博客 RSS 訂閱

wuxiedekeben 頭像

無邪的課本 - 達夢數據庫安裝教程 dm8_20211025_x86_win_64_ent.zip Windows詳細步驟（附安裝包）

​ 是達夢數據庫 DM8 的 Windows 64位企業版安裝包，日期是 2021 年 10 月 25 日編譯的版本。裏面包含了數據庫服務端、客户端和一些常用管理工具， 1. 解壓安裝包 提供安裝包下載：https://pan.quark.cn/s/301611c6df7f ，下載的dm8_20211025_x86_win_64_ent.zip文件。 右鍵 → 解壓到某個文件夾，比如D:\d

數據庫

收藏 評論

u_16213418 頭像

mob64ca12ed4084 - langchain的LCEL

在處理“langchain的LCEL”問題時，我們需要從多個方面入手，制定詳細的備份策略、恢復流程、災難場景應對、工具鏈集成、預防措施以及具體的案例分析。以下是整理後的覆盤記錄。 langchain的LCEL問題描述 “langchain的LCEL”問題主要是指在使用LangChain進行鏈式任務時，鏈的執行過程中出現的異常情況。這可能導致數據丟失或跌出預期結果，因此，對其進行備

數據 , bash , 數據恢復 , aigc

收藏 評論

u_16175458 頭像

mob649e815a6b81 - ollama指定顯卡 參數

要解決“ollama指定顯卡 參數”的問題，首先我們需要了解這個問題對業務的影響。顯卡是深度學習和模型推理的關鍵組成部分，正確的顯卡配置會顯著影響系統的運行效率和響應時間。 背景定位 在過去的幾個月裏，我們注意到使用 ollama 時，顯卡性能波動較大，導致模型推理速度不一致。這一問題使得我們在處理高併發請求時經常出現延時，直接影響了用户體驗。用户投訴率增加，這對業務的口碑造成了

正常運行 , 響應時間 , aigc , ci

收藏 評論

u_14540126 頭像

最多選5個技能 - DeepSeek遷移學習與預訓練模型應用

遷移學習是一種利用預訓練模型的知識來加速新任務訓練的技術。通過遷移學習，我們可以在數據量有限的情況下，快速構建高性能的模型。DeepSeek提供了豐富的預訓練模型和遷移學習工具，幫助我們高效地完成新任務的訓練。本文將詳細介紹如何使用DeepSeek進行遷移學習，並通過代碼示例幫助你掌握這些技巧。 1. 遷移學習的基本概念 遷移學習的核心思想是將在一個任務上學到的知識應

數據 , Css , 遷移學習 , 目標檢測 , 前端開發 , HTML

收藏 評論

pains 頭像

Rick Carter - dotnet-dump安裝、收集dump和崩潰自動收集dump

繼續寫點基礎的東西，因為基礎的東西能帶新手入門，入門後的事情其實是比較簡單的。 我們開發dotnet程序後運行時經常出問題，比如cpu高、內存高、崩潰等問題，分析的方法就是使用dotnet的那套分析工具，今天以dotnet-dump為例，簡單説下從安裝到收集的操作步驟。 1.安裝SDK dotnet分析工具需要dotnet sdk環境，所以需要先安裝sdk，以docker下Debian系統為例。參

.net , 後端

收藏 評論

u_16213349 頭像

mob64ca12dc88a3 - ollama linux國內下載

ollama linux國內下載的支持逐漸受到關注，但由於某些原因，直接下載可能會面臨困難。本文將詳細講解如何在國內順利下載和配置ollama Linux，幷包含環境配置、編譯、參數調優、定製開發、性能對比以及生態集成六個部分。 mindmap root 環境配置 ├─安裝依賴 │ ├─curl │ ├─gcc │

測試階段 , aigc , 環境配置 , Docker

收藏 評論

u_16213301 頭像

mob64ca12d0a366 - langchain_chroma的Chroma從多個chromaDB集合中查詢數據

在處理“langchain_chroma的Chroma從多個chromaDB集合中查詢數據”的問題時，我們首先需要了解整體背景。這一技術在許多現代應用中都顯得尤為重要，尤其是在涉及大規模數據庫和信息檢索的場景中。 背景描述 在當今的信息化時代，如何高效獲取和處理數據成為了各行各業的關切。Chroma作為一種快速、高效的數據庫，常用於諸如自然語言處理、推薦系統等領域。當我們的項目需

數據 , aigc , 應用場景 , ci

收藏 評論

u_16231213 頭像

會下蛋的咯咯 - Ant Design Vue 裏的 Tabs 標籤頁中使用 ECharts 圖表時初始寬度異常

一、問題描述 1、代碼類似下圖，某個頁面使用了Tab標籤頁，每個標籤頁對應一個組件（小頁面） 圖1 2、比如説AAA組件中使用了echarts中的某個圖表，初始狀態下正常顯示，效果如下 圖2 3、現在有個新需求，我要新加一個FFF組件，然後弄個類似的圖表。於是我從AAA組件中複製一個一模一樣的圖表，結果頁面初始化時圖表寬度異常，如下

vue.js , Vue , Ant Design vue , echarts , 前端開發

收藏 評論

Lantz12 頭像

Lantz12 - 關於synchronized-reentrantlock-volatile學習總結1.0

Synchronized synchronized 是什麼 synchronized是 java 提供的原子性內置鎖，實現基本的同步機制，不支持超時，非公平，不可中斷，不支持多條件，基於 JVM 的 Monitor（監視鎖）機制實現，主要解決的是多個線程之間的訪問資源的同步性，可以保證被它修飾的方法或者代碼塊在任意時刻只有一個線程執行，以及保證： 原子性 可見性 有序性 監視器鎖（M

後端

收藏 評論

smartloli 頭像

哥不是小蘿莉 - 使用 Vibe Coding 構建 AI 自動化評測系統

1.概述 在當今快速發展的 AI 時代，如何高效、準確地評估 AI 模型的性能已成為一個關鍵挑戰。傳統的評測方法往往依賴大量人工干預，不僅效率低下，而且難以保證評測的一致性和客觀性。本文將深入探討如何使用 Vibe Coding 的理念，結合現代 AI 技術，構建一個智能、高效且可擴展的自動化評測系統。我們將從系統架構設計出發，詳細剖析核心組件的實現，並分享在實際項目中積累的最佳實踐。 2.內容

AI

收藏 評論

u_16213298 頭像

mob64ca12cfec58 - Ubuntu ollama推理時沒有使用gpu

在使用Ubuntu進行ollama推理時，用户常常會遇到“推理時沒有使用GPU”的問題。這是一個常見的性能瓶頸問題，直接影響到預測的速度和效率。下面將詳細闡述如何解決該問題的過程。 用户反饋： “在使用ollama進行模型推理時，始終沒有看到GPU的使用，我確定我的設備有GPU，但怎麼設置都無法啓用。” 根據上面的用户反饋，可以看出問題出在模型推理的過程中未能有效利

aigc , ci , CUDA , Ubuntu

收藏 評論

JavaEdge 頭像

JavaEdge - 亞馬遜為 Bedrock AgentCore 添加 A2A 協議，實現多智能體系統互操作

0 前言 亞馬遜 宣佈，在 Amazon Bedrock AgentCore Runtime 正式支持A2A協議**，讓基於不同框架構建的智能體之間能夠實現通信與協作。** 該協議支持來自 Strands Agents、OpenAI Agents SDK、LangGraph、Google ADK 和 Claude Agents SDK 等框架的智能體以“通用且可驗證的

服務器 , yyds乾貨盤點 , 人工智能 , 深度學習 , 開發者 , 協同工作

收藏 評論

u_16213358 頭像

mob64ca12dedda8 - AIGC 音頻生成工具 天工

AIGC 音頻生成工具 天工是一款致力於音頻生成的智能工具，能夠幫助用户輕鬆創建和修改音頻文件。本文將詳細記錄如何有效配置和使用這一工具的過程，包括環境準備、分步指南、配置詳解、驗證測試、排錯指南以及擴展應用。 環境準備 在使用“AIGC 音頻生成工具 天工”之前，用户需要確保環境中的前置依賴已被成功安裝。以下是所需的依賴及其版本兼容性矩陣： 依

User , System , aigc , ci

收藏 評論

u_16213395 頭像

mob64ca12e7b5cf - 基於AIGC的人工智能應用框架圖

在這個博文中，我將詳細記錄如何構建一個"基於AIGC的人工智能應用框架圖"，並涵蓋以下核心內容：環境配置、編譯過程、參數調優、定製開發、錯誤集錦和進階指南。 首先，我們需要確保系統具有合適的環境配置。在環境配置階段，涉及依賴的安裝、配置與版本的管理。下圖即展示了該過程的流程圖，幫助大家理解整個步驟。 flowchart TD A[環境準備] -- B[安裝依賴]

System , aigc , 人工智能 , 解決方案

收藏 評論

u_14555121 頭像

mb5d873393ad030 - BitpieSQL錢包性能的三要素

在數據庫系統中，BitpieSQL錢包下載查詢地址biepe.app；性能是衡量應用健康度的關鍵指標。許多開發者將性能優化簡單歸結為"添加索引"，但實際上，高效的查詢是索引策略、執行計劃優化和數據分佈理解三者協同作用的結果。本文將深入探討這三要素的相互作用機制，幫助您構建系統化的SQL性能優化思維。 1 SQL執行的生命週期與性能瓶頸 1.1 查詢處理的全鏈路視角

數據 , 執行計劃 , 數據分佈 , webpack , 前端開發

收藏 評論

u_16175508 頭像

mob649e81664bd9 - PostableCommand Enumeration

PostableCommand Enumeration 是一種用於處理系統命令和消息的枚舉類型，廣泛應用於軟件開發領域，尤其是在構建命令模式和事件驅動架構時。它提供了一種標準化的方式來定義和管理可被系統處理的各種命令，確保了代碼的可維護性和擴展性。 為了全面理解和解決與 PostableCommand Enumeration 相關的問題，我將從以下幾個維度展開分析和討論。 核心維

複雜度 , 字符串 , aigc , JAVA

收藏 評論

u_11103654 頭像

binswm - 掌握下載im錢包現代C++的演變（圖）

本文目標是剖析lambda im錢包的主要演變過程下載，imTke.app官網但不是所有的小細節。對 lambda 的基礎知識不瞭解可以閲讀博主的另一篇文章，有詳細介紹。lambda 的演變一般是賦予它們手動定義函數對象的功能。 一、背景 Lambda 是現代 C++ 最受歡迎的功能之一。自從在 C++ 11 中引入以來，它們在 C++ 代碼中無處不在。而且，

默認參數 , 服務器 , 自動換行 , 分佈式 , 函數返回

收藏 評論

u_10983731 頭像

wangyeke - 關於token pocket下載解決JSON丟失問題

Go語言中，當uint64或int64數值超過錢包下載時，Tekon.app官網JSON序列化會因float64精度限制導致精度丟失。解決方案包括：使用json:"id,string"標籤轉為字符串、自定義類型實現Marshaler接口、或使用第三方庫json-iterator將大整數序列化為字符串。 原理: 在 Go 語言中，當把uint64或int64類型

序列化 , webpack , 前端開發 , Json

收藏 評論

u_11395103 頭像

wowwow0607 - 多進程環境中解決 PHP 文件系統鎖定問題指南

多進程環境中解決 PHP 文件系統鎖定問題指南 文件系統鎖定是 PHP 應用在多進程環境中運行時一個關鍵但常被忽視的方面。當多個進程或線程同時訪問共享文件時，如果沒有適當的同步機制，可能會導致競態條件、數據不一致甚至數據損壞。本指南將探討在 PHP 應用中解決文件系統鎖定問題的高級技術，確保數據完整性和應用可靠性。 原文鏈接 - 多進程環境中解決 PHP 文件系統鎖定問題指

MySQL , php , 數據庫 , 文件鎖 , 多進程

收藏 評論

u_11683561 頭像

sweetoneday - 深入理解 PHP-FPM 的最佳配置

深入理解 PHP-FPM 的最佳配置 對大多數開發者來説，PHP-FPM 的配置並不是日常工作中需要深入研究的東西。這沒什麼問題，畢竟不是每個人都想或需要在服務器調優上花時間。 況且，現在有很多託管服務（寶塔，1panel 等）可以幫你把服務器配置好，安裝所有依賴（包括 PHP-FPM），你只需要在控制面板點幾下就能部署代碼。也許你們公司有專門的運維，或者有資深開發在負責這

子進程 , php , 前端開發 , Javascript

收藏 評論

XY-Heruo 頭像

花酒鋤作田 - [python]FastAPI-Tracking ID 的設計

前言 在實際業務中，根據 tracking_id 追查日誌中一條請求的完整處理路徑是一個比較常見的需求。不過 FastAPI 官方並沒有提供相對應的功能，因此需要開發者自行實現。本文介紹如何基於 contextvars，為每次請求的完整流程都添加一個 tracking_id，並在日誌中記錄。 什麼是 contextvars Python 在 3.7 版本的標準庫中加入了一個模塊 contextva

後端

收藏 評論

u_11644109 頭像

kexiaojun1 - Laravel ObjectId 性能最強體積最小的分佈式 UUID 生成擴展

相信每位 Laravel 開發者都遇到過這種情況：新建項目、寫遷移、模型默認用自增 ID。開始挺好，但等到系統要上分佈式、對接 API、搞微服務的時候，整數 ID 的侷限性就暴露出來了。 Laravel ObjectId 就是為了解決這個問題：一套開箱即用的全局唯一 ID 方案，借鑑了 MongoDB ObjectId 的設計思路，可以直接用在 MySQL、MariaDB

MySQL , laravel , 數據庫 , postgresql

收藏 評論

u_11927406 頭像

chris310wtt - 進階學習 PHP 中的二進制和位運算

在實際項目中，經常需要大量依賴 PHP 中的位運算操作。從讀取二進制文件到模擬處理器，這是一項非常有用的知識，而且也非常酷。 PHP 提供了許多工具來支持你處理二進制數據，但需要從一開始就注意：如果你追求極致的底層效率，PHP 並不是最佳選擇。 不過請耐心看下去！本文將展示關於位運算、二進制和十六進制處理的非常有價值的內容，這些在任何語言中都會有用。 原文鏈接

字符串 , php , 人工智能 , 深度學習 , 十進制

收藏 評論