tag 加載

標籤
貢獻177
213
05:15 PM · Nov 07 ,2025
u_16739385 頭像 u_13715298 頭像 20214843 頭像 u_15469972 頭像 u_13200571 頭像 u_15903730 頭像 u_16213693 頭像 u_17579295 頭像 u_16380863 頭像 u_14230 頭像 u_16099242 頭像 u_16213653 頭像

@加載 / 博客 RSS 訂閱

u_16099194 頭像

數據大俠客 - context aggregation module模塊

模塊引用 var fs=require('fs'); 模塊定義 //cal.js exports.add=function(){ var sum=0, args=arguments, l=args.length; while(l1){ sum +=args[i++]; } return sum; }; //在另一個地方進行調用 var cal=require('c

雲計算 , 加載 , 雲原生 , Json

收藏 評論

u_87634 頭像

新新人類 - centos 6 加入開機啓動

centos5,6啓動流程： 1.post 2.grub 2.1stage1 mbr 446 2.2stage1.5 mbr後面的27 sectors 2.3stage2 /boot/grub 3.核心文件：/boot/vmlinuz-VERSION-release 4.偽根系統：/boot/

用户登錄 , 初始化 , centos 6 加入開機啓動 , 加載 , 架構 , 後端開發

收藏 評論

u_16099272 頭像

墨舞天涯 - 挑戰TensorFlow 與 PyTorch，3 月深度學習框架集中爆發 - 編輯部的個人空間 -

在這個“AI 生成內容（AIGC）”盛行的時代，模型不像以前一樣只在實驗室裏喝電、在服務器裏冒煙了。它們迫切希望“上網衝浪”，直接駐紮在用户的瀏覽器裏，為 Web 應用增添一點點靈性。問題來了：我們該用哪門“武功秘籍”把這些模型請進瀏覽器？ 今天的擂台，就擺在兩位“明星”之間： TensorFlow.js：正統科班出身，瀏覽器原生支

tensorflow , 加載 , aigc , bard , 前端 , Web

收藏 評論

u_16213693 頭像

mob64ca141275de - 硬盤smart檢查docker

1,機械硬盤的SMART表定義已經有自己的標準，由於硬盤廠很多，很多廠家屬性的名字也不盡相同， 或者某些廠牌缺少某些屬性，但是同個ID的定義是相同的。機械硬盤的SMART屬性表如下： ID

雲計算 , 讀取數據 , 加載 , 硬盤smart檢查docker , Power , Docker

收藏 評論

u_15907379 頭像

步步為瑩 - 萬億參數模型優化：Python 量化部署技巧（QLoRA+TensorRT 實戰）

在近年來，隨着深度學習模型的不斷髮展，大規模預訓練語言模型（如 GPT-3、GPT-4 等）擁有了數百億、甚至數萬億的參數。然而，隨着模型規模的增加，計算和存儲的需求也大幅提高，這給模型部署帶來了挑戰。為了解決這些問題，量化技術（Quantization）成為了加速模型推理和降低部署成本的有效手段。 在本教程中，我們將介紹如何使用 QLoRA 和 TensorRT 來優化和

加載 , 權重 , 後端開發 , 深度學習 , Python

收藏 評論

u_16164933 頭像

謝爾登_ - 原來Webpack在大廠中這樣進行性能優化！

性能優化方案 優化分類： 優化打包後的結果（分包、減小包體積、CDN 服務器） == 更重要 優化打包速度（exclude、cache-loader） 代碼分割（Code Splitting） 一、主要目的 ​減少首屏加載體積​：避免一次性加載全部代碼 ​利用瀏覽器緩存​：第三方庫（如 React、Lodash）變動少，可單獨緩存

服務器 , 加載 , Css , 前端開發 , Javascript

收藏 評論

u_16213606 頭像

mob64ca13fdd43c - [源碼分析] Facebook如何訓練超大模型 --- (2) -

文章目錄 實戰量化Facebook OPT模型 Facebook OPT模型介紹 auto-gptq方式量化 1、定義量化配置 2、加載模型量化 3、檢查量化正確性 4、保存量化後的模型權重 5、使用量化模型進行文本生成 6、使用自定義的數據集

數據集 , 語言模型 , 加載 , 人工智能 , Css , 前端開發 , 量化 , HTML

收藏 評論

20214843 頭像

龐然大悟 - NGINX 模塊開發框架：核心鈎子（Hook）機制與模塊編譯加載流程

一、模塊開發框架核心定位：擴展 NGINX 能力的 “接口層” NGINX 採用模塊化架構設計，官方模塊（如 HTTP 模塊、Stream 模塊）僅覆蓋基礎功能，實際業務中需通過自定義模塊實現特殊需求（如請求鑑權、日誌脱敏、自定義負載均衡）。模塊開發框架的核心價值是 提供標準化接口，讓開發者無需修改 NGINX 核心代碼，即可嵌入自定義邏輯，其核心由 “鈎子機制” 與 “編

服務器 , HTTP , 自定義 , 加載 , Nginx

收藏 評論

u_16099265 頭像

智能開發者 - 推薦Rust 項目 | 框架引擎

第一章：Rust 機器學習框架概覽 Rust 作為一種系統級編程語言，憑藉其內存安全、高性能和零成本抽象的特性，逐漸在機器學習領域嶄露頭角。儘管生態尚不如 Python 成熟，但已有多個活躍項目致力於構建高效、可靠的機器學習工具鏈。 主流 Rust 機器學習框架 tch-rs：基於 C++ Torch API 的 R

rust , 加載 , 權重 , 後端開發 , Python

收藏 評論

u_14540126 頭像

最多選5個技能 - Python包架構設計與工程實踐：構建可維護、可擴展的Python項目

良好的架構設計是Python包長期成功的關鍵。本文將深入探討Python包的高級架構模式，包括模塊化設計、接口抽象、依賴管理、配置系統等核心內容，幫助你構建專業級的Python項目。 1. 項目結構設計 1.1 現代Python項目結構 my_project/ ├── src/ # 源代碼目錄 │ └──

analyzer , 加載 , Css , 前端開發 , HTML , Json

收藏 評論

u_16099353 頭像

漫步雲端的豬 - Tensorflow之keras模型建立與訓練

本文通過 MNIST 手寫數字識別案例，詳細講解了 TensorFlow/Keras 模型的搭建、訓練、評估和保存全流程，涵蓋了 Sequential 和函數式 API 兩種模型搭建方式，以及三種主流的模型保存方法。 目錄 一、前期準備：環境搭建與數據集加載 1. TensorFlow環境安裝 2. 加載MNIST數據集

API , 加載 , 權重 , 後端開發 , Python

收藏 評論

u_17029845 頭像

這是嚕嚕 - 用Python讀取和寫入Excel多工作表：openpyxl vs pandas對比

在日常辦公與數據分析中，Excel 文件（尤其是 .xlsx 格式）是信息交換的常見載體。Python 提供了多種處理 Excel 的工具，其中 openpyxl 和 pandas 是最主流的選擇。它們各有側重：openpyxl 專注於原生操作 Excel 文件結構（如樣式、公式、多工作表），而 pandas 則擅長以數據框形式高效處理表格內容。本文將通過多工作表讀寫場景，對比兩

數據 , 加載 , 後端開發 , 結構化 , Python

收藏 評論

u_16099174 頭像

晨曦微露s - Unreal Engine的自定義擴展思路

第一章：Unreal Engine插件架構概述 Unreal Engine 的插件系統為開發者提供了擴展引擎功能的靈活機制。通過插件，可以封裝特定功能模塊，如自定義編輯器工具、運行時特性或第三方庫集成，從而提升項目開發效率與可維護性。 插件的基本結構 一個標準的 Unreal Engine 插件包含以下核心目錄和文件：

初始化 , Source , 加載 , Css , 前端開發 , HTML

收藏 評論

u_13633 頭像

daleiwang - script標籤在template標籤上面

這是一個偽命題嗎？ 首先，W3C 推薦 script 腳本應該被立即加載和執行，其次，經過網絡搜索，我只發現了 1 例相同的問題，所以這個問題的真偽其實還有待進一步驗證，但是從邏輯上説，瀏覽器會並行加載靜態資源，對於 Chrome，可以並行加載 6 個資源，如果其中一個資源獲取的比較緩慢，那麼會影響串行的下 6 個請求的發送，如果能夠預先測試出 6

機器學習 , 異步加載 , ViewUI , 加載 , 人工智能 , HTML , Javascript

收藏 評論

u_16213618 頭像

mob64ca1400bfa8 - disassemble 分析core文件

.net core dump分析 20211220 更新：利用VS或者命令內存分析 20210421更新：可以使用https://memprofiler.com/download和VS直接打開dmp文件 (內存泄漏查看比較方便，但是cpu線程分析還是用dotnet-dump analyze好一點) 20201211更新： 用https://docs.micros

機器學習 , microsoft , 加載 , 人工智能 , .net

收藏 評論

u_13715298 頭像

技術員阿偉 - 《Godot輕量化開發的全流程進階指南》

工具選擇往往成為創意落地的關鍵變量，許多開發者懷揣獨特構想，卻在主流商業引擎的厚重門檻前望而卻步—動輒數十GB的安裝包、繁雜的環境配置、陡峭的學習曲線，以及隱藏的授權成本，都在無形中消耗着創作熱情。而Godot引擎的出現，它以不足500MB的安裝體積，打破了“功能全面與輕量化不可兼得”的固有認知，無論是2D像素風的敍事短篇，還是3D輕度解謎作品，都能在其框架內得到流暢支撐。初次接

遊戲開發 , yyds乾貨盤點 , 自定義 , 加載 , 開發者

收藏 評論

u_14273 頭像

charlesc - Grafana柱狀圖與表格聯動過濾方法

初來乍到，請多指教！第一次寫博客~記錄一下日常踩的坑 ECharts其實在上家公司就接觸過一點，什麼散點圖，折線圖，柱狀圖等等~ 可是上家公司有web前端呀，我只負責填充數據，我是一個廢后端了沒錯了。 最近做了一個效果就是點擊柱狀圖表格變化，如圖~ 踩坑的環節了o(╥﹏╥)o 1.點擊柱子（疊加點擊事件） 我做的柱狀圖上頭有一

Grafana柱狀圖與表格聯動過濾方法 , 雲計算 , 加載 , 柱狀圖 , 雲原生 , HTML

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - 實用指南：告別複雜配置：用Milvus、RustFS和Vibe Coding，60分鐘DIY專屬Chatbot

作為一名全棧工程師，我一直在尋找更高效的方式構建智能應用。 本文將分享如何利用 Milvus、RustFS 和 Vibe Coding 技術組合，在短時間內打造一個具備長期記憶能力的對話機器人。 目錄 一、為什麼選擇這個技術棧？ 1.1 各組件核心價值 二、環境搭建：10分鐘快速開始 2.1 使用Docker Compose

API , 加載 , 數據庫 , Css , 前端開發 , HTML

收藏 評論

u_14405 頭像

fjfdh - combotree 樹狀結構 jquery easyui模糊查詢

懂得數據整理很重要，數據量大的時候如果要手工整理，眼睛估計要罷工，我之前爬取回來的數據，先轉成ecxel，需要整理成json才可以在頁面使用，之前常用的整理方法如下:在Notepad++編輯軟件中（不同的編輯器，正則會有點出入，我習慣使用Notepad++），使用正則替換，查找：(\S+)\s+(\S+)\s+(\S+)\s+(\S+) 替換為：{'key_0':'$1','ke

i++ , 加載 , ci , jquery , 前端開發

收藏 評論

u_16213341 頭像

mob64ca12da726f - ollama怎麼把別的機器下載下來的模型傳到另一個機器

在使用Ollama時，有時我們需要在不同機器之間共享或傳輸模型。然而，Ollama並沒有提供直觀的方式來實現這一點。以下是如何將其他機器上下載的模型傳到另一台機器的過程記錄。 問題背景 在我們的開發環境中，團隊中有幾位同事分別在不同的機器上使用Ollama進行機器學習模型的開發。我們採集了大型模型，這些模型具有特別大的體積和豐富的參數。為提高我們的開發效率，團隊希望能夠將一台機器

加載 , aigc , 解決方案 , ci

收藏 評論

u_16213646 頭像

mob64ca140761a4 - 數據緩存測試：

做Web架構優化時，為啥大家都優先選CDN緩存技術？説白了，它是個“多面手”——既能讓網頁加載速度肉眼可見地變快，訪客不用再對着白屏等半天；又能幫源服務器“減負”，減少資源佔用和流量開銷，用户體驗自然就上去了。更貼心的是，它還能增強系統穩定性，就算某台服務器出點小問題，緩存節點也能頂上。順帶提一句，加載快的網站在搜索引擎眼裏更討喜，排名也容易往前靠，最終能讓資源分配和運行效率達到

xml , 加載 , 緩存 , 前端開發 , Javascript

收藏 評論

u_16099203 頭像

網絡安全守衞 - Spark RDD 之分區

通過上篇文章【Spark RDD詳解】，大家應該瞭解到Spark會通過DAG將一個Spark job中用到的所有RDD劃分為不同的stage，每個stage內部都會有很多子任務處理數據，而每個stage的任務數是決定性能優劣的關鍵指標。 首先來了解一下Spark中分區的概念，其實就是將要處理的數據集根據一定的規則劃分為不同的子集，每個子集都算做一個單獨的分區，由集羣中不

spark , 大數據 , 加載 , 後端開發 , JAVA , harmonyos

收藏 評論

u_13200571 頭像

鹽焗西蘭花 - 鴻蒙學習實戰之路 - 瀑布流操作實現

鴻蒙學習實戰之路 - 瀑布流操作實現 官方文檔永遠是你的好夥伴，請收藏! 華為開發者聯盟 - 瀑布流最佳實踐 華為開發者聯盟 - WaterFlow 組件參考文檔 關於本文 本文主要介紹在 HarmonyOS 中如何實現高性能、高體驗的瀑布流佈局，包含基礎實現和高級優化技巧 本文並不能代替官方文檔，所有內

瀑布流 , 移動開發 , 數據 , 加載 , Android

收藏 評論

u_12219 頭像

誤會一場 - React 中 react-i18next 切換語言（ 項目國際化 ）_reacti18

在 React 項目中配置react-i18next實現中英文切換，步驟如下： 一、安裝依賴 首先確保已安裝核心庫： npm install react-i18next i18next i18next-http-backend # 核心庫 + 加載語言文件的插件 二、配置 i18n 1. 創建語言文件

i18next , 加載 , 後端開發 , React.js , 前端 , Json , Python

收藏 評論