收藏 / 列表

skysailstar 頭像

天航星 - 【Python 基礎】第 2 期：環境搭建

在開始編寫 Python 代碼前，還需要搭建 Python 的開發環境。 電腦是沒辦法直接讀懂 Python 代碼的，而是需要一個解釋器，實時把代碼翻譯成字節碼，字節碼再轉換成 0 和 1，電腦就能讀懂了。 Python 的運行過程就是翻譯一行、執行一行（所以 Python 的運行速度較慢）。 我們一般説安裝 Python，本質上就是安裝 Python 解釋器。 這裏以在 Windows

後端

aigoto 頭像

逐夢AI - 用於實驗室智能識別的目標檢測數據集（2500張圖片已劃分、已標註） | AI訓練適用於目標檢測任務

用於實驗室智能識別的目標檢測數據集（2500張圖片已劃分、已標註） | AI訓練適用於目標檢測任務 背景 在智能實驗室與科研自動化的背景下，實驗室設備的智能識別與管理成為實驗室信息化建設的重要環節。傳統的人工盤點和巡檢方式效率低下、易出錯，難以滿足現代科研環境中對精確與實時性的要求。 隨着計算機視覺（Computer Vision）與深度學習（Deep Learning）技術的發展，基於目標檢測（

機器學習 , 算法

aitibao_shichangyingxiao 頭像

艾體寶IT - 艾體寶方案 | Active Directory 監控工具全解析：從微軟自帶到第三方方案

**在現代企業的 IT 架構中，Active Directory（AD） 是身份認證與訪問控制的核心。為了確保系統安全穩定並滿足合規要求，越來越多的組織採用 Active Directory 監控工具 來實時掌握目錄服務的運行狀況、用户行為及安全風險。 目前市場上已有多種監控工具可供選擇，包括微軟原生工具與第三方產品，從企業級方案到免費選項一應俱全。關鍵在於選擇一款最契合自身環境的解決方案。

後端

zhuifengdekaomianbao 頭像

張老師講數字孿生 - 東部沿海智慧城市建設迎來AI視頻分析突破

2024年以來上海率先建成超千萬級感知終端的城市數字孿生平台，每日處理視頻數據量超過PB級別，標誌着AI視頻分析技術正式成為智慧城市建設的核心基礎設施。 一、政策引領與技術基礎 在國家"十四五"規劃推動下，新型智慧城市建設快速推進。2023年，住建部與工信部聯合發佈指導意見，明確要求到2025年建成一批特色鮮明的城市數字孿生平台。東部沿海地區憑藉其技術優勢，率先實現AI視頻分析技術的規模化應用。

數字化轉型 , 資訊 , 智慧城市 , 人工智能 , 前端

leguandeludeng 頭像

數據集成與治理 - 數據字典是什麼？和數據庫、數據倉庫有什麼關係？

公眾號不引流 工作中處理數據時，你是否曾被這些問題所困擾： 數據庫裏的字段名到底是什麼意思？報表裏的指標是怎麼算出來的？某個數據是從哪裏來的？ 數據字典就是專門解答這些問題的工具。 它​詳細記錄了數據的名稱、具體含義、類型、長度、可能的取值範圍、從哪裏來、怎麼算的等關鍵信息​。無論是寫代碼的開發者、用數據做分析的同事，還是管理數據的人員，都需要數據字典來準確理解和使用數據。今天這篇文章會直接告訴你

數據結構 , 數據庫

iwan_68b8da84d3d8b 頭像

大廠碼農老A - 我帶的外包兄弟放棄大廠轉正，薪資翻倍入職字節

大家好，我是老A 國慶節的時候，收到一位粉絲的私信求助。一來一回聊了半天，我發現了一個很多技術兄弟的通病——我們稱之為「收藏夾式努力​」。水文看不上，只想讓大佬推薦技術寶典，一旦拿到手，焦慮感削弱，寶典就在收藏夾裏吃灰，下了班照樣峽谷開黑。當你想督促他深入研究時，他又會用「他是大佬，我不是，我做不到」來給自己設限，最終陷入「持續焦慮，持續躺平」的惡性循環。 這種惰性，是人之常情。但人和人之間

觀點 , JAVA , 程序員 , 後端 , 前端

immerse 頭像

沉浸式趣談 - 100% 用 AI 做完一個新項目，從 Plan 到 Finished 我學到了這些

大家好，我是 Immerse，一名獨立開發者、內容創作者、AGI 實踐者。 關注公眾號：沉浸式趣談，獲取最新文章（更多內容只在公眾號更新） 個人網站：https://yaolifeng.com 也同步更新。 轉載請在文章開頭註明出處和版權信息。 我會在這裏分享關於編程、獨立開發、AI乾貨、開源、個人思考等內容。 如果本文對您有所幫助，歡迎動動小手指一鍵三連(點贊、評論、轉發)，給我一些支持和鼓勵，

知識 , 後端 , 前端

johanazhu 頭像

山頭人漢波 - 移動端法門：自適應方案和高清方案

筆者從畢業開始做前端到現在，90% 的項目是移動端打交道，所以當簡歷上寫了“移動H5”幾個字時，必會被問到自適應方案與高清方案 ”自適應“講的是一套UI（例如750*1334），在多端下展示近乎一樣的效果；而”高清“是因為 DPR 提升而所做的各種精度適配 這篇文章講講筆者理解的自適應方案和高清方案 先説結論 自適應方案 rem 適配思路 選擇一

佈局 , sass , 前端 , Javascript

codists 頭像

codists - 翻譯：《實用的Python編程》01_05_Lists

目錄 | 上一節 (1.4 字符串) | 下一節 (1.6 文件) 1.5 列表 本節介紹 Python 原始數據類型列表（list）。 列表是一種有序的集合。 創建列表 使用方括號 [] 來定義列表字面量。 names = [ 'Elwood', 'Jake', 'Curtis' ] nums = [ 39, 38, 42, 65, 111] 有時候，列表也可以通過其它方法創建。例如：使用字符串

網頁爬蟲 , 人工智能 , 數據結構與算法 , 後端 , Python

fulade 頭像

弗拉德 - 【Python 1-2】Visual Studio Code(VSCode) 配置 Python開發環境

使用 VSCode 作為開發Python的IDE工具 IDE(Integrated Development Environment, 集成開發環境)，目前支持Python的IDE有很多。有PyCharm、Eclipse、Atom、Anaconda、Sublime Text等等。我個人更喜歡使用 Visual Studio Code 也就是 VSCode。如果大家有自己喜歡的IDE工具，盡情享用！

python3 , 網頁爬蟲 , python2.7 , 後端 , Python

pains 頭像

Rick Carter - 修復達夢EFCore驅動布爾類型兼容問題

dm庫相比其他庫本身缺少一些語法差異，也可以説是缺陷。 比如： 0和1無法直接在sql中當作真假值用，where 0這種寫法不支持，報錯：查詢使用值表達式作為過濾條件； t.field is null 也無法直接作為select項； 不支持OUTER APPLY等SQL語法； 以及數據庫函數中的又只能用0和1作為布爾參數值。 但是dm.efcore生成的語句就是這樣的

.net , 後端

wang_yb 頭像

wang_yb - 深入淺出理解你的“數據”

對於想要學習數據分析的同學，如果你問我："數據分析的第一步是什麼？" 我的回答是："理解數據本身。" 數據是我們所有分析工作的起點，本文主要探討如何辨別我們面對的是什麼樣的數據，包括它的分類方法和描述維度。 1. 數據分類 數據並非千篇一律，它們有着不同的特徵和屬性。 正確理解數據的分類，是選擇適當分析方法的前提。 通常，我們可以從以下三個維度來給數據進行分類。 1.1. 按結構屬性來分 你的數據

數據庫

integrated_product_development 頭像

IPD產品研發管理 - “你覺得客户需要”是殺死TA的最後一根稻草 | IPD集成產品開發

這個米老鼠洗衣機，大家眼熟嗎？ 相信最近熱衷於在網上衝浪的朋友們，對這款形似米老鼠的“懶人洗衣機”並不陌生，甚至算是小小地參與了一下這個產品研發項目。 在海爾的周雲傑總裁爆火出圈後，有網友在海爾的媒體賬號下，喊話周總研發一款可同時並分區洗衣服、內衣、鞋子和襪子的 “懶人洗衣機”。基於此，2天后，海爾集團宣佈“懶人洗衣機”即將上市。 這個看似偶然的“懶人”產品的誕生，實則折射出如何精準洞察客户需求

產品經理 , 程序員 , 產品 , 後端 , 前端

chaoqipengbodehuochai_eav70j 頭像

極市平台 - 終端側AI實戰指南+QAI AppBuilder實戰教學+QAI AppBuilder移動端實戰與跨平台模型部署工具教程

驍龍AI大賽的直播中的問題和及答疑在此彙總 第一期 第一期中，高通技術公司的講師團隊帶來了終端側AI技術前沿與AI工具鏈解析，針對大家在開發過程中遇到的典型問題進行在線解析： 問：Qualcomm AI Stack 裏有沒有實用工具能提升模型在手機端的推理速度？ 答：Qualcomm AI Stack工具鏈非常完善，無論是浮點模型（FP16）還是定點模型（INT4/8/16），都能靈活選擇不同量化

資訊 , 教程 , 知識 , 後端

taozi_60b0b3c71b1a8 頭像

Java架構師 - 為什麼説IO密集型業務，線程數是CPU數的2倍？

I/O密集型業務，線程數量要設置成 CPU 的 2 倍！ 也不知道這是哪本書的坑爹理論，現在總有一些小青年老拿着這樣的定理來説教。説的信誓旦旦，毋庸置疑，彷彿是權威的化身。討論時把這樣的理論當作前提，​真的是受害不淺。 但可惜的是，這樣的理論站不住腳。我只需要一個簡單的反問，它就不攻自破： Tomcat的默認線程數是多少呢？ 它既不是 CPU 的 2 倍，也不是什麼其他數值。在某些高併發的服務中，

線程 , JAVA , io

meituanjishutuandui 頭像

美團技術團隊 - LongCat-Video 視頻生成模型正式發佈，探索世界模型的第一步

要讓人工智能真正理解、預測甚至重構真實世界，“世界模型”（World Model）已成為通往下一代智能的核心引擎。作為能夠建模物理規律、時空演化與場景邏輯的智能系統，世界模型賦予AI“看見”世界運行本質的能力。而視頻生成模型有望成為構建世界模型的關鍵路徑——通過視頻生成任務壓縮幾何、語義、物理等多種形式的知識，AI得以在數字空間中模擬、推演乃至預演真實世界的運行。 基於這一關鍵目標，美團 Long

大模型 , 美團

mghio 頭像

mghio - 抓包分析 TCP 握手和揮手

前言 首先需要明確的是 TCP 是一個可靠傳輸協議，它的所有特點最終都是為了這個可靠傳輸服務。在網上看到過很多文章講 TCP 連接的三次握手和斷開連接的四次揮手，但是都太過於理論，看完感覺總是似懂非懂。反覆思考過後，覺得我自己還是偏工程型的人，要學習這些理論性的知識，最好的方式還是要通過實際案例來理解，這樣才會具象深刻。本文通過 Wireshark 抓包來分析 TCP 三次握手和四次揮手，如果你也

tcp抓包 , 協議 , 基礎 , tcp , 網絡傳輸協議

hunterxiong 頭像

XHunter - Golang筆記之Redis

本文首發於公眾號：Hunter後端 原文鏈接：Golang筆記之Redis 這一篇筆記主要介紹 Golang 連接和使用 Redis，以下是本篇筆記目錄： 目錄 1、安裝模塊 2、連接 Redis 3、字符串 1. 字符串寫入 2. 字符串讀取 4、哈希 1. 寫入 1) 單字段寫入

go , 後端

huan1993 頭像

huan1993 - ForkJoinPool在生產環境中使用遇到的一個問題

1、背景 在我們的項目中有這麼一個場景，需要消費kafka中的消息，並生成對應的工單數據。早些時候程序運行的好好的，但是有一天，我們升級了容器的配置，結果導致部分消息無法消費。而消費者的代碼是使用CompletableFuture.runAsync(() - {while (true){ ..... }}) 來實現的。 即： 需要消費Kafka topic的個數： 7個，每個線程消費一個

線程池 , threadpoolexecutor , JAVA , 後端

chaochenyinshi 頭像

用户bPdd2O9 - Redis緩存優化秘籍：輕鬆應對高併發

專業在線打字練習網站-巧手打字通，只輸出有價值的知識。 一 緩存應用面臨的挑戰 在提供核心服務時，緩存機制已成為確保高性能、低延遲的基石。 然而，緩存的使用主要面臨兩大難題： 如何管理緩存空間的增長：隨着數據的不斷累積，緩存所需的空間會逐步擴大，這直接關係到成本的上升。 如何保障緩存服務的穩定性：這是至關重要的，因為任何不穩定都可能對服務性能造成重大影響。 那麼，究竟哪些因素可能導致

redis , 高併發 , 緩存 , 緩存設計

bigsai 頭像

bigsai - 歷時三年，寫了一本數據結構與算法pdf，開源了

前言 大家好，我是bigsai，很早就在寫博客，將文章整理成了一個pdf，並且開源到github上！ 自己寫東西斷斷續續也不少時間了，也寫了不少東西(雖然是偏向小白)，這個其實花費的時間還是比較多的，這次的話主要將數據結構與算法中一些文章整理出來，初步整理成一版pdf，先分享給大家。 因為在整理pdf方面沒啥經驗，目前還是md直接導出的pdf的，看了下有些部分代碼太長太佔頁面，有些部分圖片太長也很

數據結構 , 算法 , JAVA , 數據結構與算法 , 後端

lyflexi 頭像

月半大熊貓 - 本地？線上？分佈式系統前後端架構、部署、聯調指南，突破技術

“ 引言：對於常見的BS架構系統，程序員如何進行本地或者線上環 境聯調，這有助於提高個人工作效率，站在更高的角度審視系統， 從此以後再無懼Bug，讓你早幹完活，早摸魚🐟，早下班。 對於Java初學者，或者是三年工作經驗的“新手” ，希望此文對你有所裨益！ -- 詩經有云，有匪君子，如切如磋，如琢如磨。 前端啓動之後，訪問後端服務，需要通過

gateway , 分佈式系統 , Nginx , 網關 , 後端

chaoshenjinghyperai 頭像

超神經HyperAI - 【Triton 教程】triton_language.broadcast_to

Triton 是一種用於並行編程的語言和編譯器。它旨在提供一個基於 Python 的編程環境，以高效編寫自定義 DNN 計算內核，並能夠在現代 GPU 硬件上以最大吞吐量運行。 更多 Triton 中文文檔可訪問 →https://triton.hyper.ai/ triton.language.broadcast_to(input, *shape) 嘗試將給定的張量廣播到新的shape。 參數：

編輯器 , 算法 , 編程語言 , cpu , Python

rife 頭像

凌虛 - 圖解計算機網絡：一條 HTTP 請求的網絡拓撲之旅

引言 常見的網絡拓撲結構如下圖所示： 在此拓撲中，終端設備通過 WiFi 連接到路由器，路由器再連接到光貓（或終端設備通過移動網絡 4G/5G 連接到基站），之後 ISP 網絡服務提供商接管網絡通信，將請求最終轉發至應用服務器。 從用户設備發出的 HTTP 請求是如何穿越網絡的？我們將深入探討這一過程。 HTTP 請求的網絡旅途 OSI 網絡體系結構 先從計算機網絡的基礎架構開始： 上圖展示了

架構 , 程序員 , 計算機網絡 , 後端 , 前端