博客 RSS 訂閱

最愛牛腩 - MyBatis-Plus 條件構造器完全指南

MyBatis-Plus(MP)的條件構造器是其核心亮點之一,用於動態拼接 SQL WHERE 條件,替代手寫複雜的 SQL 字符串,支持類型安全、鏈式調用,大幅提升查詢開發效率。本文從「核心 API、分類使用、高級技巧、避坑指南」四個維度,全面講解條件構造器的使用。 一、核心概念與分類 1. 條件構造器體系 MP 提供多種條件構造器,核心繼承關係: pl

後端開發 , 構造器 , JAVA , SQL

收藏 評論

qife122 - macOS應用輕鬆管理,Applite讓Homebrew Casks一目瞭然

項目標題與描述 Applite Applite 是一款用户友好的 macOS 圖形用户界面應用程序,專為管理 Homebrew Casks 設計。它是一個免費開源項目,致力於為非技術用户提供一個便捷、直觀的“應用商店”,用於安裝和管理通過 Homebrew Cask 分發的第三方應用程序。其核心目標是簡化軟件管理流程,將 Homebrew Casks 的強大功能帶給所有 macO

gui , 開源應用 , yyds乾貨盤點 , 辦公效率 , macos , 應用管理 , homebrew

收藏 評論

Coding茶水間 - 基於深度學習的水果檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的水果檢測系統演示與介紹 1. 前言​ 隨着計算機視覺技術的快速發展,基於深度學習的目標檢測方法在農業、食品工業及日常生活中的應用不斷拓展。水果檢測作為其中的重要場景,不僅能為採摘、分揀、銷售等環節提供自動化支持,也在智能零售、營養分析與教育教學等領域展現出廣泛價值。然而,現有水果檢測系統在應對多品類、多形態、複雜背景的實際環境時,仍面臨識別精度、檢測速度及交互便捷性等方面的

AI

收藏 評論

合肥自友科技 - 教師考評新方式:線上系統讓評分變得更簡單

傳統的教師考評工作一直是個不小的挑戰。從收集資料到彙總統計,每個環節都需要投入大量人力物力。現在,越來越多教育機構開始採用線上考評系統,這一改變正在悄悄影響着整個教育行業。 考評流程不再繁瑣 過去,每到期末或者學年末,負責考評工作的老師總是忙得不可開交。紙質表格滿天飛,統計分數更是讓人頭疼。如今有了專門的線上系統,這些麻煩事變得輕鬆多了。 老師們

數字化轉型 , 教師事務管理平台 , 教職工管理系統 , 教師檔案管理 , 教師考評系統 , 教師管理平台

收藏 評論

小二哥哥來咯 - Files.readAllBytes(file.toPath)的時候報錯AccessDeniedException:D:oa_filesdasda

這個問題很明確:文件存在,Java也能檢測到它的屬性,但在實際讀取字節內容時被系統拒絕了。這是一種比較特殊但並非罕見的權限問題。 🔍 深度排查原因 這種情況通常由以下幾種原因導致: 文件被其他進程獨佔鎖定:另一個程序(可能是文本編輯器、甚至是IDEA自己)正在以獨佔方式使用這個文件,阻止其他進程讀取。 權限繼承或高級權限設置問題:雖然你的用户

指尖人生 , System , 文件系統 , 後端開發 , JAVA , 系統文件

收藏 評論

尼古拉斯舞王 - 什麼是stream流

在 Java 中,Stream(流) 是 Java 8 引入的核心特性,本質是 對數據源(集合、數組等)進行高效操作的 “元素序列” —— 它不存儲數據,也不修改原數據源,而是通過一系列 “中間操作”(如過濾、排序、映射)和 “終端操作”(如收集、遍歷、統計),以聲明式(而非命令式)的方式處理數據,讓代碼更簡潔、高效、易讀。 一、先搞懂:Stream 不是什麼? 不是集合

數據源 , List , 數組 , 後端開發 , JAVA

收藏 評論

DontLetMeDown - 使用 C# 將 DataTable 和 Excel 數據互轉

在現代應用程序中,表格數據處理是一項基本功能。使用 C# 和 Spire.XLS for .NET 庫,我們可以方便地實現 DataTable 和 Excel 之間的數據互轉。本文將介紹如何將 DataTable 數據寫入 Excel 表格,以及如何將 Excel 數據讀取到 DataTable 中。 什麼是 Spire.XLS for .NET Spire.XLS

數據讀取 , System , 數據 , 辦公效率

收藏 評論

技術員阿偉 - 《跳出強制分享思維:遊戲高質量自然增長的行為設計指南》

開發實踐中最關鍵的認知突破,是跳出“自然增長=強制分享”的固化思維,轉而挖掘玩家行為背後的“體驗認同傳導”“價值共鳴擴散”“社交認同驅動”三大隱性邏輯,讓每一種核心行為都成為增長的催化劑,既具備玩家主動參與的內生動力,又能催生自發傳播的外部勢能。這種增長模式的核心優勢的是,轉化而來的用户精準度更高、留存率更強,且增長成本能持續降低,其底層邏輯是讓遊戲內行為本身具備“體驗價值+傳播

差異化 , 補全 , yyds乾貨盤點 , 代碼人生 , 分享功能

收藏 評論

Maverick1218 - 基於預訓練BERT的情感分類,命名實體識別,問答系統簡單示例

模型構建 # coding=utf-8 """ BERT 三大任務演示 - 簡化版 功能: 1. 情感分析 - 判斷文本正面/負面情緒 2. 命名實體識別 - 識別人名、地名、組織等 3. 問答系統 - 從文本中提取答案 使用離線模型,便於學習和理解 """ import time import warnings warnings.f

機器學習 , 人工智能 , BERT

收藏 評論

OpenSecFlow - 發佈開源 NetDevOps Python 框架 Netdriver

致所有從事過網絡自動化工作的人:我們懂你們的痛點,也正因這份痛點,我和來自 OpenSecFlow 的小型開發社區打造了我們首個開源項目 ——“Netdriver”。 這個項目最初只是為助力我們自身項目而生的工具,後來迅速發展成一套解決方案。我們希望將它分享給所有從事網絡開發運維(NetDevOps)的開發者,希望它能像幫助我們一樣,為各位提供助力。 Netdrive

網絡自動化 , github , 運維 , 運維開發 , NetDevOps , Python

收藏 評論

觀海微電子 - 南京觀海微電子----MOS管是如何控制電流方向的

MOS管通過柵極電壓控制漏極電流,利用電壓比較器(如LM358)實現動態控制。控制電壓與參考電壓比較,通過循環控制實現電流動態調整及方向控制,方向由MOS管類型(N或P溝道)決定。 在mos管實際使用的過程中,mos管既可用於放大電流,又可以作為電子開關。 那麼mos 管如何控制電流方向的呢?

動態控制 , 辦公效率 , 上拉 , 比較器

收藏 評論

mb6939262f20668 - 必剪官網下載和安裝教程(附安裝包,圖文版)

必剪是一款免費的視頻剪輯軟件,主打“零門檻、一鍵出片”,Windows、macOS、Android、iOS 全平台都能裝,幫助用户輕鬆完成視頻創作。 必剪完全免費且無廣告,所有核心功能、素材庫都沒有隱藏付費項目,也沒有會員體系,不用花錢就能享受專業級剪輯體驗。它支持跨平台使用,覆蓋 iOS、Android 移動端和 Windows、macOS 電腦端,還能通過雲空間

必剪官網下載 , 必剪官網 , 必剪電腦版 , 辦公效率 , 必剪 , 必剪下載官網

收藏 評論

修己xj - MongoDB:現代數據管理的靈活之選

在當今數據驅動的時代,選擇合適的數據庫技術對應用的成功至關重要。MongoDB作為領先的NoSQL數據庫,以其靈活性和可擴展性贏得了全球開發者的青睞。無論你是正在構建一個新的應用,還是考慮遷移現有系統,瞭解MongoDB的核心特性都將為你帶來新的技術視角。 什麼是MongoDB? MongoDB是一個開源的、面向文檔的NoSQL數據庫,於2009年首次發佈。它使用類JSON的BS

數據 , 數據庫 , 後端開發 , 關係數據庫 , harmonyos

收藏 評論

迷路小書蟲 - 在C#中返回一組有效的日期時間範圍

支持不傳參數/傳1個參數/傳2個參數。 不傳參數:返回今天內的日期時間範圍; 傳1個參數:自動判斷該參數早於/晚於當前日期時間,並自動返回合理有效的時間範圍; 傳2個參數:自動判斷兩個參數的大小,並按日期時間從小到大返回有效的時間範圍。 /// summary /// 返回日期時間範圍 /// /summary /// param name="d

日期時間 , 日期時間範圍 , 後端開發 , .net

收藏 評論

冰淇淋紅茶Q - 十月第一篇【AI落地應用實戰】基於 Amazon Bedrock、Agents、Rekognition 構建家庭智慧安防方案

一、引言 近年來,人工智能(AI)技術的飛速發展為智能家居和安全防護領域帶來了前所未有的機遇。隨着人們對居住環境安全性和智能化水平需求的不斷提升,如何利用AI的強大能力,豐富家居攝像頭、智能門鎖、智能安防監控等產品的核心功能,並顯著提升其智能化和自動化水平,已成為業界關注的焦點和創新的前沿。 基於這一背景,本方案主要由兩大場景構成:家庭環境智能監控和人臉檢測及校驗。

數據 , 智能家居 , amazon , 人工智能 , 深度學習

收藏 評論

數據集成與治理 - 信息化、數字化、數智化的區別:300+大公司實戰經驗,看完不踩坑

前幾天跟製造企業老闆聊天,他直接問:“我們上了ERP、OA,報表能自動生成,算數字化還是數智化?” 其實不止他,我在 IT 和大數據行業帶了這麼多年,接觸過的中小企業裏,80% 的管理者都分不清信息化、數字化和數智化這三個詞。 你是不是也覺得這三個詞聽着差不多?甚至覺得是商家噱頭? 但實際上三者差別直接影響企業發展——有的跳過基礎上AI,花幾十萬用不起來;有的停在線上化,看着同行靠數據搶佔先機。

資訊 , 教程 , 知識 , 數據庫

收藏 評論

沉着的牙膏 - 醫療和教育行業自動化、精準匹配、易掌握的數據分類分級最佳實踐與案例

一、概要 (提示:醫療與教育高敏數據環境下,自動化、精準化、可掌握的分類分級才能真正落地治理。) 隨着數據要素化時代到來,醫療與教育行業已成為中國數據密集度最高的兩大領域。患者病歷、影像、檢驗數據;學生檔案、學情記錄、考試成績;教師教學過程數據……這些高敏數據在不同平台持續流動,規模龐大、類型複雜、敏感度高。然而,大多數機構長期停留在“人工分類、經驗管理、分散治理”的階段,數據越積越

安全

收藏 評論

沉着的牙膏 - 高性能、動態、多架構的政務數據庫審計和監測最佳實踐指南

一、概要 (提示:本章節概覽政務數據庫風險監測的核心價值與落地成果。) 在數字政府建設的快速推進下,數據庫已成為政務信息系統的核心支撐,其安全與可控性直接關係到公共數據資產與公民隱私保護。“知形-數據庫風險監測系統”通過高性能、多架構、動態響應的技術體系,實現對政務數據庫的全生命週期風險監測、智能分析與可視化審計,為政府機構構建了高效、穩定、可量化的數據安全防護體系。在實際落地中,該

安全

收藏 評論

上海拔俗網絡 - AI風險行為識別系統開發:給安全防護裝個“智能哨兵”

不管是商場安防、金融轉賬,還是網絡運營,識別風險行為都是守住安全的關鍵。但傳統識別方式太“笨拙”:監控室人員熬紅眼睛盯屏,難免漏看異常;靠固定規則篩查金融詐騙,又追不上騙子的新套路。AI風險行為識別系統就像個不知疲倦的“智能哨兵”,24小時在崗,能精準揪出風險。作為常年做安全科技產品的產品經理,今天我用大白話拆解它的開發核心,讓大家明白技術是怎麼築牢安全防線的。 開發這套系統,核心就

行為識別 , 找規律 , 數據 , NLP , 人工智能

收藏 評論

雲和恩墨 - 7 個前置動作,讓 80% 數據庫隱患 “扼殺在萌芽裏”

在數字化時代,數據庫作為企業核心數據資產的載體,其穩定性直接決定業務連續性。然而殘酷的現實是,75%的嚴重業務中斷源於未被及時發現的數據庫隱患,超過60%的數據庫故障因缺乏提前預警而升級為重大事故。對於運維團隊而言,“事後救火”式的應急響應不僅成本高昂,更可能造成不可挽回的業務損失。因此,小編總結了降低數據庫故障概率的7大核心動作,可覆蓋80%以上的數據庫潛在隱患,讓企業的數據庫

運維 , 數據庫 , SQL

收藏 評論

寶蘭德軟件 - 全棧智算方案賦能金融行業AI高質量發展,寶蘭德榮獲昇騰AI創新大賽2025北京區域賽企業賽道銅獎​

近日,在備受矚目的昇騰AI創新大賽2025北京區域賽中,寶蘭德《金融行業智算與AI模型全棧精細化管控解決方案》脱穎而出,成功斬獲企業賽道銅獎。這一獎項,既是對寶蘭德在人工智能與金融深度融合領域的技術實力的肯定,也是業界對寶蘭德基於昇騰生態打造的國產化、高可靠、可落地的AI基礎設施能力的高度認可。 作為華為昇騰生態的重要合作伙伴,寶蘭德多年來深

數字化轉型 , 異構 , 基礎設施 , 解決方案

收藏 評論

協議轉換愛好者 - modbus設備數據 轉 SNMP項目案例

目錄 1 案例説明 2 VFBOX網關工作原理 3 準備工作 4 設置網關採集MODBUS從站數據 5 使用SNMP轉發 6 案例總結 1 案例説明 設置網關採集Modbus設備數據 把採集的數據轉成SNMP協議轉發給其他系統。 2 VFBOX網關工作原理 VFBOX網關是協議轉換網關,是把一種協議轉換成另外一種協議。網關可以採集西門子,歐姆龍,三菱,AB

snmp , 物聯網 , VFBOX , 協議轉換 , 網關 , Modbus

收藏 評論

美狐美顏SDK開放平台 - 直播美顏SDK動態貼紙開發方案:技術實現與平台應用實踐

隨着直播行業的持續升温,從泛娛樂直播到電商帶貨、在線教育、社交互動,“好看、好玩、可定製”正在成為平台吸引用户的重要抓手。在這一背景下,直播美顏SDK與動態貼紙功能逐漸從“錦上添花”升級為“基礎能力”,甚至直接影響用户留存與轉化。 本篇文章,小編將從技術實現路徑與平台落地實踐兩個角度,系統梳理直播美顏SDK中動態貼紙的開發方案,幫助產品負責人、技術團隊更清晰地理解其價值與實

視頻美顏sdk , 美顏api , 人工智能 , 直播美顏sdk , 計算機視覺 , 第三方美顏SDK , 在51CTO的第一篇博文 , 美顏SDK

收藏 評論

代碼天地 - CNN-LSTM做時間序列預測火力全開,思路非常上頭!

在處理兼具局部相關性與長期依賴性的複雜時序數據時,CNN-LSTM是個非常可靠和有效的選擇。因為它通過分工協作有效解決了關鍵矛盾,這方面比單一模型更全面、更穩健。 但從創新角度來説,CNN-LSTM做時序預測研究範式已經發生了深刻變化,單純堆疊的思路是很難再登上頂會頂刊了。現在的主流更偏向於深度集成與改造,或與Transformer等新架構進行復雜融合,這方面已有不少成果出

局部特徵 , 服務器 , 數據 , 滑動窗口 , 分佈式

收藏 評論