博客 RSS 訂閱

Mike_Zhang - 從pcap文件提取sip信令文本

操作系統版本:window10_x64 python版本:3.9.13 libpcap版本:1.11.0b8 日常開發中,會遇到批量查找sip信令文本或直接分析sip文本的情況,文本形式的sip信令可直接使用grep查找或者進行文本分析。但是,如果拿到的是pcap文件,查找或者文本分析就沒那麼方便了,如果可以將pcap文件的sip信令導出,後續工作就比較好開展了。 今天使用python編寫

後端

收藏 評論

瀟湘隱者 - SQL Server更新統計信息會導致Parameter Sniffing

本文是翻譯Brent Ozar的這篇文章Updating Statistics Causes Parameter Sniffing, 譯文地址https://www.cnblogs.com/kerrycode/p/19542136。 在我的免費課程如何像引擎一樣思考中,我解釋了SQL Server是如何基於統計信息來生成執行計劃的。表中的數據內容會決定它使用哪些索引、採用索引查找還是全表掃描、

數據庫

收藏 評論

li5920o - GT25C16的eeprom芯片使用

EEPROM 相關配置信息 在使用時需要置高WP和HOLD, WP : 拉低進入寫保護 HOLD :拉低掛起芯片,忽略總線上通信內容 狀態寄存器 當RDY=0時,設備已準備好接收指令。 當RDY=1時,設備正忙。由於繁忙,設備只接受讀取狀態寄存器命令 WEN : 這表示設備的寫保護狀態。當WEN=0時,無論WPEN、WP引腳或塊保護的設置如何,都不能修改狀態寄存器和整個陣列。

操作系統

收藏 評論

Coding茶水間 - 基於深度學習的白細胞檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的白細胞檢測系統 1. 前言​ 大家好,歡迎來到 Coding 茶水間! 今天要和大家分享的項目是——基於 YOLO 算法的白細胞檢測系統。在醫學檢驗領域,白細胞的分類與計數是血常規檢查的重要環節,傳統人工鏡檢方式工作量大、主觀性強,容易受疲勞和經驗影響。隨着人工智能技術的發展,尤其是目標檢測算法在醫學影像中的應用不斷成熟,利用計算機視覺自動識別不同類型白細胞,不僅能顯著提升

AI

收藏 評論

Hmi1234 - Flutter Web 開發避坑指南:VS Code 保存無法自動刷新(Hot Restart)的終極解法

最近在用 VS Code 開發 Flutter Web 項目(Windows 環境),遇到了一個非常影響效率的問題: 每當我修改代碼並按下 Ctrl + S 保存時,VS Code 的調試控制枱明明顯示: Reloaded application in 263ms. 看起來一切正常,但瀏覽器裏的頁面卻紋絲不動。我必須手動點擊調試欄上的綠色“重啓”按鈕(Hot Restart),或者按 R

移動端開發

收藏 評論

大模型玩家七七 - 智能客服不是問答機器人,微調更不是“多訓點數據”

大多數“智能客服失敗”,不是模型不行,而是期望錯了 如果你做過或接觸過智能客服項目,大概率會經歷一個相似的心理過程: 一開始覺得: “現在大模型這麼強,客服這種問答場景,不是正好對口嗎?” 然後你會很快發現現實是: 問題很雜 規則很多 灰度極多 一句話答錯,後果可能很嚴重 最後,團隊往往會把希望寄託在一件事上: “那我們給模型微調一下吧。” 而真正的問題是—— 你往往

AI

收藏 評論

躺柒 - 讀數字時代的網絡風險管理:策略、計劃與執行03敏捷治理

1.敏捷治理 1.1.在網絡或其他所有風險管理領域,很少有比建立適當的風險治理模式更復雜或更具挑戰性的了 1.2.有效的治理是建立企業流程的關鍵,以管理潛在的問題,預防可被識別的問題,並在問題發生時妥善處理 1.3.是保護企業決策者(上至董事會成員,下至普通員工)在出現問題時免於承擔法律和監管責任的關鍵,因為它可以證明企業已經採取了適當的治理措施來解決、緩釋和報告潛在問題 1.4.沒有人指望企業

企業信息化

收藏 評論

林恆 - 甲方嫌棄,項目首頁加載太慢

🧑‍💻 寫在開頭 點贊 + 收藏 === 學會🤣🤣🤣 有一天,甲方打開一個後台管理的項目,説有點卡,不太滿意,項目經理叫我優化,重新打包一下。 從輸入地址 到 展示 首屏,最佳時間在 3秒內,否則,甲方掛臉,咱就有可能有被裁的風險,understand? 廢話不多説,先來看一下怎麼個優化法吧。 優化 ✅ cdn 分析 用We

前端

收藏 評論

strong - Mac電腦上傳ZIP圖片壓縮包時垃圾文件清理問題解決

問題解決記錄:Mac系統上傳目錄時的垃圾文件清理 問題背景 在上傳圖片系統中,當用户使用蘋果本(Mac)壓縮並上傳目錄時,系統出現異常。經過排查發現,Mac 系統在壓縮時會自動生成大量隱藏文件和元數據目錄,這些"垃圾文件"在解壓後會干擾系統的正常業務邏輯。 Mac 系統自動生成的垃圾文件包括: .DS_Store - 存儲文件夾顯示設置(圖標位置、背景等) __MACOSX - 包含資源分叉

後端

收藏 評論

MSSQL123 - Prometheus 和 Grafana 監控 PostgreSQL

1,客户端安裝配置postgres_exporter代理 1.1 下載客户端 cd /usr/local cd postgresql_package/ ll sudo su sudo - sudo sudo useradd -M -r -s /sbin/nologin postgres_exporter #筆者是一個arm架構的Linux操作系統,因此下載的是arm64版本的postgres_

數據庫

收藏 評論

大模型玩家七七 - 向量數據庫實戰:從“看起來能用”到“真的能用”,中間隔着一堆坑

大多數向量數據庫項目,不是“失敗”,而是“半死不活” 如果你問一個已經上線向量數據庫的團隊: “你們的向量檢索效果怎麼樣?” 得到的回答往往是: “還行吧,有時候挺準” “大部分時候能用,但偶爾很怪” “不好説,反正模型有時候答得不對” 這類系統,通常不是完全不能用, 但也很少讓人真正放心。 原因並不在於向量數據庫“不成熟”, 而在於:從建庫到穩定可用,中間有一整段工程

軟件設計

收藏 評論

sevencoding - 劍指offer-69、數字序列中某⼀位的數字

題⽬描述 數字以 0123456789101112131415... 的格式作為⼀個字符序列,在這個序列中第 2 位(從下標 0 開始計算)是 2 ,第 10 位是 1 ,第 13 位是 1 ,以此類題,請你輸出第 n 位對應的數字。 示例1 輸⼊:0 返回值:0 示例2 輸⼊:2 返回值:2 示例3 輸⼊:13 返回值:1 思路及解答 暴力法 通過逐步構造數字序列來

後端

收藏 評論

lindexi - WPF 使用 Vortice 在 D3DImage 顯示 D2D 內容

本文絕大部分代碼來源於 Raspberry Monster 夥伴提供。我只是代為記錄的工具人 本文是渲染相關係列博客中的一篇,該系列博客已按照邏輯順序編排,方便大家依次閲讀。本文屬於系列博客中,比較靠前的博客,可以獨立閲讀,無上下篇依賴。如您對渲染相關感興趣,可以通過以下鏈接訪問整個系列:渲染相關係列博客導航 在開始聊 Vortice 之前,必須要先聊聊 SharpDx 庫。 眾所周知,現在 Sh

.net , 後端

收藏 評論

lindexi - Vortice 使用 DirectComposition 顯示透明窗口

本文是渲染相關係列博客中的一篇,該系列博客已按照邏輯順序編排,方便大家依次閲讀。如您對渲染相關感興趣,可以通過以下鏈接訪問整個系列:渲染相關係列博客導航 在 DirectX 使用 Vortice 從零開始控制枱創建 Direct2D1 窗口修改顏色 博客中和大家介紹了最簡方式創建了窗口和對接了 DirectX 層。在此基礎上,大家也能看到此時創建的窗口是無法應用透明背景效果的 即使強行設置 Swa

.net , 後端

收藏 評論

HuiZhu - 3小時變成30分鐘:AI把"案例分析"從玄學變成流水線

一個MBA學生,每門課要做3-5個案例研究。 一個商業分析師,每月要產出10+份競品分析。 一個產品經理,每次上線前要覆盤5-8個歷史項目。 這些數字背後,是一個殘酷的現實:大多數人的案例分析,本質上是在"寫讀後感"。 哈佛商學院做過一項研究,同樣的案例材料,專業分析師和普通學生的產出質量差距高達300%。差距不在智商,而在分析框架。 專業分析師腦子裏有一套"模板":PESTEL分析宏

AI

收藏 評論

哥布林學者 - 吳恩達深度學習課程五:自然語言處理 第二週:詞嵌入 課後習題與代碼實踐

此分類用於記錄吳恩達深度學習課程的學習筆記。 課程相關信息鏈接如下: 原課程視頻鏈接:[雙語字幕]吳恩達深度學習deeplearning.ai github課程資料,含課件與筆記:吳恩達深度學習教學資料 課程配套練習(中英)與答案:吳恩達深度學習課後習題與答案 本篇為第五課第二週的課後習題和代碼實踐部分。 1. 理論習題 【中英】【吳恩達課後測驗】Course 5 -序列模型 -

AI

收藏 評論

ApacheIoTDB - 時序數據庫 Apache IoTDB 入選國家重點研發計劃高新技術成果產業化試點

近日,工業和信息化部正式公佈《2025 年度國家重點研發計劃高新技術成果產業化試點名單》,分佈式時序數據管理系統 Apache IoTDB 作為相關技術成果之一入選。此次入選,反映了該技術成果在基礎軟件領域的持續研發積累,以及其在工程化與產業化應用方面形成的實踐經驗。 完整名單見:67個成果、108個單位!2025年度國家重點研發計劃高新技術成果產業化試點名單公佈 國家重點研發計劃重點資助事關國

數據庫

收藏 評論

唯知為之 - Antigravity Skills 全局安裝與配置指南

本文將指導你如何為 Antigravity 編輯器安裝全局 Skills(技能),特別是強大的 ui-ux-pro-max 設計系統,並演示如何在具體項目中調用它們。 1. 核心概念 在 Antigravity 中,技能系統分為兩層: Skills (全局庫):實際的代碼、腳本和指南,存儲在系統級目錄(如 ~/.gemini/antigravity/skills)。它們是“能力”的本體。 W

AI

收藏 評論

大模型玩家七七 - 為什麼你用了向量數據庫,系統反而更復雜了

向量數據庫火,不代表你“必須用” 如果你這兩年做過和大模型相關的系統,很難繞開“向量數據庫”這個詞。 幾乎所有 RAG 架構圖裏,都有它的位置。 幾乎所有教程裏,都在説: “把文檔向量化,存進向量數據庫,就好了。” 於是,向量數據庫很自然地從一個解決特定問題的工具, 變成了一種默認選項。 但如果你真的做過幾個項目,就會慢慢意識到一件事: 向量數據庫確實很強, 但它從

AI

收藏 評論

Coding茶水間 - 基於深度學習的魚苗檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的魚苗檢測系統 1. 前言​ 大家好,歡迎來到Coding茶水間! 今天我們要聊的是一個既貼近生活又充滿技術巧思的項目——基於YOLO算法的魚苗檢測系統。在觀賞魚養殖和水產育苗場景中,及時識別魚苗狀態(尤其是死魚苗)是保障存活率、維持水質的關鍵,但傳統人工巡檢往往面臨效率低、漏檢率高、難以量化統計的痛點:魚缸環境複雜時,微小死魚苗易被忽視;批量觀察時,肉眼判斷誤差大;長期監測

AI

收藏 評論

放飛的雲 - vue表單vxe-form如何多字段聯動校驗,對一個控件校驗多個關聯字段

vue表單vxe-form如何多字段聯動校驗,對一個控件校驗多個關聯字段。正常的表單場景是一個控件一個字段,那麼配置起來非常任意,一個字段對應一個校驗規則。當時某些複雜場景就不一樣了,比如用户控件,有id/code/role等。比如範圍日期選擇,一個控件是對應2個字段的,開始日期和結束日期。這個時候就可以使用 rule 規則中 to 屬性來指定複雜的多字段校驗。 https://vxetable.

前端

收藏 評論

大模型玩家七七 - PPO 微調的本質:它不是在教模型“更聰明”

PPO 難,不是因為算法複雜,而是因為它在幹一件反直覺的事 如果你第一次接觸 PPO 微調,大概率會有一種強烈的挫敗感。 你可能已經: 看過 PPO 的算法圖 看過 reward / value / policy 的關係 甚至跑過一次訓練 但只要你認真問自己一個問題: “PPO 到底在改模型的哪一部分?” 你很可能説不清楚。 你只知道: reward 在漲 loss 在變

AI

收藏 評論

幸福眼淚 - 免費申請網站域名

免費申請網站域名   1、免費申請網站域名需要進入Oray官網,點擊【域名】,在域名註冊下面的文本框輸入要註冊的域名的前綴,在“熱門域名”選擇後綴 ,點擊文本框後面的"查詢",只要域名未被註冊,在查詢結果對應域名後面都會有一個“立即註冊”的按鈕。   點擊“立即註冊”,填寫域名註冊信息後點擊"下一步"。   PS:如賬號有進行實名認證,可使用實名認證資料進行註冊。   選擇"註冊年限"

程序人生

收藏 評論

e3830ba1-5631-457e-bd1b-9f3b6cfcd899 - 通義深度搜索-操作指南

通義深度搜索限時免費中,快來使用吧! 應用開通 1.在阿里雲百鍊控制枱的應用廣場中點擊通義深度搜索卡片,進入應用詳情。 2.首次試用時,點擊右上角免費開通完成應用開通。 應用管理 點擊我的應用進入應用管理頁面。頁面展示所有已創建的應用和應用key等信息,首次使用需要新增應用。 應用配置 點擊應用卡片或新增應用進入應用配置界面。 1.場景選擇 根據實際需求選擇使用場景,當前可選通用場景

AI

收藏 評論