博客 RSS 訂閱

u_16099328 頭像

墨染青絲 - 百度外賣 陳霖 - 高速發展業務的架構應對實踐.pdf

實戰內容 完成用户端歷史訂單模塊、商家端訂單管理模塊相關業務新功能開發和已有功能優化，具體任務列表如下： 新功能開發 用户端歷史訂單模塊： * 查詢歷史訂單 * 查詢訂單詳情 * 取消訂單 * 再來一單 商家端訂單管理模塊： * 訂單搜索

API , 架構 , JAVA , Css , SQL , 蒼穹外賣 , 前端開發 , HTML

收藏 評論

u_16099211 頭像

笑傲江湖求敗 - PHP5 面向對象（學習記錄）_php技巧

接口 接口使用interface關鍵字來定義，接口裏面只能寫沒有具體邏輯的方法(這與抽象類不同，抽象類裏還可以定義屬性，接口是不可以定義屬性的)。你可以把接口這樣理解：接口表示某些類具有的共同行為，即某些類都能做什麼；抽象類表示某些類都是什麼類，都屬於什麼類。看下面的接口定義，例如： ?php interface Icreature

抽象類 , php , Android , JAVA , Css , 前端開發 , HTML

收藏 評論

u_16175526 頭像

mob649e816aeef7 - linux安裝ollama模型

在這篇博文中，我將分享在 Linux 系統上安裝 Ollama 模型的詳細步驟。Ollama 是一個優秀的機器學習框架，提供了易於使用的 API 和強大的功能。下面的內容將涵蓋從環境準備到排錯指南的各個方面。 環境準備 在開始之前，我們需要確保硬件和軟件環境的準備。以下是所需的最小配置： 軟硬件要求： 操作系統：Ubuntu 20.04 或更高版本 內存：至

軟件安裝 , aigc , Git , Python

收藏 評論

u_16099273 頭像

技術博主 - podman

以下是一份為 Fedora Workstation 42 用户量身定製的、系統性、綜合性、實戰導向的 Podman 使用指南，涵蓋你提出的全部六個核心維度，結合你作為 Java 後端開發者（使用 Spring Boot、Maven、PostgreSQL 等）的實際開發場景，提供清晰、可操作、安全、高效的使用建議。 🐳 Podman 完整實戰指南：Fedora Wo

podman , 開發語言 , JAVA , Docker , 前端開發 , Javascript

收藏 評論

u_16099176 頭像

IT劍客風雲 - Java泛型詳解，史上最全圖文詳解

1、概述 泛型的概念： 泛型讓類、接口或方法在定義時不指定具體類型，而在使用時再確定類型。 換句話説：泛型讓代碼在“寫的時候”更通用，在“用的時候”更安全。 泛型的好處：類型安全、消除強制類型轉換 2、泛型類 2.1 泛型類的定義 ● 泛型類的定義語法： class 類名稱泛型標識,

開發語言 , 泛型方法 , 泛型類 , 泛型 , JAVA , Css , 前端開發 , HTML

收藏 評論

pannideniupai 頭像

雨大王 - 工業互聯網平台下衝壓工藝仿真的應用與實踐

工業互聯網平台正以前所未有的速度重塑製造業的各個方面，尤其是在衝壓工藝仿真領域，它不僅僅是技術的疊加，更是生產流程的深度變革。衝壓工藝，作為汽車、家電等行業的核心製造手段，長期以來依賴於手工設計和物理試驗來優化材料流動、預測缺陷和提高效率。但隨着市場競爭加劇和產品週期縮短，企業必須尋求更智能、更快速的解決方案。工業互聯網的介入，通過其強大的數據連接性和雲計算能力，將衝壓工藝仿真推向了一個新高度。它

人工智能

收藏 評論

u_16213451 頭像

mob64ca12f51824 - llama微調 CUDA_VISIBLE_DEVICES

在進行“llama微調 CUDA_VISIBLE_DEVICES”的相關問題解決之前，首先要了解環境的基本要求和預檢工作。以下是我記錄的整個解決過程。 環境預檢 要開始微調llama模型，需要確認系統環境滿足以下要求： 項目 要求 操作系統 Ubuntu 20.04及以上

System , bash , aigc , CUDA

收藏 評論

u_16213662 頭像

mob64ca140b466e - 分佈式消息系統之Kafka

輕量級 CI/CD 實戰（四）：本地開發釘釘告警 → 自動部署 Kafka 消費者容器 目標：在不破壞現有邏輯的前提下，新增「釘釘告警」功能，並通過 CI/CD 自動部署到阿里雲，替換正在運行的容器。 關鍵詞：Git Hooks、Docker、Kafka 消費者、釘釘機器人、自動化部署 適用場景

釘釘 , cd , Css , ci , Docker , 前端開發 , HTML , Git

收藏 評論

rustfs 頭像

RustFS - 使用 RustFS 在本地服務器上構建 MLflow

本文的構建示例已在以下 Github 倉庫中公開。 GitHub - mjun0812/MLflow-Docker 官方文檔如下。 MLflow Documentation RustFS Documentation 引入背景 在機器學習項目中，我們需要在更改超參數、模型和數據集的同時進行各種實驗。此時，通過引入可以高效比較結果的實驗管理工具，我們可以專注於模型的開發。這類實驗管理工具

minio , rust , 對象存儲

收藏 評論

alixitongruanjianjishu 頭像

阿里云云原生 - Hello AgentScope Java

作者：遠雲 隨着 LLM 應用的飛速發展，越來越多的 Agent 應用開始走近每個人。圍繞着 Agent 應用的核心，目前業界有零代碼、低代碼和高代碼三條主流的技術路線。AgentScope 作為 Python 社區中受到廣泛應用的高代碼框架，在 Java 生態下的需求也越來越大。 今天，我們很高興地宣佈AgentScope Java v0.2 版本正式發佈了，具備了所有核心的 ReActAgen

agent , JAVA , 雲原生

收藏 評論

congrongdehanbaobao 頭像

從容的漢堡包 - 公網IP怎麼申請SSL證書 ？

什麼是SSL證書 SSL證書是一種數字證書，用於在網站和用户瀏覽器之間建立加密連接。它能保護數據傳輸安全，防止信息被竊取或篡改。通常我們為域名申請SSL證書，但有時也需要直接為公網IP地址申請。 為什麼需要為IP申請SSL證書 沒有域名時：當你的服務只有IP地址沒有綁定域名時 內部系統：某些內部系統直接通過IP訪問 測試環境：開發測試階段可能暫時使用IP地址 申請前的準備工作 確

react , angular , sass , 教程 , chrome-devtools

收藏 評論

yufan_645f1d6e3f1d1 頭像

俞凡 - 深入理解 Python GIL

本文深入探討了 Python 全局解釋器鎖（GIL）的內部機制，揭示其對多線程性能的影響，幫助開發者理解如何在多線程環境中優化 Python 應用。原文：Tearing Off the GIL Veil: A Deep Dive into Python Multithreading's Inner Mechanics Python 全局解釋器鎖（GIL，Global Interpreter

程序員

收藏 評論

joyssl_6930deadc6785 頭像

冷姐Joy - IP SSL證書助力公網內網IP地址實現HTTPS

在數字化轉型加速推進的當下，網絡安全的重要性日益凸顯。我國的《網絡安全法》《數據安全法》從不同層面強調了網絡安全的重要性。SSL證書作為實現HTTPS加密與可信身份認證的有力工具，已成為構建安全網絡環境的基石。 通常，我們會為域名申請SSL證書。但在許多實際場景中，存在大量只能通過IP地址直接訪問的服務，此時就需要為IP地址申請SSL證書。這類證書通常被稱為IP SSL證書可以助力公網內網IP地址

ssl證書

收藏 評論

carl_kaeraigongfang 頭像

卡爾AI工坊 - 下一代AI心理產品，會長什麼樣？

下一代AI心理產品，會長什麼樣？ 本文共 1903 字，閲讀預計需要 3 分鐘。 你認為的下一代 AI 心理產品會是什麼樣？ 很多人會先想到：更會聊、更像人，然後按小時、按次數收費。 這條路能走，但不算**“下一代”。** 真正的分歧在於： 人類諮詢按小時計費，核心原因是稀缺；而 AI 不稀缺。 它的價值不該被鎖在“你開口説話的一小時”，而應該發生在你不説話的時候。 衝突：為什麼“更會聊+按小時收

機器學習 , 觀點 , 數據挖掘 , 人工智能 , 深度學習

收藏 評論

gpustack 頭像

GPUStack - GPUStack Windows（WSL2）部署指南

GPUStack v2 以高性能推理與生產級穩定性為核心演進方向，對整體架構進行了全面重構，實現了組件間的靈活解耦，並對多推理引擎和異構算力進行了深度優化，充分釋放推理引擎在吞吐、延遲與併發方面的性能潛力。 基於這一架構設計，GPUStack v2 聚焦 Linux 原生環境，以充分利用其在生態和 AI 基礎設施領域的成熟優勢。 對於 Windows 用户，推薦通過 WSL2（Windows Su

generative-ai , llm , 人工智能 , Docker

收藏 評論

u_16213423 頭像

mob64ca12ee66e3 - pytorch llama 關係

在這篇博文中，我們將深入探討“PyTorch LLaMA（Large Language Model Meta AI）”的集成和優化方法。LLaMA 是 Meta 開發的一種高效的語言生成模型，而 PyTorch 是用於深度學習研究的流行開源框架。因此，瞭解如何在 PyTorch 環境中有效使用 LLaMA 模型具有重要意義。 環境準備 在開始之前，我們需要配置好運行 LLaMA

排錯 , aigc , Docker , Python

收藏 評論

u_16213397 頭像

mob64ca12e83232 - Stable Diffusion的配置文件中的IP地址和端口號設置

在使用Stable Diffusion進行圖像生成時，配置文件中的IP地址和端口號設置至關重要。正確的配置能夠確保服務順利啓用，同時提高性能和可維護性。本文將詳細介紹如何處理Stable Diffusion的配置文件中IP地址和端口號的設置。 環境準備 為了順利配置Stable Diffusion，我們需要確保滿足一定的軟硬件要求： 硬件要求：

配置文件 , ip , 端口號 , aigc

收藏 評論

u_16175526 頭像

mob649e816aeef7 - 在M1上運行ollama

在M1上運行 Ollama 的過程 隨着蘋果 M1 芯片的推出，很多開發者希望在這一新架構上運行更多的程序，包括 Ollama 等開源項目。然而，由於架構差異，運行過程中可能會面臨兼容性、性能等多方面的問題。本文將詳細記錄在 M1 芯片上成功運行 Ollama 的過程，包括版本對比、遷移指南、兼容性處理、實戰案例、性能優化和生態擴展等內容。 版本對比 在研究 Ollama 的

性能優化 , 不同版本 , aigc , Javascript

收藏 評論

quanzhikeji 頭像

全知科技 - API安全國家標準發佈丨《數據安全技術 數據接口安全風險監測方法》

近日，國家市場監督管理總局、國家標準化管理委員會發佈了，由全知科技牽頭，公安部第三研究所、中國電子技術標準化研究院 、國家信息中心 、中國信息通信研究院等共同起草的GB/T 46796-2025《數據安全技術 數據接口安全風險監測方法》，並於2026年7月1日起正式實施。該標準的頒佈標誌着我國數據接口安全風險監測進入了標準化、規範化實施的新階段，為數據流動過程中的安全防護提供了關鍵性技術支

深度學習

收藏 評論

chaoqipengbodehuochai_eav70j 頭像

極市平台 - 驍龍大賽-技術分享第6期——直播問題&答疑整理（創達）

Q1：在 QAI AppBuilder 上部署 DDColor 時，常見的性能瓶頸在哪裏？有哪些優先級最高的優化手段？ A1： 主要的性能瓶頸出現在 CPU 的前處理與後處理環節。前處理中包含大量 OpenCV 操作，例如顏色空間轉換、圖像縮放、通道拆分合並等，這些操作都在CPU上執行,對於高分辨率的圖像,會消耗大量的計算資源,成為顯著的性能瓶頸。後處理同樣包含了大量的CPU計算，例如圖像縮

算法 , 知識 , 人工智能 , 程序員

收藏 評論

chaoqipengbodehuochai_eav70j 頭像

極市平台 - 驍龍大賽-技術分享第6期——直播問題&答疑整理（騰訊）

Q1：老師，想問問在 NPU 上部署 LLM 或多模態模型時，有什麼選擇模型規模、架構或量化策略的經驗可以給備賽選手參考嗎？ A1： 在本地部署大模型時，最核心的限制通常是設備資源，因此一般優先選擇小型或輕量級模型，例如 1B 以下參數規模。對於 7B 模型，通常需要 16GB 以上內存才能穩定運行。除了模型權重本身的佔用，還需要考慮上下文長度，因為更長的 context 會顯著增加推理過程

算法 , 運維 , 教程 , 知識 , 人工智能

收藏 評論

1d1d1d1d1d1d1d1d_6671403974cb4 頭像

3Q聊工具 - 遠程團隊救星：支持實時同步的Jira替代項目管理工具

在遠程辦公成為常態的當下，分佈式團隊協作的核心痛點集中於信息同步滯後、進度追蹤不透明、跨地域協同效率低下。Jira作為經典的項目管理工具，雖具備強大的定製化能力和敏捷開發支持，但陡峭的學習曲線、複雜的配置流程，以及對中小型遠程團隊的適配性不足，使其並非所有團隊的最優解。為此，本文篩選出10款支持實時同步的優質Jira替代工具，涵蓋開源免費、輕量化協作、企業級部署等多種類型，從多維度進行客觀解析，助

項目管理工具 , 項目管理 , 項目管理軟件 , 項目經理 , jira

收藏 評論

u_16175475 頭像

mob649e815e6170 - 免費aigc

免費AIGC（人工智能生成內容）正逐漸改變我們使用和創作內容的方式。然而，隨着這個新興技術的普及，許多人在尋求免費使用AIGC的過程中遇到了一系列問題。本文將從環境準備、集成步驟、配置詳解、實戰應用、排錯指南及性能優化這幾個方面，詳細記錄如何有效地解決這些問題。 環境準備 在開始之前，我們需要確保環境的兼容性。以下是技術棧的兼容性四象限圖，顯示各類技術工具與平台之間的匹配度。

API , aigc , JAVA , Python

收藏 評論

yy_6938e777a8137 頭像

Jackyy - 外匯量化實戰：拆解 Tick 數據時段特性，用 Python 實現策略效率翻倍

作為量化開發者，你是否曾遇到這樣的困境：策略回測表現亮眼，實盤卻頻繁踩雷？核心問題往往藏在容易被忽視的細節裏 —— 外匯市場 24 小時連續交易的時段差異，直接影響 Tick 數據質量與策略執行效果。本文從研發痛點出發，結合可直接複用的 Python 代碼，帶你打通 “時段認知 - 數據處理 - 策略優化” 全流程，讓量化研發少走彎路。 一、量化研發的隱形痛點：時段差異引發的連鎖問題 對量化

API , Python

收藏 評論