博客 RSS 訂閱

u_93011 頭像

小屁孩 - Linux驅動開發十六.input系統——3.系統自帶的input驅動

一、簡介 和pincttl、gpio等子系統一樣，INPUT子系統專門用於處理一類事件——輸入事件。對於輸入設備（包括按鍵、觸摸屏等），用户只需要上報事件、傳入信息，由INPUT子系統來處理事件。 《開發指南》原話： input子系統分為input驅動層、input核心層、input事件處理層，最終給用户空間

驅動開發 , 後端開發 , Linux , define , 筆記 , Python

收藏 評論

u_16099178 頭像

雲端小悟空 - Flink詳解系列之五--水位線（watermark）

Flink Watermark（水位線）機制詳解 Watermark是Flink處理事件時間（Event Time）的核心機制，用於處理亂序數據和觸發窗口計算。讓我全面深入地介紹： 一、核心概念 1. 什麼是Watermark？ **Watermark（水位線）**是一個時間戳標記，表示： “所有時間戳 ≤ Wat

數據 , 時間戳 , 後端開發 , 1024程序員節 , ide , Python

收藏 評論

u_16213563 頭像

網絡安全守護先鋒 - 51單片機學習筆記（2）——51單片機簡介

文章目錄 如何創建 Keil 工程 創建步驟 1. 創建文件夾結構 2. 打開 Keil 3. 創建新工程 4. 創建不同類型的內容 頭文件 明白頭文件包含了什麼 標題具體內容

數據 , 初始化 , 單片機 , 51單片機 , 後端開發 , 嵌入式硬件 , Python

收藏 評論

u_56701 頭像

hackernew - 提示詞（prompt）工程指南（一）：提示介紹_mb618b7a3518a5a的技術博客

寫在前面：要想做一個比較好RAG系統，我認為還是在數據收集和清洗上下一點功夫。因為要想檢索有效 - 你能提供給模型更有價值的信息。現有chunk的方法有很多，但是我試了很多種（包括一些基於大量規則的），最後發現很難適配多樣化的數據集（針對不同來源，比如論文、內部資料）。 基於這個思路，我想的是讓LLM本身來切分文檔。優點

oracle , 數據庫 , 後端開發 , 深度學習 , RAG , prompt , Python

收藏 評論

u_16099251 頭像

雲中誰寄錦書來 - Java知識點總結，不要錯過哦！ - 個人文章

一.軟件的下載與卸載： 默認安裝在C：Profiles，可以調整安裝位置 卸載： 1、卸載安裝目錄 2、使用過程中可能存在臨時文件和運行文件，需要將此目錄一併刪除 3、部分軟件（如MySQL）需要在電腦的服務中將相關服務停止並刪除 二、Java 1、註釋： 註釋就是給程序説明的作用，增強代碼的可讀性，JVM運行時註釋不會被解析，J

面向對象編程 , System , Java 核心知識點 , 賦值 , 後端開發 , Java基礎 , Python

收藏 評論

u_16213564 頭像

網絡安全衞士 - javascript - SublimeText3系列（3）- HTML-CSS-JS Prettify美化代碼&Markdown Preview寫作 - 如露亦如電

在網頁開發中，動畫效果是提升用户體驗的關鍵因素。然而，複雜的動畫代碼往往難以閲讀和維護。js-beautify 作為專業的代碼格式化工具，能夠將雜亂的動畫代碼轉化為清晰易讀的格式，讓開發者能夠專注於創意實現而非代碼排版。 🎯 為什麼動畫代碼需要格式化？ 動畫代碼通常包含大量的關鍵幀定義、過渡效果和變換函數。未經格式化的代碼往往呈現以下問題：

後端開發 , Css , 代碼格式化 , Python

收藏 評論

u_16213562 頭像

技術極客傳奇 - 通過Terracotta實現基於Tomcat的Web應用集羣

在現代應用開發中，命令行工具與Web界面的結合越來越普遍。Carlo Terminal示例展示瞭如何使用Node.js和Web技術構建功能完備的終端應用，讓開發者能夠在瀏覽器環境中獲得原生終端體驗。本文將深入解析這一示例的實現原理，幫助你快速掌握Web版終端應用的開發方法。 項目結構概覽 Carlo Terminal示例位於項目的examples/termin

初始化 , 後端開發 , Git , Python , Web

收藏 評論

u_14587 頭像

bugouhen - WebGL與Canvas的顯存與內存使用分析_51CTO博客

Blazor WebAssembly作為微軟推出的革命性Web開發框架，讓開發者能夠使用C#和.NET構建交互式Web UI。在前端圖形渲染領域，Canvas和WebGL是兩種主流的技術選擇。本文將從性能角度深入對比這兩種圖形渲染方案，幫助你為Blazor WebAssembly項目選擇最佳圖形方案。🚀 Blazor WebAssembly圖形渲染基礎 在B

webassembly , 3d , 後端開發 , webgl , harmonyos

收藏 評論

u_16213575 頭像

墨舞青雲 - 中文領域最詳細的Python版CUDA入門教程_python中使用cuda

你是否在為大型語言模型的量化推理速度發愁？GPTQ項目通過高效的CUDA核函數實現，將Transformer模型的量化推理速度提升數倍。本文將帶你深入瞭解GPTQ的CUDA內核開發全流程，從底層核函數實現到Python接口綁定，讓你掌握高性能量化推理的關鍵技術。讀完本文，你將能夠：理解GPTQ量化核函數的工作原理、掌握CUDA代碼到Python綁定的完整構建流程、學會如何

核函數 , 後端開發 , CUDA , Python

收藏 評論

u_16213599 頭像

mob64ca13fc220d - 配置frp 實現內網穿透（Linux）

文章目錄 一、下載安裝 FRP 二、配置 FRP 2.1、配置服務端 (frps) 【啓動 FRP 服務端】 2.2、配置客户端 (frpc) 【啓動 FRP 客户端】 三、訪問控制枱 四、驗證與使用 五、常見問題與排查 總結

服務端 , 服務器 , 運維 , 客户端 , 後端開發 , Linux , Python

收藏 評論

u_16213608 頭像

mob64ca13fe62db - 【AI理論學習】多模態介紹及當前研究方向_多模態人工智能

你是否還在為AI項目中同時處理文本、圖像和音頻數據而煩惱？面對TensorFlow、PyTorch等不同框架的兼容性問題，以及各種模態數據處理接口的差異，開發效率大打折扣。本文將介紹如何使用Ivy框架（The Unified AI Framework）輕鬆實現多模態數據的統一處理，讓你告別框架切換的痛苦，專注於模型創新。 讀完本文，你將能夠： 瞭解I

數據 , 加載 , 後端開發 , 模態 , Python

收藏 評論

u_13416 頭像

detailtoo - Mybatis3 框架理解 - andrew

1. 引言：傳統數據訪問的困境 在當今的分佈式系統中，數據訪問層面臨着諸多挑戰，如連接管理複雜、事務一致性難以保證、資源利用率低等問題。傳統的集中式數據訪問架構已經無法滿足大規模分佈式應用的需求。MyBatis作為一款優秀的持久層框架，在分佈式環境下的應用越來越廣泛。本文將探討如何利用MyBatis 3構建更分佈式的架構——數據霧計算。 2. MyBatis分

數據源 , Source , 後端開發 , JAVA , Python

收藏 評論

u_16099331 頭像

墨色天香 - Python 各種測試框架簡介（二）：unittest - 喵醬的書架 -

一、Unittest 框架概述 1.1 起源與發展 Unittest是Python標準庫中內置的單元測試框架，它的設計理念深受Java領域著名測試框架JUnit的啓發。作為一個免費開源的測試解決方案，Unittest在Python生態系統中扮演着至關重要的角色。 該框架在設計層面完全基於面向對象的設計思維，這意味着要熟練使用

測試方法 , 測試用例 , 用例 , 單元測試 , 後端開發 , Python

收藏 評論

u_12219 頭像

誤會一場 - React 中 react-i18next 切換語言（ 項目國際化 ）_reacti18

在 React 項目中配置react-i18next實現中英文切換，步驟如下： 一、安裝依賴 首先確保已安裝核心庫： npm install react-i18next i18next i18next-http-backend # 核心庫 + 加載語言文件的插件 二、配置 i18n 1. 創建語言文件

i18next , 加載 , 後端開發 , React.js , 前端 , Json , Python

收藏 評論

u_17580222 頭像

mb691327edb400f - HR的轉型時刻：AI如何重塑招聘新範式

HR的轉型時刻：AI如何重塑招聘新範式 傳統招聘模式正面臨嚴峻挑戰。數據顯示，一場典型校招往往需要處理3000份簡歷、面試400人，最終僅錄用5人。當用人部門以“感覺不對”否定前期所有努力時，獵頭費、差旅費、誤工費等成本已累積至驚人數字，單個核心崗位招聘成本可達8萬元。 在預算緊縮而招聘指標持續攀升的雙重壓力下，HR面臨着根本性的路徑選擇：是繼續依賴人

數據 , 初始化 , 人工智能 , 深度學習 , 自動完成

收藏 評論

u_17569005 頭像

wx6906fb3f9b17a - AGV/AMR/ 機器狗乘梯控制系統通過 **"感知 - 控制 - 通信"** 三層架構，實現了機器人與電梯的無縫協同，可擴展至閘機、各類門控設備，構建完整的智能通行生態

前言：AGV/AMR/機器狗乘梯控制系統方案，該系統通過梯控與電梯門禁集成實現自動化設備無人化乘梯。核心功能包括自主呼梯、樓層切換及多場景門禁擴展，支持RS-485、MQTT等多種通訊協議。方案詳細説明了乘梯流程、特殊場景處理及電梯改造要點，強調需保持電梯無休眠狀態，並確保電氣隔離。系統採用"感知-控制-通信"架構，可擴展至閘機等門控設備，構建智能通行生

梯控 , 機器人 , AMR , 機器狗 , 人工智能 , 深度學習 , AGV

收藏 評論

u_17434023 頭像

樂逍遙happy - 大數據計算引擎正在拋棄 JVM

在寫這篇文章之前，Java 25正式發佈，其中JEP-508Vector API 迎來了第10次孵化，旨在提供一種向量計算的接口，從而獲得比等效標量計算更高的性能。傳統的基於Java虛擬機（JVM）的執行引擎在處理大規模數據時逐漸顯露出性能瓶頸 (標量計算) ，特別是在 CPU 密集型任務和內存管理方面。近年來，眾多大數據計算引擎開始轉向原生（Native）執行模型，採用 C++

向量化 , 大數據 , 數據 , jvm , 數據倉庫

收藏 評論

xaye 頭像

祝你今天愉快 - C++學習（十三） 結構體數組和聯合體

一、結構體數組 結構體（struct） 是一種用户自定義的數據類型，可以將多個不同類型的數據組合在一起。 結構體數組 就是將多個相同類型的結構體變量組織成一個數組。 示例： /* 結構體：封裝一些基本類型用於我們自定義的類型 班級管理系統：56個同學，編號，年齡，性別，成績 聊天會話 */ #includeiostream usi

指尖人生 , 移動開發 , 數據 , include , c++ , Android

收藏 評論

qibaimadejianpan 頭像

IT課程999it與top - Qt6和C++高級編程指南

在現代軟件開發領域，👇🏻ke程：xingkeit點top/10650/ C++作為一門兼具性能與靈活性的系統級語言，始終佔據着不可替代的地位。而 Qt 框架，則是 C++ 生態中最具影響力的跨平台應用開發工具之一。隨着 Qt6 的發佈，這一經典框架不僅延續了其高效、穩定、跨平台的核心優勢，更在架構設計、圖形渲染、模塊化組織以及現代化 C++ 特性支持等方面實現了全面躍升。本文將圍繞 Qt6 與

觀點 , 編輯器 , 教程 , 知識 , 數據庫

收藏 評論

u_17148819 頭像

好像還可以 - vxe-table 如何實現跟 excel 一樣的篩選框，支持字符串、數值、日期類型篩選

vxe-table 如何實現跟 excel 一樣的篩選框，支持字符串、數值、日期類型篩選 查看官網：https://vxetable.cn gitbub：https://github.com/x-extends/vxe-table gitee：https://gitee.com/x-extends/vxe-table 字符串類型 通過設置 filterRender.cellT

vue.js , 篩選 , table , excel , 前端開發

收藏 評論

qaz666 頭像

可不簡單 - vxe-table 如何實現跟 excel 一樣的篩選框，支持字符串、數值、日期類型篩選

vxe-table 如何實現跟 excel 一樣的篩選框，支持字符串、數值、日期類型篩選 查看官網：https://vxetable.cn gitbub：https://github.com/x-extends/vxe-table gitee：https://gitee.com/x-extends/vxe-table 字符串類型 通過設置 filterRender.cellType='

前端

收藏 評論

jianweilai 頭像

煜建未來 - 馬斯克560億對賭背後：2026-2030，普通人最後的翻身窗口

凌晨又被社羣消息炸醒 😮‍💨 有人轉了馬斯克那個 560 億美金薪酬方案通過的新聞… 我當時就懵了。 4000 多億人民幣… 沙特一年 GDP 才 1 萬億… 這錢夠我買多少個 Claude 訂閲了??（省錢人的第一反應🤣） 好多人以為是獎勵過去的功勞… 害… 我熬夜看完那 3 小時訪談（開倍速都看不完，困死），背後涼颼颼的… 這哪是發工資，這明擺着是梭哈啊 🎰 賭的就是 2026-203

觀點 , 資訊 , 算法 , 機器人 , 人工智能

收藏 評論

qian5201314 頭像

代碼保安 - 用Go實現一個實時日誌分析工具

實現一個功能完整的實時日誌分析工具。這個工具可以實時監控日誌文件、分析日誌內容並提供統計信息。 package main import ( "bufio" "encoding/json" "fmt" "log" "os" "path/filepath" "regexp" "strings" "sync" "time" "github.com/fsnotify

Go語言 , 日誌文件 , 日誌分析 , 後端開發 , Json

收藏 評論

u_16459925 頭像

wx6583a3b0b06d1 - TRENDRADAR Docker 容器化部署指南

概述 TRENDRADAR（中文名稱：趨勢雷達）是一款專注於多平台熱點聚合與智能推送的容器化應用。該工具以輕量部署、高效聚合為核心目標，支持從知乎、抖音、B站、微博等11個主流平台實時抓取熱點內容，並通過企業微信、飛書、釘釘、Telegram、郵件、ntfy等多渠道推送。其核心特性包括智能內容篩選、熱點趨勢分析、個性化算法排序及AI深度分析功能，幫助用户從海量信息中精準獲取

TRENDRADAR , 趨勢雷達 , 配置文件 , 數據可視化 , 推送 , 人工智能 , Docker

收藏 評論