博客 RSS 訂閱

seven97_top 頭像

程序員Seven - SpringCloud 常見面試題（一）

概念 什麼是微服務？你是怎麼理解微服務的？ 微服務架構是一種架構模式或者説是一種架構風格，它提倡將單一應用程序劃分為一組小的服務，每個服務運行在其獨立的自己的進程中，服務之間相互協調、互相配合，為用户提供最終價值。服務之間採用輕量級的通信機制互相溝通（通常是基於HTTP的RESTful API）,每個服務都圍繞着具體的業務進行構建，並且能夠被獨立的構建在生產環境、類生產環境等。另外，應避免統一的、

spring , JAVA

收藏 評論

sysin 頭像

sysin - Tenable Nessus 10.11 發佈 - 漏洞評估解決方案

Tenable Nessus 10.11 新增功能簡介 Tenable Nessus 10.11.0 (macOS, Linux, Windows) - 漏洞評估解決方案 發佈 Nessus 試用版自動化安裝程序，支持 macOS Tahoe、RHEL 10、Ubuntu 24.04 和 Windows 請訪問原文鏈接：https://sysin.org/blog/nessus-10/ 查看最新版

安全

收藏 評論

cuicui_623c4b541e91e 頭像

Datenlord - 從循環到融合：理解 Fused MoE 算子原理（一）

引言 在當今大語言模型（LLM）的浪潮中，模型規模的持續擴張是提升性能的關鍵驅動力。然而，隨着模型參數量的激增，訓練和推理的計算成本也隨之飆升。為了解決這一挑戰，混合專家模型（Mixture-of-Experts, MoE）架構應運而生，並已成為許多前沿模型（如 Mixtral 8x7B, DeepSeek-V3）的核心技術之一。 MoE 的核心思想非常巧妙：它不再要求模型的每一部分處理所有的輸入

大數據 , 硬件加速 , 硬件

收藏 評論

u_17578007 頭像

wx690f565d7bc78 - 從 BPMN 到 Flowable

BPMN 是業務流程建模與標註的標準，Flowable 是基於 BPMN 標準的開源流程引擎，核心是將 BPMN 設計的流程模型落地為可執行的業務流程。 核心關聯：BPMN 是標準，Flowable 是落地工具 BPMN 定義流程的可視化規範（如流程圖元素、網關、任務類型等），解決 “流程怎麼畫” 的問題。 Flowable 支持 BPMN 2.0

業務流程 , MySQL , 可執行 , 流程模型 , 數據庫

收藏 評論

vitaly-friedman 頭像

Vitaly Friedman - Six Key Components of UX Strategy

For years, “UX strategy” felt like a confusing, ambiguous, and overloaded term to me. To me, it was some sort of a roadmap or a “grand vision”, with a few business decisions attached to it. And look

workflow , ux , Business

收藏 評論

andy-clarke 頭像

Andy Clarke - Smashing Animations Part 6: Magnificent SVGs With <use> And CSS Custom Properties

SmashingConf Amsterdam 2026 SmashingConf Amsterdam 2026 How To Measure UX and Design Impact, 8h video + UX training SurveyJS: White-La

animation , Css , Design , svg

收藏 評論

matt-zeunert 頭像

Matt Zeunert - Effectively Monitoring Web Performance

This article has been kindly supported by our dear friends at DebugBear, who help optimize web performance to improve user experience. Thank you! There’s no single way to measure website pe

performance , optimization , Tools

收藏 評論

tangqingfeng 頭像

唐青楓 - C#.NET 全局異常到底怎麼做？最完整的實戰指南

簡介 全局異常攔截是構建健壯企業級應用的關鍵基礎設施，它能統一處理系統中未捕獲的異常，提供友好的錯誤響應，同時記錄完整的異常信息。 背景和作用 在 ASP.NET Core 應用中，異常可能在控制器、數據庫操作或中間件中發生。如果每個動作方法都手動處理異常（如 try-catch），代碼會變得冗長且難以維護。全局異常攔截器解決了以下問題： 統一錯誤處理：集中捕獲所有未處理異常，返回標準化的錯誤

c# , .net

收藏 評論

bryan-rasmussen 頭像

Bryan Rasmussen - Older Tech In The Browser Stack

SmashingConf Amsterdam 2026 Save 50% on Vue School Black Friday Sale SurveyJS: White-Label Survey Solution for Your JS App How To Meas

Techniques , Tools , Css

收藏 評論

godstime-aburu 頭像

Godstime Aburu - CSS Gamepad API Visual Debugging With CSS Layers

How To Measure UX and Design Impact, 8h video + UX training UX Strategy in Action, with Susan and Guthrie Weinschenk SurveyJS: White-Label Survey Solution fo

Techniques , Tools , debugging , Css

收藏 評論

mirxiong 頭像

掃地小沙彌J - JAVA自定義註解

什麼是註解？ 註解是一種特殊的接口，用於為Java代碼提供元數據。它們不會直接影響代碼的執行，但可以被編譯器、開發工具或運行時環境讀取和使用。 Java內置了一些常用的註解，如： @Override-表示方法重寫父類方法 @Deprecated-表示代碼已過時 @SuppressWarnings-抑制編譯器警告 註解的基本語法 定義註解

自定義註解 , 字段 , 代碼人生 , 自動填充

收藏 評論

zhuxianzhong 頭像

googlingman - 編程家族三兄弟的超能力大揭秘！

在神奇的計算機王國裏，住着三位各懷絕技的編程魔法師，他們雖然是一家人，性格和能力卻大不相同！ 🧸 Scratch：創意

圖形化 , 遊戲開發 , Scratch , 聊一聊WuKong編輯器 , Python

收藏 評論

u_16099210 頭像

數據分析大師 - Spring MVC與RESTful API什麼區別

springmvc 概述 springmvc定義 基於spring的一個框架，實際上就是spring的一個模塊，專門是做web開發的，理解為servlet的升級。web開發底層是servlet，框架是在servlet基礎上面加入一些功能，讓開發更方便。

spring , 雲計算 , JAVA , 雲原生 , mvc , Web

收藏 評論

u_16099270 頭像

字節小舞神 - 【論文閲讀】Swin Transformer Embedding UNet用於遙感圖像語義分割_swin transformer和unet

論文鏈接：https://arxiv.org/pdf/2402.03302 Code： https://github.com/JiarunLiu/Swin-UMamba 摘要： 醫學圖像分割的挑戰在於需要同時整合多尺度信息，從局部細節到全局依賴關係。但現有方法難以有效建模長距離的全局信息：

數據集 , 論文閲讀 , 圖像分割 , 數據 , 雲計算 , OpenStack

收藏 評論

u_9849794 頭像

子丶不語 - Flex佈局-實戰篇

flex佈局屬於一維佈局簡單來説就是橫向或縱向佈局，將子元素羣編排成行或列。 上面的佈局我們用flex都可以輕鬆幾行實現 一、骰子的佈局 下面，就來看看Flex如何實現，從1個點到9個點的佈局。 HTML模板如下 div class="box" span class

Css , 前端開發 , ide , HTML

收藏 評論

u_14405 頭像

fjfdh - 魚香ros安裝ros 的docker

ROS (The Robot Operating System, 機器人操作系統) 是一套用來構建機器人應用程序的軟件庫和工具。 從驅動到最先進的算法，再加上強大的開發工具，ROS 擁有機器人項目所需的一切。而且它全部開源。 ROS2充分利用了ROS1的優點並改進了它的不足。 一、安裝 1、系統要求 ROS2

魚香ros安裝ros 的docker , 雲計算 , 學習 , bash , Docker , desktop , Ubuntu

收藏 評論

u_16213659 頭像

mob64ca140a8e67 - Openresty access_by_lua_block 支持stream嗎

一、文件和流 1.C++文件和流 iostream 標準庫，它提供了 cin 和 cout 方法分別用於從標準輸入讀取流和向標準輸出寫入流。 C++ 中另一個標準庫 fstream，它定義了三個新的數據類型，介紹如何從文件讀取流和向文件寫入流具體如下：

命名空間 , 雲計算 , i++ , c++ , 雲原生 , ios

收藏 評論

u_19261 頭像

戀上一隻豬 - presto 批量 替換 函數

#怎樣添加字幕 #pr模板套用與速度控制 模板套用都是隻替換圖片和文字，效果這些都是利用模板自身的。 1:將我們需要的照片打包為一個文件夾 2：新建一個素材箱（名字隨便取一個，方便找到就好） 方法是：鼠標右鍵單擊項目空白處，選擇新建素材箱 3：將需要的照片全部導入到剛剛新建的素材箱中

音視頻 , 彈出菜單 , presto 批量 替換 函數 , 雲計算 , 雲原生 , 右鍵 , 嵌套

收藏 評論

u_16213624 頭像

mob64ca140234eb - postgres wgs84座標數據計算

1. WGS84 WGS84:World Geodetic System 1984，是為GPS全球定位系統使用而建立的座標系統。通過遍佈世界的衞星觀測站觀測到的座標建立，其初次WGS84的精度為1-2m，在1994年1月2號，通過10個觀測站在GPS測量方法上改正，得到了WGS84（G730），G表示由GPS測量得到，73

座標系統 , 全球定位系統 , 雲計算 , bc , 雲原生 , 地理信息系統

收藏 評論

baicia 頭像

白菜素三鮮丶 - zabbix安裝agent及部署監控

zabbix安裝agent及部署監控 zabbix安裝Windows版angent（免安裝版） 通過下方地址，下載windows版zabbix-agent https://www.zabbix.com/download_agents?version=7.4release=7.4.5os=Windowsos_version=11%2C+10hardware=amd64encry

f5 , 雲計算 , 3d , 雲服務 , server

收藏 評論

u_16099181 頭像

數碼悟透 - cxarchive文件

vista winsxs太大了，如何清理C盤空間？windows vista中有個winsxs文件夾,現在越來越大,佔用了7.25G的空間,請問一下,裏面的文件是否都有用,請問是不是可以刪除一部分,節省一部份空間.謝謝! 回答：根據我的經驗和研究，WinSxS是Windows目錄下一個重要的目錄，裏面的文件是不可刪除的。WinSxS下有很多重要的組

windows , 大數據 , cxarchive文件 , hive , 系統盤 , 系統文件

收藏 評論

love51 頭像

GhostLover - 在ROS中實現多Realscene D455數據的讀取併發布

在ros2 humble版本上安裝D455相機並獲取圖像和深度信息 一、安裝ROS2 Humble 二、安裝Intel RealSense SDK 2.1、更新系統依賴： 2.2、安裝構建工具： 2.3、下載並編譯SDK： 三、安裝ROS2的RealSense驅動

環境變量 , 錯誤信息 , 大數據 , 工作區 , hadoop , kobuki ros2

收藏 評論

u_16380863 頭像

未聞花名AI - 構建AI智能體：十二、給詞語繪製地圖：Embedding如何構建機器的認知空間

我們理解“蘋果”這個詞，能聯想到一種水果、一個公司、或者牛頓的故事。但對計算機而言，“蘋果”最初只是一個冰冷的符號或一串二進制代碼。傳統的“One-Hot”編碼方式（如“蘋果”是[1,0,0,...]，“香蕉”是是[0,1,0,...]）無法表達任何語義，所有詞之間的關係都是相等且無關的。 如何讓機器真正“理解”含義？這就需要一種新的表示方法——Embedding。它就像一

中心詞 , NLP , 加載 , 人工智能 , 詞向量

收藏 評論

u_16213667 頭像

mob64ca140c75c7 - vfl損失公式表達

1. 總述 Focal loss主要是為了解決one-stage目標檢測中正負樣本比例嚴重失衡的問題。該損失函數降低了大量簡單負樣本在訓練中所佔的權重，也可理解為一種困難樣本挖掘。 2. 損失函數形式 Focal loss是在交叉熵損失函數基礎上進行的修改，首先回顧二分類交叉上損失： 是經過激活函數的輸出，所以在0

vfl損失公式表達 , 損失函數 , 權重 , 人工智能 , 計算機視覺 , 目標檢測

收藏 評論