDA的NVIDIAGPU，并且其计算能力至少为3.0或以上。
百态老人·2025-03-17 22:56

HarmonyOS实战开发：@ohos.arkui.UIContext （UIContext）

在Stage模型中，WindowStage/Window可以通过loadContent接口加载页面并创建UI的实例，并将页面内容渲染到关联的窗口中，所以UI实例和窗口是一一关联的。一些全局的UI接口是和具体UI实例的执行上下文相关的，在当前接口调用时，通过追溯调用链跟踪到UI的上下文，来确定具体的UI实例。若在非UI页面中或者一些异步回调中调用这类接口，可能无法跟踪到当前UI的上下文，导致接口执行
蜀道衫QAQ·2025-03-17 22:50

Matlab GPU加速技术

对于大规模矩阵运算、深度学习训练或科学计算等任务，GPU加速可将计算速度提升数十至数百倍。
算法工程师y·2025-03-17 21:50

【大模型实战篇】使用GPTQ量化QwQ-32B微调后的推理模型

1.量化背景之所以做量化，就是希望在现有的硬件条件下，提升性能。量化能将模型权重从高精度（如FP32）转换为低精度（如INT8/FP16），内存占用可减少50%~75%。低精度运算（如INT8）在GPU等硬件上计算效率更高，推理速度可提升2~4倍。我们的任务是，将QwQ-32B微调后的推理模型，也就是bf16的精度，通过量化，压缩到int4。关于QwQ-32B微调，可以参考《利用ms-swift微
源泉的小广场·2025-03-17 21:19

【python爬虫实战】——基于全国各城市快递网点的数据采集

一、项目背景随着电子商务的快速发展，快递行业成为了现代物流的重要组成部分。快递网点的分布和服务质量直接影响到用户的物流体验。为了更好地了解快递网点的分布情况、服务范围以及联系方式等信息，本项目通过爬虫技术从公开的快递信息网站上采集相关数据。‘>本文章中所有内容仅供学习交流使用，不用于其他任何目的，严禁用于商业用途和非法用途，否则由此产生的一切后果均与作者无关！二、项目目的和意义本项目的主要目的是通
小L工程师·2025-03-17 21:18

嵌入式开发之STM32学习笔记day06

基于STM32F103C8T6的开发实践——从入门到精通011.引言STM32系列微控制器是STMicroelectronics推出的一款高性能、低功耗的32位微控制器，广泛应用于嵌入式系统中。STM32F103C8T6是其中非常受欢迎的一款，凭借其强大的性能、丰富的外设接口和低廉的价格，成为了开发者的首选之一。本文将通过实例，详细介绍如何基于STM32F103C8T6进行开发，并带领读者完成从简
小程同学>o<·2025-03-17 21:18

pytorch中的DataLoader

它支持数据的批量加载、随机打乱、并行加载和迭代操作，是训练深度学习模型的关键组件之一。1.基本功能DataLoader的主要职责是从数据集中提取样本，并根据设置返回一个批次的数据。
朋也透william·2025-03-17 21:48

机器学习中输入输出Tokens的概念详解

随着深度学习技术的快速发展，大语言模型（LargeLanguageModels,LLMs）已经成为自然语言处理（NLP）领域的一个热点研究方向。
爱吃土豆的程序员·2025-03-17 21:17

【深度学习基础】第二十四课：softmax函数的导数

【深度学习基础】系列博客为学习Coursera上吴恩达深度学习课程所做的课程笔记。1.softmax函数softmax函数详解。
x-jeff·2025-03-17 21:15

大模型RAG实战｜混合检索：BM25检索+向量检索的LlamaIndex实现

ThinkRAG大模型RAG实战系列文章，带你深入探索使用LlamaIndex框架，构建本地大模型知识库问答系统。
AIGC大模型 吱屋猪·2025-03-17 21:45

AI如何创作音乐及其案例

AI创作音乐主要有以下几种方式：基于深度学习的生成模型深度神经网络：通过大量的音乐数据训练，让AI学习音乐的结构、旋律、和声、节奏等特征。
alankuo·2025-03-17 21:44

【sklearn 01】人工智能概述

一、人工智能，机器学习，深度学习人工智能指由人类制造出的具有智能的机器。
@金色海岸·2025-03-17 20:41

HarmonyOS NEXT 开发环境搭建：启智儿歌 APP 开发实战

随着华为鸿蒙操作系统HarmonyOSNEXT的发布，越来越多的开发者开始关注并投入到这一新生态的开发中。本文将详细介绍如何在HarmonyOSNEXT环境下搭建开发环境，并通过一个儿童早教类启智儿歌APP的开发实例，帮助开发者快速上手鸿蒙应用开发。开发环境搭建安装DevEcoStudio：DevEcoStudio是华为官方提供的集成开发环境（IDE），支持HarmonyOS应用的开发。首先，访问
·2025-03-17 20:24

第十篇 秒懂SQL集合运算与联结：像逛超市一样学SQL

新手必坑指南⚠️二、表联结：你的SQL人际关系学2.1三种联结方式对比2.2隐藏技巧：过时语法vs现代语法三、高级玩法：用JOIN代替集合运算3.1交集替代方案3.2差集替代方案四、综合练习：超市库存管理系统实战五
随缘而动，随遇而安·2025-03-17 20:39

第十一篇 SQL高级处理：窗口函数和GROUPING运算符，看这篇就够了

：预测股票走势的秘密武器2.GROUPING运算符：自动生成Excel式合计行2.1ROLLUP：自动加小计和总计2.2CUBE：所有维度组合统计2.3GROUPINGSETS：只生成我需要的统计3.实战技巧
随缘而动，随遇而安·2025-03-17 20:39

第十六篇 SQL优化之计划控制：进阶之路带上这篇文章，快到起飞

HINT大法（直接下指令）2.2第二招：暗度陈仓（间接引导）方法1：统计信息大法方法2：虚拟列黑科技方法3：分区表妙用2.3第三招：计划冻结术（一劳永逸）SQLProfilevsBaseline对比表三、实战演练
随缘而动，随遇而安·2025-03-17 20:39

第三篇 从入门到专业：SQL标准语法详解与高效编码规范指南

2.2DML（数据操作语言）——"搬家具"2.3DCL（数据控制语言）——"配钥匙"三、SQL书写规范（避免被同事吐槽）3.1基础排版规范3.2注释规范四、新手必看避坑指南4.1常见错误4.2安全操作建议五、实战训练
随缘而动，随遇而安·2025-03-17 20:08

从FFmpeg命令行到Rust：多场景实战指南

FFmpeg作为功能强大的多媒体处理工具，被广泛应用于视频编辑、格式转换等领域。然而，直接使用FFmpeg的命令行界面（CLI）可能会遇到以下挑战：命令复杂度高：FFmpeg的命令行参数众多且复杂，初学者可能难以掌握，配置错误时调试困难。集成困难：在Rust等现代编程语言中，直接调用FFmpeg的C语言API需要处理复杂的内存管理和安全性问题，可能引发内存泄漏、非法访问等问题。为了解决这些问题，R
·2025-03-17 19:46

21-梯度累积原理与实现

一、基本概念在深度学习训练的时候，数据的batchsize大小受到GPU内存限制，batchsize大小会影响模型最终的准确性和训练过程的性能。
机器人图像处理·2025-03-17 19:34

JVM常用概念之FPU溢出

问题当自己的代码根本没有浮点或矢量运算，JVM在x86生成的机器代码为什么会用到XMM寄存器?基础知识FPU和矢量单元在现代CPU中随处可见，在许多情况下，它们为FPU特定的操作提供了一组备用寄存器。例如，Intelx86_64中的SSE和AVX扩展具有一组额外的宽XMM、YMM和ZMM寄存器，可与更宽的指令结合使用。虽然非矢量指令集通常与矢量和非矢量寄存器不正交（例如，我们不能在x86_64上将
剑海风云·2025-03-17 19:03

JVM常用概念之安全点

1.什么是安全点？安全点是执行线程状态被充分描述的执行范围。安全点是常见的JVM实现细节；在安全点处，mutator线程处于与堆交互的已知且定义明确的点。这意味着堆栈上的所有引用都已映射（在已知位置），并且JVM可以对所有引用进行解释。只要线程保持在安全点处，我们就可以安全地操作堆+堆栈，这样当线程离开安全点时，它对世界的视图就保持一致。目前所有的JVM都对全局安全点有一定的要求如果Java线程被
剑海风云·2025-03-17 19:33

2024年一文1800字从0到1使用Python Flask实战构建Web应用(1)

现在我也找了很多测试的朋友，做了一个分享技术的交流群，共享了很多我们收集的技术文档和视频教程。如果你不想再体验自学时找不到资源，没人解答问题，坚持几天便放弃的感受可以加入我们一起交流。而且还有很多在自动化，性能，安全，测试开发等等方面有一定建树的技术大牛分享他们的经验，还会分享很多直播讲座和技术沙龙可以免费学习！划重点！开源的！！！qq群号：110685036第三部分：运行Flask应用在app.
2401_84564025·2025-03-17 19:01

OpenStack Heat模板实战：快速创建用户、容器、网络与云主机类型

本文通过4个实战案例，详解如何用Heat模板创建用户体系、Swift容器、网络资源及云主机类型。
冯·诺依曼的·2025-03-17 19:01

K8S学习之基础三十四：K8S之监控Prometheus部署pod版

使用KubernetesPod的方式部署Prometheus是一种常见的方法，尤其是在容器化和微服务架构中。以下是详细的步骤：1.创建命名空间（可选）为了方便管理，可以为Prometheus创建一个单独的命名空间。yaml复制apiVersion:v1kind:Namespacemetadata:name:monitoring将上述内容保存为namespace.yaml，然后应用：bash复制ku
云上艺旅·2025-03-17 18:28

K8S学习之基础三十五：k8s之Prometheus部署模式

Prometheus有多种部署模式，适用于不同的场景和需求。以下是几种常见的部署模式：1.单节点部署这是最简单的部署模式，适用于小型环境或测试环境。特点：单个Prometheus实例负责所有的数据采集、存储和查询。配置简单，易于维护。不具备高可用性和扩展性。适用场景：小型项目或测试环境。对高可用性要求不高的场景。部署步骤：下载并解压Prometheus。配置prometheus.yml。启动Pro
云上艺旅·2025-03-17 18:28

「C语言指针函数与函数指针：从内存管理到灵活调用的实战指南」

1.指针函数：外卖柜的「生存法则」核心痛点：返回局部变量地址导致崩溃？堆区与栈区傻傻分不清？生活类比：栈区≈临时摊位（函数结束即销毁）堆区≈智能外卖柜（手动申请释放，长期有效）代码对比：//错误！返回栈区地址（临时摊位被拆）char*bug_demo(){charbuf[32]="hello";returnbuf;//危险操作！}//正确！返回堆区地址（外卖柜长期存餐）char*correct_d
℡残城碎梦·2025-03-17 18:57

结构型模式之组合模式：让对象构成树形结构

在软件设计中，我们经常遇到需要表示部分-整体层次结构的问题。例如，在文件系统中，文件和文件夹之间有着“文件夹包含文件”或“文件夹包含其他文件夹”的关系。在这种情况下，使用**组合模式（CompositePattern）**可以帮助我们以树形结构来处理这些对象，使得客户端能够统一处理“部分”和“整体”对象。**组合模式（CompositePattern）**是一种结构型设计模式，它允许你将对象组合成
菜就多练少说·2025-03-17 18:54

MV-EB435i立体相机对垃圾分类

最近在v社区发了一篇文章，懒得转移过来了链接：V社区-机器视觉技术交流社区-MV-EB435i立体相机对垃圾分类我觉得这篇文章对于刚入门深度学习想看点项目学点代码的刚刚好，因为我也是新手，嘻嘻嘻！
开哥kg·2025-03-17 18:54

Python之colorama

Python之colorama文章目录Python之colorama1.安装Colorama库2.导入Colorama库3.初始化Colorama4.设置文本颜色和样式5.自定义颜色和样式Colorama
PlutoZuo·2025-03-17 18:21

@mouseleave，@mouseenter和 @mouseover，@mouseout 的区别以及使用

@mouseleave，@mouseenter的含义：表示在当前绑定元素及其子元素中之触发一次，如遇到其中子元素不再触发。
腥臭腐朽的日子熠熠生辉·2025-03-17 17:47

iOS 文件预览（PDF、Excel、World等）之QuickLook框架

iOS文件预览QuickLook之工程文件预览QuickLook之网络URL预览QuickLook之工程文件预览一、简介QuickLook库可以让我们的App在iPhone/iPad中直接预览各个文件了
仰望星空01·2025-03-17 17:17

【003】调用Kimi实现AI对话，流式内容输出_#py

调用Kimi实现AI对话，流式内容输出前言1.实现流式输出的主要代码块2.完整代码前言流式输出（Streaming），一言以蔽之，就是每当Kimi大模型生成了一定数量的Tokens时（通常情况下，这个数量是
木易:_/·2025-03-17 17:47

AI人工智能中的概率论与统计学原理与Python实战：Python实现概率模型

概率论与统计学是人工智能中的基础知识之一，它们在机器学习、深度学习、自然语言处理等领域都有着重要的作用。
AI天才研究院·2025-03-17 17:46

架构设计与模式之：容器化与云原生架构设计模式

作者：禅与计算机程序设计艺术1.简介当今，企业越来越依赖云计算服务来获得快速、经济和弹性伸缩的能力。云原生架构正逐渐成为主流，而容器技术也已经在为企业提供更灵活、更高效的开发环境。本文将从云原生架构和容器技术的角度出发，结合实际应用场景，系统全面剖析容器化及云原生架构的设计模式及优缺点，并为读者提供参考指导。2.背景介绍什么是云原生？云原生（CloudNative）的概念源于Google在Kube
AI天才研究院·2025-03-17 17:46

如何使用 Python 实现生成对抗网络

如何使用Python实现生成对抗网络生成对抗网络（GenerativeAdversarialNetwork，GAN）是一种能够生成高质量、逼真图像的深度学习模型。
NoABug·2025-03-17 17:15

GAN模型的Python应用——生成对抗网络

GAN模型的Python应用——生成对抗网络生成对抗网络（GenerativeAdversarialNetwork，GAN）是深度学习中的一种重要模型，已经被广泛应用于图像、文本生成等领域。
代码编织匠人·2025-03-17 17:15

嵌入式c语言进阶（三）状态机State Machine

以下从核心概念、实现方式、应用实战三方面进行详细解析：一、状态机核心概念四大要素现态（CurrentState）：系统当前所处的状态。事件（Event）：触发状态转移的条件，如用户操作、时间到期等。
niuTaylor·2025-03-17 17:15

二值逻辑、三值逻辑到多值逻辑的变迁（含示例）

具体可以看我的CSDN文章：人工智能的数学基础之命题逻辑与谓词逻辑（含示例）-CSDN博客人工智能中用到的逻辑可概括地划分为两大类。第一类是经典命题逻辑和一阶谓词逻辑，第二类是泛指除经典逻辑之外的
搏博·2025-03-17 16:44

如何使用Python实现生成对抗网络（GAN）

生成对抗网络（GAN）是一种深度学习模型，由两个部分组成：生成器和判别器。生成器负责生成与训练数据相似的新数据，而判别器负责判断输入数据是真实的还是由生成器生成的。
「已注销」·2025-03-17 16:13

《动态磁盘RAID阵列：深度解析与实战指南》

提升读写性能，无冗余RAID1：镜像，数据冗余，提供数据保护RAID5：奇偶校验，提供冗余和负载均衡RAID10：镜像+条带化，兼具数据保护和高性能二、动态磁盘管理动态磁盘的优势三、动态磁盘RAID阵列实战实验环境搭建
懂技术的小又又·2025-03-17 16:13

2025前端面试题超全面解析（附答案与深度扩展）

**WebComponents实战：如何封装一个自定义按钮组件？**3.**WebWorker的用途与限制**二、CSS篇（扩展版）1.
北辰alk·2025-03-17 16:08

【数学基础】线性代数#1向量和矩阵初步

本系列内容介绍：主要参考资料：《深度学习》[美]伊恩·古德菲洛等著《机器人数学基础》吴福朝张铃著文章为自学笔记，仅供参考。
-一杯为品-·2025-03-17 16:38

蓝桥杯网络安全春秋赛 Crypto RSA

该公司以同一个N为模数，为Alice和Bob分别生成了不同的公钥和与之相应的私钥。Alice和Bob都使用自己的公钥对同一条明文m进行加密，分别得到密文c1和c2。
叁Three·2025-03-17 16:07

Python 数据分析实战：电商平台用户行为洞察与营销策略优化

目录一、案例背景二、代码实现2.1数据收集与导入2.2数据探索性分析2.3数据清洗2.4数据分析2.4.1用户行为随时间的变化2.4.2商品关联分析2.4.3用户购买转化率分析2.4.4用户价值分析（RFM模型）三、主要的代码难点解析3.1数据收集与导入3.2数据清洗-时间戳处理3.3数据分析-商品关联分析3.4数据分析-用户购买转化率分析3.5数据分析-用户价值分析（RFM模型）四、可能改进的代
萧十一郎@·2025-03-17 15:36
上一页 19 20 21 22 23 24 25 26 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他