tag yyds乾貨盤點

標籤
貢獻133
286
05:13 PM · Nov 07 ,2025

@yyds乾貨盤點 / 博客 RSS 訂閱

讓世界更美好 - Linux進程控制精要:從進程創建到回收的深度剖析

引言 進程是Linux系統中最重要的抽象概念之一,理解進程控制是掌握Linux系統編程的核心。本文將深入探討Linux進程的創建、管理、通信和回收機制,通過實際代碼示例揭示進程控制的底層原理。 一、進程的誕生:fork()系統調用 1.1 fork()的工作原理 #include stdio.h #include unistd.h #includ

父進程 , 子進程 , yyds乾貨盤點 , include , 運維

收藏 評論

尼羲 - Docker 的打包及基本使用

Docker 的打包及基本使用 Docker的打包是將應用程序及其依賴項封裝到一個容器中,以便在任何支持Docker的環境中運行。 本教程將詳細介紹如何通過Dockerfile打包應用程序,並基本使用Docker容器。 Docker 打包 創建 Dockerfile Dockerfile是一個文本文件,包含了一系列指令,用於自動化構建Dock

yyds乾貨盤點 , 雲計算 , dockerfile , Docker

收藏 評論

知識淺談 - Gemini3Pro無限使用手把手教程

Gemini3Pro無限使用精簡版 Antigravity:谷歌官方推出的IDE,類似於Cursor,集成了Gemini3Pro、Claude4.5、GPT等各家最強大的模型。 直接下載安裝Antigravity:https://antigravity.google/download?hl=zh-cn就可以免費使用,但是在安裝過程中會有一些問題卡住你,想要順利使用,請看下文詳細版教

軟件研發 , yyds乾貨盤點 , Gemini , Gemini3Pro

收藏 評論

向量檢索 - 如何通過HTTP API插入或更新Doc

本文介紹如何通過HTTP API向Collection中插入或更新Doc。 説明 若調用本接口時Doc Id已存在,則等同於更新Doc;Doc Id不存在,則等同於插入Doc。 若調用本接口時不指定DocId,則等同於插入Doc,DashVector會自動生成Doc Id,並在返回結果中攜帶id信息。

向量檢索 , 大數據 , yyds乾貨盤點 , 數據倉庫 , AI , 數據庫 , 人工智能 , 大模型

收藏 評論

JavaEdge - 從 100 TPS 到 700+!微服務登錄性能調優與 BLOCKED 鎖定位實戰

0 前言 前文還沒優化完,接着來折騰。 登錄要對個人信息對比驗證,驗證過程又要調用相應加密算法,而加密算法對性能要求很高。複雜加密算法安全性高,但性能差;不復雜加密算法性能好,但安全性低,要取捨。還有Session存儲和同步。大型系統,不管你在哪個系統訪問,調用其他系統時如需驗證身份就要同步Session信息,且做業務時,也要把相應Session信息帶上,不然就識別不

加密算法 , yyds乾貨盤點 , 人工智能 , JAVA , 深度學習 , ide

收藏 評論

阿森CTO - C++異常處理

@TOC C++異常處理:底層邏輯、實操方法與實戰技巧 一、背景知識 1.1 C語言的錯誤處理侷限 C語言處理錯誤的核心方式僅有兩種,且都存在顯著短板: 直接終止程序:像assert斷言這類方式,一旦檢測到非法條件(比如數組越界、空指針訪問)就直接終止程序。這種方式對用户極不友好,比如僅因一個參數錯誤就導致整個應用崩潰,完全沒有容錯

大數據 , yyds乾貨盤點 , 拋出異常 , 數據倉庫 , 緩存 , 錯誤碼

收藏 評論

池央_chi - 白嫖黨福音:Coze 雙旗艦模型限時免費!接入 AIPing 打造你的專屬 C++ 後端分析專家

Coze 工作流大進化:接入 AIPing 免費接口,打造硬核 C++ 後端分析專家 前言: 全體開發者請注意,這波“算力羊毛”真的要薅禿了![平台名稱] 剛剛放出了年末最強更新:不僅一次性上線了兩款業內公認的最強國產大模型,更把“誠意”直接寫在了激勵機制裏——只要參與,就能無門檻獲取 **[具體額度]**的通用算力點數。 當你還在為昂貴的 API

yyds乾貨盤點 , 多語言 , AI寫作 , Max , aigc , 開發者

收藏 評論

51CTO技術成就夢想 - 從大模型到邊緣智能體:基於行為蒸餾的 Agent 能力壓縮與泛化研究

從大模型到邊緣智能體:基於行為蒸餾的 Agent 能力壓縮與泛化研究 一、背景與問題引入 隨着大語言模型(LLM)的能力不斷增強,**Agent(智能體)**在任務規劃、工具調用、環境感知等方面表現出極強的通用性。然而,一個現實問題逐漸顯現: 大模型很強,但太“重”了。 在以下場景中,大模型往往並不適用: 邊緣設備 / IoT / 嵌入式系統

插入圖片 , yyds乾貨盤點 , 後端開發 , Git , Python

收藏 評論

阿森CTO - vector模擬實現與核心機制

@TOC 📝基本框架 我們先定義自己的命名空間倆封裝自定義的vector類,這樣可以避免與標準庫中的 vector 發生命名衝突。隨即,我們定義模版類vector,三個成員變量都是迭代器,而vector迭代器又是原生指針,所以我們將指針取別名為iterator 框架代碼: namespace self { templateclass

大數據 , yyds乾貨盤點 , 初始化 , 迭代器 , 數據倉庫 , 構造函數

收藏 評論

盈電物聯網應用娃娃 - 國安緊急提醒碎紙機可能泄密!物聯網出手加上“防泄密鎖”!

近日,國家安全部微信公眾號發佈新聞提醒,隨着竊密手段不斷迭代,看似可靠的碎紙機,正成為泄密風險的隱秘源頭。有公開報道顯示,有專業技術能通過掃描碎紙顆粒的圖案、顏色,並運用相關軟件恢復關鍵內容,甚至可還原約70%的碎紙內容!因此,正確使用碎紙機,不僅是辦公的好習慣,更是一項重要的保密責任。 面對這些隱患,物聯網技術正成為全新的“安全加固”方案。 首先,它讓粉碎“

yyds乾貨盤點 , 監控 , iot , 物聯網 , 安全

收藏 評論

mb6942808bc02a3 - Redis命令行模式

Redis 命令用於在 Redis 服務器上執行一些操作,而命令運行的方式是通過客户端命令行來執行的,這種方式也被稱為“命令行模式”。因此想要在 Redis 服務器上運行命令,您首先需要開啓一個 Redis 客户端。操作方法如下: 在 CMD 命令行輸入以下命令啓動一個 Redis 客户端: redis-cli 注意:在開啓客户端之前,你要確定

redis , 服務器 , yyds乾貨盤點 , 客户端 , 數據庫

收藏 評論

咚咚王哲 - 人工智能之數據分析 Matplotlib:第六章 知識總結

人工智能之數據分析 Matplotlib 第六章 知識總結 (文章目錄) 前言 本文對之前的關於matplotlib的知識進行系統性總結,便於知識梳理和歸納,為後續打好基礎,或者面試使用 一、核心架構 Matplotlib 採用 三層架構: Backend(後端) 負責圖形渲染和輸出(如 T

子圖 , yyds乾貨盤點 , 面向對象 , 人工智能 , 數據分析 , Python

收藏 評論

anson12315 - [K8s技能系列] 深入淺出Kubernetes核心架構:從入門到精通的必修課

概念解析 Kubernetes(簡稱K8s)是一個開源的容器編排平台,用於自動化部署、擴展和管理容器化應用程序。它由Google開發並於2014年開源,現在由Cloud Native Computing Foundation(CNCF)維護。 核心概念 集羣(Cluster):K8s的計算資源池,包含至少一個主節點和多個工作節點。 節點(Node):集羣中的工作

K8s部署 , K8s , kubernetes , yyds乾貨盤點 , 雲計算 , Kubernets

收藏 評論

青雲交技術圈 - Java 大視界 -- Java 大數據在智能教育學習效果評估與教學質量改進實戰

(centerJava 大視界 -- Java 大數據在智能教育學習效果評估與教學質量改進實戰/center) 引言: 嘿,親愛的 Java 和 大數據愛好者們,大家好!我是CSDN(全區域)四榜榜首青雲交!在《大數據新視界》和《 Java 大視界》專欄攜手探索技術前沿的旅程中,我們一同見證了 Java 大數據在多個領域的輝煌成就。 如今,教育領域正面臨着新的挑戰與機遇,傳統

spark , 大數據 , yyds乾貨盤點 , Java大數據 , AI , JAVA , 智能教育

收藏 評論

collen7788 - 【趙渝強老師】MongoDB的數據類型

作為文檔型NoSQL數據庫的典型代表,MongoDB提供了豐富的數據類型,主要有:ObjectId、String、Boolean、Number、Arrays、Object、Null、Timestamp和Date。下面通過具體的示例來演示其中主要的數據類型以及它們的作用。 點擊這裏查看視頻講解:【趙渝強老師

yyds乾貨盤點 , 數據 , nosql , mongodb , 數據庫

收藏 評論

技術員阿偉 - 《Unity文本視覺瑕疵修復:字體缺失與換行符適配實戰指南》

文本作為信息傳遞的核心載體,其顯示的連貫性與規範性直接決定用户對產品的直觀感受。跨平台測試階段曾出現一類極具迷惑性的視覺偏差:部分界面文本呈現不規則空白區塊,連貫語句被無規律截斷,段落間距忽寬忽窄呈現碎片化,更有甚者出現文字溢出邊框或局部遮擋的現象,部分特殊字符還會呈現模糊失真的狀態。初始排查聚焦於UI組件的錨點約束、尺寸適配與渲染層級排序,反覆調試後仍未改善顯示效果。直至對比文

yyds乾貨盤點 , 控制字符 , 換行符 , 編碼格式 , 代碼人生

收藏 評論

芯動大師 - 打造兩輪差速機器人fishbot:從零開始構建移動機器人

大家好,我是夢筆生花,我們一起來動手創建一個兩輪差速的移動機器人fishbot。 機器人除了雷達之外,還需要IMU加速度傳感器以及可以驅動的輪子,我們曾介紹過機器人學部分,曾對兩差速模型進行過介紹,所以我們還需要再創建兩個差速驅動輪和一個支撐輪。 所以接下來夢筆生花將帶你一起給機器人添加如下部件和關節: IMU傳感器部件與關節 左輪子部件與關節

滑動條 , yyds乾貨盤點 , 人工智能 , 運行測試 , 數據結構與算法 , fish

收藏 評論

蒙奇D索隆 - 【數據結構】考研408 | 偽隨機探測與雙重散列精講:散列的藝術與均衡之道

(開放定址法) 導讀 大家好,很高興又和大家見面啦!!! 通過前面的內容,我們已經學習了兩種 開放定址法 : 線性探測法:通過 固定探測步長 處理衝突 平方探測法:通過 平方跳躍步長 處理衝突 但是這兩種方法均會帶來一定的問題: 線性探測法 會導致 一次聚集 的現象 平方探測法 會導致 二次聚集 的現象 因此,在 開

yyds乾貨盤點 , 數據結構 , c++ , 後端開發 , 考研 , c , 408

收藏 評論

咚咚王哲 - 人工智能之數據分析 numpy:第二章 簡介與安裝

人工智能之數據分析 numpy 第二章 簡介與安裝 (文章目錄) 前言 NumPy(Numerical Python 的簡稱)是 Python 中用於科學計算的核心庫之一。它提供了高性能的多維數組對象(ndarray)以及用於操作這些數組的工具,廣泛應用於數據分析、機器學習、圖像處理、物理模擬等領域。 一、NumPy 的主要特點

機器學習 , yyds乾貨盤點 , numpy , 後端開發 , Python

收藏 評論

鴿鴿程序猿 - 【項目】【抽獎系統】獎品創建

一、圖片上傳功能 1.1 配置 application.properties 配置上傳⽂件路徑 ## 圖⽚服務 ## pic: local-path: D:/PIC # spring boot3 升級配置名 spring: web: resources: static-locations: classpath:/static/,file:

spring , yyds乾貨盤點 , 後端開發 , JAVA , Css

收藏 評論

xjsunjie - 不是數據越多越好,而是數據質量越高越強:構建企業高質量數據集的五大認知革命

引言 在數字化轉型加速背景下,企業普遍將數據規模作為能力指標,卻忽視了數據質量對決策效能的根本性制約。 本文基於真實企業實踐與數據治理框架(DAMA-DMBOK、DCMM、ISO 8000),系統提出構建高質量數據集的五大認知革命:從“數據量優先”轉向“關鍵數據可信”、從“IT主導”轉向“業務主責”、從“事後清洗”轉向“流程嵌入”、從“追求完美”轉向“場景化閾值”、從

it , yyds乾貨盤點 , 數據 , 數據質量 , 人工智能 , 數據分析

收藏 評論

虎斑嘟嘟 - 魯棒性認證:隨機平滑的ℓ₁/ℓ₂認證半徑精確分析

魯棒性認證:隨機平滑的ℓ₁/ℓ₂認證半徑精確分析 對抗樣本的存在猶如深度學習領域的"暗物質",揭示了模型決策邊界中隱藏的脆弱性。面對這一挑戰,隨機平滑技術脱穎而出,成為首個能夠為大規模深度學習模型提供可證明魯棒性保證的實用方法。然而,傳統的隨機平滑分析主要集中於ℓ₂範數威脅模型,在現實世界中更為常見的ℓ₁威脅(如稀疏對抗擾動)面前顯得力不從心。 本文將深入探討隨機平滑

縮放 , yyds乾貨盤點 , 後端開發 , JAVA , 深度學習 , 二分搜索

收藏 評論

愛吃飯的程序媛 - 1170. Compare Strings by Frequency of the Smallest Character

題目 Let's define a functionf(s)over a non-empty strings, which calculates the frequency of the smallest character ins. For example,ifs = "dcce"thenf(s) = 2because the smallest character is"

數組 , yyds乾貨盤點 , i++ , 代碼人生 , 字典序

收藏 評論

WangLanguager - 多智能體強化學習(MARL)介紹和代碼示例

多智能體強化學習(MARL)介紹 多智能體強化學習(Multi-Agent Reinforcement Learning, MARL)是強化學習的一個分支,涉及多個智能體在同一環境中學習和決策。MARL 主要關注以下幾個方面: 環境交互: 多個智能體同時與環境交互,它們的行為不僅影響自身的獎勵,也會影響其他智

強化學習 , yyds乾貨盤點 , tensorflow , 前端開發 , 代碼示例 , Javascript

收藏 評論