博客 RSS 訂閱

sysin 頭像

sysin - Veeam ONE 13 Patch 1 發佈 - IT 環境監控和分析

Veeam ONE 13 Patch 1 發佈 - IT 環境監控和分析 Veeam ONE 13.0 for Windows x64 請訪問原文鏈接：https://sysin.org/blog/veeam-one-13/ 查看最新版。原創作品，轉載請保留出處。 作者主頁：sysin.org VEEAM ONE 整個 IT 環境的監控和分析 Veeam ONE 是 Veeam Availab

監控

收藏 評論

smalbox 頭像

SmalBox - 【光照】[PBR][菲涅爾]實現方法對比

【從UnityURP開始探索遊戲渲染】專欄-直達 菲涅爾效應基本流程 菲涅爾效應(F)在BRDF中描述光線在不同入射角下的反射率變化，其計算流程通常分為三個步驟： ‌基礎反射率確定‌：0°入射角時的反射率(F₀) ‌角度依賴計算‌：根據入射角變化調整反射率 ‌金屬/非金屬處理‌：區分導體和絕緣體的不同表現 主要菲涅爾模型實現 1. Schlick近似模型 ‌原理‌： 對完整菲涅

渲染 , unity3d , 圖形學

收藏 評論

deephub 頭像

deephub - PINN訓練新思路：把初始條件和邊界約束嵌入網絡架構，解決多目標優化難題

PINNs出了名的難訓練。主要原因之一就是這個多目標優化問題。優化器很容易找到投機取巧的路徑——比如拼命降低微分方程殘差，但完全不管初始條件和邊界約束。只要給初始條件和邊界損失配的權重夠低，它們增加的那點損失完全能被殘差損失的大幅下降抵消掉。調整權重也許能暫時緩解這個問題，但誰也不能保證最優權重在整個訓練過程中一直有效。 標準的PINN用複合損失函數，把三項加權求和： 初始條件損失 邊界損失

神經網絡 , pytorch , 人工智能 , 深度學習

收藏 評論

zhuifengdekaomianbao 頭像

張老師講數字孿生 - 光伏+儲能+充電站三位一體！某省會城市如何實現碳中和標杆？

在東莞南城街道石鼓社區，一片曾經裸露的泥地悄然變身。深色光伏板在陽光下熠熠生輝，下方整齊停放着各類車輛，充電樁上的指示燈明滅閃爍——這處東莞首個集齊光伏發電、能量存儲、智能充電三大“黑科技”的“超級停車場”，正悄然改寫城市的能源利用方式。 近年來，隨着“雙碳”目標深入推進，全國多個城市加速探索綠色低碳發展路徑。其中，“光伏+儲能+充電站”三位一體的創新模式尤為引人注目，它通過能源生產、存儲

數字化轉型 , 能源 , 社區建設 , 解決方案 , 環境搭建

收藏 評論

deephub 頭像

deephub - Python離羣值檢測實戰：使用distfit庫實現基於分佈擬合的異常檢測

傳感器監控、安全運營、欺詐檢測——這些場景都需要及時發現異常狀況。但是問題在於，異常樣本出現頻率低導致標註數據稀缺，監督學習模型難以構建。雖然異常(anomaly)和新穎性(novelty)這兩個概念經常混用，但它們在建模假設和處理流程上存在本質差異。 本文會先講清楚異常檢測的核心概念，分析anomaly和novelty的區別，然後通過實際案例演示如何用概率密度擬合方法構建單變量數據集的無監督異常

機器學習 , 人工智能 , 異常處理 , Python

收藏 評論

pm_pawsjournal 頭像

產品汪日記 - 從用户動作到情緒曲線：打造高效智能硬件旅程地圖

1.前言 在智能硬件產品的設計與優化過程中，用户動作數據（如點擊、註冊、下單）往往容易被量化與跟蹤，而用户情緒曲線（如期待、焦慮、滿意）卻常常被忽視。 然而，情緒決定了用户是否繼續使用、是否推薦他人、是否願意付費升級。 本篇將圍繞智能硬件產品（AI 翻譯軟硬件、AI 玩具、泳池清潔機器人），深入解析如何將用户動作與情緒曲線整合為一張高價值用户旅程地圖，幫助產品經理實現從數據觀察到情緒洞察的

用户體驗

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 兩項世界第一！阿里雲EMR登頂全球數據倉庫性能及性價比排行榜

節前，和大家分享一個好消息： 阿里雲EMR在全球數據倉庫性能及性價比排行榜中斬獲兩項全球冠軍！ 在“數據分析”性能測試TPC-H榜單中，阿里雲EMRServerlessStarRocks（Stella1.2.0內核）以QphH超754萬分的性能結果斬獲全球冠軍，領先第二名111%； 在“決策支持類”性能測試TPC-DS榜單中，阿里雲EMRServerlessSpark（Fusion2.0內

spark , 阿里雲 , starrocks

收藏 評論

ruanjiankaifa_xiaofanya 頭像

軟件部長 - “表單數據提交後去哪了？”——低代碼如何一鍵搞定數據管理與展示。

在低代碼開發中，表單不僅僅是數據收集的入口，也是業務流轉的核心。很多用户常有這樣的困惑：“通過所見即所得方式快速搭建的表單，數據提交後去哪了？如何被複用？是否能無縫集成到其它業務模塊？” JVS低代碼輕應用快速開發採用所見即所得的配置思路，表單是低代碼中最基礎的業務配置引擎之一，快速的通過表單配置實現數據輸入、數據存儲，數據展示。那麼在輕應用下直接點開菜單打開的表單，錄入數據提交到數據模型，

表單 , 低代碼 , 私有化部署 , 低代碼開發平台

收藏 評論

pm_pawsjournal 頭像

產品汪日記 - 用户旅程圖在智能硬件產品中的高級應用

一、前言 智能硬件產品的市場競爭日益激烈，單純依靠功能創新已經不足以保證產品成功。用户體驗（UX）成為關鍵差異化因素，而用户旅程圖（Customer Journey Map, CJM）正是連接產品設計、市場策略和業務目標的橋樑。 對於經驗豐富的產品經理而言，CJM不僅是可視化工具，更是戰略決策、跨部門協作和數據驅動優化的核心方法論。本文將通過智能硬件產品實踐案例，深入解析如何用用户旅程圖指

用户體驗

收藏 評論

deephub 頭像

deephub - 從零構建能自我優化的AI Agent：Reflection和Reflexion機制對比詳解與實現

AI能否像人類一樣從錯誤中學習？反思型Agent系統不僅能生成回答，還會主動審視自己的輸出，找出問題並持續改進。 反思策略本質上就是讓LLM對自己的行為進行自我批評。有時反思器還會調用外部工具或檢索系統來提升批評的準確性。這樣一來系統輸出的就不再是一次性的回答，而是經過多輪生成-審閲循環優化後的結果。 目前主流的反思系統主要分為三類： 基礎Reflection Agent比較輕量，就是簡單的生成器

llm , 神經網絡 , 教程 , 人工智能 , 深度學習

收藏 評論

jordan_haidee 頭像

Jordan_Haidee - 【Rust GUI開發入門】編寫一個本地音樂播放器（3. UI與後台線程通信）

本系列教程對應的代碼已開源在 Github zeedle UI線程 $\xrightarrow{消息}$ 後台線程 使用枚舉定義消息類型 enum PlayerCommand { Play(SongInfo, TriggerSource), // 從頭播放某個音頻文件 Pause, // 暫停/繼續播放 ChangeProgr

gui , music , audio-player , rust

收藏 評論

yqyx36 頭像

雲輕雨細 - 程序出錯瞎找？教你寫“會説話”的錯誤日誌，秒定位原因

前言 排查程序問題時，錯誤日誌就是最靠譜的“地圖”：寫得好的日誌，能直接帶你找到“問題地點”；寫得差的日誌，卻像一張模糊的塗鴉，讓你在代碼裏繞來繞去還找不到北。今天就從“錯誤怎麼來的”講到“日誌怎麼寫”，來講講錯誤日誌的妙用。 一、錯誤不是“憑空冒出來”的，這3類場景最容易出問題 程序出錯從來不是“突然襲擊”，而是有明確來源的。就像生活裏的麻煩事，要麼是別人給的（上層傳錯參數），要麼是和別人打交道

日誌分析 , 運維

收藏 評論

xiaodiandideyangrouchuan 頭像

正點原子 - 《ESP32-S3使用指南—IDF版 V1.6》第四十章 圖片顯示實驗

第四十章圖片顯示實驗 1）實驗平台：正點原子DNESP32S3開發板 2）章節摘自【正點原子】ESP32-S3使用指南—IDF版 V1.6 3）產品鏈接：https://detail.tmall.com/item.htm?id=768499342659 4）全套實驗源碼+手冊+視頻下載地址：http://www.openedv.com/docs/boards/esp32/ATK-DNESP32S3

嵌入式 , 物聯網 , 開發 , esp32 , 硬件

收藏 評論

anygraphanywhere 頭像

圖形天下 - “情境教育”思維導圖創作實踐解析

                “情境教育”思維導圖 “情境教育”思維導圖模板獲取鏈接 一、核心主題確定 明確“情境教育”作為思維導圖的核心主題。圍繞這一主題，收集和整理相關的內容和關鍵詞，如五要素、五原則、六個途徑、五種類型和四特點等，為後續導圖構建奠定堅實基礎。 二、導圖結構設計 中心主題設置：以“情境教育”為中心主題，放置在導圖的中心位置，確保視覺焦點清晰。 主分支規劃：根據整理的內

思維導圖 , 思維導圖工具

收藏 評論

xiaodiandideyangrouchuan 頭像

正點原子 - DM40萬用表為何全網爆火？！它有哪些與眾不同？DM40萬用表比肩千元級表，讓您輕鬆實現專業級測量自由！

電子測量的“矛盾”與 DM40 的破局之道 在電子工程師的世界裏，“矛盾” 始終存在：新手被傳統萬用表的多旋鈕、多插孔搞得暈頭轉向，甚至因插錯檔位燒燬設備；資深工程師則要揹着萬用表、示波器、信號發生器 “三件套” 跑現場，設備重量與攜帶成本居高不下；而追求精度的用户，又常被高端機型數千元的價格勸退。 近幾年數字萬用表市場報告顯示，智能化、多功能集成已成為行業核心趨勢，用户對“便攜 + 精準 + 多

嵌入式 , 圖形 , 程序員 , 產品 , 硬件

收藏 評論

writers 頭像

思否編輯部 - 昇騰，邀開發者上場

9月20日，華為昇騰計算業務總裁張迪煊站在華為全聯接大會的舞台上，闡述的重點已從幾天前發佈的新一代芯片性能，轉向一個更核心的議題：如何讓這些軟硬件能力真正為開發者所用。台下，人們捕捉到一個明確的信號：昇騰，正邀請開發者上場。 張迪煊用接下來的時間，清晰地勾勒出了一條清晰的路徑，即通過徹底的共享奠定基礎，通過開放的共創激發活力，最終與開發者共同定義未來的技術範式。 共享：從資源普惠到底層代碼的全面開

雲計算 , 人工智能 , 開發者

收藏 評論

zhengzhouaiwenkeji 頭像

用户bPbDqZf - 跨平台數據要素流通協同運營現狀 破除孤島 釋放數據新動能

在數字經濟時代，數據已成為驅動創新的核心“新能源”。無論是電商購物、出行導航，還是金融服務，我們每天都在產生海量數據。但現實中，這些數據往往被困在不同平台的高牆內，形成一個個“數據孤島”——航空公司不清楚旅客的酒店偏好，電商平台難以獲取用户的真實信用記錄……跨平台數據如何高效、安全流通？這不僅是技術命題，更是推動產業升級的關鍵。 一、數據要素流通的狀實 現跨平台數據協同運營面臨三大挑戰：技術

數據

收藏 評論

deephub 頭像

deephub - 從零構建短視頻推薦系統：雙塔算法架構解析與代碼實現

刷短視頻本來只想看幾分鐘，不知不覺一個多小時就沒了。每條視頻都恰好戳中你的興趣點，這種精準推送背後其實是一套相當複雜的工程架構。 這種"讀心術"般的推薦效果並非偶然。驅動這種短視頻頁面的核心引擎，正是業內廣泛採用的雙塔推薦系統（Two-Tower Recommendation System）。 本文將從技術角度剖析：雙塔架構的工作原理、為何在短視頻場景下表現卓越，以及如何構建一套類似的推薦系統。

推薦系統 , 神經網絡 , 知識 , 人工智能 , 深度學習

收藏 評論

jidongdemogu 頭像

JeeLowCode - 代碼技術的擴展邏輯：從開發主體泛化到工程秩序的再生產

低代碼並不僅僅意味着“可視化拖拽”或“快速交付”，而是在深層次上重構軟件開發的 知識體系與勞動分工。它通過模型驅動（model-driven）與規則引擎，將底層代碼抽象化，使非專業開發者能夠基於業務邏輯完成系統構建。這一過程顯著降低了入門門檻，但同時帶來了 技術治理與專業價值的再平衡。 開發門檻的轉移：低代碼降低了語法和編碼層面的要求，但並未消解對 邏輯建模、數據管理與流程設計的依賴。開發能力

工作流可視化 , 低代碼 , 低代碼開發平台 , JAVA , 工作流

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 阿里雲AI搜索年度發佈：開啓Agent時代，重構搜索新範式

AI搜索年度發佈——AgenticSearch創新、雲原生搜索引擎進化、AI搜索產品融合升級_ 年初大模型技術的爆發式發展，使得傳統用户搜索場景被顛覆，據某權威研究機構數據顯示，超58%的美國用户使用Google時不再點擊搜索結果，傳統搜索流量逐漸轉向AI驅動工具，這一轉變背後將重構用户搜索的交互邏輯、數據形態與技術架構。 9月26日杭州舉行的雲棲大會AI搜索專場上，阿里雲智能集團計算平台事業部A

雲棲大會 , 搜索 , 阿里雲 , 人工智能

收藏 評論

icollection 頭像

ICollection - 達夢數據庫V8數據守護集羣配置[4]

8 啓動停止集羣 8.1 首次啓動集羣   使用管理員賬户啓動主庫數據庫服務。 kylin@KL1:~$ sudo systemctl start DmServiceDMSERVER1   使用管理員賬户啓動從庫數據庫服務。 kylin@KL2:~$ sudo systemctl start DmServiceDMSERVER2   使用dameng賬户通過連接主庫，設置OGUID值，並主庫為pr

集羣 , 達夢數據庫

收藏 評論

icollection 頭像

ICollection - 達夢數據庫V8數據守護集羣配置[3]

5 配置集羣主機   一般在配置集羣時，先不將數據庫實例註冊為服務，如果已經註冊為服務的，可以使用管理員賬户停止服務，在配置過程中使用數據庫用户直接啓動數據庫實例。注意，在註冊集羣的數據庫實例服務時，會加一個參數-m mount。如果已經註冊了數據庫實例服務，可以使用以下語句卸載。 kylin@KL1:~$ sudo /home/dameng/dmdbms/script/root/dm_servi

集羣 , 達夢數據庫

收藏 評論

icollection 頭像

ICollection - 達夢數據庫V8數據守護集羣配置[2]

4 創建數據庫實例   配置數據守護集羣，需要先在主機和備機上創建數據庫實例。創建數據庫實例可以使用圖形方式創建，也可以使用文本方式創建。考慮操作的連續性，一般配置數據守護集羣，一般採用文本方式創建數據庫實例。 4.1 圖形方式創建   使用dameng用户運行dmdbms/tool/dbca.sh，出現數據庫配置助手。選擇創建數據庫實例。   配置數據守護集

集羣 , 達夢數據庫

收藏 評論

icollection 頭像

ICollection - 達夢數據庫V8數據守護集羣配置[1]

1 概述 1.1 達夢數據庫集羣簡介   達夢數據庫提供了三種集羣，分別為數據守護集羣（Data Watch - DMDW）、共享存儲集羣（Data Shared Cluster - DMDSC）、分佈式集羣（Distributed Processing Cluster - DMDPC）。   其中，數據守護集羣由一個主庫和多個實時歸檔備庫組成，主庫提供完成的數據庫功能，備庫只提供只讀服務。

集羣 , 達夢數據庫

收藏 評論