收藏 / 列表

天航星 - 【Python 基礎】第 2 期:環境搭建

在開始編寫 Python 代碼前,還需要搭建 Python 的開發環境。 電腦是沒辦法直接讀懂 Python 代碼的,而是需要一個解釋器,實時把代碼翻譯成字節碼,字節碼再轉換成 0 和 1,電腦就能讀懂了。 Python 的運行過程就是翻譯一行、執行一行(所以 Python 的運行速度較慢)。 我們一般説安裝 Python,本質上就是安裝 Python 解釋器。 這裏以在 Windows

後端

逐夢AI - STM32F103 驅動 WS281x 燈珠的三種方式詳解(普通 IO / SPI+DMA / PWM+DMA)【開源免費】

STM32F103 驅動 WS281x 燈珠的三種方式詳解(普通 IO / SPI+DMA / PWM+DMA) WS281x(常見型號 WS2812B / SK6812)是一種集成了 LED 與驅動芯片的智能 RGB 燈珠,通過 單總線協議 完成顏色控制。該協議雖然只有一個數據線,但對 時序要求非常嚴格,這也是驅動時常被認為“麻煩”的原因。 本文總結在 STM32F103 平台驅動 WS281x

後端

艾體寶IT - 艾體寶乾貨 | Redis Python 開發系列#1 第一步:環境搭建與安全連接指南

本文是 Redis × Python 系列第一篇,詳細講解如何為 Python 項目安裝配置 redis-py 和 hiredis,建立安全高效的連接與連接池,並提供生產環境的最佳實踐和常見避坑指南。 關鍵詞: Python Redis連接, redis-py安裝, Redis連接池, Redis SSL配置, hiredis, Redis安全 前言 作為內存數據存儲的典範,Redis 以其

redis , 數據庫 , 後端

張老師講數字孿生 - 凡拓自動標註平台:AI模型的“超級飼料機”

自動化、智能化正成為數據標註的新常態,凡拓數創以技術創新重塑AI數據基礎設施。 在人工智能行業,有一句話廣為流傳:“有多少智能,就有多少人工”。這句話在數據標註領域體現得尤為明顯。傳統的數據標註高度依賴人力,標註員需要長時間盯着屏幕,對圖像、文本、語音等數據進行反覆標註和校對,不僅工作量大、成本高,還存在效率低下和標準不統一的問題。 凡拓數創最新推出的自動標註平台,正在徹底改變這一現狀

資訊 , 數據 , 人工智能 , 深度學習

數據集成與治理 - 如何解決數據孤島難題?

如果你在工作中經常遇到這些問題:財務的數據銷售拿不到、用户信息在不同系統裏對不上,那麼你可能正在經歷"數據孤島"的困擾。 聽着是不是很熟? 這幾乎是所有成長中的企業都會遇到的典型問題。 接下來,本文內容將會帶你去理解數據孤島,並提供具體的解決方法和工具。 一、什麼是數據孤島 ​數據孤島,也稱數據隔離​。指的是組織內部不同部門、不同系統中存儲和管理的數椐,彼此無法順暢共享、交換和整合的狀態。 舉個例

數據庫設計 , 系統管理

大廠碼農老A - CR被批“寫得像坨屎”,我三句話讓他當場閉嘴

這坨屎山,我接了 大家好,我是老A。 我想很多程序員有過這種經歷,新接手一個項目,打開工程一看,妥妥的一大坨🤦,內心OS:好嘛,又要“屎山雕花”了。。。 我這兩年在做電商業務,所以業務上經常會搞大促,3天一小促,5天一大促,作為技術早就習慣了這種研發節奏(倒排)。今年6月是我們業務年中的一次大型大促,所以5月份的需求爆炸多,基本都是倒排,業務天天拿着大喇叭在我們屁股後喊📢:這個需求不做就

segmentfault , springboot , JAVA , 程序員 , 後端

沉浸式趣談 - 熱點面試題:聊聊對 this 的理解?

前言 歡迎關注 『前端進階圈』 公眾號 ,一起探索學習前端技術...... 前端小菜雞一枚,分享的文章純屬個人見解,若有不正確或可待討論點可隨意評論,與各位同學一起學習~ 聊聊對 this 對象的理解? 定義 在執行上下文中的一個屬性,它指向最後一次調用這個屬性或方法的對象。通常有四種情況來判斷。 四種情況如下 1. 函數調用模式:當一個函數不是一個對象的屬性時,直接作為函數來調用時

面試 , 面試問題 , this , 前端 , Javascript

universe_king - vscode、trae 無法智能提示 pydantic 相關的函數了,變成白色的解決方案

一開始 trae 發現不能只能提示 pydantic 相關的函數了,以為是 trae 的問題,換了 vscode 打開同一個項目也還是不行。 以為是 pipenv 虛擬環境出問題了,但是重新裝了 pipenv 環境也不行 重啓電腦也不行,重啓 vscode、trae 等等都不行 然後我想會不會是 .vscode 目錄下的東西出問題了 但是 ls -lah 發現沒有 .vscode 目錄 但是看到了

Python

bin的技術小屋 - 時間輪在 Netty , Kafka 中的設計與實現

本文基於 Netty 4.1.112.Final , Kafka 3.9.0 版本進行討論 在業務開發的場景中,我們經常會遇到很多定時任務的需求。比如,生成業務報表,週期性對賬,同步數據,訂單支付超時處理等。針對業務場景中定時任務邏輯複雜,執行時間長的特點,市面上已經有很多成熟的任務調度中間件可供我們選擇。比如:ElasticJob , XXL-JOB , PowerJob 等等。 而在中間件的場

netty , JAVA , kafka

山頭人漢波 - 一步一步來:手寫Koa2

之前講過Koa2從零到腳手架,以及從淺入深瞭解Koa2源碼 這篇文章講解如何手寫一個 Koa2 Step 1:封裝 HTTP 服務和創建 Koa 構造函數 之前閲讀 Koa2 的源碼得知, Koa 的服務應用是基於 Node 原生的 HTTP 模塊,對其進行封裝形成的,我們先用原生 Node 實現 HTTP 服務 const http = require('http') const server

koa2 , node.js , 前端 , Javascript

codists - 《自動機理論、語言和計算導論》閲讀筆記:p261-p314

《自動機理論、語言和計算導論》學習第 10 天,p261-p314總結,總計 48 頁。 一、技術總結 1.generating reachable 2.Chomsky Normal Form(CNF) 喬姆斯基範式。 3.pumping lemma 泵作用引理。引理:引理是數學中為了取得某個更好的結論而作為步驟的已證明命題,其意義並不在於自身已完成證明,而在於其為了達成最終目的而做出貢獻。 4

編譯原理

弗拉德 - 【Python 1-2】Visual Studio Code(VSCode) 配置 Python開發環境

使用 VSCode 作為開發Python的IDE工具 IDE(Integrated Development Environment, 集成開發環境),目前支持Python的IDE有很多。有PyCharm、Eclipse、Atom、Anaconda、Sublime Text等等。我個人更喜歡使用 Visual Studio Code 也就是 VSCode。如果大家有自己喜歡的IDE工具,盡情享用!

python3 , 網頁爬蟲 , python2.7 , 後端 , Python

Rick Carter - EFCore中巧妙利用ToQueryString()實現批插(不借助第三方包)

dotnet10發佈了,ef10也快發佈了,但是還是隻有批量更新(ExecuteUpdateAsync)和批量刪除(ExecuteDeleteAsync)功能,沒有批量插入。 今天給個辦法,在不引用第三方庫的情況下,巧妙利用ToQueryString()實現批插。 道理很簡單,就是用efcore的ToQueryString()方法返回sql字符串,然後替換拼接實現insert into(..

.net , 後端

IPD產品研發管理 - 如何通過TR技術評審管控IPD開發風險?

作為產品開發全流程的技術風險管控實踐,TR(Technical Review,技術評審)自然是IPD流程中不可或缺的一環。 接下來我們需要明確:TR評審是什麼? 一般TR評審是團隊對技術方案、設計輸出、驗證結果做的系統性審查,主要確保產品的技術路線合規、性能達標、可製造性可控,避免因技術問題導致開發返工、成本超支或上市延期。 一、TR評審在IPD中有什麼作用? 在IPD中,TR評審貫穿產品開發的

觀點 , segmentfault , 程序員 , 後端 , 前端

極市平台 - 驍龍大賽直播乾貨彙總

上期課程中我們瞭解了在驍龍 AI PC 上使用 QAI AppBuilder 工具絲滑部署AI模型的核心方法,省流版教程: 用户指南: https://github.com/quic/ai-engine-direct-helper/blob/main/docs/user_guide.md 開源社區: https://github.com/quic/ai-engine-direct-helper 直

資訊 , 教程 , 開發 , 知識 , 後端

Java架構師 - 知乎瘋轉上萬次的Spring Security手冊及源碼筆記

Spring是非常流行和成功的Java應用開發框架,SpringSecurity正是Spring家族中的成員。SpringSecurity基於Spring框架,提供了一套Web應用安全性的完整解決方案。正如你可能知道的關於安全方面的兩個主要區域是“認證”和“授權”(或者訪問控制),一般來説,Web應用的安全性包括用户認證(Authentication)和用户授權(Authorization)兩個部

spring , springsecurity , JAVA , 程序員

mghio - Dubbo 中的集羣容錯

前言 在微服務架構中,服務間的依賴關係複雜且動態,任何一個服務的故障都可能引發連鎖反應,導致系統雪崩。一個好的容錯設計可以避免這些問題發生: 服務雪崩效應:單個服務崩潰或響應延遲可能導致調用鏈上的所有服務被阻塞,最終拖垮整個系統。例如,若服務 A 依賴服務 B,而服務 B 因高負載無法響應,A 的線程池可能被佔滿,進而影響其他依賴A的服務; 分佈式系統的脆弱性:網絡抖動、節點宕機、資源耗盡等

設計思想 , dubbo , 微服務 , JAVA , 後端

XHunter - Golang基礎筆記十六之反射

本文首發於公眾號:Hunter後端 原文鏈接:Golang基礎筆記十六之反射 反射可以用於程序在運行時檢查、修改自身類型和值,主要通過 reflect 包實現。 首先,我們提出一個需求,要打印出一個結構體 struct 的各個字段及其對應的標籤數據,按照當前的筆記內容是無法解決該問題的,但是我們可以使用反射操作來完成。 以下是本篇筆記目錄: 變量的類型和值 修改變量的值 遍歷結構體

go , 後端

月半大熊貓 - GitHub個人主頁美化指南:從路人甲到賽博朋克大牛,只需一行代碼的魔法

GitHub個人主頁美化指南:從路人甲到賽博朋克大神,只需一行代碼的魔法 您是否厭倦了手動編輯您的GitHub配置文件或錯過了您可以添加到其中的驚人功能?😩配置GitHub的動作(Action)也可能是一個麻煩,對嗎? 介紹一個工具profile-readme-generator: https://github.com/maurodesouza/profile-readme-generato

github-pages , github , 開源軟件 , 後端

超神經HyperAI - 30分鐘內輸出結果,新加坡國立大學/MIT等基於SVM構建微生物污染檢測模型

細胞治療產品 (CTP) 作為先進治療藥物 (ATMPs) 的重要組成部分,正為罕見病和疑難雜症患者帶來希望。然而,其生產過程極易受到微生物的侵擾,微生物污染始終如陰霾般籠罩着這束希望之光。傳統的無菌檢測方法,如沿用半個世紀的 USP 71(美國藥典第 71 章記錄的無菌檢測法),在面對精準醫療的新需求時顯得力不從心:長達兩週的培養週期、繁瑣的預處理步驟、依賴主觀判斷的渾濁度觀察,不僅嚴重滯後於細

論文 , 學習 , 算法 , 人工智能 , 模型

Greptime - 記一次 Rust 內存泄漏排查之旅 | 經驗總結篇

在某次持續壓測過程中,我們發現 GreptimeDB 的 Frontend 節點內存即使在請求量平穩的階段也在持續上漲,直至被 OOM kill。我們判斷 Frontend 應該是有內存泄漏了,於是開啓了排查內存泄漏之旅。 Heap Profiling 大型項目幾乎不可能只通過看代碼就能找到內存泄漏的地方。所以我們首先要對程序的內存用量做統計分析。幸運的是,GreptimeDB 使用的 jemal

rust , 時序數據庫 , 內存泄漏 , 數據庫 , 後端

好想成為人類啊 - C語言中的算術類型轉換

1.尋常算數轉換 在C語言中,當不同類型的操作數參與到算術運算時,編譯器會將操作數轉換成同一類型,再運算。這一過程被稱為尋常算術轉換,由於這個過程我們程序員看不見,所以它也是一種隱式類型轉換(見整型提升) 1.1尋常算數轉換的過程 1.1.1整型提升 若操作數是小整數類型(字節大小小於int),會自動進行整型提升,提升為int或unsigned int(見整型提升) 1.1.2類型提升 和整型提升

後端

俞凡 - 產品管理的第一性原理

本文介紹了產品管理的第一性原理,即“最大化使命的影響”以及“通過他人達成目標”,並通過體育教練來類比產品經理,剖析了產品管理的基本原則。原文:The First Principles of Product Management 我所認識的一些最出色的產品經理都會基於第一性原理來做決策,第一性原理指的是“無法從任何其他命題或假設中推導出來,最基本的、基礎性的命題或假設”。 一個例子是我們為開發

後端

點量實時雲渲染 - 點量雲流核心技術解析:構建高性能數字孿生的三大架構設計

當前,數字孿生正處於一場深刻的範式變革之中:其價值核心正從靜態的可視化,向動態的決策智能加速遷移。然而,這一進程正面臨一個根本性的挑戰:高精度模型所帶來的龐大計算需求,與終端側有限的本地算力之間,形成了一道難以逾越的鴻溝。此矛盾已成為制約數字孿生在廣度與深度上實現規模化應用的核心瓶頸。 在此背景下,基於雲端協同的實時渲染技術,正成為破局的關鍵——它並非簡單的遠程顯示,而是旨在徹底打破終端的物理限

虛擬現實 , 雲計算 , 數字圖像 , 負載均衡 , 前端