博客 RSS 訂閱

u_16099211 頭像

笑傲江湖求敗 - gem5學習方法彙總，How to start gem5?

與大多數現代 CPU 一樣，ARM CPU 支持 DVFS（動態電壓頻率調整）。可以在 gem5 中對此進行建模，並監控由此產生的功耗使用情況。DVFS 建模是通過使用時鐘對象的兩個組件來實現的：電壓域和時鐘域。本章節詳細介紹了這些不同的組件，並展示了將它們添加到現有模擬中的不同方法。 電壓域 電壓域規定了 CPU 可以使用的

命令行 , 子類 , gpu , 後端開發 , arch , JAVA , gem5

收藏 評論

u_13360 頭像

level - mysql數據庫數據刪除怎麼恢復-mysql教程

文章目錄 一、使用備份恢復 二、使用二進制日誌（Binary Log） 三、使用InnoDB表空間恢復 四、使用第三方工具 預防措施 數據誤刪是一個嚴重的數據庫管理問題，但通過合理的備份策略和使用適當的恢復工具，可以有效地減少數據丟失的風險。 幾種常見的數據恢復方法：包括使用備份、二進制

數據 , MySQL , 二進制日誌 , 數據庫 , 後端開發 , harmonyos

收藏 評論

u_15690955 頭像

出手吧Glen - 一句話，AI自動生成視頻，炸穿！

前陣子阿里通義萬相Wan2.2 但相信大部分人看到需要 “30-50G 顯存”、“4090 起” 等配置要求，瞬間被澆滅了熱情。 沒關係，大家即將被Wan2GP狠狠拯救了！這款神仙工具直接把門檻踩碎在地：原本要 30-50G 顯存才能跑的頂級模型，現在 6G 顯卡就能流暢運行，老電腦也能原地復活，這波操作真的殺瘋了！ 先吹爆 W

機器學習 , AI 視頻 , 人工智能 , Image , 自媒體

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程四：計算機視覺 第四周：卷積網絡應用 課後習題和代碼實踐

此分類用於記錄吳恩達深度學習課程的學習筆記。 課程相關信息鏈接如下： 原課程視頻鏈接：[雙語字幕]吳恩達深度學習deeplearning.ai github課程資料，含課件與筆記:吳恩達深度學習教學資料 課程配套練習（中英）與答案：吳恩達深度學習課後習題與答案 本篇為第四課第四周的課後習題和代碼實踐部分。 1. 理論習題 【中英】【吳恩達課後測驗】Course 4 -卷積神經網絡

AI

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI 大模型數字化監測系統：用智能技術重構監測新範式

傳統數字化監測多是“數據採集 + 簡單統計”，只能被動呈現數據結果，難以及時捕捉隱藏風險、預判趨勢變化。AI 大模型數字化監測系統的核心突破，是讓監測從“看數據”升級為“懂數據、判趨勢、提方案”，靠大模型的語義理解與推理能力，打通“數據採集-智能分析-決策輸出-閉環優化”全鏈路，成為業務管控的“智能大腦”。其技術邏輯不復雜，本質是用大模型賦能監測，實現數據價值的深度挖掘。 系統技術根

數據 , 上傳 , 數據採集 , NLP , 人工智能

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI視覺分析安全管理系統：用技術築牢主動防線

傳統安全管理多依賴“人工巡檢+事後追溯”，不僅效率低下，還常因疲勞、環境干擾留下安全盲區。AI視覺分析安全管理系統的核心價值，是通過技術手段將安防從“被動應對”升級為“主動預判”，靠一套“感知-分析-決策-聯動”的智能鏈路，守住安全第一道關口。其技術內核並不晦澀，本質是讓系統像“智慧哨兵”一樣，看得清、讀得懂、反應快。 系統的技術底座的是“四層架構協同”，每一層都承擔着關鍵職責。最前

數據 , 上傳 , NLP , 人工智能 , 安全管理

收藏 評論

u_17084152 頭像

OnePieceLwc - 歷史十大帝王拉到一個羣聊會發生什麼事？朱元璋直接開噴

大家好，我是LucianaiB。 歷史十大帝王拉到一個羣聊會發生什麼事？朱元璋直接開噴 本項目已開源：https://github.com/OnePieceLwc/OpenAgents-GLM 引言：從短劇靈感到AI實驗 最近沉迷於在某果看爽文短劇，入局就是《我的視頻通萬朝：開局盤點十大帝王》，AI發展的現在，AI短劇越來越得到更多的支持，（小道消息：明年

github , OpenAgents , AI , 後端開發 , GLM - 4.7 , Python

收藏 評論

jiangyi 頭像

我愛哇哈哈 - 消息積壓了100萬，除了加機器，還能幹什麼？這5個絕招讓你秒變救火隊長！

監控報警響起，消息隊列積壓了100萬條消息，業務方瘋狂催促，運維同學束手無策，老闆在身後盯着...這時候你是不是第一反應就是"加機器！加機器！"？但是機器不是萬能的，有時候加了機器反而會讓問題更糟！今天就來聊聊消息積壓的終極解決方案，讓你在關鍵時刻秒變救火隊長！ 一、消息積壓的根源分析 在開始介紹解決方案之前，我們先來理解消息積壓的根本原因。 1.1 消息積壓的本質 //

List , System , yyds乾貨盤點 , 後端開發 , JAVA

收藏 評論

u_17595267 頭像

FlameAI - 不依賴框架，用原生前端實現一組新年倒計時交互實驗

最近做了一個相對“反工程化”的前端小項目： 一組新年倒計時實驗，全部使用原生前端技術完成。 技術選型刻意保持簡單： 原生 JavaScript HTML5 Canvas requestAnimationFrame 驅動動畫 Web Audio API 處理音效 沒有使用任何主流框架，也沒有複雜的構建流程

主流框架 , 指尖人生 , github , 前端開發 , Javascript , ui

收藏 評論

u_17608907 頭像

廿士NS - 【kettle】 transformation並行執行後合併分支執行次數淺談

背景 在實際開發中，出於業務邏輯或者處理效率的考慮，在某一支job下，會涉及到並行執行多個transformation，等這些transformation執行完成後，再執行後續的transformation的情況。從流程的角度來看，就是分支 + 主幹的關係；從job的設計界面來看，呈現的是一個橄欖型結構，如圖： （其中，轉換1 xx和轉換2 xx是分支，轉換3 xx是主幹） 略違反直

業務邏輯 , 連線 , 並行執行 , 後端開發 , etl , JAVA , 在51CTO的第一篇博文

收藏 評論

u_13357275 頭像

上海拔俗網絡 - 檢察機關AI智能語音平台：技術讓效率與安全雙在線

在檢察機關辦案流程中，審訊錄音、證人證言、會議討論等海量語音數據，曾是耗費幹警大量精力的“負擔”。AI智能語音平台的落地，並非簡單的“語音轉文字”，而是通過精準的技術適配，為檢察辦案築起高效與安全的雙重屏障，成為數字檢察的核心抓手之一。 平台的核心根基是定製化語音識別（ASR）技術。不同於通用語音工具，檢察場景對專業度和準確率要求極高——“認罪認罰”“尋釁滋事”等法律術語、地方方言，

數據 , NLP , 智能語音 , 數據安全 , 人工智能

收藏 評論

u_17467352 頭像

mb686fbcc4efbd6 - 游泳池內溺水檢測數據集VOC+YOLO格式3523張4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)：3523 標註數量(xml文件個數)：3523 標註數量(txt文件個數)：3523 標註類別數：4 所在github倉庫：firc-dataset 標註類別名稱

數據集 , 後端開發 , txt文件 , xml文件 , Python

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI人工智能輔助系統：技術驅動下的人機協同新範式

AI人工智能輔助系統絕非“AI主導、人類配合”的工具，而是以三大核心技術為支撐，實現“機器補位、人類決策”的智能協同體系。它通過技術承接重複性、高算力、強關聯的基礎工作，把創造力、價值判斷和複雜決策交還給人類，在醫療、辦公、工業等領域重構效率邊界，其核心能力始終紮根於技術的精準落地。 自然語言處理（NLP）是系統打通“人機對話”的核心橋樑。不同於簡單的文字識別，成熟的NLP技術能讀懂

強化學習 , NLP , 人工智能 , 關聯關係

收藏 評論

u_17467352 頭像

mb686fbcc4efbd6 - 游泳溺水檢測數據集VOC+YOLO格式5724張3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)：5724 標註數量(xml文件個數)：5724 標註數量(txt文件個數)：5724 標註類別數：3 所在github倉庫：firc-dataset 標註類別名稱

數據集 , 後端開發 , txt文件 , xml文件 , Python

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI執法辦案輔助審核系統：技術為司法精準提速

基層執法辦案中，“卷宗堆成山、閲卷耗整天”曾是常態，人工審核易因疲勞漏判細節、法條匹配耗時久。AI執法辦案輔助審核系統的落地，並非簡單的技術炫技，而是用三大核心技術重構審核流程，讓辦案既快又準，成為司法人員的“智能搭檔”。 自然語言處理（NLP）是系統的“文字解碼師”，破解了卷宗解析的效率難題。傳統人工閲卷需逐頁梳理筆錄、文書，耗時費力且易遺漏。AI通過深度學習法律文書語料，能精準拆

音視頻 , 區塊鏈 , NLP , 人工智能 , 模態

收藏 評論

huobaodeshanghen_ya4gw 頭像

火爆的傷痕_Ya4Gw - 有賬户密碼，如何遠程內網ubuntu

在內網 Ubuntu 機器已知賬户/密碼的前提下，最常用、最省事的遠程操作方案分三步： 確認目標機已安裝並啓用 SSH 服務； 從控制端用 ssh 客户端直接登錄（命令行、文件傳輸、端口轉發都能做）； 如需圖形界面，再加一條 X11 轉發或 VNC/RDP 即可。 下面把每一步的“最小可用命令”和“常見坑”都給你列出來，照着敲就能通。 一、目標機（Ubuntu）上——只需做一

服務器 , Linux , Ubuntu

收藏 評論

u_12970 頭像

huatechinfo - Wordpress主題和網站設計開發手冊和資源

一、為什麼商品對比功能是現代電商網站的必備利器 多年的WordPress開發經驗中，商品對比功能一直是客户諮詢最多的需求之一。想象一下，當用户面對琳琅滿目的商品時，如果能夠將心儀的幾款產品並排展示，直觀地對比價格、參數、功能等關鍵信息，購買決策會變得多麼簡單！這就是為什麼亞馬遜、京東等主流電商平台都將商品對比作為標配功能。 在為客户構建Wor

wordpress , 數據 , 加載 , 開源 , Css , 前端開發 , HTML

收藏 評論

u_13357275 頭像

上海拔俗網絡 - 人工輔助系統：用技術架起人機協同的橋樑

提到人工輔助系統，不少人覺得是“機器幫人幹活”，實則其核心是一套靠技術實現“人機互補”的智能框架——讓機器承接重複、高精度的基礎工作，把複雜決策、模糊判斷留給人類，同時通過人類反饋持續進化。它不是替代人，而是用技術放大人類的能力邊界，這背後藏着邊緣計算、意圖感知、自適應算法等關鍵技術的協同發力。 邊緣計算是人工輔助系統實現“實時協同”的基石。傳統雲端計算雖強，但數據傳輸延遲常拖慢節奏

自適應 , 數據 , NLP , 人工智能 , 模態

收藏 評論

u_16213671 頭像

mob64ca140d61c6 - LVS+Keepalived負載均衡高可用羣集

文章目錄 前言 一、keepalived概念和原理 1、keepalived介紹 2、vrrp工作原理 3、keepalived主要模塊 二、腦裂問題和解決方案 1、什麼是腦裂 2、原因 解決策略 三、LVS+keepalived

tcp , 運維 , 負載均衡 , 後端開發 , lvs , 高可用 , Python

收藏 評論

u_16099242 頭像

網線小遊俠 - .NET(C#)有哪些主流的ORM框架，FreeSql，SqlSugar，Dapper，EF還是..

在對比Entity Framework Core（EF Core）、SqlSugar、FreeSql和Dapper這四種常用的.NET ORM框架時，我們可以從多個維度進行詳細的梳理和總結。以下是對這些框架的對比，包括應用場景、優勢、劣勢，並嘗試通過表格形式展示關鍵數據（儘管ORM框架的對比通常難以直接量化到具體的數據點，但我會盡量通過描述性信息來呈現）

Core , EF , 後端開發 , .net , SQL , Python

收藏 評論

u_16099231 頭像

半夜未央好 - STM32-一文搞懂通用定時器捕獲/比較通道_捕獲比較寄存器

一、引言 AS32系列MCU芯片集成4個高級定時器，每個定時器包含一個32位自動重載計數器，該計數器由可編程預分頻器驅動，支持遞增、遞減、中心計數、編碼器模式等計數方式。 高級定時器具有6個獨立通道，可實現測量輸入信號的脈衝寬度、可編程PWM輸出、帶死區插入的互補PWM等功能。 二、PWM簡介 PWM，全稱脈衝寬度調製。它是一種用

單片機 , risc-v , 架構 , 後端開發 , 嵌入式硬件 , fpga開發 , Python

收藏 評論

u_16099361 頭像

16099361 - .NET4項目提示“不存在類型或命名空間名”的問題

.NET Framework中報錯命名空間System.Text中不存在類型或命名空間名Json 嚴重性 代碼 説明 項目 文件 行 禁止顯示狀態 錯誤 CS0234 命名空間“System.Text”中不存在類型或命名空間名“Json”(是否缺少程序集引用?) M3U8_Download F:\Merchant\merchant2025

System , 後端開發 , JAVA , .net , Json , Python

收藏 評論

u_16213684 頭像

mob64ca14106f2f - Android的隱式跳轉

🎯 隱式跳轉 = 給 Android 發一張“任務説明書” 任務説明書裏面有三樣東西： Action（動作） —— 我要幹什麼 Data（數據內容） —— 我要對什麼幹 Category（類別提示） —— 有什麼特殊要求 Android 會根據這三條信息，去找能處理這個任務的 Activity。

data , 後端開發 , Android , Python

收藏 評論

u_16099306 頭像

落花流水人家 - 羣集之LVS負載均衡羣集（DR模式）

文章目錄 一、LVS-DR模式負載均衡羣集 1、LVS DR模式工作原理（Direct Routing） 1.1 數據包流向分析 1.2 DR模式特點 2、DR模式部署步驟 2.1 環境規劃 2.1.1 服務器規

Real , 負載均衡 , 後端開發 , server , lvs , 智能路由器 , harmonyos

收藏 評論