自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

一键难忘的博客

就承认一笑倾城一见自难忘,说什么情深似海我却不敢当。如果帮得到你,那我深感荣幸!

  • 博客(2058)
  • 资源 (7)
  • 问答 (4)
  • 收藏
  • 关注

原创 【大模型加速器2.0】合合信息文档图表解析全方位深度测评

在实拍发票内容提取的对比中,TextIn凭借其深度学习与OCR技术的结合,展现了出色的识别准确性和高效性,能够处理不同类型和格式的发票,并在模糊或倾斜的图像中依然保持高准确率。在实拍发票提取任务中,TextIn展示了出色的能力,能够准确识别并提取不同类型发票中的关键信息,如发票号码、金额和税号等,且能有效处理模糊、倾斜或不规则布局的图片。由于图表类型多样,不同类别的图表需要采用特定的数据提取方法,例如折线图中的关键点识别、柱状图的数据读取及文本标签解析等,增加了处理难度。

2025-03-26 09:00:00 28295 5

原创 Trae AI IDE 远程开发:一键在服务器上开发部署网站指南!

Trae AI 是一款免费且智能的 AI 原生集成开发环境(IDE),专注于提升开发者的编程效率和体验。它支持智能代码生成与优化,开发者可以通过自然语言描述需求,AI 自动生成代码或提供优化建议。此外,Trae AI 提供 Builder 和 Chat 模式,帮助从零构建项目或在对话中获取代码建议,同时具备原生中文支持,适用于中文开发者。其多种语言支持、可定制化架构及丰富的插件扩展,使其成为高效、智能的编程工具。

2025-03-18 10:56:21 41037 6

原创 基于AI的智能开发环境—Trae在Web开发中的应用实战与性能评估【Trae项目实战】

Trae 是一款与 AI 深度集成的开发工具,提供智能问答、代码自动补全和基于 Agent 的 AI 自动编程能力,极大提升开发效率。它具备完备的 IDE 功能,如代码编写、项目管理和源代码管理等,同时还具备强大的 AI 助手,能够提供智能问答、实时代码建议、代码片段生成等服务。开发者可以通过自然语言与 AI 协作,从 0 到 1 开发项目,AI 会根据需求自动生成代码或创建文件。

2025-02-21 14:14:51 26533 19

原创 合合信息在视觉内容安全领域的创新与应用-应对伪造挑战的前沿进展

在信息爆炸的时代,视觉内容的安全性已成为社会的重大关切,尤其是在深度伪造技术(如深度伪造视频、AI换脸、人脸伪造等)日益普及的背景下,如何有效识别和防范伪造内容,保障信息的真实性和安全性,已成为亟待解决的问题。例如,图像处理和传输过程中的压缩、缩放等操作可能导致伪造检测效果的下降,而伪造技术的多样性和复杂性,使得现有系统在面对未知的伪造行为时,常常表现出较低的泛化能力。通过引入更强的计算能力和数据处理能力,基于大模型的系统能够有效提高篡改检测的精度,并增强系统的泛化能力,适应更为复杂的伪造场景。

2024-12-23 12:18:04 32673 20

原创 深入云电脑PC Farm技术探讨,以阿里云、华为云、ToDesk为例

与传统方案相比,ToDesk的产品以其更灵活的计费模式、更稳定的连接质量以及更人性化的用户体验赢得了广泛好评,特别是对重度依赖远程计算的设计师、开发者和内容创作者而言,ToDesk提供了接近物理机体验的云电脑解决方案。在高性能计算和低延迟需求逐渐成为主流的趋势下,ToDesk以其硬件直通技术、卓越的用户体验以及灵活的资源调度脱颖而出,为云电脑的未来发展指明了新的方向。ToDesk云电脑与PC Farm技术的完美结合,不仅提升了云电脑的整体性能,还为用户带来了更加流畅、稳定和便捷的使用体验。

2024-11-25 08:30:00 29727 25

原创 从数据提取到管理:合合信息的智能文档处理全方位解析【合合信息智能文档处理百宝箱】

智能文档处理“百宝箱”由合合信息开发,覆盖文档解析的多环节,能够支持批量、高效解析多种文档类型,并适配多语言环境。可视化文档解析前端 TextIn ParseX:为复杂文档提供高效的可视化解析功能;向量化模型 acge-embedding:优化长文档信息抽取的精度,支持大规模信息检索和内容审核;文档解析测评工具 markdown_tester:提供定量的测评机制,使开发者能便捷、准确地评估文档解析效果。

2024-10-31 08:00:00 22359 35

原创 基于香橙派 AIpro搭建二维码分类模型及其Flask服务—探索OPi AIpro新一代AI开发板出色性能

在香橙派 AIpro 上搭建二维码分类模型及其 Flask 服务的过程中,整体体验颇为顺畅,且收获颇丰。我进行了全面的测试和评估。以下是对开发板性能、部署过程及总体体验的深刻分析。香橙派AIpro作为一款基于华为昇腾AI处理器的开发板,具有诸多显著的优点,以下是对其优点的总结:1.强大的AI算力高性能处理器:香橙派AIpro搭载了华为昇腾AI处理器,提供了高达8TOPS(每秒万亿次整数运算)的INT8计算能力,以及4 TFLOPS(每秒万亿次浮点运算)的FP16精度算力。

2024-07-16 02:42:44 27016 37

原创 探索OpenNJet—开源项目测评NGINX云原生功能增强有感

OpenNJetOpenNJet是一款面向互联网和云原生应用提供的运行时组态服务程序。它具备环境感知、安全控制、加速优化等能力,并可以利用动态加载机制实现不同的产品形态,如API网关、消息代理、入口/出口控制器、边车、负载均衡和WAF等。同时,OpenNJet还拥有服务网格中东西向通信、透明流量劫持、熔断、遥测与故障注入、链路追踪、蓝绿发布等新功能特性。

2024-05-07 13:32:53 44634 12

原创 腾讯EdgeOne产品测评体验—基于EO新特性与传统CDN的对比以凸显EO绝对优势【以导航站为例】

在本文中,我们对腾讯的EdgeOne产品进行了深入的测评体验,通过与传统CDN的对比,凸显了EdgeOne的绝对优势。文章首先介绍了EdgeOne作为下一代CDN的概念,并详细阐述了其与传统CDN的显著区别,包括更广泛的全球覆盖、更高效的内容分发、更智能的安全防护等特点。站点加速可通过丰富的功能配置 ,如缓存优化,文件优化,网络优化等,帮助我们实现更高效、更稳定的内容分发,提升业务用户的体验满意度,从而增强网站、应用或其他在线服务的竞争力。在第二部分,我们以导航站为例,进行了EdgeOne特性的深度测试。

2024-04-15 12:11:16 31131 88

原创 基于《2023腾讯云容器和函数计算技术实践精选集》—探索腾讯云TKE的Docker容器、Serverless和微服务优势

在Serverless的架构中,用户操作的是服务化的组件,如存储服务、授权服务等,这有助于缩短开发周期,降低开发难度,并避免了由基础设施产生的延迟。前沿的实践案例是案例集的另一大亮点。当开发者从创业阶段过渡到大型企业阶段,原来的 Serverless 模式逐渐给企业的管理、 运维以及财务等带来一系列的挑战,这也是当期 Serverless 很难在大型企业全面应用的根 本原因,为了破解这样的难题,腾讯云工程师从深度分析症结,推出了顺应企业发展需求的技术,打造真正服务于企业的 serverless 平台。

2024-04-01 14:30:04 33221 51

原创 基于TableAgent实现IT职位招聘数据分析—以传统机器学习与TableAgent 数据分析方式相对比以凸显TableAgent 特性

在当今这个数据驱动的时代,数据智能分析已经成为了企业决策的关键。而TableAgent,作为一款强大的数据智能分析工具,正逐渐受到业界的关注和青睐。本文将带你深入了解TableAgent,探讨如何利用它玩转数据智能分析,为企业创造更大的价值。TableAgent 本次升级的一大亮点是可以为企业提供私有化部署。Code Interpreter对国内众多企业用户的最大障碍是企业数据因为安全性、合规等种种原因,不能传输到线上的共有服务平台。

2023-12-24 18:54:05 34157 105

原创 基于亚马逊云科技新功能:Amazon SageMaker Canvas无代码机器学习—以构建货物的交付状态检测模型实战为例深度剖析以突显其特性

我以前使用过Amazon SageMaker来训练一些模型,当然都是高度需要代码,是传统的深度学习模型,但是这次的新产品Amazon SageMaker Canvas给我带来了极大的震撼,现在不用代码就可以继续模型训练,这是之前闻所未闻的!

2023-12-14 11:48:14 95801 80

原创 基于Amazon S3 Express One Zone和Amazon SageMaker的图像分类模型实战—深析新旧产品突显Express One Zone在性能上的优势

本文采用了Amazon S3 Express One Zone官网看到推荐使用Amazon S3 Express One Zone搭配Amazon SageMaker 模型训练的测评思路,用基于Amazon S3 Express One Zone和Amazon SageMaker的图像分类实战—以猫狗识别模型为例,并且探索项目采用Amazon S3标准版与Amazon S3 Express One Zone的差距。与大型对象相比,较小的对象可以从较低的存储延迟中获得巨大的优势。

2023-12-14 11:13:01 102065 85

原创 HarmonyOS从基础到实战-高性能华为在线答题元服务

HarmonyOS从基础到实战-高性能华为在线答题元服务在本文中,我们介绍了一个关于在线答题应用的项目,其中包括项目结构和开发计划。项目主要分为主应用的Ability(entryability)、卡片的Ability(Entnyformability)、从云数据库导出的数据类型(Models)以及页面代码文件夹(Pages)等模块。使用了两个重要的配置文件,分别是agconnect-services.json和schema.json,用于连接serverless服务和云端配置信息。

2023-11-21 13:06:23 148207 23

原创 精通AI领域技术实战千例专栏—学习人工智能的指南宝典

精通AI领域技术实战千例专栏—学习人工智能的指南宝典“人工智能是一个非常大的交叉学科,本身就有一个庞大的体系。” 通班的领衔创立者,北大人工智能研究院院长、讲席教授朱松纯介绍说。因此,仅仅把人工智能视为应用领域,课程只集中在某个研究热点上,完全无法满足培养人工智能复合型领军人才的需要:“一个人只有把人工智能六个领域都搞懂了、融会贯通了,你才能说你是人工智能领域的人才或者专家。”

2023-11-12 13:36:09 22251 12

原创 精通可视化技术实战千例专栏教程教程导航帖—学习可视化技术的指南宝典

精通可视化技术实战千例专栏教程教程导航帖—学习可视化技术的指南宝典可视化(Visualization)是利用计算机图形学和图像处理技术,将数据转换zhi成图形或图像在屏幕上显示出来,并进行交互处理的理论、方法和技术。它涉及到计算机图形学、图像处理、计算机视觉、计算机辅助设计等多个领域,成为研究数据表示、数据处理、决策分析等一系列问题的综合技术。目前正在飞度发展的虚拟现实技术也是以图形图像的可视化技术为依托的。

2023-11-10 15:52:13 14996 6

原创 探秘文心千帆:开发者的大模型之旅与应用创新

它强调了遵守法律法规的重要性,提到了设计和实施数据保护措施,强调了对敏感数据的保护还提到了数据访问控制的重要性,强调了建立安全文化的重要性,最后,提到了实施安全审计和监控的重要性。我测试了文心千帆的推理能力。在本文中,我将分享我的使用文心千帆大模型-一站式企业级大模型平台,提供先进的生成式AI生产及应用全流程开发工具链的感受,并探索了一些有趣的应用场景。6.到模型仓库查看,我们有需要的话可以把自己的大模型部署到服务器上,这里消耗资源较大,花费较高就不演示的,有需要的朋友可以直接一键部署使用即可。

2023-07-21 21:22:07 17132

原创 OpenManus实战—云上一键部署,重塑复杂任务自动化

一前言你是否也厌倦了在重复性工作中消耗创造力?当面对需要跨系统操作、多步骤联动的复杂任务时,传统自动化方案往往陷入"只见树木不见森林"的困境。现在,一个开源利器正在打破这种僵局——基于阿里云云原生架构的OpenManus,正以全新的智能体协作范式,为复杂任务自动化带来颠覆性解法。在数字化浪潮席卷全球的今天,企业与开发者对高效、智能、低门槛的工具需求愈发迫切。然而,传统平台往往设置重重门槛:冗长的邀请码申请流程、复杂的技术部署要求、高昂的运维成本……这些痛点像一道道无形的墙,将创新者挡在门外。

2025-04-27 17:32:11 44217 5

原创 MySQL 事务隔离级别详解与应用场景分析

隔离级别脏读不可重复读幻读并发性能✅ 有✅ 有✅ 有🔥 高❌ 无✅ 有✅ 有🔥🔥 高❌ 无❌ 无✅ 有(MySQL 内部通过间隙锁解决)⚖️ 中等❌ 无❌ 无❌ 无🧊 低场景类型推荐隔离级别原因数据一致性优先避免读错数据/幻读并发优先减少锁冲突、提高吞吐查询为主、写入较少避免读取旧数据。

2025-04-24 11:10:43 2280

原创 一文掌握 AOP:原理机制 + 核心术语 + 事务失效排查

AOP(Aspect-Oriented Programming)即面向切面编程,是一种通过预编译方式和运行期动态代理实现程序功能统一维护的技术。它可以用来增强代码,比如日志记录、权限校验、事务处理等。

2025-04-23 17:01:04 1717 1

原创 彻底搞懂 SQL 优化:EXPLAIN、索引失效与性能瓶颈全拆解

索引不是万能的,写 SQL 时要避免函数、运算、类型转换、错误顺序、模糊匹配等操作,才能让索引乖乖发挥作用!优先找出慢 SQL使用发现当前执行慢的 SQL;使用慢查询日志定位;配合 APM(如阿里云 DBA助手、腾讯 DBbrain)查看执行耗时最多的 SQL。“查慢因、看执行、调结构、用索引、搞缓存、分冷热、控事务”这几个字基本就是 SQL 优化的大纲思路。不同项目不同瓶颈,优化策略要结合业务和数据特性,逐层深入。

2025-04-21 16:50:48 1905

原创 MySQL面试通关必备:覆盖索引 + 延迟关联优化大分页

当一个索引包含了查询所需的所有字段,不需要回表查聚簇索引的数据,称为“覆盖索引”。-- 假设 email 是普通索引上面查询只用 email 字段,不需要访问表内其他数据,直接在索引上就能拿到结果 → 避免回表。覆盖索引是减少 IO 的利器,超大分页优化是高性能接口的必备技能!如果你需要我帮你写一套“索引优化实战案例 + explain解析 + 图解B+树结构”,我可以继续安排成系列文章📘。需要的话跟我说一声~

2025-04-21 16:32:19 2017

原创 索引到底有多强?B+树、哈希、位图一文搞懂,含高频面试题解析

类型结构场景B+树多路平衡树范围、排序、前缀哈希哈希表精确查找位图位向量维度小的字段“索引是数据库的加速器,而 B+ 树是它的发动机。项目聚簇索引(Clustered)非聚簇索引(Non-Clustered)数据存储位置索引结构中存储数据行索引结构中存储指向数据行的指针数据顺序数据按索引顺序物理排列数据和索引分开存储每张表支持只有一个(主键)可以有多个访问方式直接查到数据需要“回表”查主键再找数据速度表现快,尤其是范围查询、排序慢一点,适合精确查询。

2025-04-21 16:06:57 797

原创 SQL为什么慢?一文读懂慢查询定位与优化思路

慢查询(Slow Query),指的是执行时间超过预设阈值的 SQL 语句,在 MySQL 中通常指超过秒的语句。📌 举个例子:如果,那么运行时间超过 1 秒的 SQL 会被记录到慢查询日志。找出 SQL 慢的根源,不是问 DBA 抓慢日志就完了,而是要学会使用日志、工具、指标,定位 + 解释 + 优化,才是全链路的正确姿势。“SQL 慢,怎么优化?优化 SQL 是一个“找瓶颈 → 理原因 → 拆结构 → 改写法”的过程,只有掌握工具、理解底层逻辑,才能真正从“SQL 写得通”迈向“SQL 写得快”

2025-04-21 15:01:12 493

原创 面试官最爱问的Redis哨兵模式与脑裂问题深度剖析

哨兵和集群机制是 Redis 高可用的护城河,但脑裂是隐藏的地雷,只有理解其原理、找准触发场景并配置合理,才能让系统稳定运行。通过本文,我们深入探讨了 Redis 高可用的两大基石——哨兵模式与集群机制,并重点解析了实际生产中极易出现但极难排查的“脑裂”问题。从哨兵的故障判断与主从切换流程,到集群中 slot 冲突的处理逻辑,再到防止脑裂的实战配置与优化建议,帮助你系统性构建 Redis 的稳定运行认知体系。

2025-04-21 14:39:51 613

原创 Redis 主从同步机制全解:原理图解 + 命令实战 + 面试技巧一网打尽!

Redis 主从同步是 Redis 高可用的基石,掌握同步流程、部分/全量机制、复制缓冲、延迟处理,是成为高级工程师的必经之路。**通过本篇文章,我们深入了解了 Redis 主从同步的核心机制,从同步类型(全量与部分)、同步流程、关键参数配置,到常见问题与面试技巧进行了全面剖析。主从复制不仅是 Redis 构建高可用架构的基础,也是实现读写分离、数据冗余的关键保障。在实际开发与运维中,理解这些底层原理,能够帮助我们更好地排查问题、优化系统,并在面试中自信应对相关问题。

2025-04-21 14:15:10 894

原创 Redis 分布式锁深度解析:从原理到实战,一篇全懂!

Redis分布式锁核心点│ SET key value NX EX seconds│←原子加锁│ if GET == value => DEL key │←Lua原子释放锁│ value = UUID() 唯一标识 ││ 设置 TTL 避免死锁 │↑ ↑单机适用 RedLock:多节点安全原子加锁 + 过期时间 + 身份校验 + 安全释放,RedLock 是其在分布式环境下的延伸方案。

2025-04-21 13:57:58 890

原创 Redis 数据过期策略与Redis 数据淘汰策略详解

策略类型触发方式是否主动删除是否及时性能消耗定时删除TTL 到期即删除✅ 是✅ 是❌ 高惰性删除访问 key 时触发✅ 是❌ 否✅ 低定期删除定时检查部分 keys✅ 是❌ 否✅ 中等Redis 实际使用的是定期 + 惰性为主,定时为辅的策略组合,以确保在性能与内存释放之间取得平衡。Redis 的数据过期是通过定时删除、惰性删除和定期删除三种方式协同完成,既要保证内存释放,也要兼顾系统性能。当 Redis 达到设置的maxmemory删谁?怎么删?不删会怎样?

2025-04-21 13:02:03 546

原创 Redis 缓存持久化机制详解:RDB vs AOF 全解析

RDB 会在某个时间点将 Redis 内存中的数据整体快照保存成一个 .rdb 文件,存储在硬盘上。AOF 会将每一次写命令(set、hset、lpush 等)都追加到一个日志文件中(.aof 文件),从而实现数据恢复。RDB 提供高性能的快照备份,AOF 提供更强的数据完整性保障。两者结合,才能让 Redis 在高可用场景下既稳又快!本文全面解析了 Redis 的两种持久化机制:RDB(快照)和 AOF(追加日志)。

2025-04-21 11:37:04 657

原创 Redis 缓存双写一致性 - 深度解析与实战策略

缓存和数据库一致性的本质是对“数据并发修改和读取”冲突的控制,而控制的关键是顺序、延迟和隔离。

2025-04-20 20:28:35 523

原创 Redis三兄弟终极指南:穿透?击穿?雪崩?一文掌握核心原理+实战方案!

缓存击穿某个热点Key突然过期或被清除,而此时大量并发请求同时访问这个Key,导致请求全部落到数据库上,形成瞬时的数据库访问洪峰。举个例子:你在秒杀系统中缓存了商品详情goods:1001Key 一失效,缓存为空;大量请求瞬间并发打到数据库;数据库承压,甚至崩溃 🥶缓存雪崩在同一时间大量 Key 失效或Redis 整个服务不可用,导致所有请求绕过缓存,直接访问数据库,数据库压力骤增甚至宕机。在面试中,缓存穿透、缓存击穿、缓存雪崩这三类问题是Redis领域的高频经典问题,往往也是考察候选人。

2025-04-20 19:31:16 1642

原创 2025年MathorCup D题【问题四题解】预测误差下的调度模型鲁棒性分析+参考代码

情景周转率波动成本波动均包裹下降说明高估↑↑↓外部车增多,调度失衡爆单↑↑↑↓局部资源不足,调度集中性差取消↓↓↓运力空转,浪费资源容器策略能有效缓解因时间限制带来的调度刚性;调度算法在爆单/取消等“离散扰动”下仍需增强局部适应能力;建议未来引入实时预测修正机制 + 动态车辆池调度模型应对变化环境。

2025-04-18 20:55:30 499

原创 2025年MathorCup D题【问题三题解】使用标准容器的调度优化模型设计+参考代码

模型收益描述调度灵活性提升更短装卸时间带来更多车次可能自有车利用提升同一辆车能覆盖更多任务总成本降低外部车使用减少。

2025-04-18 20:43:46 498

原创 2025年MathorCup D题【问题二题解】运输需求生成与车辆调度优化模型拆解+参考代码

根据问题1输出的结果,确定运输需求,包括每条线路的发运车辆数、预计发运时间及串点方案,其中每个需求的发运时间不能晚于线路的发运节点。基于以上结果,确定每个需求的承运车辆:要求自有车的周转率尽可能高,以及所有车辆均包裹尽可能高、总成本尽可能低。请将结果写入结果表3中,结果需包含:线路编码、预计发运时间、承运车辆。其中串点方案可将多条线路编码合并在“线路”一列展示,无法使用自有车满足时注明为“外部”,并在论文中给出线路编码为“场地3-站点83-0600”和“场地3-站点83-1400”的调度结果。

2025-04-18 20:16:24 854

原创 2025年MathorCup D题【问题一题解】货量预测模型构建及10分钟颗粒度拆解+参考代码

请根据以上数据解决以下问题:问题1:建立货量预测模型,未来1天各条线路的货量进行预测并将每条线路的总货量拆解到 10分钟颗粒度(结果的时间范围为 12月15 日14:00至12月16日 14:00)。请将预测结果写入结果表1和表2中,并在论文中给出线路编码为“场地3-站点 83-0600”和“场地3-站点 83-1400”的预测结果。

2025-04-18 19:57:28 961

原创 破解MathorCup D题的短途运输货量预测及车辆调度问题【完整解题思路】

本题聚焦物流网络末端的短途运输调度问题,即从末分拣中心向各营业部配送包裹。距离短、时间敏感;资源可复用;存在每日固定两次发运节点(6点与14点);自有车辆与外部承运商联合使用;串点(合并发车)策略降低空载率。本题融合了预测建模运筹优化与调度智能化三大模块。结合预知数据与历史修正,建立面向未来的货量预测体系;调度策略兼顾成本、效率与可行性;多种机制增强模型的实用性与鲁棒性。智能仓配系统;城市配送调度;电商旺季物流优化等场景。

2025-04-18 19:43:44 807

原创 SpringBoot项目实战:难忘外卖开发 —— 下单功能实现【12】

本示例实现了一个简化的外卖系统中的“下单”功能。用户通过提交包含地址、购物车信息的请求,系统会对请求进行验证,创建订单,并将购物车中的商品记录到订单明细表中,最后返回一个订单的简要信息。

2025-03-30 17:44:37 1946

原创 Sora模型的技术创新与应用:基于Transformer架构的深度解读【附核心代码】

Sora模型是一个基于Transformer架构的语言模型,旨在提高自然语言理解和生成的效果。它结合了自注意力机制、动态学习策略以及基于任务优化的架构设计,目标是提升生成文本的流畅性与语义准确性。Sora模型的创新不仅体现在网络结构上,还在训练策略和预处理步骤中进行了多方面优化。

2025-03-30 14:16:16 2284

原创 基于开源AI模型的应用案例研究-从技术实现到实际落地【附核心代码实例】

然而,随着技术的进步,越来越多的开源AI模型开始支持多模态数据的处理,例如,OpenAI的GPT-4就已经具备了多模态的能力,能够处理文本、图像等多种数据类型的输入。随着深度学习、强化学习等技术的不断发展,未来的AI模型将能够处理更加复杂的任务,实现更高效、更智能的应用。开源AI模型将继续成为推动创新的重要力量,通过开源社区的力量,持续推动AI技术的普及与落地。人工智能技术的发展已经从实验室走向了实际应用场景,尤其是开源AI模型的出现,使得更多的公司和个人能够快速接入并在自己的项目中实现智能化。

2025-03-30 14:02:18 1791

原创 SpringBoot项目实战:难忘外卖开发 —— 购物车功能实现【11】

每个功能的实现都包含了控制器、服务层、数据库操作等多个层面的代码,帮助大家深入理解SpringBoot的工作机制,并能应用于实际的电商或外卖开发项目中。例如,当用户误添加某个商品时,需要减少数量,或者用户取消了某个商品的选择。查询购物车中的商品非常简单,只需要根据当前用户的ID从数据库中筛选出该用户的所有商品。当用户决定清空购物车时,我们需要提供一个功能,能够一键删除购物车中的所有商品。在服务层,我们通过当前用户的ID从数据库中查询该用户的所有购物车项。在服务层,我们根据用户的ID删除购物车中的所有商品。

2025-03-29 16:42:45 1481

机器学习回归的原理学习与葡萄酒数据集的最小二乘法线性回归实例

机器学习回归的原理学习与葡萄酒数据集的最小二乘法线性回归实例

2025-02-22

MUI调用照片以及裁剪和图库照片上传到服务器

MUI调用照片以及裁剪和图库照片上传到服务器

2025-02-22

毕业设计文档-【SpringBoot】对于yaml的详细学习和三种属性赋值的实战详解

毕业设计文档-【SpringBoot】对于yaml的详细学习和三种属性赋值的实战详解

2025-02-22

【Typescript应用开发实战】

【Typescript应用开发实战】

2025-02-22

GO语言开篇-Go语言急速入门(基础知识点)| 青训营笔记.md

GO语言开篇-Go语言急速入门(基础知识点)| 青训营笔记.md

2025-02-22

使用flex弹性造APP首页轮子【前端Flex弹性布局】

使用flex弹性造APP首页轮子【前端Flex弹性布局】

2025-02-22

数学建模应用:支持向量机(SVM).md

数学建模应用:支持向量机(SVM).md

2025-02-22

利用机器学习进行天气预测与气象模拟.md

利用机器学习进行天气预测与气象模拟.md

2025-02-22

MATLAB中的基本数据类型与变量操作.md

MATLAB中的基本数据类型与变量操作.md

2025-02-22

Pyecharts炫酷散点图构建指南.md

Pyecharts炫酷散点图构建指南.md

2025-02-22

从入门到进阶:Java的基础语法与面向对象编程解析.md

从入门到进阶:Java的基础语法与面向对象编程解析.md

2025-02-22

汇编语言实战项目-汇编

汇编语言实战项目【汇编】

2025-02-22

春节炫酷烟花页面【HTML版本,直接打开可使用】

春节炫酷烟花页面【HTML版本,直接打开可使用】

2025-02-20

蓝桥杯开发赛作品源码【基于C语言】

蓝桥杯开发赛【作品源码】

2025-02-20

基于C++的棋盘游戏代码

基于C++的棋盘游戏代码

2025-02-20

game.c【C语言题解版】

game.c【C语言题解版】

2025-02-20

蓝桥杯C语言赛题-题解

蓝桥杯C赛题-题解

2025-02-20

C语言毕业设计-扫雷炫酷版

C语言毕业设计-扫雷炫酷版

2025-02-20

计算机二级-网络安全协议.zip

计算机二级-网络安全协议.zip

2025-02-19

计算机二级题目-操作系统知识

计算机二级题目—操作系统知识

2025-02-19

数理逻辑与图论-考证必备题目+题解.zip

数理逻辑与图论—考证必备题目+题解.zip

2025-02-19

DeepSeek经验分享

DeepSeek经验分享

2025-02-19

FreeRTOS CAR-车辆机器人源码

设计车辆机器人,采用主控 STM32F4,实现物体抓取、路径规划,并识别物体颜色、分类放回。 使用 PWM 驱动 180°、360°舵机转动夹爪。PWM 驱动电机,并通过 PID 算法调节电机稳定运行。 使用 UART 串口与 OpenMV 摄像头通信,设计协议帧结构。通过颜色阈值匹配算法,识别物体颜色、分类。 使用 GPIO 读取灰度数值,对其滤波处理。在 I2C 总线挂载 MPU6050 陀螺仪,实现车辆的黑线循迹和角度转向。 利用 FreeRTOS 的任务调度机制,实现机器人的姿态解算、运动控制和黑线循迹等任务之间的同步和通信。

2025-02-18

电子电路-PWM控制功率器-U3018

记录学习、分析电子电路过程-PWM控制功率器_U3018

2025-02-18

电子垃圾识别项目-图像识别源码

本项目旨在通过图像识别技术帮助识别和分类电子垃圾,从而促进电子产品回收利用和环境保护。它使用了百度AI开放平台提供的图像识别API,通过提交电子垃圾的图片来获取识别结果。 功能特点 图像上传:用户可以上传电子垃圾图片。 实时识别:系统将实时调用图像识别API,返回识别结果。 结果展示:显示电子垃圾的分类信息及其置信度。 技术栈 前端:HTML, CSS, JavaScript 后端:Go语言 第三方API:百度AI开放平台图像识别

2025-02-18

世界上最幸福的国家数据集-全球最幸福国家排名(基于幸福指数)

该数据集全球最幸福国家排名,数据来源于《世界人口评论》。排名基于各种幸福指标,例如收入、社会支持、预期寿命、生活选择自由、慷慨程度和对腐败的看法。数据反映了各国幸福指数的全球排名,深入了解了影响国家幸福的因素。

2025-02-18

NVIDIA 股票数据 2025-NVIDIA 股票数据(1999 年至 2025 年)

NVIDIA 股票价格数据集 (1999 - 2025) 数据集概述 该数据集包含NVIDIA Corporation (NVDA)从 *1999 年至 2025 年的历史股价数据,使用 yfinance 库从 * Yahoo Finance中提取。NVIDIA 是人工智能、游戏和高性能计算领域的全球领导者,其股票与财务分析和机器学习模型高度相关。

2025-02-18

汽车检测与跟踪数据集-带有文本注释的 499 张汽车数据集图像

该数据集包含 499 张图像,每张图像都带有汽车的边界框注释。 注释以 YOLO 文本格式提供,其中包括类标签和边界框坐标。 该数据集对于车辆识别和交通分析等物体检测任务很有用。

2025-02-17

大学生学业成绩数据集-学生学业记录数据

关于数据集 该数据集包含学生的学业记录,包括他们的学习课程、性别、毕业年份以及 CGPA 和 SGPA 等绩效指标。数据已分为不同的范围以进行统计分析。

2025-02-17

精神分裂症数据集-包含精神分裂症人口统计和临床数据的综合数据集

包含精神分裂症人口统计和临床数据的综合数据集 该数据集全面收集了精神分裂症患者的人口统计、临床和社会心理信息。它是研究人员、医生和数据科学家的宝贵资源。该数据集包括患者的诊断状态、症状评分、治疗历史和社会因素。 列和说明 Patient_ID — 分配给每个患者的唯一标识符 年龄 — 患者的年龄(18 至 80 岁之间) 性别 — 0:女,1:男 教育程度 — 1:小学,2:初中,3:高中,4:大学,5:研究生 婚姻状况 — 0:单身,1:已婚,2:离异,3:丧偶 职业 — 0:失业,1:在职,2:退休,3:学生 收入水平 — 0:低,1:中,2:高 居住地区 — 0:农村,1:城市 诊断 — 0:非精神分裂症,1:精神分裂症 疾病持续时间 — 精神分裂症患者的患病持续时间(1-40 年) 住院 — 住院次数(精神分裂症患者的范围​​为 0 至 10) 家庭史 – 0:否,1:是(遗传倾向) 药物使用 – 0:否,1:是(烟草、酒精或其他物质) 自杀企图 – 0:否,1:是 阳性症状评分 – 范围从 0 到 100(分数越高,症状越多) 阴性症状评分 – 范围从 0 到 100

2025-02-17

干眼症-使用睡眠和眼表属性预测干眼病的数据集

该文件包含约 20,000 名青少年、中年人和成年后男女受试者的信息。它包括每日步数、睡眠时间、脉搏测量、血压、饮食习惯、压力水平、焦虑、高血压、哮喘等医疗问题以及使用的任何药物等列标题。除此之外,它还包括用于预测干眼症存在的基本眼部属性。数据以 csv 文件的形式构建,可用于多种与眼睛健康和用户习惯相关的医学研究。 关于数据集 该综合数据集旨在根据睡眠质量、睡眠时间、眼睛发红、瘙痒、屏幕时间、蓝光滤光片使用情况和眼睛疲劳等关键属性对干眼症 (DED) 进行预测建模和诊断分析。它包括年龄从 18 岁到 45 岁不等的不同受试者的结构化数据,使研究人员和医疗保健专业人员能够探索生活方式因素与眼部健康之间的相关性。该数据集可用于机器学习模型、统计分析和临床决策,以增强 DED 的早期检测和个性化治疗策略。它还可用于预测另一种严重的睡眠相关疾病,例如失眠,这种疾病与眼表疾病 (OSD) 直接相关。

2025-02-17

手机数据集【公司、型号、处理器、RAM、摄像头、电池、价格(PK、IN、CN、US、UAE)】

该数据集包含不同公司各种手机型号的详细规格和官方发布价格。它提供了对多个国家/地区智能手机硬件、定价趋势和品牌竞争力的洞察。数据集包括 RAM、相机规格、电池容量、处理器详细信息和屏幕尺寸等关键特征。 该数据集的一个重要方面是定价信息。记录的价格代表手机首次投放市场时的官方发布价格。价格因国家/地区和发布时间而异,这意味着旧款机型反映的是其原始发布价格,而新款机型则包括其最新发布价格。这使得该数据集对于研究随时间推移的价格趋势和比较不同地区的智能手机价格承受能力很有价值。 特征: 公司名称:手机的品牌或制造商。 型号名称:智能手机的具体型号。 手机重量:手机的重量(以克为单位)。 RAM:设备中的随机存取存储器 (RAM) 数量(以 GB 为单位)。 前置摄像头:前置(自拍)摄像头的分辨率(以 MP 为单位)。 后置摄像头:主后置摄像头的分辨率(以 MP 为单位)。 处理器:设备中使用的芯片组或处理器。 电池容量:智能手机的电池大小(以 mAh 为单位)。 屏幕尺寸:智能手机的显示尺寸(以英寸为单位)。 上市价格(巴基斯坦、印度、中国、美国、迪拜):手机在各个国家上市时的官方上市

2025-02-17

dlib-19.24.2-cp312-cp312-win-amd64.zip

py3.12特供的dlib-19.24.2-cp312-cp312-win_amd64.zip 记得解压后直接安装。

2024-03-10

Java-俩数的和.zip

“Java - 俩数的和.zip” 是一个压缩文件,其中很可能包含了用Java语言编写的实现两个数相加的简单程序。这个文件可能包含了Java源代码文件(.java),以及可能的编译后的类文件(.class),如果源代码被编译过的话。此外,可能还包含了一些文档或注释,以解释程序的用法和功能。 适用人群: Java初学者:对于刚开始学习Java编程的人来说,这个资源可以作为一个简单的示例,帮助他们理解如何编写基本的Java程序。 学生和教育工作者:在学校或自学环境中,这个资源可以作为教学材料,用于演示如何执行基本的数学运算。 开发者:即使对于有经验的开发者,这个简单的示例也可能用于快速测试环境或作为更复杂程序的组成部分。

2024-02-07

python-LRU缓存.zip

“Python—LRU缓存.zip”是一个压缩文件,其中包含了使用Python实现的最近最少使用(Least Recently Used, LRU)缓存算法的代码和相关文档。LRU缓存算法是一种常用的缓存淘汰策略,它根据数据项最近被使用的时间来决定哪些数据项应该从缓存中移除,以确保缓存中始终存放着最近最可能被使用的数据项。这个压缩文件可能包括LRU缓存的实现代码、测试样例、使用说明和可能的性能优化策略。 适用人群: Python开发者:对于想要了解或实现LRU缓存算法的Python开发者来说,这个资源是一个很好的学习资料。 数据结构和算法爱好者:LRU缓存算法是数据结构和算法领域的一个经典问题,对于喜欢挑战和学习数据结构和算法的人来说,这个资源非常有用。 缓存系统设计者:LRU缓存算法在缓存系统设计中有着广泛的应用,这个资源可以为缓存系统设计者提供实现和优化缓存策略的思路。

2024-02-07

某公司大数据大屏展示模版.zip

订阅专栏后源码免费,项目剖析详解:https://shangjinzhu.blog.csdn.net/article/details/136042003 “某公司大数据大屏展示模版.zip”是一个集合了多种大数据可视化大屏展示设计的压缩文件。它旨在为使用者提供一个快速搭建、高效展示大数据的平台。该模版集合了现代设计的最佳实践,包含了丰富的图表、动画效果和交互功能,旨在提供直观、动态的数据展示。 这个模版包括但不限于以下元素: 多种风格的大屏布局设计,适应不同的展示需求。 丰富的数据可视化组件,如实时更新的图表、动态数据条等。 交互功能,如数据筛选、图表联动等,增强用户体验。 易于定制的样式和配色方案,以符合公司或项目的品牌形象。

2024-02-07

跨年炫酷烟花代码-动态-直接运行.zip

这是一个关于跨年炫酷烟花的动态代码,可以直接运行。 资源介绍: 跨年炫酷烟花代码_动态-直接运行.zip 是一个压缩文件,包含了可以直接运行的跨年炫酷烟花代码。该代码使用了Python语言和pygame库,可以实现动态的烟花效果,非常适合用于庆祝跨年等场合。 内容概要: 该压缩文件可能包含以下内容: Python脚本文件:包含了实现烟花效果的完整Python脚本,可以直接运行。 pygame库:包含了pygame库的相关文件,用于实现烟花的动态效果。 运行说明:提供了如何运行代码的说明文档,包括所需的运行环境和步骤。 适用人群: 该资源适用于Python爱好者和想要制作动态烟花效果的人。通过阅读该资源,你可以学习如何使用Python和pygame库来制作动态烟花效果,并可以在自己的电脑上运行代码,享受跨年的喜悦。 场景目标: 制作动态烟花效果:该资源可以帮助你制作出动态的烟花效果,非常适合用于庆祝跨年等场合。 学习Python和pygame库:通过阅读该资源,你可以学习如何使用Python和pygame库来制作动态效果,提高自己的编程技能。

2024-01-12

字符串-Java解题分析-学习资料.zip

字符串-Java解题分析-学习资料.zip 是一个关于Java中字符串处理的解题分析和学习资料的压缩文件。该资源主要涵盖了Java中字符串的基本操作、常见算法和问题解析,旨在帮助开发者深入理解字符串在Java中的运用,提高解决相关问题的能力。 该压缩文件包含以下内容: 字符串基础:详细介绍了Java中字符串的创建、拼接、比较、搜索等基本操作,以及常用的字符串类和API。 算法解析:深入解析了常见的字符串算法问题,如最长公共子串、字符串排序、子串查找等,并提供了解题思路和代码示例。 实战案例:通过具体的实战案例,演示了如何运用字符串处理技术解决实际问题,如文本处理、密码破解、数据压缩等。 学习资料:提供了与字符串处理相关的参考资料、书籍和在线课程,方便开发者进一步扩展学习。 适用人群: 该资源适用于Java开发者、学生以及对字符串处理技术感兴趣的任何人。无论是初学者还是有一定经验的开发者,都可以从中获取有关Java字符串处理的实用知识和技能。 场景目标: 技能提升:帮助开发者提升解决字符串相关问题的能力,提高编程水平。

2024-01-06

python领域-安全帽识别.zip

这是一个Python领域的项目,关于安全帽识别的代码和相关文件。安全帽识别在许多行业和场景中都有实际应用,例如建筑工地、工厂、煤矿等,以确保工作人员佩戴安全帽以保障其生命安全。 该zip文件可能包含以下内容: 代码文件:用于实现安全帽识别的Python代码,可能使用深度学习框架(如TensorFlow或PyTorch)进行模型训练和推理。 数据集:用于训练和验证模型的图像数据集,包括佩戴安全帽和不佩戴安全帽的不同场景和角度的图像。 预训练模型:经过训练的模型文件,可以直接用于安全帽识别任务。 文档和注释:项目文档、注释和说明,帮助理解代码和模型的原理、实现细节和使用方法。 适用人群: Python开发人员:具备Python编程基础,熟悉深度学习框架和图像处理库(如OpenCV)的开发人员。 机器学习工程师:具备机器学习和深度学习经验,能够进行模型训练、优化和应用。 安全管理人员:在工业生产、施工现场等需要监控员工是否佩戴安全帽的场景下,可以使用该代码进行实时监控和预警。 场景目标: 安全监控:实时检测视频流中工作人员是否佩戴安全帽,并发出警报或提示信息。 数据分析:对历史数据进

2024-01-06

ACM必会-杨氏矩阵题解分析.zip

ACM必会-杨氏矩阵题解分析.zip 是一个压缩文件,包含了关于杨氏矩阵问题的详细题解和代码实现。该资源旨在帮助参加ACM竞赛的选手更好地理解杨氏矩阵问题,并提供相应的解决方案和代码示例。 内容概要: 该压缩文件可能包含以下内容: 问题描述:详细解释了杨氏矩阵问题的背景、要求和解题思路。 算法分析:对杨氏矩阵问题进行了深入的算法分析和推理,为解决问题提供了理论支持。 代码实现:提供了完整的代码实现,包括主函数和辅助函数,展示了如何用编程语言解决杨氏矩阵问题。 测试样例:包含了多组测试样例,并展示了如何使用代码实现来验证问题的解决方案。 适用人群: 该资源适用于参加ACM竞赛的选手,特别是那些对杨氏矩阵问题感兴趣的选手。通过阅读该资源,选手们可以深入理解问题本质,掌握解题技巧,提高竞赛成绩。 场景目标: 理解问题:帮助选手们深入理解杨氏矩阵问题的本质和要求,明确解题思路。 掌握技巧:通过算法分析和代码实现,使选手们掌握解决杨氏矩阵问题的技巧和方法。 提高成绩:提供多组测试样例,使选手们能够验证自己的解决方案,提高解决问题的准确性和效率,从而在竞赛中取得更好的成绩

2024-01-06

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除