博客 RSS 訂閱

mage3218 頭像

馬哥天才3218 - 爬小紅書圖片軟件：根據搜索關鍵詞，一鍵批量採集筆記，並下載無水印圖片

（一）前言 在當今數據驅動的時代，小紅書作為中國領先的社交電商平台，積累了大量的用户生成內容，這些數據對於市場分析和內容創作具有重要價值。為了合法合規地利用這些數據，我開發了一款名為“爬小紅書圖片軟件”的工具，它不僅能夠抓取紅薯圖片，還能採集筆記和評論數據，助力企業和創作者深入瞭解用户喜好和趨勢。 小紅書是一個高活躍度的社區平台，用户在這裏分享購物經驗、生活方式和產品評價。

數據 , 後端開發 , Python

收藏 評論

u_17593768 頭像

JUGG11 - 5分鐘從入門到精通！PandaWiki：零代碼小白的AI編程助手

還在為編程查資料抓狂？5 分鐘解鎖 PandaWiki，AI 幫你搞定 80% 編程難題 作為編程新手，是不是總被這些問題困住：想查 API 用法翻遍官網找不到重點，遇到報錯搜半天全是零散答案，寫技術文檔卡殼半天憋不出字？直到發現 PandaWiki 這款 “AI 編程神器”，不用懂複雜操作，5 分鐘就能上手，讓編程查資料、寫文檔的效率直接翻倍！ 第一步：3 分鐘搭建

github , 服務器 , AI , 人工智能 , 深度學習 , 解決方案

收藏 評論

u_13873498 頭像

IT陳工 - AI編程環境安裝-Anaconda

1、安裝Python，建議3.10以上版本，具體步驟略 2、Linux環境： （1）anaconda官網下載軟件包 （2）給安裝程序進行chmod + x賦權 （3）執行安裝腳本，同意協議並指定安裝路徑 （4）安裝後會有提示 按照第一個指示，將安裝路徑下的bin目錄加入環境變量，之後執行conda init （5）執行後會

機器學習 , anaconda , 編程環境 , 人工智能

收藏 評論

yuanmouren 頭像

騎着蝸牛去上班 - 【乾貨分享】windows 自帶Hyper-V虛擬機安裝Ubuntu24，實現局域網內網服務環境安裝

難得今日沒有什麼開發任務，忽然想起來近期給客户部署一個局域網服務器【簡陋利用空閒電腦】，實現局域網內的應用訪問。也忽然發現其實windows自帶的Hyper-V真的是好用。正好把這次的部署安裝分享給大家，大家也可以閒來無事玩玩，或者正好學習學習linux。廢話多不説下面開啓我們的分享！ 第一部分：準備工作 系統要求 1.Windows11 專業版/企業版/教

服務器 , yyds乾貨盤點 , ip , bash , 集羣 , Ubuntu

收藏 評論

u_9849794 頭像

子丶不語 - JavaScript 自定義事件實戰

概述 在日常開發中，我們經常遇到這樣的場景：用户點擊了按鈕，需要更新多個地方的顯示；訂單完成後，需要同時刷新列表、發送通知、更新統計；購物車添加商品時，需要更新數量、計算總價、保存到本地。如果每個地方都直接調用，代碼會變得又亂又難維護。 這時候，自定義事件就派上用場了。它就像廣播電台，某個地方"廣播"了一個消息，所有"收聽"這個消息的地方都能收到通知並做出響應。瀏覽器

數據 , 監聽器 , 自定義事件 , Css , 前端開發 , HTML

收藏 評論

lenglingx 頭像

lenglingx - 彈性盒子（display: flex）佈局超全講解|Flex 佈局教程

什麼是彈性佈局？ 彈性佈局（Flex佈局）是一種現代的CSS佈局方式，通過使用display: flex屬性來創建一個彈性容器，並在其中使用靈活的盒子模型來進行元素的排列和定位。 彈性佈局的特點？ 彈性佈局具有以下特點： 主軸與交叉軸：彈性容器具有主軸（main axis）和交叉軸（cross axis）。默認情況下，主軸是水平方向，交叉軸是垂直

默認值 , 兩端對齊 , 屏幕尺寸 , Css , 前端開發 , HTML

收藏 評論

u_16099221 頭像

技術領航者之聲 - LeetCode 560.和為 K 的子數組(中等)_51CTO博客

前綴和是一種預處理技巧,通過構建前綴和數組,可以在O(1)時間內計算任意區間的和。 原理 原數組: [a₀, a₁, a₂, …, aₙ] 前綴和: prefix[i] = a₀ + a₁ + … + aᵢ₋₁ 區間和: sum(i, j) = prefix[j+1] - prefi

子數組 , leetcode , 算法 , 前綴和 , 哈希字典 , 前端開發 , Javascript

收藏 評論

u_16213715 頭像

mob64ca1417eedd - .Net Core WebApi中，使用JWT身份認證與授權_51CTO博客

步驟 1：安裝必要的 NuGet 包 需安裝用於 JWT 處理和認證中間件的包： System.IdentityModel.Tokens.Jwt：用於生成和解析 JWT Token。 Microsoft.AspNetCore.Authentication.JwtBearer：提供 JWT 認證的中間件支持。 可

System , .netcore , 字符串 , Css , ci , 前端開發 , HTML , 前端

收藏 評論

u_16099184 頭像

網絡安全戰士 - LeetCode 11-15 題 詳解 Java版 ( 萬字 圖文詳解 LeetCode 算法題11-15 =====＞＞＞ ＜建議收藏＞)_libin9iOak的技術博客

1.27. 移除元素 (Remove Element) 題目要求： 給定數組nums和值val，移除所有數值等於val的元素，返回移除後數組的新長度k。要求原地修改數組，使得前k個元素為不等於val的元素。 解題思路： 使用雙指針的方法：一個指針遍歷數組，另一個指針標記不等於val的元素。 每次遇到不等於val的

leetcode , 數組 , 數據結構 , 算法 , i++ , Css , 前端開發 , HTML

收藏 評論

u_16213710 頭像

mob64ca1416b5a8 - 黃金分割法(Python)_黃金分割法python代碼

黃金分割法（Golden Section Search）是一種用於一維單峯函數極小值搜索的數值優化方法。在計算點到三階（三次）Bezier曲線的最短距離時，可以將問題轉化為一個單變量優化問題：尋找參數 t∈[0,1] 使得點到曲線的距離最小。由於距離函數通常在區間 [0,1] 上是單峯的（或可近似為單峯），因此適合使用黃金分割法進行求解。 1. 三

最短距離 , 搜索 , 算法 , Bezier曲線 , Css , 黃金分割法 , 前端開發 , HTML

收藏 評論

dayongchan 頭像

dayongchan - 手搓RPC框架系列（二）：核心功能實現與架構原則應用

文 / Kenyon，資深軟件架構師，15年軟件開發和技術管理經驗，從程序員做到企業技術高管，專注技術管理、架構設計、AI技術應用和落地。 由於公眾號推流的原因，請在關注頁右上角加星標，這樣才能及時收到新文章的推送。 引言 在上一篇文章中，我們基於架構設計原則設計了RPC框架的基礎架構。今天，我們將進入實戰階段，實現RPC框架的核心功能，包括服務代理、序列化、網

軟件研發 , 序列化 , 遠程調用 , 客户端 , rpc , 技術框架

收藏 評論

u_16213585 頭像

mob64ca13f8b166 - 【wireshark使用教程】一步步教你wireshark抓包分析（詳細圖文）

本文詳解Wireshark的核心功能，從抓包基礎到實際故障排查，帶你掌握網絡分析的必備技能。 前言 網絡出問題了，ping不通、連接超時、速度慢...這時候怎麼排查？ 抓包分析是網絡排查的終極武器。不管問題多複雜，抓個包看看數據流，真相就在眼前。 Wireshark是最強大的抓包工具，免費開源，今天就來系統學習一下。 一、W

抓包 , tcp , dns , Css , 前端開發 , HTML

收藏 評論

u_16099358 頭像

月光傾城美 - LVGL使用i18n庫配置多語言的方法_lvgl 多語言_fuso

背景 GUI界面顯示有多語言的需要比如中英文切換，當然使用LVGL的時候肯定也會有這樣的需求 且由於LVGL是面向眾多區域使用的，有時需要更多的語言顯示。 針對於此使用的場景，官方提供一種方便使用的多語言實現方案 lv_i18n 官方提供的多語言方案 原理 GUI需要使用不同的文字時，但二進制代碼肯定不會自動識別不

node.js , 多語言 , define , 前端開發

收藏 評論

u_15796946 頭像

程序猿追 - 使用GeeLark+亮數據，做數據採集打造爆款內容

https://www.bilibili.com/video/BV1t5m1B4Emg/?spm_id_from=333.1387.homepage.video_card.clickvd_source=8c987e288018fae8f95831d231306b93 結合GeeLark與亮數據（Bright Data）進行數據採集，是內容創作者和營銷人員打造爆款內容、實現數

大數據 , 數據 , ip , 數據採集 , 數據倉庫

收藏 評論

u_15795349 頭像

西安王曉楠 - 楊建允：AI搜索優化賦能全鏈路營銷的全流程

AI搜索優化的全鏈路營銷正在深刻重塑企業獲取用户和提升轉化的策略，其影響貫穿用户觸達、互動、轉化和留存的各個環節。 用户認知與行為變革： AI搜索的普及正改變用户獲取信息的習慣，從主動“搜索”轉向被動“問答”。用户通過自然語言向AI提問，直接獲取結構化答案，這要求企業提供的信息必須精準、權威且易於被AI識別。 例如，AI搜索優化通過整合官方、機構和新聞源等可信內

AI搜索 , 生成式引擎優化 , yyds乾貨盤點 , AI賦能 , AI搜索優化 , AI寫作 , GEO , aigc

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程四：計算機視覺 第二週：經典網絡結構 （二）殘差網絡

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 本篇為第四課的第二週內容，2.3到2.4的內容。 本週為第四課的第二週內容，這一課所有內容的中心只有一個：計算機視覺。應

AI

收藏 評論

weiyuqingcheng 頭像

006玩命 - Mysql2Uxdb

migration.properties文件： srcCaseUpper=sensitive caseStrategy=CASE_KEEP 存儲過程，手動創建； 本文包含：--> -->

MySQL , 數據庫 , uxdb

收藏 評論

u_16213603 頭像

mob64ca13fd163c - javascript指南 chm

打開這本書，進入到javascript的世界。以前都是看各種視頻，感覺什麼收穫也沒有，反而弄得腦袋混亂，希望能夠按照這本書的節奏掌握javascript這門語言，為我的前端學習打下基礎。 學習前準備：web瀏覽器（F12用來喚醒和關閉firebug界面，ctrl+shift+j用來喚醒錯誤工作台，console.log()調試輔助） 本書分為4個部分：Javascri

HTTP , 客户端 , javascript指南 chm , 前端開發 , Javascript

收藏 評論

u_17575814 頭像

mb690cc2a30bc41 - MCP理論完全教程：從基礎到實踐應用

次章提綱 MCP理論概述 MCP的核心授涃改革 實踐案例分析 第一部分：MCP理論概述 MCP是指一種來自控論的理論，它描述了個體在控制上的有效探索和個體自主及與其他個體的互動方式。 1.1 MCP的定義與根源 MCP理論源於控制論研究，是控制論中一個重要的分支。它的發展經歷了從傳統控制理論到現代消息與反饋控制的演變

服務器 , 反饋控制 , 企業管理 , 控制理論 , Nginx

收藏 評論

lizhuo6 頭像

oioihoii - VS Code 1.107 更新：多智能體協同與開發體驗升級

2025 年 12 月 10 日，微軟正式發佈了 VS Code 1.107 版本，這次更新堪稱年度最重磅！多智能體協同開發成為核心亮點，徹底重構了開發者與 AI 協作的模式。想象一下，你可以同時部署多個 AI 助手分工合作：一個負責代碼審查，一個處理單元測試，還有一個在後台默默重構 legacy 代碼——這不再是科幻場景！ 多智能體協同：開發效率的革命性突破 Agent

code , 懸停 , c++ , 後端開發 , 開發者 , c

收藏 評論

u_16099264 頭像

碼農小哥 - Snap 的哲學

目錄 1. 什麼是 Snap？ 2. Snap 的核心設計理念 3. Snap 的目錄與文件結構總覽 4. /snap 與 ~/snap：系統倉庫 vs 用户保險箱（原文擴展版） 5. 版本與通道（channels）機制 6. 沙箱與權限（Confinement）模型 7. 常用命令

舊版 , snap , 緩存 , 架構 , 回滾 , Css , 前端開發 , HTML

收藏 評論

u_14273 頭像

charlesc - 多層pcb-如何使用Altiumdesigner設計PCB多層板_51CTO博客

在項目名稱上右鍵點擊，在引處的菜單中選擇 Add new to Project\PCB,這樣，在當前的工程當中添加了一個新的PCB 文件PCB1.PcbDoc,在PCB 文件上右鍵點擊，在引出的菜單中選擇Save as 來改變PCB 文件名稱和保存路徑。 左鍵點擊Project\Complie PCB Project xxx..PrjPCB (xxx 是用户自己定義的工程名

編輯器 , 信號處理 , 信息與通信 , 嵌入式硬件 , fpga開發 , 前端開發 , Javascript

收藏 評論

u_16213668 頭像

mob64ca140caeb2 - Java整合EasyExcel

前言 在在線教育平台中，學習時長是衡量學生學習投入、評估課程效果、優化教學策略的核心數據指標。精準統計學生視頻學習時長並生成可視化報表，能幫助教師掌握學生學習動態、學校進行教學質量評估、學生了解自身學習進度。 作為一名深耕 Java 領域多年的技術開發者，我將通過這篇實戰博客，帶大家從零構建一套 “視頻學習時長統計 + 多維度報表生成” 的完

數據 , easyexcel , JAVA , Css , 報表 , 前端開發 , ide , HTML

收藏 評論

u_16827017 頭像

全棧技術開發者 - 支持向量機(SVM)是否適合大規模數據？這個大量數據是如何衡量的？分佈式SVM如何保持模型一致性？SVM在大規模數據下優化策略？

在過去二十餘年中，支持向量機（Support Vector Machine, SVM）一直是統計學習與模式識別領域的重要工具。其理論基礎源自結構風險最小化原則，結合幾何間隔最大化的優化目標，使得SVM在有限樣本條件下表現出優異的泛化能力。在文本分類、圖像識別、生物信息學等多種任務中，SVM憑藉穩健的訓練性質和嚴格的數學可解釋性，曾成為學術研究和工業應用的首選方法。 然而，隨

機器學習 , 核函數 , yyds乾貨盤點 , 數據 , 泛化 , 人工智能

收藏 評論