博客 RSS 訂閱

u_16213593 頭像

mob64ca13faa4e6 - 企業版web文件服務器,WEB架構之DNS-構建企業級DNS（03）

在當今複雜的網絡環境中，DNS管理已成為企業IT基礎設施的關鍵環節。PowerDNS-Admin作為一款功能強大的PowerDNS Web管理界面，為DNS管理帶來了革命性的改變。這款DNS管理工具能夠智能識別多種DNS架構模式，提供完整的Web面板解決方案，讓DNS配置變得前所未有的簡單高效。 🎯 核心價值：重新定義DNS管理體驗 PowerDNS-Adm

API , dns , 後端開發 , Python , Web

收藏 評論

u_16213656 頭像

mob64ca1409d8ea - 前端html實現在線預覽word、excel、pdf等文件的功能 - 個人文章

目錄 📚 解決方案概覽 1. docx-preview 使用 Vue 2 實現 docx-preview 預覽 注意事項 2. Mammoth.js 3. docxtemplater 4. WebODF 5. OnlyOffice Web Viewer 6.

word , google , Vue , 後端開發 , 前端 , Python , Web

收藏 評論

u_14987 頭像

attitude - 向量數據庫技術全景對比：從架構到實踐的深度解析

在生成式AI與多模態技術爆發的背景下，向量數據庫已從AI基礎設施的"輔助組件"升級為核心支撐。其本質是通過數學向量形態承載非結構化數據的特徵信息，實現高效相似性檢索，解決傳統數據庫無法應對的"找相似"需求。當前市場中的向量數據庫呈現多元化發展，既有專注向量場景的專業產品，也有傳統數據庫的向量擴展方案，還有面向特定場景的輕量級工具。本文將從技術架構、核心算法、性能指標、生態集成四大

數據 , 架構 , 數據庫 , 後端開發 , 企業級 , Python

收藏 評論

u_16099315 頭像

編程藝術之光 - 點雲配準文獻閲讀與簡單實現

一、文獻總結概述 1. 簡介 這篇論文研究的是 LiDAR 點雲配準（registration）中，當環境幾何結構不良（geometry‑poor／degenerate）的情況下，傳統配準方法（如 Iterative Closest Point, ICP）經常“失靈”：不收斂、或收斂到錯誤對齊／錯誤 pose。 作者系統地調查並比較了多種“退化 (d

SVD分解 , SLAM , 機器人 , 後端開發 , 點雲配準 , 點雲配準退化檢測 , harmonyos

收藏 評論

u_16213664 頭像

mob64ca140bbb8b - Web前端面試指導(三十四)：如何實現瀏覽器內多個標籤頁之間的通信?

第一章 前言 在前端後台管理開發的過程中，我們常常會遇到這樣的需求：用户在瀏覽器中打開了同一個網站的多個標籤頁，我們需要在這些標籤頁之間進行通信。比如，當用户在一個標籤頁中修改了某些數據，我們希望其他標籤頁能夠及時更新。這種跨標籤頁通信的需求在實際開發中非常常見，但是同時也是經常忽略的一個點，通常説刷一下之後就好了，不用那麼麻煩。但是小編為了解決這

性能優化 , Vue , 後端開發 , 跨標籤通信 , harmonyos , 前端 , Javascript

收藏 評論

u_16213707 頭像

mob64ca1415f0ab - 向量搜索 產品調研報告 jina AI 以及milvus

一、實戰核心目標 掌握混合數據類型（標量+向量）集合的創建方法 實現結構化+非結構化數據的批量插入 精通帶過濾條件的向量混合查詢（核心重點） 理解Milvus Search語法核心參數與使用場景 驗證向量搜索端到端流程，適配RAG系統落地需求 二、Search語法深度解析 Milvus的Search接口是向量查詢

milvus , 字段 , 零基礎 , 標量 , 後端開發 , 人工智能 , harmonyos

收藏 評論

u_16213604 頭像

mob64ca13fd559d - CVPR 2021 | 論文大盤點：3D目標檢測_

論文名字：UniMODE: Unified Monocular 3D Object Detection 地址：https://arxiv.org/abs/2402.18573v1 主要內容 1、針對多種數據集的處理 實驗基於六種數據集進行，每個都是不用的檢測範圍，如圖3室內和室外的範圍.也有不同的類

數據集 , Domain , 3d , 後端開發 , 人工智能 , 目標檢測 , Python

收藏 評論

u_16213718 頭像

mob64ca1418aeab - STM32的ADC實驗

一、實驗現象 系統上電後先進行3秒延時，然後進入主循環持續採集ADC1的模擬信號。程序將12位ADC原始值轉換為0.000V-3.300V的實際電壓值顯示為第一個數據，同時將電壓值乘以0.3係數計算得到第二個數據。 二、示例代碼 1. ADC初始化 /** * @brief ADC1初始化函數（內部温度傳感器）

温度傳感器 , 初始化 , 單片機 , stm32 , 後端開發 , 錯誤處理 , Python

收藏 評論

u_16099263 頭像

IT狼人9號 - Lua性能優化技巧（一）：前言_Lua

🚀 作為一名遊戲開發者，你是否曾經為配置表生成速度過慢而煩惱？Luban作為一款強大、易用、優雅且穩定的遊戲配置解決方案，通過一系列巧妙的性能優化技巧，能夠將配置生成速度提升10倍以上！本文將為你揭秘這些實用的Luban性能優化策略，幫助你在項目開發中大幅提升工作效率。 🔥 為什麼需要性能優化？ 在遊戲開發過程中，配置表是必不可少的部分。隨着項目規模擴大，

性能優化 , 後端開發 , 並行處理 , 數據加載 , Python

收藏 評論

u_16213725 頭像

mob64ca141a683a - 基於pytorch搭建AlexNet神經網絡用於花類識別

0 前言 經常會有同學問我在學習了python和torch之後，該繼續學習啥，我都是説，不用再去接着學習理論，直接上CNN的代碼開始跑就可以，比如貓狗分類的代碼，或者花朵分類的模型。 但是網上的代碼怎麼説呢......能夠直接拿來用的很少，經常需要自己調試，這次我給大家都調試好了，大家直接下載就可以了，點擊run就能跑！這個

算法 , 分類 , pytorch , 後端開發 , 人工智能 , 深度學習 , Python

收藏 評論

u_14120 頭像

温柔一刀 - 岩石三軸試驗機岩石力學性能測試系統

Itasca PFC6.03D 土石混合體柔性三軸試驗 控制孔隙比、含石量、按級配生成試樣(clump模擬塊石)，有一説一，三維土石混合體制樣還挺麻煩 柔性三軸的體應變也可監測 最近在折騰Itasca PFC6.03D做土石混合體柔性三軸試驗，發現這玩意兒的水比想象中深得多。特別是三維試樣製備環節，簡直能把人逼瘋——孔隙比、含石量、顆粒級配三個變量

視覺檢測 , 生成策略 , 加載 , 後端開發 , 迭代 , harmonyos

收藏 評論

u_16213673 頭像

mob64ca140dc73b - JavaWeb——使用DBUtils實現數據庫的增刪改查操作

一、項目結構搭建（MVC 分層） 在 IDEA 中創建 Web 項目，建立以下目錄結構： 項目名 ├─ src/main/java │ ├─ com.xxx.entity // Model層：實體類 │ ├─ com.xxx.dao // Model層：數據訪問接口 │ ├─ com.xxx.da

數據 , hive , 數據倉庫 , hadoop , xml , 後端開發 , Python

收藏 評論

u_16213715 頭像

mob64ca1417eedd - GScoolink GSV2201 TypeC/DP to HDMI2.0

Gscoolink GSV2712 是一款集成 RISC-V 微控制器的高性能 2 進 1 出 HDMI 2.0/DisplayPort 1.4 混合切換芯片，通過硬件架構優化和協議集成，可廣泛應用於多設備音視頻切換與信號處理場景。以下是其核心應用場景與技術適配性分析： 一、多設備輸入的顯示終端 典型場景：電視、顯示器、條形音響

音視頻 , 計算機外設 , 單片機 , 後端開發 , 嵌入式硬件 , ide , Python

收藏 評論

u_16099248 頭像

mob6454cc6d3e23 - [BEV] 學習筆記之Lift, Splat, Shoot

一、引言 在自動駕駛領域，感知系統的核心目標是從多傳感器數據中提取語義信息，並將其融合到統一的 “鳥瞰圖（Bird's-Eye-View, BEV）” 座標系中，為後續的運動規劃模塊提供決策依據。傳統計算機視覺算法要麼輸出與座標系無關的分類結果，要麼在輸入圖像的同一座標系中進行預測（如目標檢測、語義分割等），這與自動駕駛中 “多傳感器輸入 - 統一

自動駕駛 , 純視覺BEV感知 , BEV 語義分割 , 前端開發 , 數據驅動 , 可解釋的端到端軌跡規劃 , Javascript

收藏 評論

u_16099358 頭像

月光傾城美 - 人工智能 - 【國產MCU移植】手把手教你製作國產MCU的BSP-

在智能家居、工業控制及便攜設備領域，語音交互正成為人機界面的重要發展方向。針對離線語音識別需求，基於國產32位MCU的解決方案日益成熟，其中以CH32V307等為代表的32位MCU芯片，憑藉高集成度與專用優化，為嵌入式設備提供了可靠、低成本的語音識別選擇。 該語音識別方案依託CH32V307國產32位MCU，採用RISC-V內核並支持RVV1.0向

32位MCU , 單片機 , 後端開發 , 嵌入式硬件 , harmonyos , 語音識別

收藏 評論

u_16099226 頭像

雲端夢想實現家 - ELK 5.x 搭建大規模日誌實時處理系統

快速體驗 打開 InsCode(快馬)平台 輸入框內輸入如下內容： 開發一個物聯網設備日誌監控原型系統，要求：1. 模擬10個物聯網設備持續生成JSON格式日誌 2. 使用Filebeat收集日誌 3. Logstash解析設備數據 4. Elasticsearch建立時間序列索引 5. Kibana展示設

物聯網 , 後端開發 , Docker , Json , Python

收藏 評論

u_16213703 頭像

mob64ca14150f43 - 【wxWidgets 教程】安裝、配置、HelloWorld篇（一）_Xiao

一、創建示例項目 （一）項目結構 創建工程目錄simple，及示例代碼如下： （二）源代碼 1. 頭文件 #includewx/wxprec.h #ifndef WX_PRECOMP #includewx/wx.h #endif class MyApp : public wxAppConsole{ public:

gui , cmake , c++ , wxWidgets , Css , 前端開發 , HTML , VScode

收藏 評論

u_14731 頭像

killads - 利用Python 練習數據挖掘

Python LinkedIn API是一個功能強大的Python客户端庫，專門用於與LinkedIn V2 API進行無縫交互。無論您是想要獲取用户信息、分析職業網絡、還是構建招聘自動化工具，這個庫都能為您提供簡單易用的接口。 🔑 快速入門：三步完成身份驗證 第一步：獲取開發者憑證 在LinkedIn開發者平台註冊應用後，您將獲得A

數據 , API , 後端開發 , harmonyos , Python

收藏 評論

u_16213698 頭像

mob64ca1413c518 - 使用Apache POI導出Excel數據有BUG

OpenJDK 比JDK缺少AWT組件部分功能 Apache POI 中使用SXSSFWorkbook出現Excel導出失敗的異常。 問題堆棧 java.lang.NullPointerException: null at sun.awt.FontConfiguration.getVersion(FontConfiguration.ja

服務器 , 後端開發 , JAVA , apache , Python

收藏 評論

u_16213595 頭像

mob64ca13fb1f2e - iOS中使用Fastlane實現自動化打包和發佈_IOS

在現代移動開發中，Fastlane 已經是 iOS 自動化的代名詞：打包、簽名、發佈、通知……幾乎所有重複動作都能被腳本化。 然而在真實團隊中，下面這件事情依舊普遍存在： Fastlane 只能在 macOS 上運行，最後的“上傳 IPA”步驟仍然被綁定在 Mac 上。 對於跨平台項目（如 uni-app、Flutter、RN、H5

小程序 , 運維 , uni-app , 自動化 , 後端開發 , ios , harmonyos

收藏 評論

u_16213622 頭像

mob64ca1401b651 - 如何管理Spark Streaming消費Kafka的偏移量（二） - 九劫散仙的個人空間 -

在Kafka中，消費者的偏移量（offset）是指消費者在消費消息時所讀取的消息的位置。Kafka提供了幾種方式來管理消費者的偏移量，主要包括以下幾種： 1.自動提交偏移量（Auto Offset Commit） Kafka允許消費者自動提交其偏移量。在消費者從Kafka拉取消息時，Kafka會自動提交消費的最新偏移量，確保消費者從最新的消費位置繼續讀取消息

偏移量 , 重置 , 外部存儲 , 分佈式 , kafka , 前端開發 , Javascript

收藏 評論

u_12830878 頭像

mb58f33267314e7 - 從只會用文心一言寫文案，到它成為我的成長搭子

初次接觸文心一言時，我對它的認知僅限於“文案工具”。那時剛入職場做新媒體，面對每週三篇的推文任務，常常對着空白文檔發呆。抱着試試看的心態，我把“撰寫一篇關於職場高效溝通的推文”丟給它，憑藉其背後的ERNIE大模型能力，幾分鐘後生成的初稿雖略顯生硬，卻幫我打開了思路。此後很長一段時間，文心一言都是我的“文案代筆”，我負責提需求、做修改，它負責輸出基礎框架，大大緩解了我的工作壓力。

信息檢索 , 文心一言 , 數據 , aigc , 數據分析

收藏 評論

20214843 頭像

龐然大悟 - 智慧家居的 “隱形管家”：AI 如何讓家電聽懂你的話並預判需求

清晨被陽光喚醒時，咖啡機已煮好温度剛好的美式；下班路上語音指令“回家模式”，玄關燈自動亮起、空調調至26℃、空氣淨化器開始運行；睡前説一句“晚安”，全屋燈光漸暗、門窗自動檢查上鎖……如今，這樣的場景早已不是科幻電影片段，而是AI賦能下智慧家居的日常。AI正以“隱形管家”的身份，讓家電不僅能聽懂指令，更能預判需求，重構我們與家居空間的相處模式。 語音交互的進化，是AI讓家電“

輸入模式 , 數據 , AI寫作 , aigc , 常用指令

收藏 評論

u_17580222 頭像

mb691327edb400f - 不懂AI的招聘官，正在被時代淘汰

不懂AI的招聘官，正在被時代淘汰 根據Deloitte《HR Reimagined: Agentic AI for HR》研究，60%以上的HR正在通過智能體AI優化全流程，16項核心HR能力與67個具體活動正在被AI重新定義。從招聘到績效管理，從員工體驗到流程優化，AI正從輔助工具升級為HR戰略的核心執行引擎。 然而現實是：傳統招聘仍存在三大痛點——篩選簡歷耗時長、

執行引擎 , 沉浸式 , 人工智能 , 輔助工具 , 深度學習

收藏 評論