博客 RSS 訂閱

u_17569005 頭像

wx6906fb3f9b17a - 全協議讀卡模塊廣泛應用於門禁、梯控、消費系統，支持1K起訂的OEM定製及二次開發，可集成掌靜脈/人臉等多模態識別技術，是智能安防系統的理想解決方案

DAIC-MJ-QRW全協議讀卡模塊技術摘要：該模塊採用47×27×5mm緊湊設計，支持DC5V/3.3V/12V寬電壓輸入，功耗100mA。支持13.56MHz/125KHz雙頻段，兼容ISO14443A/B/C等20餘種協議，可讀取二代證(3cm)、Mifare(5cm)及15693標準卡(8cm)。提供Wiegand/UART/USB多接口，支持TCP/IP/MQTT等網絡

門禁讀卡器 , ID卡讀卡器 , CPU卡讀卡器 , 人工智能 , 深度學習 , 梯控讀卡器

收藏 評論

u_15591470 頭像

ceshiren2022 - 小白必備：輕鬆上手自動化測試的強大工具

傳統自動化測試工具如Selenium，其複雜的代碼編寫和維護成本居高不下，讓許多測試工程師望而生畏，已成為行業痛點。而Playwright MCP的出現，重新定義了"測試自動化"的邊界——不僅能理解你的自然語言描述，還能自動生成專業級的測試代碼，實現了從"寫代碼"到"説需求"的質的飛躍。 Playwright MCP的技術架構解析 Playwright MCP的創新絕非偶然，它是

選擇器 , 測試用例 , 人工智能 , 深度學習 , 測試自動化

收藏 評論

ramona-schwering 頭像

Ramona Schwering - Let’s Dive Into Cypress For End-to-End Testing

This article has been sponsored by our dear friends at LambdaTest who are making the cross-browser testing experience smoother for so many folks around the globe. Thank you! Software develo

Tools , testing , ui

收藏 評論

u_16099356 頭像

IT智行領袖 - bevformer簡單復現

©作者|杜偉、陳萍 微軟亞洲研究院升級了 Swin Transformer，新版本具有 30 億個參數，可以訓練分辨率高達 1,536×1,536 的圖像，並在四個具有代表性的基準上刷新紀錄。 在不久之前公佈的 ICCV 2021 論文獎項中，來自微軟亞洲研究院的研究者憑藉論文《Swin Transformer: Hierarchic

機器學習 , bevformer簡單復現 , 人工智能 , 深度學習 , 計算機視覺

收藏 評論

u_15591470 頭像

ceshiren2022 - Playwright MCP：AI驅動自動化測試，輕鬆告別傳統腳本編寫

2025年初，某知名電商公司在引入Playwright MCP後，UI自動化測試腳本編寫時間從原來的3天減少到2小時，測試覆蓋率提升了40%，而這一切，測試人員幾乎沒有編寫一行傳統腳本。 在傳統的UI自動化測試中，測試人員需要編寫大量腳本和選擇器來模擬用户操作。然而，隨着人工智能技術的快速發展，對話式自動化正在改變這一格局。 Playwright作為微軟開源的現代化We

選擇器 , 服務器 , 人工智能 , 深度學習 , 自動化測試

收藏 評論

u_17580222 頭像

mb691327edb400f - AI面試智能體

培訓預算削減的背後，是時候重新審視招聘的真正成本。 年底覆盤，不少HR對着培訓報表愁眉不展：預算花了近百萬，員工滿意度剛過及格線，業務部門還抱怨“培訓沒用”。降本增效的要求之下，培訓預算首當其衝被壓縮。問題真的出在培訓本身嗎？或許，根源在於招聘環節——選錯人，才是企業最大的成本浪費。 01 培訓無效的背後：選錯人是最昂貴的成本 當業務部門抱怨“培訓沒用”時，他們

沉浸式 , 一對一 , 人工智能 , 深度學習

收藏 評論

eric-bailey 頭像

Eric Bailey - Improving The Accessibility Of Your Markdown

Markdown is a small text to HTML conversion language. It was created by John Gruber in 2004 with the goal of making writing formatted text in a plain text editor easier. You can find Markdown in man

Tools , Accessibility , Browsers , User Experience

收藏 評論

u_15591470 頭像

ceshiren2022 - 輕鬆生成測試數據：Dify工作流結合大模型，實現百萬級逼真數據生成

在軟件研發、數據分析和機器學習項目中，構建高質量、高覆蓋度的測試數據是確保產品質量的關鍵環節。然而，手動創建測試數據不僅耗時耗力，還常常面臨數據單調、缺乏真實性、難以模擬複雜業務邏輯等痛點。尤其是在進行壓力測試、性能基準測試或訓練複雜模型時，對百萬級逼真測試數據的需求，往往讓開發者和測試工程師們頭疼不已。 今天，我們將介紹一種革命性的解決方案：利用 Dify 工作流 結合 大語言模型（L

數據 , 測試數據 , 人工智能 , 深度學習 , Json

收藏 評論

u_17583190 頭像

fangpin - 深入解析：使用 Triton 實現 Flash Attention2 - 讓大模型訓練飛起來

引言 你是否曾經在訓練大型語言模型時，眼睜睜地看着 GPU 內存不斷飆升，最終因為 OOM（Out of Memory）錯誤而前功盡棄？或者在處理長序列時，發現注意力機制的計算時間呈平方級增長，讓人望而卻步？ 如果你有過這樣的經歷，那麼今天這篇文章將為你帶來一個革命性的解決方案：Flash Attention2。更令人興奮的是，我們將通過 Triton 這個強大的 GPU 編程框

歸一化 , 人工智能 , 深度學習 , ide , Python

收藏 評論

u_17583190 頭像

fangpin - 從0到1：揭秘LLM預訓練前的海量數據清洗全流程

讀完這篇文章，你將用監督微調（SFT）把一個 1.5B 規模的數學模型在 GSM8K 上的零樣本推理正確率從 1.56% → 62.9%，同時把輸出格式遵循率從 18.9% → 100%。我們將完整走通數據集下載、Prompt 架構、訓練配置和評估方法，所有代碼均來自本倉庫 alignment 文件夾，保證可復現與透明。 本文將深入剖析 llm-from-scratch

lua , 人工智能 , 深度學習 , Json , Python

收藏 評論

addy-osmani 頭像

Addy Osmani - Using Modern Image Formats: AVIF And WebP

We’ve recently published Addy’s Image Optimization book with everything you need to know about images, how to compress, serve and maintain images. Now, shipping with a hand-written personal messa

performance , Images , optimization , Browsers , Smashing Books

收藏 評論

u_15641375 頭像

芯動大師 - codigger體驗過程記錄

一、codigger的介紹 codigger是一款分佈式操作系統，主要是便於進行個人移動化辦公、在線協同辦公、開發和娛樂的私人應用。 收到codigger開發者朋友的邀請，於是進行了這款產品的升級體驗，接下來就簡單介紹一下自己的體驗過程吧。 二、登錄系統 首先，我根據提供的專屬賬號和密碼登錄進了系統，進去之後，感覺整體的設計非常的美觀。

文本編輯 , yyds乾貨盤點 , 人工智能 , 深度學習 , 開發者 , 資源管理器

收藏 評論

u_16213384 頭像

mob64ca12e51ecb - langchain4j 提取文本摘要

在當今信息爆炸的時代，快速提取文本摘要成為了信息處理中的一個關鍵需求。本文將重點介紹如何利用 langchain4j 來實現文本摘要的提取，涵蓋版本對比、遷移指南、兼容性處理、實戰案例、排錯指南以及生態擴展。希望此係列內容能為開發者們提供有效的參考。 版本對比 langchain4j 在最新版本中引入了多個新特性，以提升文本摘要提取的性能和靈活性。以下是對比表，展示了不同版本間的

並行計算 , 新版本 , aigc , 開發者

收藏 評論

u_16349720 頭像

短短同學 - 對象住哪裏?——深入剖析JVM內存結構與對象分配機制

對象住哪裏？—— 深入剖析 JVM 內存結構與對象分配機制 在 Java 程序運行時，我們創建的每一個對象（如new User()）都需要佔用 JVM 內存，但這些對象究竟 “居住” 在哪個內存區域？為何有的對象很快被回收，有的卻能長期存活？要解答這些問題，必須先理清 JVM 的內存結構劃分，再深入對象從創建到銷燬的全生命週期分配邏輯 —— 這不僅是面試高頻考點，更是理解

User , jvm , 人工智能 , 深度學習 , 常量池

收藏 評論

u_16213603 頭像

mob64ca13fd163c - c語言導入opencv

我們知道，剛開始接觸C語言編程，一般都是在一個.c或者.cpp（以下只説.c）的文件中編寫代碼，其中一定會有一個入口函數， 也就是main()函數，你可以將程序代碼全部寫在main函數裏，當然如果你想要程序更加模塊化，也可以將一些操作寫在一個函數 裏，這些函數的聲明和定義也都是在main函數中。 想想，隨着你的代碼量越來越大，實現的功能越來越多，在一個.c文件

自定義函數 , include , c語言導入opencv , Math , 人工智能 , 計算機視覺

收藏 評論

u_12187 頭像

karen - 收縮msdb和tempdb

熱縮管的外層材料具有絕緣防蝕、耐磨等特點，而內層有低熔點、防水密封和高粘接性等優點，常被應用於線纜等的密封、絕緣和防護。本文詳細全面地介紹了熱縮管選型中需要關注的的關鍵參數、正確測量方法，以及使用注意事項，並舉例介紹如何利用Digi-Key網站完成熱縮管的產品選型。 熱縮管的外層材料具有絕緣防蝕、耐磨等特點，而內層有低熔點、防水密封

機器學習 , 更換參數長度為零 , 服務號 , 電子工程 , 人工智能 , 官網 , 收縮msdb和tempdb

收藏 評論

shuyixiaobututou 頭像

舒一笑不禿頭 - PandaCoder：我的個人開發者工具進化之路

引言：從個人項目到開發者工具的轉變 在技術領域，我常常思考一個問題：什麼樣的工具才能真正幫助開發者？我意識到真正的價值不在於功能的數量，而在於這些功能是否真正解決了用户的痛點。作為PandaCoder的獨立開發者，我的核心理念正是建立在這一認知之上——與其堆砌功能，不如傾聽用户的聲音。 工具的本質 正如納瓦爾所言："工具應該為你工作，而不是你為工具工作。"我設計PandaCoder的初衷是創建一個

插件 , intellij-idea , JAVA , 程序員 , 後端

收藏 評論

u_16074861 頭像

萬嶽教育張先生 - 教育系統小程序的架構設計：如何構建高效穩定的教育平台？

隨着教育行業的數字化轉型，教育系統小程序已成為一種重要的教學和管理工具。構建一個高效、穩定的教育平台，需要在架構設計上進行精心的規劃，以確保系統能夠在大流量的用户請求、高併發的操作下，依然能夠穩定運行，同時為用户提供流暢、快速的體驗。本文將從技術層面探討如何設計一個高效穩定的教育系統小程序架構，結合技術代碼和實際應用場景，幫助開發者更好地理解和實現這一目標。 1.

redis , 數據 , 緩存 , 數據庫

收藏 評論

u_12440558 頭像

專家一百錦再 - 第8章 模塊系統

文章目錄 第8章 模塊系統 8.1 包、crate和模塊 Rust代碼組織的基本概念 包（Packages） Crate 模塊（Modules） 創建和使用模塊 基本模塊定義 模塊的可見性

redis , 開發語言 , rust , 數據庫 , Android , JAVA , go

收藏 評論

zhangxueliang 頭像

a772304419 - 開源規則引擎框架推薦：Drools、Easy Rules、RuleBook（工廠手部動作AI檢測場景）

基於上述工廠手部動作檢測場景，我來為您推薦幾個合適的開源規則引擎框架，並提供詳細的使用示例。 推薦的開源規則引擎框架 1. Drools - 企業級首選 特點：功能全面、性能強大、文檔豐富，適合複雜的生產規則管理。 2. Easy Rules - 輕量級簡易框架 特點：學習曲線低、API簡潔，適合規則數量不多、邏輯相對簡單的

List , MySQL , API , 開發語言 , 數據庫 , 開源 , Python

收藏 評論

cosima-mielke 頭像

Cosima Mielke - A Time Of Transition (October 2021 Desktop Wallpapers Edition)

Inspiration lies everywhere. In the fall leaves shining in the most beautiful colors these days, in the misty mornings and golden afternoons that October might bring along, or taking a walk on a win

Wallpapers , Graphics , Icons

收藏 評論

zhangxueliang 頭像

a772304419 - 計算機視覺YOLO + 大模型deepseek 工廠操作規範檢測案例分析：規則引擎的價值分析

規則引擎這個環節是整個系統從“感知”上升到“認知”的關鍵，也是最智能的部分。我來詳細拆解這個 [動作識別與規則引擎] -- [DeepSeek邏輯推理/SOP理解] 的協作過程。 這個環節的核心是：將原始的視覺數據轉化為有業務意義的決策。它不是一個簡單的“是/否”判斷，而是一個基於上下文的理解和推理過程。 首先，我們明確兩個組件的分工

規則引擎 , MySQL , yolo , 數據庫 , 人工智能 , 計算機視覺 , ide

收藏 評論

collen7788 頭像

collen7788 - 【趙渝強老師】達夢數據庫的事務隔離級別

達夢數據庫允許多個客户端同時訪問。當這些客户端併發訪問數據庫中同一部分的數據時，如果沒有采取必要的隔離措施就容易造成併發一致性問題，從而破壞數據的完整性。考慮下圖中的場景： 在時間點1上，var的數值是100。客户端A在時間點2的時候更新了它的值為200，但沒有提交事務。在時間點3的時候，客户端B讀取到了客户端A還未提交的數值200。但在時間點4，客户端A執行了回滾操作。那麼，對

oracle , yyds乾貨盤點 , 達夢 , 數據庫 , 國產數據庫 , 達夢數據庫

收藏 評論

luoping 頭像

mb43f60adeco02a - 讀書筆記：“外部表”的進階使用，它主要解決了三個核心問題：如何切換文件、多用户怎麼辦，以及一個非常酷的玩法——把系統命令變成表。

我們的文章會在微信公眾號IT民工的龍馬人生和博客網站( www.htz.pw )同步更新 ，歡迎關注收藏，也歡迎大家轉載，但是請在文章開始地方標註文章出處，謝謝！ 由於博客中有大量代碼，通過頁面瀏覽效果更佳。 本文為個人學習《Expert Oracle Database Architecture Techniques and Solutions for High

oracle , 外部表 , 加載 , 數據庫

收藏 評論