Ctd_vcbb的博客

原创 Rust泛型：高效代码复用指南

【代码】Rust泛型：高效代码复用指南。

原创 Python实例属性与类属性全解析

原创 单例模式：代码界孤高剑客

设计模式分类中的创建型模式核心目标：确保一个类仅有一个实例，并提供全局访问点关键约束：私有化构造函数、静态实例、线程安全。

原创 Vivado HLS第四章报告深度解析

Vivado HLS生成的报告包含关键性能指标，如时序、资源利用率和循环优化信息。报告分为综合报告（Synthesis Report）和实现报告（Implementation Report），分别对应不同设计阶段的分析需求。

原创 校园约拍小程序开发实战

原创 Proteus仿真STM32驱动OLED显示实时时钟

STM32F103C6的PB6(SCL)和PB7(SDA)连接OLED的I2C接口。DS1302连接方式：STM32的PA0(CLK)、PA1(DAT)、PA2(RST)分别对应DS1302的SCLK、I/O、RST引脚。Proteus 8.17需安装STM32库和OLED/DS1302元件模型。仿真电路需包含STM32F103C6芯片、0.96英寸I2C接口OLED模块（SSD1306驱动）和DS1302时钟芯片。DS1302通过三线接口通信，需按特定时序读写数据。

原创 「机器学习笔记3」机器学习常用评价指标全解析

机器学习模型的性能评估依赖于多种评价指标，不同的任务和场景需要选择不同的指标。以下是常见的分类、回归和聚类任务的评价指标解析及代码示例。精确率衡量模型预测为正类的样本中实际为正类的比例，召回率衡量实际为正类的样本中被正确预测的比例。准确率是最直观的评价指标，表示模型预测正确的样本占总样本的比例。适用于类别分布均衡的数据集。F1分数是精确率和召回率的调和平均，适用于类别不平衡的数据集。ROC曲线描绘了不同阈值下的真正类率（TPR）和假正。

原创 软件供应链风险预测实战技巧

现代软件开发依赖大量第三方组件和开源库，软件供应链攻击事件频发使得风险预测成为关键任务。从传统的软件成分分析（SCA）到软件物料清单（SBOM）2.0的演进，提供了更全面的解决方案。安装必备的SCA工具如Dependency-Track或Syft，配合Grype进行漏洞扫描。

原创 阿里云Linux3部署KingbaseES全攻略

KingbaseES是一款国产关系型数据库，兼容PostgreSQL协议，适用于企业级应用场景。在Alibaba Cloud Linux 3上部署KingbaseES，需确保系统环境满足基本要求，包括2GB以上内存、50GB磁盘空间以及稳定的网络连接。Alibaba Cloud Linux 3默认采用Anolis OS内核，针对KingbaseES的性能优化需调整内核参数和数据库配置。下载KingbaseES安装包后，解压并运行安装脚本。安装过程中需指定数据目录、端口号和管理员密码。

原创 Flink流处理入门指南：30秒搞定配置

文件，并配置 Flink 相关依赖和插件。创建一个简单的 Flink 流处理作业，示例代码位于。

原创 HTML5+CSS3定位技巧全解析

本篇文章围绕Pink老师的HTML5+CSS3课程第五天内容展开，重点讲解定位、元素的显示与隐藏等核心知识点，结合代码示例帮助理解。定位是CSS中非常重要的布局方式，通过position属性可以设置元素的定位类型。元素相对于最近的非static定位祖先元素定位，脱离文档流。元素相对于其正常位置进行定位，不脱离文档流。元素的默认定位方式，按照标准流方式排列。元素相对于浏览器窗口定位，脱离文档流。

原创 微信小程序助老评估系统上线

随着老龄化社会的加速发展，老年人的健康和生活质量成为社会关注的焦点。基于微信小程序的关爱老年人在线能力评估系统，通过便捷的移动端工具，帮助老年人及其家属、医护人员快速评估老年人的认知、身体和心理能力。该系统整合了文档、PPT和源码，为开发者提供完整的参考实现。家属和医护人员可绑定多个老年人账号，实时查看评估结果。包含认知能力（MMSE量表）、日常生活能力（ADL量表）、心理健康（GDS量表）等标准化评估工具。老年人通过小程序完成问卷或互动测试，系统自动生成评估报告。医护人员可根据数据制定个性化干预方案。

原创 RabbitMQ死信交换机：消息流放之地揭秘

死信交换机是RabbitMQ中一种特殊的交换机，用于接收无法被消费者正确处理的消息（称为“死信”）。消息被消费者明确拒绝（或basic.nack）且未重新入队。消息在队列中存活时间（TTL）过期。队列达到最大长度限制，无法容纳新消息。

原创 AI驱动项目重构实战指南

在当今快速发展的技术环境中，项目重构与落地实施已成为企业数字化转型的核心环节。结合AI驱动的技术手段，可以显著提升效率、降低风险，并实现更智能化的项目管理。以下从技术选型、代码重构、测试优化和部署落地四个维度展开说明。AI技术能够通过历史项目数据和性能指标，为技术栈选择提供数据支持。例如，通过机器学习模型评估不同框架的适用性，避免盲目选择。AI工具（如GitHub Copilot）可自动识别代码坏味道并提出重构建议。例如，通过静态代码分析工具检测重复代码块。以Python为例，使用。

原创 论文Review SLAM R3LIVE | ICRA2022 港大MARS | 可以生成Mesh的激光视觉惯性SLAM

R3LIVE是。

原创 基于 OpenCV + 深度学习的实时人脸检测与年龄性别识别系统

Caffe 版本的 ResNet-10 SSD 模型是常见选择，其预训练权重可从 OpenCV 官方库加载。人脸检测模块选用轻量级模型（如 MobileNet-SSD 或 YOLO-Face），确保实时性。年龄性别识别采用多任务学习架构，共享特征提取层，减少计算冗余。系统采用多阶段流水线架构：人脸检测→人脸对齐→属性识别（年龄/性别）。OpenCV 负责图像预处理和结果可视化，深度学习模型完成核心推理任务。采用 Levi-Hassner 提出的轻量级 CNN，结构包含 3 个卷积层和 2 个全连接层。

原创 UNIX下C语言编程与实践14-UNIX 文件系统格式化：磁盘分区与文件系统创建原理

磁盘分区是将物理硬盘划分为多个逻辑单元的过程，每个分区可独立管理文件系统。在UNIX系统中，分区通过分区表（如MBR或GPT）记录，便于操作系统识别和管理存储空间。分区的核心目的是隔离不同用途的数据（如系统文件、用户文件），提升安全性和性能。文件系统是操作系统用于管理磁盘数据的结构和规则。UNIX常见的文件系统包括。系统调用获取磁盘扇区数，实际分区需结合。命令行工具或直接写入分区表。