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 - 實驗室監控的實時目標檢測系統|完整源碼數據集+PyQt5界面+完整訓練流程+開箱即用!

實驗室監控的實時目標檢測系統|完整源碼數據集+PyQt5界面+完整訓練流程+開箱即用! 源碼包含:完整YOLOv8訓練代碼+數據集(帶標註)+權重文件+直接可允許檢測的yolo檢測程序+直接部署教程/訓練教程‘ 源碼在文末嗶哩嗶哩視頻簡介處獲取。 基本功能演示 本系統基於 YOLOv8 目標檢測模型,結合 PyQt5 圖形化界面,實現了對實驗室場景中人員與物體的實時識別、監測與報警。支持攝像頭實時

機器學習 , 人工智能 , 深度學習

艾體寶IT - 艾體寶乾貨 | Redis Python 開發系列#2 核心數據結構(上)

前言 繼上篇文章,成功連接 Redis 之後,我們直面其核心:數據結構。Redis 的強大,絕非僅是簡單的鍵值存儲,而是其精心設計的多種數據結構所能解決的各種業務場景。 本篇讀者收益 精通 String 類型的全部核心命令,掌握其在緩存、計數器、分佈式鎖中的應用。 精通 Hash 類型的全部核心命令,掌握其高效存儲對象、進行分組統計的技巧。 深刻理解 String 和 Hash 的底層差異

後端

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 - 一文帶你全面解讀數據治理

先問大家一個問題:公司的數據現在處於一種什麼狀態? 兩年前我幹數據工作時,團隊總是會出現:開會的時候不同部門因為“客户數量”根本對不上而爭吵; 新來的同事想查找信息,卻發現同一個產品叫法有好幾個; 公司想搞個精準營銷,卻發現客户手機號一堆是空的,結果根本就執行不了。 聽着是不是很熟? 其實就是因為沒有進行數據治理。説白了,數據治理可是一項必須要做的基礎性工作。 但是要怎麼做?怎樣做好?有

數據管理 , 教程 , 知識 , 數據庫

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

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

面試問題 , this , javascript專題系列 , 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 - Programming Abstractions in C閲讀筆記:p306-p307

《Programming Abstractions in C》學習第75天,p306-p307總結,總計2頁。 一、技術總結 1.Quicksort algorithm(快速排序) 由法國計算機科學家C.A.R(Charles Antony Richard) Hoare(東尼.霍爾)在1959年開發(develop), 1961年發表(publish)。 這裏吐槽下維基百科的中文介紹:"在平均狀況

數據結構與算法

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 - 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 - 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 - 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 - 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 - 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

美團技術團隊 - ICCV 2025 | 美團論文精選及多模態推理競賽冠軍方法分享

本文介紹了美團技術團隊在國際頂會ICCV 2025中發表的5篇論文。同時,在ICCV 2025 舉辦的多模態推理競賽中,美團基礎研發平台/計算和智能平台組建的ActiveAlphaAgent團隊,斬獲賽題1真實場景視覺定位(VG-RS)冠軍,賽題2空間感知視覺問答(VQA-SA)季軍和賽題3創意廣告視頻視覺推理(VR-Ads)季軍。本文也分享了這三道賽題的解題思路,希望相關研究能給同學們帶來一些幫

大模型 , 美團

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 - 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 - 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

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 - 花五分鐘看這篇之前,你才發現你不懂RESTful

原創公眾號:bigsai 轉載請聯繫bigsai 文章收藏在回車課堂 和github 前言 在學習RESTful 風格接口之前,即使你不知道它是什麼,但你肯定會好奇它能解決什麼問題?有什麼應用場景?聽完下面描述我想你就會明白: 在互聯網並沒有完全流行的初期,移動端也沒有那麼盛行,頁面請求和併發量也不高,那時候人們對接口的要求沒那麼高,一些動態頁面(jsp)就能滿足絕大多數的使用需求。

rest , restful

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

其實我很dou - openresty微信公眾平台開發

Openresty Wechat 使用Nginx-LuaJit-OpenResty-Lapis技術棧搭建的專用於處理微信公眾號回調服務的項目 項目源碼 https://github.com/helloJiu/o... openresty源碼安裝(ubuntu為例) apt install gcc libpcre3-dev libssl-dev perl make build-essential z

lua , openresty , 微信公眾平台 , 後端

超神經HyperAI - 【TVM 教程】為 x86 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:Yao Wang, Eddie Yan 本文介紹如何為 x86 CPU 調優卷積神經網絡。 注意,本教程不會在 Windows 或最新版本的 macOS 上運行。如需運行,請將本教程的主體放在 if name == "

gpu , 人工智能 , 編譯器 , 深度學習 , cpu