博客 RSS 訂閱

合宙LuatOS - 嵌入式FOTA進階:文件系統直接升級與串口分段傳輸技術深度解析

本文將以低功耗模組Air780EPM系列開發板為例,分享FOTA應用示例要點。 一、升級包製作 LuatOS開發模式下,固件分為兩部分: core:底層固件; script:用户腳本; 遠程升級時可以僅升級script,也可以同時升級core+script,這為迭代和維護提供了極大的便利。

串口 , 文件系統 , 物聯網 , 差分 , 嵌入式硬件

收藏 評論

互聯分享 - 永輝超市卡回收平台哪家好?回收資質很重要

節日福利發放的永輝超市購物卡、親友饋贈的閒置卡券,若長期用不上便會淪為“沉睡資產”。不少人想通過回收變現,卻總被“報價虛高”“到賬拖延”“信息泄露”等問題困擾。其實,永輝超市卡回收的核心是選對平台,京回收與獵卡回收這兩大平台,就能為持卡人提供安全高效的變現渠道,讓閒置卡券輕鬆“活”起來。 一、兩大正規回收平台 1、京回收平台:多重備案 資質齊全 靠譜的回

變現 , 微信小程序 , 計算機軟件 , 代碼人生

收藏 評論

wx691ae81153987 - JSAPIThree 加載單體三維模型學習筆記:SimpleModel 簡易加載方式

在三維場景中加載模型是最常見的需求之一。雖然可以直接使用 Three.js 的 GLTFLoader,但在不同投影方式下需要手動處理座標轉換,比較麻煩。今天就來學習 mapvthree 提供的 SimpleModel 類,看看它是如何簡化這個過程的。 瞭解 SimpleModel SimpleModel 是 mapvthree 對 Three.js 模型加載的封裝,

JSAPIThree , yyds乾貨盤點 , mapvthree , GLTF , SimpleModel , 三維模型 , 前端開發 , Javascript

收藏 評論

map_3d_vis - JSAPIThree 加載單體三維模型學習筆記:SimpleModel 簡易加載方式

在三維場景中加載模型是最常見的需求之一。雖然可以直接使用 Three.js 的 GLTFLoader,但在不同投影方式下需要手動處理座標轉換,比較麻煩。今天就來學習 mapvthree 提供的 SimpleModel 類,看看它是如何簡化這個過程的。 瞭解 SimpleModel SimpleModel 是 mapvthree 對 Three.js 模型加載的封裝,主要解決了以下問題: 原生

前端

收藏 評論

騰訊BlueKing - 【運維自動化-標準運維】如何使用流程嵌套(公共流程)

BlueKing標準運維,以下簡稱標準運維 什麼是公共流程 公共流程通常用於在所有業務下都能夠使用的一些流程,可以在任意有權限的業務下使用公共流程新建任務。 如何使用 場景舉例:運維A在配置的流程的時候想在管理的業務下都能使用一些通用的流程,比如一個公共安全掃描的流程,那麼就可以使用公共流程,避免重複造輪子,在多個項目下重複配置相同的流程。 1. 在公共流程管理中點擊

paas , saas , 運維 , 功能使用 , 標準運維

收藏 評論

u_15214399 - 【案例共創】線性迴歸 - 汽車行駛里程與油耗關係預測

最新案例動態,請查閲【案例共創】線性迴歸 - 汽車行駛里程與油耗關係預測。小夥伴們快來領取華為開發者空間進行實操吧! 本案例由:梅科爾工作室提供 1 概述 1.1 案例介紹 在機器學習領域,線性迴歸就是使用一個線性函數(多項式迴歸可以是曲線)去擬合給定的訓練集,測試時,對輸入的x值,返回這個線性函數的y值。最終目標是找到y=Θ0 + Θ1x1 +

機器學習 , 數據集 , 數據 , 人工智能 , 開發者

收藏 評論

u_15214399 - 【案例共創】線性分類器與支持向量機 - 新聞標題主題分類(SVM)

最新案例動態,請查閲【案例共創】線性分類器與支持向量機 - 新聞標題主題分類(SVM)。小夥伴們快來領取華為開發者空間進行實操吧! 本案例由:梅科爾工作室提供 1 概述 1.1 案例介紹 在機器學習領域,分類的目標是指將具有相似特徵的對象聚集。而一個線性分類器則透過特徵的線性組合來做出分類決定,以達到此種目的。 支持向量機(Support Vecto

機器學習 , 數據集 , 人工智能 , 詞向量 , 開發者

收藏 評論

lenglingx - css格子花園grid佈局遊戲(css-grid-graden)

前言:最近發現了個有趣的網站,可以練習css-grid佈局。 https://cssgridgarden.com/ https://cssgridgarden.com/#zh-cn 另外還有個grid佈局學習站:https://www.joshwcomeau.com/css/full-bleed/ 第一關 #garden { displ

Css , 前端開發 , HTML

收藏 評論

小鋒學長生活大爆炸 - 【教程】網心雲OES Plus刷機armbian

網上教程已經很詳細了,這裏做一下彙總: OESPlus刷機終極教程!刷入Armbian有此一篇足矣! https://post.smzdm.com/p/ax6zop0d/OESPlus刷機終於趨於完美了!全面的圖文教程在此 https://mp.weixin.qq.com/s/bkAeDX8OizVemxnUvJgKDQ

網心雲 , oes , 刷機 , armbian , 圖文教程 , Css , 前端開發 , HTML

收藏 評論

WarrenLynch - 生成式AI與Visual Paradigm AI視覺建模聊天機器人:何時選擇哪個?(專業圖表、符號和模型指南)

當您真正認真對待圖表、符號和模型時(例如在軟件工程、業務分析或系統設計等專業領域),工具的選擇會直接影響準確性、效率和最終輸出質量。本文將全面對比生成式AI(Generative AI,簡稱GenAI)與Visual Paradigm AI視覺建模聊天機器人(以下簡稱Visual Paradigm AI),幫助您在需要“真正專業”時做出正確決策。

建模 , 機器人 , UML , 人工智能 , Css , Visual , 前端開發 , HTML

收藏 評論

小小方大人 - 如何判斷聚合函數是否需要使用?

判斷聚合函數(如 SUM/MAX/MIN/COUNT/AVG 等)是否需要使用,核心原則是:**當一行分組結果需要彙總/提煉分組內多行數據的特徵時,必須用聚合函數;若分組內該字段值唯一,無需使用(用了也不報錯,但冗餘)**。 以下從「判斷邏輯」「典型場景」「避坑要點」三個維度詳細説明,結合你之前的SQL案例拆解: 一、核心判斷邏輯(兩步法) 第一步:明確「分組粒度」(GROU

字段 , 後端開發 , 聚合函數 , JAVA , SQL

收藏 評論

熱愛編程的小白白 - 【Playwright自動化】錄製生成腳本

一、Playwright錄製生成腳本 命令行錄製生成腳本 Playwright 提供了內置的腳本錄製工具,可以自動生成測試腳本,簡化編寫自動化測試的過程。以下是具體操作方法: 啓動錄製模式 運行以下命令啓動瀏覽器並開啓錄製功能: playwright codegen https://www.baidu

側邊欄 , MySQL , 運維 , 自動化 , 數據庫 , Json

收藏 評論

寧波阿成 - 基於Jeecgboot3.9.0的vue3版本前後端分離的flowable流程管理平台

初步遷移完成了基於jeecgboot3.9.0的vue3版本的前後端流程管理平台,基於flowable7.2.0,同時支持bpmn流程設計器與仿釘釘流程設計器。 包括消息通知 主要增加的功能還是類似3.8.1,只是現在跟隨3.9.0升級到了springboot3了 本文包含:-->

spring , springboot3 , Flowable , jeecgboot , vue3 , Css , 前端開發 , HTML

收藏 評論

小黑要上天 - 9-Docker命令大全-info|version

info|version info -顯示Docker的系統級信息,包括當前的鏡像和容器數量 version -顯示Docker客户端和服務端的版本信息 本文包含:--> -->

服務端 , 版本信息 , Docker , 前端開發 , Javascript

收藏 評論

福大大架構師每日一題 - 2025-12-10:相鄰字符串之間的最長公共前綴。用go語言,給定一個字符串數組 words。對每個下標 i(0 到 words.length-1)按下面步驟處理並求得一個整數值: 1. 把數組中索

2025-12-10:相鄰字符串之間的最長公共前綴。用go語言,給定一個字符串數組 words。對每個下標 i(0 到 words.length-1)按下面步驟處理並求得一個整數值: 把數組中索引為 i 的元素刪掉,得到一個長度為 n-1 的新數組(若原數組長度為 n)。 在新數組中,把相鄰的元素兩兩配對(即第 k 個和第 k+1

golang , 數組 , 字符串 , 開發語言 , 後端開發 , harmonyos , 後端

收藏 評論

wx6466f25322644 - 大語言模型Ll M 這張圖的核心信息是:隨着模型規模變大,注意力(attention)層消耗的 FLOPs 佔比越來越高,而 MLP 層佔比反而下降。

這張圖的核心信息是:隨着模型規模變大,注意力(attention)層消耗的 FLOPs 佔比越來越高,而 MLP 層佔比反而下降。 一、FLOPs 是什麼? FLOPs(Floating Point Operations)是浮點運算次數,衡量模型計算量的單位。FLOPs 越高,訓練或推理所需的計算資源越多。 二、圖中數據解讀

複雜度 , 數據 , 浮點運算 , 後端開發 , 人工智能 , Python

收藏 評論

No8g攻城獅 - 【異常解決】一招解決Navicat連接線上數據庫時,隔一段時間不操作出現的卡頓問題

博主介紹:✌全網粉絲23W+,博客專家、Java領域優質創作者,華為雲/阿里雲等平台優質作者、專注於Java技術領域✌ 技術範圍:SpringBoot、SpringCloud、Vue、SSM、HTML、Nodejs、Python、MySQL、PostgreSQL、大數據、物聯網、機器學習等設計與開發。 感興趣的可以先關注收藏起來

Spring Boot , 數據結構 , 數據庫 , 後端開發 , JAVA , 後端 , Python

收藏 評論

No8g攻城獅 - 【異常解決】Spring Boot 返回排序後的 Map 但前端接收順序不對的解決方案

博主介紹:✌全網粉絲22W+,博客專家、Java領域優質創作者華為雲/阿里雲/等平台優質作者、專注於Java技術領域✌ 技術範圍:SpringBoot、SpringCloud、Vue、SSM、HTML、Nodejs、Python、MySQL、PostgreSQL、大數據、物聯網、機器學習等設計與開發。 感興趣的可以先關注收藏起來

Spring Boot , 後端開發 , JAVA , harmonyos , 後端 , 前端 , Json

收藏 評論

wx5c241fe5127d0 - PolarDB for PG 查殺連接,自己想的很麻煩,其實人家早就有方案

這是一個長系列,我們會記錄我們從PostgreSQL 遷移到PolarDB for PG的一個過程,這是長篇的第三篇,這一篇要説的是改變,逐步在生產中使用了PolarDB for PG後我們遇到了一個我們必須遇到,但很快被解決的問題。 這個問題其實我們在PolarDB for MySQL的時候遇到過,就是查詢系統信息的問題,這裏我們稍微給不懂pol

MySQL , 數據庫 , postgresql , 前端開發 , Javascript

收藏 評論

datian1234 - 必學收藏!大模型工程師必看:上下文工程2.0,從Prompt到AI Agent的完整指南!

前言 Context Engineering 2.0: The Context of Context Engineering 今天我們要探討一篇非常有前瞻性和系統性的論文:《上下文工程2.0:上下文工程的“上下文”》(Context Engineering 2.0: The Context of Context En

AI大模型 , 後端開發 , 人工智能 , 大模型入門 , prompt , harmonyos , 大模型學習

收藏 評論

datian1234 - 一文搞懂大模型標準配置RoPE位置編碼原理與實現!

簡介 RoPE(Rotary Positional Embedding)是當前大語言模型中最主流的位置編碼方式,通過旋轉矩陣操作將位置信息引入Q、K向量角度,實現相對位置建模。它支持長序列泛化、計算高效且保留週期信息,被LLaMA、GPT-NeoX等主流大模型採用。相比傳統位置編碼,RoPE能更好地處理序列順序信息,提升模型對相對距離的感知能力。

github , 算法 , 知識圖譜 , 後端開發 , 人工智能 , 大模型入門 , Python

收藏 評論

嘴巴吃糖了 - GitHub上爆紅!這個瀏覽器自動化工具為何能狂攬2萬Star?

簡介 Skyvern是一個基於大模型的瀏覽器自動化開源項目,已獲GitHub近2萬星。它通過規劃-執行-驗證的AI架構(Planner/Task/Validator),像人類一樣理解網頁內容,解決了傳統RPA工具因頁面結構變化導致腳本失效的問題。項目提供Docker部署和Python SDK兩種使用方式,讓開發者能輕鬆實現智能網頁自動化操作,是學習

github , 運維 , 知識圖譜 , 後端開發 , 人工智能 , 大模型學習 , Python

收藏 評論

bugyinyin - 【AI大模型應用場景】AI Agent與工程系統融合實踐:兩大業務場景落地全解析!

簡介 文章分享了將AI Agent技術應用於"智能播報助手"和"批量建任務"兩個業務場景的實踐歷程,闡述了AI Agent與傳統工程系統深度融合而非完全替代的有效路徑。通過MCP協議擴展Agent能力邊界,實現報表自動監控和釘釘消息推送;在批量建任務場景中,探索了Agent與工程結合的最佳實踐,強調應準確理解技術邊界和長處,構建高效穩健的解決方案。

大數據 , 人工智能 , transformer , prompt , 大模型學習 , 前端開發 , Javascript

收藏 評論