收藏 / 列表

天航星 - 【Python 基礎】第 1 期:人生苦短,我用 Python

介紹 Python 在英語中是蟒蛇的意思,它的 logo 也是兩條蟒蛇纏繞在一起。 然而 Python 和蟒蛇實際上沒有半點關係。 Python 是由荷蘭程序員 Guido van Rossum(因為其名字的前三個字母“gui”是中文“龜”的拼音,所以江湖人稱“龜叔”)獨立開發完成初版的。 “龜叔”曾供職於 Google,現任職於 Dropbox(多寶箱)。 1989 年聖誕節期間,在阿姆

後端 , Python

逐夢AI - Java 實現可靠的 WAV 音頻拼接:從結構解析到完整可播放的高質量合併方案

Java 實現可靠的 WAV 音頻拼接:從結構解析到完整可播放的高質量合併方案 在音頻相關的應用中,我們經常會接觸到音頻片段拼接的需求,例如: 文本轉語音(TTS)平台將多段語音按段落拼合成完整音頻; 語音導航系統需要按場景拼接提示音; 教育類產品中,將詞音、釋義、例句等片段組合成自然流暢的講解音頻; 錄音編輯工具中對多個錄音片段進行整合處理。 乍看之下,把多個 WAV 文件簡單拼接似

springboot , JAVA

艾體寶IT - 艾體寶洞察 | 2025年代碼掃描:重要性、實施方法及其在人工智能安全中的作用

代碼掃描是通過自動分析源代碼來識別潛在安全漏洞、缺陷和其他代碼質量問題的過程。它是安全應用開發的關鍵環節,能夠幫助團隊在軟件開發生命週期的早期階段檢測並修復問題。 代碼掃描工具主要使用靜態分析方法(在不運行代碼的情況下檢查代碼),這與動態分析工具在應用程序運行時進行分析的方式形成對比。 代碼掃描工具可分析代碼中的各類問題,包括: 安全漏洞: 可能被攻擊者利用的弱點,例如SQL注入、跨站腳本攻擊 (

devops

張老師講數字孿生 - AI孿生平台破解跨國協作難題,設計效率提升300%

2024年進博會醫療展區,西門子醫療展出的AI自適應放療系統引發關注:德國工程師修改參數,中國臨牀團隊實時驗證效果,跨國協作像在同一實驗室操作——這背後是數字孿生技術對傳統研發模式的顛覆。 01 動態孿生模型:打破時空壁壘的“虛擬實驗室” 傳統跨國協作依賴郵件、視頻會議,存在數據延遲、版本混亂等問題。而基於動態數字孿生模型的協同平台,通過構建與物理設備完全同步的虛擬鏡像,實現全球團隊的實時

數字化轉型 , 資訊 , 人工智能 , 深度學習 , 前端

數據集成與治理 - 終於有人把數據架構講明白了

天天聽人説“數據架構”,是不是覺得有點懵又有點煩?別急!今天咱們就拋開那些高大上的術語,好好聊聊:數據架構到底是啥?它為啥這麼重要? 其實説白了,數據架構就是你公司裏那套管數據的“規矩”和“方法”——數據放哪?怎麼算?怎麼跑?怎麼用?全歸它管! 為啥要搞這套“規矩”?因為數據太亂了!到處是孤島,質量參差不齊,想用的時候找不着、用不好。好的數據架構,就是來解決這些頭疼事的!​它能讓你公司的數據井井有

數據結構

大廠碼農老A - 我帶的外包兄弟放棄大廠轉正,薪資翻倍入職字節

大家好,我是老A 國慶節的時候,收到一位粉絲的私信求助。一來一回聊了半天,我發現了一個很多技術兄弟的通病——我們稱之為「收藏夾式努力​」。水文看不上,只想讓大佬推薦技術寶典,一旦拿到手,焦慮感削弱,寶典就在收藏夾裏吃灰,下了班照樣峽谷開黑。當你想督促他深入研究時,他又會用「他是大佬,我不是,我做不到」來給自己設限,最終陷入「持續焦慮,持續躺平」的惡性循環。 這種惰性,是人之常情。但人和人之間

觀點 , JAVA , 程序員 , 後端 , 前端

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

山頭人漢波 - 前端學 Ruby:唐詩項目部署優化

前言 本篇文章和 Ruby 關係不大,只是涉及到部署問題 前文花了不少時間從零到部署唐詩項目,當時因為篇幅問題留下了不少的坑 例如可以採用 docker-compose 來代替兩個容器互相訪問、使用 shell 命令在本地部署,本文並未對其進行改造,因為傳統部署 Ruby on Rails 的弊端很明顯,需要運維經驗。為快速部署 Rails 引用,筆者尋覓到了 fly.io。本文將在唐詩項目基礎上

ruby-on-rails , 部署 , ruby

codists - 《編譯原理》閲讀筆記:p4-p17

《編譯原理》學習第 2 天,p4-p17總結,總計 14 頁。 一、技術總結 1.structure of compiler 編譯器組成包括:Lexical Analyzer - Syntax Analazer - Semantic tree - Intermediate Code Generator - Machine-Independent Code Optimizer - Code Gene

編譯原理

弗拉德 - 【Flutter 2-10】Flutter手把手教程UI佈局和Widget——流式佈局Wrap

作者 | 弗拉德 來源 | 弗拉德(公眾號:fulade_me) Wrap 在Flutter中Wrap是流式佈局控件,Row和Column在佈局上是很好用,但是有一個缺點,如果當子控件數量過多導致Row或Column裝載不下的時候,就會出現UI頁面上的錯誤。Wrap可以完美的避免這個問題,當控件過多一行顯示不全的時候,Wrap可以換行顯示。 當然Wrap跟Row和Column有着很多相似的地

跨平台 , Android , 移動端web , flutter , ios

Rick Carter - 修復達夢EFCore驅動布爾類型兼容問題

dm庫相比其他庫本身缺少一些語法差異,也可以説是缺陷。 比如: 0和1無法直接在sql中當作真假值用,where 0這種寫法不支持,報錯:查詢使用值表達式作為過濾條件; t.field is null 也無法直接作為select項; 不支持OUTER APPLY等SQL語法; 以及數據庫函數中的又只能用0和1作為布爾參數值。 但是dm.efcore生成的語句就是這樣的

.net , 後端

wang_yb - 別急着轉投 Polars!Pandas 3.0 帶着“黑科技”殺回來了

大家好,在數據分析圈子裏摸爬滾打這麼多年,最近大家見面打招呼的方式都變了。 以前是“你用 Pandas 處理那個 csv 了嗎?”,現在變成了“你還沒用 Polars 嗎?那速度快得飛起!” 確實,在這個 GPU 算力爆炸、多線程並行的時代,我們這位陪伴多年的老朋友 Pandas,因為單線程和內存管理的“歷史包袱”,顯得有點步履蹣跚。 面對 Polars 這種基於 Rust、天生支持並行計算的“後

後端

IPD產品研發管理 - “你覺得客户需要”是殺死TA的最後一根稻草 | IPD集成產品開發

這個米老鼠洗衣機,大家眼熟嗎? 相信最近熱衷於在網上衝浪的朋友們,對這款形似米老鼠的“懶人洗衣機”並不陌生,甚至算是小小地參與了一下這個產品研發項目。 在海爾的周雲傑總裁爆火出圈後,有網友在海爾的媒體賬號下,喊話周總研發一款可同時並分區洗衣服、內衣、鞋子和襪子的 “懶人洗衣機”。基於此,2天后,海爾集團宣佈“懶人洗衣機”即將上市。 這個看似偶然的“懶人”產品的誕生,實則折射出如何精準洞察客户需求

產品經理 , 程序員 , 產品 , 後端 , 前端

極市平台 - 手把手教你在移動端跑模型|驍龍AI大賽公開課三:QAI AppBuilder移動端實戰與跨平台模型部署工具教程

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-help

資訊 , 教程 , 知識 , 後端

Java架構師 - 騰訊架構師極力推薦:Java多線程與Socket實戰微服務框架

在這個技術不斷更新的年代,跟不上時代變化的速度就會被刷掉,特別是咱們程序員這一羣體,技術不斷更新的同時也要同時進步,不然長江後浪推前浪,前浪...... 一個程序員從一個什麼都不懂的小白在學到有一定的Java基礎的時候肯定是要學習更多的技術充實自己,甚至還要往架構師方向靠。但是一個優秀的架構師必須要有紮實的編程功底和豐富的理論知識,不光要能完成架構設計,更要有能力將設計轉換為實際的產品。不會寫代碼

socket , 微服務 , 多線程 , JAVA , 程序員

美團技術團隊 - 美團智能頭盔研發實踐系列02:軟件功能篇

本文系《美團智能頭盔研發實踐系列》的第二篇文章,圍繞智能頭盔如何通過主動安全和被動安全相結合的方式有效保護騎手,主要包括智能頭盔騎行通話質量強化、智能語音助手、碰撞摔倒監控等三項軟件能力。 01. 引言 美團智能頭盔作為專為外賣騎手打造的智能安全裝備,具備藍牙通話、戴盔識別、智能語音助手、碰撞摔倒監控等功能,核心軟件功能圍繞如何通過主動安全和被動安全相結合的方式有效保護騎手。 本期分享主要介紹智能

智能硬件 , 美團

mghio - 抓包分析 TCP 握手和揮手

前言 首先需要明確的是 TCP 是一個可靠傳輸協議,它的所有特點最終都是為了這個可靠傳輸服務。在網上看到過很多文章講 TCP 連接的三次握手和斷開連接的四次揮手,但是都太過於理論,看完感覺總是似懂非懂。反覆思考過後,覺得我自己還是偏工程型的人,要學習這些理論性的知識,最好的方式還是要通過實際案例來理解,這樣才會具象深刻。本文通過 Wireshark 抓包來分析 TCP 三次握手和四次揮手,如果你也

tcp抓包 , 協議 , 基礎 , tcp , 網絡傳輸協議

XHunter - Gin筆記二之gin.Engine和路由設置

本文首發於公眾號:Hunter後端 原文鏈接:Gin筆記二之gin.Engine和路由設置 這一篇筆記主要介紹 gin.Engine,設置路由等操作,以下是本篇筆記目錄: gin.Default() 和 gin.New() HTTP 方法 路由分組與中間件 1、gin.Default() 和 gin.New() 前面第一篇筆記介紹,創建一個 gin 的路由引擎使用的函數是 gin

go , 後端

huan1993 - ForkJoinPool在生產環境中使用遇到的一個問題

1、背景 在我們的項目中有這麼一個場景,需要消費kafka中的消息,並生成對應的工單數據。早些時候程序運行的好好的,但是有一天,我們升級了容器的配置,結果導致部分消息無法消費。而消費者的代碼是使用CompletableFuture.runAsync(() - {while (true){ ..... }}) 來實現的。 即: 需要消費Kafka topic的個數: 7個,每個線程消費一個

線程池 , threadpoolexecutor , JAVA , 後端

用户bPdd2O9 - 數據結構之美-深入理解樹形結構

一 認識樹形結構 樹形結構是一種廣泛應用的非線性數據結構,它在計算機科學和日常生活中都有廣泛的應用。比如文件系統,郵件系統,編譯器語法樹,決策樹,網絡通信,甚至機器學習當中,都有樹形數據結構的影子。本文旨在梳理日常用到的各類樹形結構以及其優點和劣勢,讓瀆者對樹形結構有一個深入的認知和了解。下面列舉幾類常見的樹形結構的應用場景。 1.1 文件系統 計算機中用於存儲和管理文件的一種系統,它使用樹形結構

數據結構 , 樹形結構 , 數據庫 , JAVA , 數據結構和算法

bigsai - 棧和括號匹配問題,一文搞懂

什麼是棧 棧在我們日常編碼中遇到的非常多,很多人對棧的接觸可能僅僅侷限在 遞歸使用的棧 和 StackOverflowException,棧是一種後進先出的數據結構(可以想象生化金字塔的牢房和生化角鬥場的狗洞)。 棧(stack)是一種運算受限的線性數據結構,它具有以下特點: 1. 運算受限: 棧限定僅在表尾進行插入和刪除操作,這一端被稱為棧頂,而另一端稱為棧底。這限制了對棧的操作,只能按照後進

數據結構 , , JAVA , 數據結構與算法 , 後端

月半大熊貓 - 《95%開發者不知道的vue.config.js高階玩法》手撕Webpack配置鏈/SSR優化/多頁應用,3倍構建效率實戰方案

Vue工程化配置指南:vue.config.js深度解析 一、初始化配置文件 在Vue CLI工程根路徑下創建配置文件: 項目層級示意: your-project/ ├── src/ ├── public/ ├── package.json └── vue.config.js # 新增配置文件 基本模板結構: module.exports = { // 工程化配置區域 } 二、核心配置參數解

vue.js , visual-studio-code , webpack , typescript , 前端

超神經HyperAI - 入選ICML 2025,Meta/劍橋/MIT提出全原子擴散Transformer框架,首次實現週期性與非週期性原子系統統一生成

在當今科學研究與工業應用的前沿領域,原子系統三維結構的生成建模正展現出顛覆性潛力,有望徹底重塑新型分子和材料的逆向設計版圖。從精準的結構預測到靈活的條件生成,當前最先進的擴散模型及流匹配模型已在生物分子解析、新材料研發及基於結構的藥物設計等關鍵任務中嶄露頭角,成為科研人員突破技術瓶頸的核心工具。 然而,在這一蓬勃發展的領域背後,一個關鍵難題始終制約着技術躍遷——現有模型缺乏跨系統的通用性。 儘管所

機器學習 , 資訊 , tensorflow , 人工智能 , 深度學習

凌虛 - 以圖搜圖架構優化:使用客户端模型提取圖像特徵

序言 以圖搜圖系統指的是從圖像內容提取特徵向量,然後使用向量數據庫進行向量數據的插入、刪除、相似性檢索等操作,進而提供根據圖像內容搜索出具有相似內容的其它圖像的功能。 系統架構 典型的搜圖系統整體架構時序圖如下: 圖像上傳過程: 客户端上傳圖像到服務端。 服務端存儲圖像至對象存儲、插入結構化數據至關係型數據庫、發送消息至 MQ 消息隊列。 服務端對客户端請求返回響應。 圖像搜索服務接受

tensorflow , 架構 , 人工智能 , 後端 , 前端