收藏 / 列表

skysailstar 頭像

天航星 - 【Python 基礎】第 3 期：使用 PyCharm 編寫 Hello World

我們寫文檔大多用 Word、寫表格大多用 Excel、寫幻燈片大多用 PPT。 寫代碼也需要一個軟件作為編輯器（傳説的大神用記事本寫代碼純屬玩笑了，越是大神越追求效率，用的軟件功能越強）。 Python 現在已經有了非常多的代碼編輯器： 討論哪個代碼編輯器最好用，是會引發程序員之間戰爭的，這裏就不討論孰優孰劣了。 這裏使用 Jetbrains 出品的 **PyCharm **作為 Pyth

後端

aigoto 頭像

逐夢AI - 面向智慧牧場的牛行為識別數據集（5000張圖片已劃分、已標註） | AI訓練適用於目標檢測任務

面向智慧牧場的牛行為識別數據集（5000張圖片已劃分、已標註） | AI訓練適用於目標檢測任務 背景 在現代智慧農業（Smart Agriculture）中，牲畜行為識別是提高養殖效率與動物健康監測的重要環節。牛作為主要的經濟牲畜之一，其行為變化往往直接反映健康狀態與生產潛力。 傳統的監測方式主要依賴人工巡查和視頻觀察，不僅耗時耗力，而且受主觀判斷影響較大。隨着人工智能（AI）與計算機視覺（Com

機器學習 , 算法 , 人工智能

aitibao_shichangyingxiao 頭像

艾體寶IT - 艾體寶乾貨 | 超全 CRA 合規全景圖：從法規解讀到落地實操，一篇就夠了

數字化浪潮的席捲下，物聯網（IoT）、工業控制系統等數字技術廣泛且深入地滲透到經濟與社會生活的各個領域。然而，數字技術蓬勃發展的背後，網絡安全問題也不容忽視。僅在2021年全球網絡犯罪就造成了5.5萬億歐元的損失。 在這種背景下，歐盟推出的《網絡彈性法案》（Cyber Resilience Act, CRA）在網絡安全領域具有里程碑式的意義。該法案是首個橫跨整個 ICT 產品領域的強制性網絡

網絡安全

zhuifengdekaomianbao 頭像

張老師講數字孿生 - 仿真測試平台被列為長三角機器人產業重點

2024年7月，《長三角機器人產業高質量發展行動計劃》正式發佈，明確提出到2027年培育形成萬億級產業集羣，其中仿真測試平台被列為關鍵技術攻關重點。 一、技術需求：從"硬件依賴"到"虛擬驗證" 隨着長三角地區機器人產業規模突破6500億元，傳統依賴物理樣機的研發模式已難以滿足快速迭代需求。以上海為例，工業機器人密度已達每萬人460台，但新產品研發週期仍長達12-18個月，其中物理測試環節佔

前端

leguandeludeng 頭像

數據集成與治理 - ETL VS ELT：誰才是企業架構的最優解？

​在雲原生當道的2025年，企業建數據平台，ETL和ELT到底怎麼選？​這個看似基礎的架構選擇，後期一旦選錯，遷移成本可能高達初始投入的5倍！雖然ETL和ELT這兩個詞提了十幾年，​但今天它們的內涵和適用場景已經大不相同。​別再憑老經驗做決定，​選錯數據架構，燒錢又費勁！​這篇文章就帶你徹底搞清ETL和ELT的本質區別，並​基於你的數據本身、團隊技能和現有基礎設施，給出2025年的務實選擇建議。​

架構設計

iwan_68b8da84d3d8b 頭像

大廠碼農老A - 凌晨零點，一個TODO，差點把我們整個部門抬走

那晚杭州的悶熱，至今記憶猶新。 2021年，我剛來到杭州這座“卷城”，入職了一家夢想中的互聯網大廠。作為一名電商新人，我一頭扎進了促銷和會場的研發中。 那晚，我們正為一個S級的“會員閃促”活動做最後的護航，它將在零點準時生效。作戰室裏燈火通明，所有人都盯着大盤，期待着活動上線後，GMV曲線能像火箭一樣發射。 然而，我們等來的不是火箭，而是雪崩。 剛過0點，登登登登… 告警羣裏的消息開始瘋狂刷屏，聲

springboot , JAVA , 故障 , 後端 , 前端

immerse 頭像

沉浸式趣談 - 100% 用 AI 做完一個新項目，從 Plan 到 Finished 我學到了這些

大家好，我是 Immerse，一名獨立開發者、內容創作者、AGI 實踐者。 關注公眾號：沉浸式趣談，獲取最新文章（更多內容只在公眾號更新） 個人網站：https://yaolifeng.com 也同步更新。 轉載請在文章開頭註明出處和版權信息。 我會在這裏分享關於編程、獨立開發、AI乾貨、開源、個人思考等內容。 如果本文對您有所幫助，歡迎動動小手指一鍵三連(點贊、評論、轉發)，給我一些支持和鼓勵，

知識 , 後端 , 前端

johanazhu 頭像

山頭人漢波 - 移動端法門：自適應方案和高清方案

筆者從畢業開始做前端到現在，90% 的項目是移動端打交道，所以當簡歷上寫了“移動H5”幾個字時，必會被問到自適應方案與高清方案 ”自適應“講的是一套UI（例如750*1334），在多端下展示近乎一樣的效果；而”高清“是因為 DPR 提升而所做的各種精度適配 這篇文章講講筆者理解的自適應方案和高清方案 先説結論 自適應方案 rem 適配思路 選擇一

佈局 , sass , 前端 , Javascript

codists 頭像

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

fulade 頭像

弗拉德 - 【Python 1-17】Python手把手教程之——文件的讀寫以及I/O操作

作者 | 弗拉德 來源 | 弗拉德（公眾號：fulade_me) 從文件中讀取數據 文本文件可存儲的數據量很多，每當需要分析或修改存儲在文件中的信息時，讀取文件都很有用，對數據分析應用程序來説尤其 如此。例如，你可以編寫一個這樣的程序:讀取一個文本文件的內容，重新設置這些數據的格式 並將其寫入文件，讓瀏覽器能夠顯示這些內容。 要使用文本文件中的信息，首先需要將信息讀取到內存中。為此，你

python3 , 數據挖掘 , python2.7 , 深度學習 , Python

pains 頭像

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

wang_yb 頭像

wang_yb - 讓你的動畫“活”過來：Manim 節奏控制指南 (Rate Functions)

你在製作Manim動畫時，是否遇到過這樣的困境？ “代碼寫得天衣無縫，運行流暢，出來的動畫卻總覺得哪裏不對勁？” 雖然物體確實從 A 移動到了 B，但看起來就像是老舊的工業機器人在幹活——僵硬、死板，甚至有點無聊。 其實，你的動畫離 “絲滑” 和 “專業”，往往只差這一個參數的距離：rate_func (速率函數)。 今天，我們就來聊聊 Manim 中這個不起眼但至關重要的參數，看看如何通過控制

後端

integrated_product_development 頭像

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

chaoqipengbodehuochai_eav70j 頭像

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

taozi_60b0b3c71b1a8 頭像

Java架構師 - 吹爆Alibaba自研的Spring全能筆記，建議人手一份！

Spring 這個技術棧，想必大家都知道，這玩意麪試必考工作必用，對於每位 Java 程序員來説都是至關重要的；俗話説 Java 開發不學習 Spring 就像士兵上戰場不帶槍，我認為這個比喻很形象。Spring 幾乎佔據了 Java web 的半壁江山，其重要性不言而喻，它跟它後面誕生的一系列解決方案被我們親切的稱為“Spring 全家桶”。 在當下毫不誇張地説，若是不會 Spring 就去面試

spring , spring-mvc , springboot , JAVA , 程序員

meituanjishutuandui 頭像

美團技術團隊 - 端智能在大眾點評搜索重排序的應用實踐

端智能，是指在移動端設備運行人工智能（AI）應用的技術。本文主要講述大眾點評搜索場景下，在端側部署大規模深度學習模型進行搜索重排序任務的實踐方案，包括端上特徵工程、模型迭代思路，以及具體部署優化的過程，希望能對從事相關領域開發的同學有所幫助或者啓發。 1 引言 隨着大數據、人工智能等信息技術的快速發展，雲計算已經無法滿足特定場景對數據隱私、高實時性的要求。借鑑邊緣計算的思想，在終端部署 AI 能力

移動web開發 , 邊緣計算 , 美團

mghio 頭像

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

hunterxiong 頭像

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

huan1993 頭像

huan1993 - elasticsearch多字段聚合實現方式

# 1、背景 我們知道在sql中是可以實現 group by 字段a,字段b，那麼這種效果在elasticsearch中該如何實現呢？此處我們記錄在elasticsearch中的3種方式來實現這個效果。 2、實現多字段聚合的思路 圖片來源：https://www.elastic.co/guide/en/elasticsearch/reference/current/search-ag

elasticsearch , JAVA , elk , 聚合 , 後端

chaochenyinshi 頭像

用户bPdd2O9 - Redis緩存優化秘籍：輕鬆應對高併發

專業在線打字練習網站-巧手打字通，只輸出有價值的知識。 一 緩存應用面臨的挑戰 在提供核心服務時，緩存機制已成為確保高性能、低延遲的基石。 然而，緩存的使用主要面臨兩大難題： 如何管理緩存空間的增長：隨着數據的不斷累積，緩存所需的空間會逐步擴大，這直接關係到成本的上升。 如何保障緩存服務的穩定性：這是至關重要的，因為任何不穩定都可能對服務性能造成重大影響。 那麼，究竟哪些因素可能導致

redis , 高併發 , 緩存 , 緩存設計

bigsai 頭像

bigsai - 再見2022

前言 大家好，我是bigsai，好久不見。 看了上一篇更新時間，大概已經停更近10個月，在2022的最後一天，這一篇也算是對這一年做個總結。期間也收到一些朋友的問候和鼓勵，確實自己在讀研期間的前兩年在寫東西上面確實花了不少時間，也算是用心了吧對一些新手朋友還是有些幫助的。 如果按照往年的節奏，這個點應該還是在學校的，畢竟還沒過元旦，但目前已經在家宅了一段時間，今年因為疫情讓很多事情變得魔幻起來，

2022-年度總結 , 總結

lyflexi 頭像

月半大熊貓 - 本地？線上？分佈式系統前後端架構、部署、聯調指南，突破技術

“ 引言：對於常見的BS架構系統，程序員如何進行本地或者線上環 境聯調，這有助於提高個人工作效率，站在更高的角度審視系統， 從此以後再無懼Bug，讓你早幹完活，早摸魚🐟，早下班。 對於Java初學者，或者是三年工作經驗的“新手” ，希望此文對你有所裨益！ -- 詩經有云，有匪君子，如切如磋，如琢如磨。 前端啓動之後，訪問後端服務，需要通過

gateway , 分佈式系統 , Nginx , 網關 , 後端

chaoshenjinghyperai 頭像

超神經HyperAI - 【TVM教程】為 ARM CPU 自動調優卷積網絡

Apache TVM 是一個深度的深度學習編譯框架，適用於 CPU、GPU 和各種機器學習加速芯片。更多 TVM 中文文檔可訪問 →https://tvm.hyper.ai/ 作者：Lianmin Zheng, Zhao Wu, Eddie Yan 針對特定 ARM 設備的自動調優對於獲得最佳性能至關重要，本文介紹如何調優整個卷積網絡。 TVM 中 ARM CPU 的算子實現是以 template

機器學習 , arm , 人工智能 , 編譯器 , 深度學習

rife 頭像

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