博客 RSS 訂閱

congweibiaobaidemalingshu 頭像

小白獅ww - 當視覺模型開始「懂你所指」：SAM3 的能力遠超你想象

如果你曾經想過：「我能不能只用一句話，讓電腦在視頻裏自動找出所有『紅色揹包』？」或者希望在一張照片裏隨手點一下，就完成乾淨利落的分割，那SAM3正是為這些需求準備的。 隨着圖像與視頻數據的爆炸式增長，傳統分割方法往往需要大量標註或只能識別固定類別，難以應對複雜開放場景。SAM3 則通過統一的多模態輸入方式——文本、示例與視覺提示——讓模型能主動理解你的意圖，並在圖像與視頻中執行高精度檢測、分

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

zhaoqianglaoshi 頭像

趙渝強老師 - 【趙渝強老師】TiDB的備份恢復策略

數據庫在運行過程中會出現各種故障，因此對數據庫進行必要的備份是非常重要的。有了數據庫的備份就可以在數據庫出現錯誤時保證數據的安全。因此TiDB數據庫提供了強大的數據庫備份與恢復機制。 基於Raft協議和合理的部署拓撲規劃，TiDB實現了集羣的高可用，當集羣中少數節點掛掉時，集羣依然能對外提供服務。在此基礎上，為了更進一步保證用户數據的安全，TiDB還提供了集羣的備份與恢復(Backup Rest

MySQL , 數據庫 , tidb

收藏 評論

lu952450497 頭像

lu952450497 - 離線數倉與實時數倉的應用場景與對比

數據倉庫的建設從傳統離線架構逐步演進到實時架構，是企業數字化能力成熟的重要階段。離線數倉強調批處理、週期加工、結構穩定和歷史追溯；實時數倉強調秒級至分鐘級數據更新、事件驅動和業務反饋閉環。兩者不是互斥關係，而是面向不同業務訴求的差異化建設方向。 一、離線數倉的特徵 核心特徵 離線數倉基於批處理思想： 每日/每小時調度任務產出數據 以 T+

批處理 , 大數據 , 數據 , 離線 , 數據倉庫

收藏 評論

cryptorzz 頭像

CryptoRzz - 對接印度股票市場數據 (India api) 實時k線圖表

1. 基礎參數配置 接口域名: https://api.stocktv.top 印度 Country ID: 14 主要交易所: NSE (National Stock Exchange), BSE (Bombay Stock Exchange) 認證方式: URL 參數 key=您的API密鑰 2. 核心接口流程 對接邏輯：先通過 列表接口 查詢印度股票的 PID（系統ID），再使

機器學習 , pytorch , chatgpt , openai

收藏 評論

u_16993624 頭像

長腿大壯 - JS 中 yield 關鍵詞的使用解析

JS 中 yield 關鍵詞的使用解析 在 JavaScript 異步編程和迭代器開發中，yield是一個極具特殊性的關鍵詞。它僅能在生成器函數（帶function*標識的函數）內部使用，核心作用是 “暫停” 生成器函數的執行，並向外返回一個值；當生成器通過next()方法繼續執行時，yield又能接收next()傳入的參數，作為自身的返回值。這種 “暫停 - 恢復” 的能力，讓yi

oracle , 數據 , 生成器 , 數據庫 , 迭代

收藏 評論

sevencoding 頭像

sevencoding - 十大經典排序算法

引言 所謂排序，就是使一串記錄，按照其中的某個或某些關鍵字的大小，遞增或遞減的排列起來的操作。排序算法，就是如何使得記錄按照要求排列的方法。排序算法在很多領域得到相當地重視，尤其是在大量數據的處理方面。一個優秀的算法可以節省大量的資源。在各個領域中考慮到數據的各種限制和規範，要得到一個符合實際的優秀算法，得經過大量的推理和分析。 簡介 排序算法可以分為： 內部排序：數據記錄在內存中進行排序。

後端

收藏 評論

congweibiaobaidemalingshu 頭像

小白獅ww - 32B 參數還能本地跑？Flux.2-dev 這次是真的把「大模型」玩明白了

過去的開源圖像模型有點像一櫃子分科工具：這一個負責生成，那一個負責編輯，想讓角色不崩還得再上個微調模型，流程又長又碎。而Flux.2-dev的出現就像突然給你塞了一把真正能幹活的 AI 瑞士軍刀——一句話能畫圖，一張圖能修改，幾張參考圖還能自動融合成統一風格，整套流程一個模型就走通了，再也不用東拼西湊。 更讓人驚訝的是，它明明有 32B 參數，卻因為量化和推理優化做得非常激進，居然能在 RT

算法 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 常見觸發器類型解析

“觸發器決定了數字電路的“節奏與記憶”。” 在數字系統中，觸發器（Flip-Flop）是構建時序邏輯電路的核心元件。它能夠存儲一個二進制狀態，並在時鐘或控制信號的作用下改變輸出。不同類型的觸發器在功能和用途上略有差異：有的僅在特定時鐘沿觸發狀態變化，有的支持置位、復位或翻轉操作。理解各種觸發器的特性，是掌握寄存器設計、計數器實現以及有限狀態機建模的基礎。 1、觸發器的基本概念觸發器是一種雙穩

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

yingyongwubideyumaoqiu 頭像

英勇無比的羽毛球 - 藍圖如何自動您的任務管理？

我們經常會遇到狀態相同的任務工作流程。重複的任務流程處理起來很繁瑣，對吧？因此，我們推出了任務自動化藍圖。藍圖是一款用於組織任務並根據您設計的工作流程和定義的條件自動執行任務的工具。 如何將任務與藍圖關聯？ 您可以在創建藍圖時設置條件，這樣，當您發佈藍圖時，滿足這些條件的任務就會與該藍圖關聯。例如，如果您使用項目名稱設置藍圖條件，那麼在該項目下創建的所有新任務都將與該藍圖關聯。 藍圖有哪些功

項目管理 , 項目管理軟件 , 任務管理器 , 任務管理

收藏 評論

secretflow 頭像

隱語SecretFlow - 如何在 Kuscia 上運行 SCQL 聯合分析任務

打開鏈接即可點亮社區Star，照亮技術的前進之路。 Github 地址：https://github.com/secretflow/kuscia 本教程將以 KusciaAPI 創建本地數據源作為示例，介紹如何在 Kuscia 上運行 SCQL 聯合分析任務。 準備節點 體驗部署請選擇快速入門。 生產部署請選擇多機部署。 本示例在點對點組網模式下完成。在中心化組網模式下，證書的配置會有所不

開源

收藏 評論

digitalocean 頭像

DigitalOcean - 卓普雲亮相曼谷Traffic Connect，與50+企業共話全球增長

​12 月 2 日，揚帆出海攜手 PhotonPay、卓普雲 AI Droplet 在泰國曼谷聯合舉辦了一場《Bangkok Traffic Connect-全球互聯網企業營銷交流晚宴》​，晚宴中，匯聚了​50+ 全球 ADX、網盟企業高管以及曼谷 AWA 參展企業高層​，在 2 小時中實現面對面的緊密交流，共探出海合作機遇。 本場晚宴上，揚帆出海 創始人CEO 劉武華、PhotonPay Sal

資訊 , 區塊鏈 , 人工智能 , 後端

收藏 評論

beishangdejianjidan_cqxuxf 頭像

悲傷的煎雞蛋_cQXuXF - 裁員為什麼先裁技術人員？網友一針見血！

最近逛職場社區的時候，刷到一個職場話題，老生常談了，但是每次參與討論的同學都好多。 這個問題問得比較扎心： “為什麼有些企業的裁員首先從技術人員開始？” 關於這個問題，網上有一個被討論很多的比喻： “房子都蓋起來了，還需要工人麼？” 有一説一，這個比喻雖然刺耳，但卻非常形象地揭示了某些企業的用人邏輯，尤其在某些非技術驅動型的公司裏。 在某些非技術驅動的公司（比如傳統企業轉型、或者業務模式成

人工智能 , 程序員 , 前端

收藏 評論

junxiudetuoba 頭像

伊伊DK - 拒絕同質化！從“源碼”到“原創”，構建有競爭力的代練平台？

在代練行業看似紅海的今天，真正成功的平台屈指可數。市場上充斥着大量基於同質化源碼搭建的“殭屍平台”——功能雷同、體驗相似、毫無特色。如果你決心不只是“又做一個代練平台”，而是要打造一個有真正競爭力的原創產品。 功能創新：在源碼基礎上做 “獨家增量” 源碼提供的是 “基礎功能骨架”，原創則是在骨架上添 “獨家血肉”—— 不用推翻源碼，而是圍繞核心痛點做 “微創新”，讓功能成為你的

php , 後端 , 前端

收藏 評論

wangzhongyang_go 頭像

王中陽講編程 - 分享一下最近的面試題

分享一下訓練營內部學員最近的面經，希望對大家有幫助。 1 供應鏈跨境電商二面 外包 自我介紹 詢問 一般來説 會從哪些方面去code review 空結構體用過嗎？什麼作用？為什麼會有這個作用? 詢問 你怎麼去設計一個10萬QPS的系統。（redis單飛是什麼） 多大的服務器 或者説怎麼配置一個服務器 能撐起10W的QPS Mysql 覆蓋索引、聯合索引的概念 唯一索引和二級索引（

go , 後端

收藏 評論

u_16175484 頭像

mob649e81607bf3 - CentOS上安裝Ollama

在本篇文章中，我將詳細記錄如何在CentOS上安裝Ollama的過程。Ollama是一個開源、強大的命令行工具，廣泛用於優化和管理工作流。以下是操作步驟的詳細講解，涵蓋環境準備、分步指南、配置詳解、驗證測試、排錯指南及擴展應用。 環境準備 在開始安裝之前，首先需要確保系統滿足Ollama的運行環境，並且安裝必要的前置依賴。 # 更新系統包 sudo yum update -y

bash , aigc , Docker

收藏 評論

alixitongruanjianjishu 頭像

阿里云云原生 - UModel 查詢：馴服“可觀測性混亂”，阿里雲的圖模型建模利器！

點擊此處，立即查看視頻課程！ 背景 想象一下，你站在一個巨大的圖書館裏，這裏有成千上萬本書，但每本書的目錄都散落在不同的房間裏，而且每間房間的索引方式都不一樣。當你想要找一本關於“服務調用”的書時，你需要在 APM 房間、K8s 房間、雲資源房間之間來回奔波，還要記住每個房間不同的查找規則... 這就是很多企業在可觀測性領域面臨的真實困境。而 UModel 就像是為這個混亂的圖書館建立了一套統一的

阿里雲 , 雲原生

收藏 評論

u_16213370 頭像

mob64ca12e1c36d - 基於Stable Diffusion擴散底層策略任務生成和自優化模型

在討論“基於Stable Diffusion擴散底層策略任務生成和自優化模型”時，我們首先要理解這個系統在處理怎樣的任務。在實際應用中，我們常常會面臨各種挑戰，比如生成效果不理想、模型訓練不充分等。為了更好地解決這些問題，我們的目的是在深挖問題背景的基礎上，逐步找到根本原因與解決方案。 用户場景還原 我們在一個公司中應用Stable Diffusion模型，主要用於生成高質量的圖

參數設置 , 數據 , aigc , 解決方案

收藏 評論

u_16213338 頭像

mob64ca12d9b014 - windows ollama gpu啓動

在使用 Windows 操作系統時，許多開發者可能會遇到“windows ollama gpu啓動”相關的問題，這通常涉及到 GPU 加速的配置和優化。為了幫助大家順利啓動 Ollama 並利用其 GPU 功能，我將整個過程分解為幾個關鍵步驟：環境準備、集成步驟、配置詳解、實戰應用、排錯指南以及生態擴展。 環境準備 在開始配置之前，我們首先需要確保安裝了 Ollama 運行所需的

User , aigc , CUDA , Python

收藏 評論

wangzhongyang_go 頭像

王中陽講編程 - 現在AI應用開發崗都有哪些招聘要求？

Boss直聘AI應用開發崗招聘要求分析 我們抓取了Boss直聘上AI應用開發崗的招聘要求，現將總結提煉後的內容分析呈現如下： 一、崗位職責（15條關鍵要點） 負責 AI 應用（含大模型 / LLM）前後端開發，涵蓋模型集成、用户界面設計等。 設計、開發和維護 AI 智能 Agent 系統，包含 RAG、Prompt、記憶 / 規劃模塊等。 大模型應用落地，涉及智能客服、知識庫問答、專業報告

人工智能

收藏 評論

yangy5hqv 頭像

夢想雲圖網頁CAD - AI+網頁CAD實現文生CAD圖紙（web cad sdk)

一、項目概述 本章節將探討AI技術與在線CAD相結合，能否打造一個能讓CAD"聽懂人話"的智能助手。 核心價值：告別繁瑣的手動繪圖，用自然語言就能完成CAD設計。無論是建築工程師、機械設計師，還是CAD開發者，都能通過AI大幅提升工作效率。 二、為什麼選擇MxCAD來做CAD智能系統？ 1. 原子化API - AI時代的CAD開發利器 傳統CAD軟件的問題是：你只能用它給你的功能，比如"畫直

node.js , typescript , html5 , Javascript

收藏 評論

u_16213329 頭像

mob64ca12d78ba3 - copilot 自動生產測試案例

在現代軟件開發中，自動化測試扮演着至關重要的角色。尤其是在使用像Copilot這樣的智能工具來生成測試案例時，如何有效地解決“copilot 自動生產測試案例”問題，成為了技術團隊必須面對的挑戰。以下是我們在這一過程中所採取的步驟和決策的詳細記錄。 業務場景分析 隨着業務的不斷髮展，產品功能變得越來越複雜，手動編寫測試用例的效率大大降低。自動化測試的需求逐漸浮出水面。同時，團隊希

測試用例 , 自動生成 , aigc , 自動化測試

收藏 評論

yingjundeshubiao 頭像

英俊的鼠標 - PyTorch深度學習開發醫學影像端到端判別項目完結無密

PyTorch深度學習開發醫學影像端到端判別項目完結無密這個標題太有分量了👇🏻ke🍊：xingkeit點top/9070/！“無密分享”和“完結”這兩個詞，直接定義了這篇文章的價值——它不是一份普通的項目總結，而是一份為後來者照亮前路的實戰地圖。 從“深度學習醫療落地”這個宏大命題出發，這篇文章可以聚焦於連接“算法模型”與“臨牀價值”之間的那條最關鍵、也最崎嶇的路。 跨越“技術-醫學”鴻

觀點 , pytorch , 深度學習

收藏 評論

ziwupython 頭像

子午 - 【垃圾識別系統】Python+TensorFlow+Vue3+Django+人工智能+深度學習+卷積網絡+resnet50算法

一、介紹 垃圾識別系統，基於TensorFlow搭建卷積神經網絡算法，通過對10種常見的垃圾圖片數據集（'剩飯剩菜', '塑料', '乾電池', '舊衣服', '玻璃', '紙張', '紙板', '金屬', '陶瓷器皿', '鞋'）進行訓練，最後得到一個識別精度較高的模型，然後搭建Web可視化操作平台。 前端: Vue3、Element Plus 後端：Django 算法：TensorFlow、卷

圖像識別 , 人工智能 , 深度學習 , Python

收藏 評論

u_16175479 頭像

mob649e815f494b - stable diffusion python 源更新

在使用Stable Diffusion的過程中，更新Python源的問題時常出現，可能導致依賴問題和運行故障。為了能夠有效地備份、恢復、應對災難場景、實現工具鏈集成、驗證與預防問題，我將以下內容進行總結歸納。 首先，在備份策略方面，我們需要通過思維導圖來展示數據備份的內容，以及我們所使用的存儲架構。同時，為了體現出存儲介質的優缺點，我們也可以使用表格進行比較。 mindmap

User , 數據 , aigc , ci

收藏 評論