博客 RSS 訂閱

u_16213567 頭像

數碼墨魚 - Memory Analyzer Tool 線程分析插件

Java為我們提供了三個同步工具類： CountDownLatch(閉鎖) CyclicBarrier(柵欄) Semaphore(信號量) 這幾個工具類其實説白了就是為了能夠更好控制線程之間的通訊問題。 一、CountDownLatch 1.1CountDownLatch簡介 CountDownLatch是一個同步

機器學習 , 使用説明 , 信號量 , 人工智能 , 工具類

收藏 評論

u_17467352 頭像

mb686fbcc4efbd6 - 管道焊縫質量好壞檢測數據集VOC+YOLO格式1134張2類別

數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：1134 標註數量(xml文件個數)：1134 標註數量(txt文件個數)：1134 標註類別數：2 所在倉庫：firc-dataset 標註類別名稱(注意yol

數據集 , 後端開發 , JAVA , txt文件 , xml文件

收藏 評論

u_16099211 頭像

笑傲江湖求敗 - fastrcnn權重

算法發展： R-CNN：把2000個建議框，分別送入網絡 Fast-RCNN：把圖片送入網絡中，再把2000個建議框映射到網絡訓練出來的feature map上 Faster-RCNN：利用RPN選取300建議框，加入ROI層，ROI pooling層能實現訓練和測試的顯著加速，並提高檢測的正確率。 算法框架:

機器學習 , fastrcnn權重 , 寬高 , 人工智能 , ios , ide

收藏 評論

u_14306318 頭像

咚咚王哲 - 人工智能之數據分析 Pandas：第一章 簡介和安裝

人工智能之數據分析 Matplotlib 第一章 簡介和安裝 (文章目錄) 前言 Pandas 是一個強大的 Python 數據分析和處理庫，廣泛用於數據清洗、探索、操作和分析。它建立在 NumPy 之上，提供了高效、靈活且易於使用的數據結構，特別適合處理結構化（表格型）數據。 📌 Pandas 的核心數據結構

數據結構 , 人工智能 , pandas , 數據分析 , 深度學習

收藏 評論

u_16213669 頭像

mob64ca140ce312 - QSharedMemory 共享數據

　　Qt提供了一種安全的共享內存的實現QSharedMemory，以便在多線程和多進程編程中安全的使用。 　　先説下實現共享內存的步驟，然後用一具體的實例説明。 　　（一）向共享內存中提供數據的一方： 　　1，定義QSharedMemory shareMemory,並設置標誌名shareMemory.setKey()，例如shareMemory.setK

機器學習 , 共享內存 , QSharedMemory 共享數據 , 數據 , 人工智能 , memory

收藏 評論

u_16213703 頭像

mob64ca14150f43 - apk jquery onclick事件不生效

今天碰見的這個問題並沒有從源頭上把它理解,只是通過一個變通的方式解決了這個bug… !-- 這是之前用到的a標籤,在onclick事件中給方法傳入了兩個參數,並沒有什麼問題,以下稱為A -- a href="javascript:void()" onclick="alertErrorMsg(${declareNumber},${aaa})

錯誤信息 , a標籤 , jquery , 前端開發 , Javascript , Json

收藏 評論

u_16099264 頭像

碼農小哥 - jquery整合acejs編輯器

access : 多功能值操作（內部） access方法可以使set/get方法在一個函數中體現。比如我們常用的css,attr都是調用了access方法。 css的使用方法： $(selector).css(key) //get $(selector).css(key,valye) //set $(selector).css({key1:

字符串 , jquery整合acejs編輯器 , Css , jquery , 前端開發

收藏 評論

u_87634 頭像

新新人類 - 【進程間通信】Unix domain socket （進程間通信）_51CTO博客

在分佈式系統和微服務架構中，進程間通信（IPC）是核心基礎組件。今天我們將深入探討 Unix Domain Socket（UDS）——一種高效、可靠的本地進程通信方案，並分享一個完整的 C++ 實現。 什麼是 Unix Domain Socket？ Unix Domain Socket 是一種在同一台主機上的進程間進行數據交換的通信機制。與網

服務器 , Domain , unix , server , 分佈式

收藏 評論

u_16213603 頭像

mob64ca13fd163c - 基於ROS 2 Galactic Geochelone（銀河系象龜）開發機器人

在 Ubuntu 系統下將 ROS2 的 apt 存儲庫添加到系統中並授權 GPG 密鑰，是安裝 ROS2 的關鍵第一步。下面我為你梳理了詳細步驟和注意事項。 添加存儲庫與授權密鑰 1.確保語言環境支持UTF-8：首先，請確保你的系統語言環境支持 UTF-8。你可以通過以下命令檢查和設置 locale # 檢查當前設置 su

github , 大數據 , hive , ROS2 , Ubuntu

收藏 評論

u_16213584 頭像

mob64ca13f87273 - 黑馬程序員——Flume-分佈式日誌收集系統 - ThinkingBing的個人空間 -

Fathom Lite日誌聚合架構：分佈式 在當今數據驅動的時代，網站分析對於瞭解用户行為、優化網站性能至關重要。然而，傳統的集中式日誌聚合方案往往面臨着數據處理延遲、隱私泄露風險以及擴展性不足等問題。Fathom Lite作為一款注重隱私的網站分析工具，其日誌聚合架構採用了分佈式設計，有效解決了這些痛點。本文將深入剖析Fathom Lite的日誌聚合架構，

sed , 服務器 , 數據 , 數據存儲 , 分佈式

收藏 評論

zhuxianzhong 頭像

googlingman - Premiere使用比較視圖實現兩素材片斷風格一致

在 Adobe Premiere Pro 2021 中，利用【比較視圖】（Comparison View）實現兩個素材片段的風格一致，核心是通過 “參考幀”（目標風格片段）與 “當前幀”（待調整片段）的直觀對比，精準匹配顏色、光影等視覺屬性，最終讓片段風格統一。以下是詳細操作步驟，結合功能原理和實操技巧展開： 一、前期準備：明確核心概念與前提條件 在操作前需理

音視頻 , 風格一致 , Premiere , 比較視圖 , 參考幀

收藏 評論

u_16213657 頭像

mob64ca140a1f7c - Spark指南——第二章：SparkCore——RDD編程（2）

概述 從高層次來看，每個 Spark 應用程序都包含一個驅動程序，該程序運行用户的主函數並在集羣上執行各種並行操作。Spark 提供的核心抽象是彈性分佈式數據集（RDD），即一種分佈在集羣節點間的元素集合，可被並行操作。RDD 可通過以下方式創建：從 Hadoop 文件系統（或任何其他 Hadoop 支持的文件系統）中的文件起步，或基於驅動程序中的

spark , 大數據 , 分佈式 , Python

收藏 評論

u_16213614 頭像

mob64ca13ffd0f1 - nodejs之express中間件

引言 Node.js 是一個基於 Chrome V8 引擎的 JavaScript 運行時，常用於構建服務器端應用。Express 是一個基於 Node.js 的 web 應用框架，它簡化了許多常見的任務，如路由和中間件管理。本文將介紹 Node.js 中的中間件機制以及如何在 Express 中使用中間件。 Node.js 中間件機制

express , 中間件 , node.js , 前端開發

收藏 評論

u_16099328 頭像

墨染青絲 - Redux複雜應用（一）：淺談狀態管理_weixin

告別Redux複雜性：Nodeclub輕量級前端狀態管理3步落地指南 你還在為社區系統的前端狀態管理頭疼嗎？每次修改都要層層傳遞數據？表單狀態總是不同步？本文將帶你用Nodeclub現有工具鏈實現輕量級狀態管理，無需引入重型框架，3步解決90%的狀態問題。讀完你將掌握：全局狀態設計模式、本地存儲最佳實踐、事件驅動通信方案，讓前端狀態管理像搭積木一樣簡單。

全局變量 , 本地存儲 , 前端開發 , Javascript

收藏 評論

u_14480405 頭像

李國營的博客 - Odoo中qweb報表如何展示單據明細行圖片和pdf文件

在報銷、費用單等業務裏，明細行常常會掛一個「發票附件」字段： 有時候是圖片（JPG/PNG 等）； 有時候是PDF，而且可能還是多頁 PDF。 在 QWeb 報表裏，我們通常希望： HTML預覽裏能直接看到發票； 導出 PDF 報表時，每一頁 PDF 的每一頁發票能清晰、單獨地展示； 最好一套代碼同時支持「單張

字段 , 文件名 , 後端開發 , Image , Python

收藏 評論

u_16099229 頭像

架構設計師之光 - Knockout 組件資源清理和內存管理_hongweigg的博客-博客

Knockout.js與Web Workers內存限制：處理內存限制問題 你是否曾遇到過這樣的情況：使用Knockout.js構建的複雜單頁應用在處理大量數據時，頁面變得卡頓甚至崩潰？這很可能是因為JavaScript主線程被數據處理任務阻塞，同時受到瀏覽器內存限制的影響。本文將介紹如何利用Web Workers解決Knockout.js應

數據 , Knockout , 前端開發 , Javascript , Web

收藏 評論

u_17061379 頭像

AI編程社區 - Java 後端開發工程師使用 Qoder 實現面向 API 的運維平台前端開發

作為一名Java後端開發工程師，我的核心工作聚焦於企業級應用的架構設計與業務邏輯實現，程序開發的技術棧，主要是圍繞Java後端開發。工作的內容主要集中在根據產品需求編寫複雜的業務邏輯代碼，並通過DB、MQ等中間件管理業務數據。通過Web API接口將業務集成，通過阿里雲控制枱或終端設備進行接口調用，構建標準化的對外服務接口，支撐前端應用與外部系統的無縫集成。 從技術層面和業

機器學習 , API , 人工智能 , 開發者 , 迭代

收藏 評論

u_16054295 頭像

百能雲芯 - 電子元器件行業的重大動態┃百能雲芯

　Nexperia（安世半導體）危機催化國產替代，百能雲芯助力供應鏈無縫切換 安世半導體危機持續發酵，儘管其中國公司已恢復以人民幣結算的有限出貨，但由於對元件真實性的顧慮，OEM廠商已不再接受10月10日後生產的元件。這直接引發了全球範圍內的替代需求。百能雲芯作為深耕電子元器件供應鏈的平台，正積極聯動捷捷微電、揚傑科技等國內廠商，為客户提供精準對標安世產品的國產替代方案，涵

機器學習 , 存儲芯片 , 人工智能 , 百能雲芯 , 安世半導體

收藏 評論

JavaEdge 頭像

JavaEdge - 推出 Google Antigravity —— AI 輔助軟件開發的新紀元

每一次編程智能模型的進步，都讓我們重新思考開發應當如何進行。如今的集成開發環境（IDE），已與幾年前的版本截然不同。我們的最先進模型 Gemini 3 標誌着“智能體式編程”（agentic coding）的重大跨越，也促使我們思考 IDE 的下一個躍遷應當是什麼樣。 今天，我們正式推出 Google Antigravity —— 全新的智能體開發平台。它的核心仍然是一個由

yyds乾貨盤點 , google , 人工智能 , 深度學習 , 代碼補全 , 開發者

收藏 評論

u_13778063 頭像

u_13778063 - AgentScope 擁抱函數計算 FC，為 Agent 應用提供 Serverless 運行底座

作者：靖蘇 在 AI Agent 應用加速落地的今天，開發者和企業普遍面臨三大核心痛點：部署成本高、運維複雜度高、資源利用率低。為應對這些挑戰，AI Agent 與雲原生、Serverless 架構的深度融合正成為行業新趨勢。我們很高興地宣佈，AgentScope 正式集成基於阿里雲函數計算（Function Compute, FC）的全新 Serverless 運行時，為

agent , 雲計算 , 運維 , 雲服務 , 開發者 , serverless

收藏 評論

u_16213630 頭像

mob64ca14038b36 - MotionLayout 基礎篇

MotionLayout使用指南 在傳統Android開發中，創建流暢的交互式動畫往往需要組合使用屬性動畫、TransitionManager或CoordinatorLayout等多種技術，代碼量大且維護困難。Google在ConstraintLayout 2.0中推出的MotionLayout成功解決了這一痛點，它將佈局容器與動畫描述分

關鍵幀 , xml , Android , XSL , 前端開發

收藏 評論

u_17061379 頭像

AI編程社區 - 全球首個支持記憶感知的 Qoder JetBrains 插件正式上線

今天，備受期待的Qoder 插件已在 JetBrains 全家桶IDE（包括IntelliJ IDEA、PyCharm、WebStorm等）官方市場全面上線，開發者可以在熟悉的 IDE 中直接使用 Qoder Agent 能力進行編碼工作，無需切換環境，為開發者帶來高效、流暢的編碼體驗。 Qoder JetBrains插件集成全球頂尖的編程模型，是業

機器學習 , 重啓 , 人工智能 , 記憶感知 , 開發者 , 代碼規範

收藏 評論

u_16018702 頭像

架構師李哲 - 16k數據撬動300億大模型！用Qwen3-VL打造了一位“頂尖放射科醫生”

僅用1.6萬張醫學影像，我們讓大模型學會了“看片子”。 患者提問：“請使用中文詳細描述這張圖像並給出你的診斷結果。” 這是微調前模型的回答。雖然能夠識別出基本病變，但其分析存在明顯不足，描述過於簡略，僅關注單一病灶而忽略了圖像中實際存在的雙肺多發性結節，且診斷結論過於武斷，直接定性為"良性腫瘤"，缺乏嚴謹的鑑別診斷思

數據集 , 數據 , 人工智能 , 深度學習 , Json

收藏 評論