tag 迭代

標籤
貢獻103
149
01:02 PM · Nov 08 ,2025

@迭代 / 博客 RSS 訂閱

技術領航探索者 - tortoiseSVN 腳本

腳本增強的總結 1、腳本採用錄製還是抓包手寫沒有本質的區別。 2、腳本增強技術,一般事務和檢查點是屬於必加的。 3、從理論上來説,參數化和關聯是要根據實際情況靈活使用的。 4、要根據需要,靈活的選擇使用思考時間和集合點技術。 參數化 三種方式: 選中需要參數化的值,右鍵--replace with a parameter,然後點

虛擬用户 , 取值 , tortoiseSVN 腳本 , 架構 , 後端開發 , 迭代

收藏 評論

網刊資訊 - 若生科技 (Noah AI) Pre-A+ 輪超募完成,華興資本擔任獨家財務顧問

近期,若生科技 (Noah AI) 超募完成 Pre-A+ 輪融資。本輪融資由沂景資本與紅杉中國聯合領投,中金資本旗下基金及創新工場跟投,華興資本擔任獨家財務顧問。融資將主要用於人才招募、產品迭代和商業拓展。這是公司兩年之內完成的第三輪融資,短時間內的持續融資充分彰顯市場對於公司產品技術與發展潛力的高度認可。 若生科技於 2024 年正式開始運營,總部位於新加坡,並

商業 , 輔助工具 , 代碼人生 , 迭代

收藏 評論

米女巫 - jQuery核心函數:工具

1、$.each方法 方法描述:一個通用的迭代函數,它可以用來無縫迭代對象和數組。數組和類似數組的對象通過一個長度屬性(如一個函數的參數對象)來迭代數字索引,從0到length - 1,其他對象通過其屬性名進行迭代。 需求描述:給定一個數組,使用$.each方法進行遍歷輸出 var arr = [10, 90, 20, 80, 30, 70, 40,

vue.js , 數組 , 字符串 , 迭代 , 前端開發

收藏 評論

mb690cc2a30bc41 - Java初嘗試:電梯調度開發

前言: 在本學期,我第一次接觸到Java這門面向對象的編程語言,此前我已經持續使用了兩年多的面向過程的C語言編程,並一直認為掌握好C語言這一門就能解決大部分的問題,但隨着這幾次從用Java語言實現的電梯調度程序再到每一次的迭代,我逐漸意識到Java這門編程語言確實有它的獨到之處,並且在一些複雜問題的實現上與C語言相比有更多的優勢。就比如在第一次的題目集中,從簡單的算法實現(

請求處理 , JAVA , 代碼人生 , 迭代

收藏 評論

AI科技 - 摩爾線程擬用最高75億元募集資金進行現金管理,業界熱議其難道不想努力了?

12月12日晚間,摩爾線程智能科技(北京)股份有限公司(688795)在科創板發佈公告,計劃將不超過75億元人民幣的閒置募集資金用於現金管理,期限不超過12個月,投資標的限定為協定存款、通知存款、定期存款、結構性存款、大額存單等保本型產品。公司此舉在資本市場引發廣泛關注,部分投資者擔憂其是否會影響後續研發投入,亦有聲音認為此舉是提升資金使用效率的常規做法。 1. 事

數字化轉型 , 項目進度 , 社交媒體 , 迭代

收藏 評論

mob64ca12e77061 - stable diffusion 畫質提升prompt

在現代圖像生成技術中,Stable Diffusion 以其卓越的效率和可擴展性而受到廣泛關注。為了滿足用户對高畫質圖像的需求,我們面臨着“stable diffusion 畫質提升prompt”的挑戰。這篇博客將詳細探討我們在如何提升Stable Diffusion畫質方面所經歷的歷程,以及我們所採取的架構設計和性能優化策略。 背景定位 在進行畫質提升的過程中,我們首先意識到初

性能優化 , 架構設計 , aigc , 迭代

收藏 評論

mb691327edb400f - AI 重構招聘:從效率到精準決策

AI 重構招聘:從效率到精準決策 AI破局招聘“海底撈針”困境:從效率困境到精準決策的轉型 當下企業招聘正陷入“流程冗餘卻結果不佳”的怪圈——HR每天面對海量簡歷,卻要在匹配度不足5%的信息中篩選;組織對“選對人”的需求愈發迫切,可人工面試的主觀性、候選人表現的“套路化”,讓每一次判斷都充滿不確定性;更關鍵的是,HR超七成精力被回覆消息、核對信息等事務性工作佔據,真正

鏈路 , 人工智能 , 高精度 , 深度學習 , 迭代

收藏 評論

mb61c46a7ab1eee - 【C語言】函數遞歸 - 詳解

前言: 在 C 語言函數學習之旅中,遞歸是一個繞不開的重要話題。它不僅是一種編程技巧,更是一種解決問題的獨特思路。本文將從遞歸的基本概念出發,深入剖析其限制條件,通過實例演示遞歸的應用,並對比遞歸與迭代的優劣,幫助你徹底掌握 C 語言中的函數遞歸。 一、遞歸是什麼? 遞歸,從字面意義上看,包含 “遞” 和 “歸” 兩層含義。在 C 語言中,遞歸本質上是函

遞歸 , 斐波那契數 , Css , 迭代 , 前端開發 , HTML

收藏 評論

ZKMALL - 技術領先!zkmall開源商城雙棧驅動,架構穩固體驗優

在開源電商商城選型中,“技術老舊、架構脆弱、體驗卡頓”成為企業的核心痛點:不少開源商城仍採用傳統技術框架,兼容性差、升級困難,難以適配新時代電商運營需求;部分系統前後端架構脱節,數據交互延遲,導致頁面加載緩慢、操作卡頓,影響用户體驗;更有系統技術架構冗餘、擴展性弱,後續功能迭代成本高、風險大,制約企業業務發展。企業亟需一款“技術架構領先、前後端協同高效、拓展性強、體驗流暢”的開源

yyds乾貨盤點 , 技術架構 , 前後端分離 , 架構 , 後端開發 , 迭代

收藏 評論

mb691327edb400f - AI破局招聘困局:從決策困境到效率新生

AI破局招聘困局:從決策困境到效率新生 企業往往低估招聘偏差帶來的隱性損耗:一次不合適的僱傭,除了造成該崗位年薪三成到五成的直接開支浪費,還會引發團隊協作阻滯、培訓投入打水漂等一系列問題。傳統招聘中,HR僅憑主觀印象和簡歷上的零散信息做判斷,很容易讓真正的人才與企業失之交臂,而AI技術的深度應用,正為這一長期困擾行業的難題提供了全新解法。

鏈路 , ATS , 人工智能 , 深度學習 , 迭代

收藏 評論

學技術贏未來 - python for循環

Python從入門到精通之for循環(500字簡介) for循環是Python中最核心的迭代控制結構,也是新手從入門邁向進階的關鍵語法,它以簡潔、靈活的特性適配各類遍歷場景,是處理序列、集合、迭代器等數據的核心工具。 與其他語言不同,Python的for循環基於“可迭代對象”設計,而非傳統的計數器模式,語法格式為for 變量 in 可迭代對象: 執行代碼,無需手動管理循環邊界,大

人工智能 , 深度學習 , 迭代 , for循環 , Python

收藏 評論

字節墨海星 - c++程序員不可不知的101條經驗-檢測和定位內存泄漏的技巧 -

在當今複雜的前端應用中,內存泄漏問題往往難以發現和定位。Fuite作為一款專業的web應用內存泄漏檢測工具,通過智能的迭代分析和多維度檢測,幫助開發者在複雜場景下快速精準地找到問題根源。🚀 為什麼需要專業的內存泄漏檢測工具? 傳統的手動調試方式在面對現代SPA應用時往往力不從心。Fuite工具通過以下核心功能解決了這一難題: 智能迭代分析 - 默認運

自定義 , 內存泄漏 , Css , 迭代 , 前端開發 , HTML

收藏 評論

mob64ca12df277e - ollama generate

在當今技術迅猛發展的時代,“ollama generate”功能的出現引發了廣大開發者、數據科學家和技術愛好者的關注。此功能旨在生成交互式內容,賦能用户實現快速原型和創意的表達。在這篇博文中,我們將詳細探討如何解決與“ollama generate”相關的問題,全面分析其背景、演進歷程、架構設計、性能優化、覆盤總結及擴展應用。 背景定位 在“ollama generate”功能推

API , aigc , 開發者 , 迭代

收藏 評論

AI編程社區 - Java 後端開發工程師使用 Qoder 實現面向 API 的運維平台前端開發

作為一名Java後端開發工程師,我的核心工作聚焦於企業級應用的架構設計與業務邏輯實現,程序開發的技術棧,主要是圍繞Java後端開發。工作的內容主要集中在根據產品需求編寫複雜的業務邏輯代碼,並通過DB、MQ等中間件管理業務數據。通過Web API接口將業務集成,通過阿里雲控制枱或終端設備進行接口調用,構建標準化的對外服務接口,支撐前端應用與外部系統的無縫集成。 從技術層面和業

機器學習 , API , 人工智能 , 開發者 , 迭代

收藏 評論

咕泡科技 - 代碼的未來:當AI學會創造,我們技術人的價值何在?

AI與大模型,已如電力和互聯網般融入我們工作和生活的方方面面。當技術從分析過去邁入生成未來,企業與技術人又該如何重塑自身價值?我們又該如何藉助這一波技術浪潮,實現能力的跨越與職業的突破? 11月16日,咕泡科技聯合創始人、AI大模型事業部負責人譚鋒(Mic)老師受邀參與“數有引力·Sure沙龍丨AI時代,個體機遇新選擇”深度沙龍進行分享,與眾多行業同行展開探討:大模型不僅改

應用層 , 人工智能 , 深度學習 , 生成式 , 迭代 , 大模型

收藏 評論

架構魔法之光 - 更快,更智能的編輯其UltraEdit V28發佈!

導語 StepFun AI於2025年9月8日正式發佈圖像編輯大模型Step1X-Edit v1.2預覽版,首次將推理編輯能力與反思修正機制引入圖像編輯領域,在KRIS-Bench評測中實現55.64的綜合得分,較上一代提升7.8%,重新定義了AI圖像編輯的智能邊界。 行業現狀:從像素操作到智能決策的跨越 2025年全球圖像編輯軟件市場規模預計達13.7

模態 , 迭代 , 前端開發 , Git , Javascript

收藏 評論

clghxq - dify進行嵌入式索引很慢

列表list 元素可以放各種類型,字符串,數字,bool元組,列表,字典,對象 列表是有序的,可以索引可以切片,跟字符串的索引和切片是一樣的操作 如果是取單個的元素,元素本身是什麼類型取出來就是什麼類型,如果是切片,取出來依然是列表 li = ['haha',123,[14,5,6],''] print(li[0]) print(li[1:4])

dify進行嵌入式索引很慢 , 大數據 , 字符串 , 數據倉庫 , 迭代 , for循環

收藏 評論

mb68b85ccf7a016 - Rust 循環語法終極指南:​​loop​​, ​​while​​ 和 ​​for​​

歡迎來到 Rust 的世界!在編程中,我們經常需要重複執行某段代碼,這就是“循環”大顯身手的時候。Rust 提供了三種強大且各具特色的循環工具:loop, while 和 for。 本教程將帶你逐一瞭解它們,並通過生動的圖解和實例,讓你明白何時使用哪種循環。 循環概覽 在開始之前,我們先通過一張圖來快速瞭解這三種循環的“性格”和適用場景。 1. l

流程圖 , 物聯網 , rust , 迭代

收藏 評論

wx676be6175e246 - Android開發中while循環

在Android應用開發中,while循環作為基礎控制結構,其正確使用對性能優化和功能實現至關重要。本文將從語法特性、應用場景、潛在風險及優化策略四個維度展開詳解。 一、語法特性與執行邏輯 while循環通過while(condition)實現條件判斷,只要condition為true,便持續執行循環體。其核心特點包括: 先判斷後執行:

移動開發 , while循環 , Android , 應用場景 , 迭代

收藏 評論

架構師李哲 - 大模型微調有必要做嗎?全參數微調、LoRA還是RAG?看完這篇你就懂了

在人工智能迅猛發展的今天,大型語言模型已成為解決各類問題的強大工具。但當您想要打造一個真正理解所在行業、掌握專業知識的大模型時,總會面臨一個關鍵問題:如何用最小的成本、最高的效率,讓通用模型變得"專業"? 這就像把一位通才培養成領域專家——選對方法,事半功倍。這正是LLaMA-Factory Online要解決的核心問題——通過智能化的微調,讓每個團隊都能輕鬆駕馭大模型適配

實時更新 , 數據 , 人工智能 , 深度學習 , 迭代

收藏 評論

mob649e8167c4a3 - modelscope 運行 llama

modelscope 運行 llama 的問題,是在進行大規模深度學習模型實驗時我所遇到的一個技術挑戰。本文將詳細記錄解決這一問題的思路和過程。 首先進行業務場景分析,我們的主要目標是使得模型能夠在不同的環境下高效而準確地運行。基於此,我繪製了一張四象限圖,以展示團隊在技術債務的分佈情況,幫助識別優先級和影響力的關係。 quadrantChart title 技術債務分佈

優先級 , aigc , 基礎設施 , 迭代

收藏 評論

外參財觀 - 是曇花一現還是逆襲開端?零跑汽車用利潤證明自己

新能源汽車市場的競爭,從未像今天這樣殘酷。價格戰席捲行業,技術迭代加速,資本熱情降温,一批批曾經風光無限的新勢力車企在洗牌中黯然退場。然而,就在這片紅海之中,一家曾經被質疑“掉隊”的企業零跑汽車再次殺出重圍。 2025年第三季度,零跑汽車實現淨利潤1.5億元人民幣,一舉扭轉了去年同期及此前多個季度的虧損局面。這份成績單的背後,是公司銷量翻倍增長與毛利

汽車行業 , 物聯網 , 車聯網 , 迭代

收藏 評論

mob64ca1402d47a - #、##操作符,__VA_ARGS_

4.4 切口效應 由於表面切口應力集中效應導致應力水平增加,典型的零件疲勞失效通常發生在表面上的切口處。切口被定義為幾何上的不連續,是由設計(如一個孔)或加工工藝引入的(以材料和製造缺陷的形式出現,如夾雜、焊接缺陷、鑄造缺陷或機械加工痕跡)。對於表面有切口的零件,可以利用名義應力($ S \()和彈性應力集中係數(\) K_t \()的乘積來確定最大彈性切口應力 根據

有限元分析 , 加載 , 迭代 , 前端開發 , Javascript

收藏 評論

上海拔俗網絡 - AI科研轉化平台:讓實驗室技術“走出論文”變產品

高校實驗室裏的AI算法準確率高達95%,卻只能躺在論文裏;企業急需解決生產痛點,卻找不到能直接用的技術;科研人員熬夜研發的模型,因缺產業數據和落地場景被束之高閣——這是AI領域最突出的“轉化困境”。而AI科研轉化一體化平台,就像給技術裝了“加速器+連接器”,用實打實的技術打破壁壘,讓實驗室裏的“紙上成果”變成能賺錢、能提效的產業產品。 這套平台的核心邏輯很簡單:解決“科研與產業”的三

服務器 , 數據 , NLP , 人工智能 , 迭代

收藏 評論