墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
2k累计阅读
2.1k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
4.4.1. 在本地磁盘(C:)窗口中有什么
如果你双击本地磁盘(C:)图标，你会找到这些标准文件夹：
4.4.1.1. Users
Windows的多账户功能对这些情形是理想的——各个家庭成员、学生或工人共用一台计算机（第15章）。
这就是Users文件夹的重要之处。在其中有各个以计算机使用者命名的个人文件夹。另外，标准账户持有者（第15.2.1部分）不允许打开他人的文件夹。
4.4.1.2. Program Files
该文件夹包含了你所有的应用程序——Word、Excel、Internet Explorer和其他的应用程序。
4.4.1.3. Windows
这个文件夹是Microsoft忽视的。这个最神圣的文件夹包含了Windows，Windows自己的核心，数以万计的各种组成Windows的小文件。这些文件夹和文件的神秘的名称只有那些神秘的人群才能够真正理解。
总之，最健康的计算机是那种Windows文件夹没有被乱动过的计算机。但有一个例外：Fonts文件夹包含着各种字体文件，你大可自由地往其中添加、删除字体。
《给初学者的Windows Vista的补遗手册》
AI 体验走查 - 火山引擎存储的 AI UX 探索之路
火山引擎存储技术团队驱动 AI 自主完成用户体验走查 / 可用性测试的执行与评价，帮助业务改善交互体验。 立项“故事走查”的背景诉求和 AI 机遇 如何搭建“AI 评价”能力，精准识别交互问题 让交互体验故事走查变为技术产品，讲解系统设计，包括流程、User Story 维护、框架和 AI 模型选型、Midscene.js 的集成技巧等
【数据结构-5】单链表的实现
单链表，具体来说是单向的、不带头的、不循环的链表。链表由一个一个节点组成，每个节点分为数据域和指针域，数据域存放数据，指针域存放下一节点的地址。这样，就可以根据指针域中的地址找到下一个节点，节点就串起来了构成了单链表。
告别绕线！用Altium Designer从零设计一个PCB平面变压器（附3D模型）
本文详细介绍了如何使用Altium Designer从零设计一个PCB平面变压器，包括磁芯选型、电气参数计算、PCB设计实战技巧以及3D验证与生产输出。通过将绕组直接集成到PCB层中，配合嵌入式磁芯，实现了小型化、高功率密度的电源设计，适用于中低电流、高频应用场景。附3D模型，帮助读者快速掌握这一创新设计流程。
C# 数据结构和特殊类型
.NET Core（现称.NET）提供丰富数据结构，优化性能与开发效率。日常开发首选List<T>和Dictionary<TKey,TValue>；高性能场景推荐Span<T>与Memory<T>减少内存分配；并发环境使用ConcurrentDictionary等线程安全集合；避免非泛型集合如ArrayList。
手把手解决AutoDock安装那些坑：从autogrid报错到.map文件生成（Win10/11环境）
本文详细解析了在Win10/11环境下安装AutoDock时遇到的常见问题，特别是autogrid报错和.map文件生成失败的情况。通过实战验证的解决方案，包括环境变量设置、Python版本管理、文件权限调整等，帮助用户顺利完成安装并提升分子对接研究效率。
无线通信基础：调制与解调技术_（42）.7.3.2多进制频移键控解调(MFSK解调)
MFSK解调是一种通过频谱分析和频率检测来恢复数字信号的技术。本文介绍了MFSK解调的基本原理，包括信号接收、频谱分析、频率检测和符号判决。在实际应用中，噪声会对解调性能产生影响，因此引入了信噪比优化和多步判决方法来提高解调的准确性。通过性能评估，可以更好地理解MFSK解调在不同噪声环境下的表现。这些方法和技术为MFSK在实际通信系统中的应用提供了理论和实践基础。
工厂设备接MES为什么慢：协议识别与点表配置自动化的技术拆解
工业现场设备接 MES 的周期主要消耗在协议识别与点表配置。本文拆解这条链路的四层结构，给出点表映射的数据模型、两种部署架构的对比，以及可直接落地的三项验收口径与校验代码。适合工控集成、MES 实施、设备联网方向的工程师。
国科大学习资料--现代数字信号处理I（张颢）--2020年期末考试试卷
国科大学习资料–现代数字信号处理I（张颢）–2020年期末考试试卷 国科大学习资料–现代数字信号处理I（张颢）–2020年期末考试试卷 国科大学习资料–现代数字信号处理I（张颢）–2020年期末考试试卷 =========================================================================================================================================================
list
的底层是双向链表结构，双向链表中每个元素存储在互不相关的独立节点中，在节点中通过指针指向其前一个元素和后一个元素。，因此反向迭代器的实现可以借助正向迭代器，即：反向迭代器内部可以包含一个正向迭代器，对正向迭代器的接口进行包装即可。是可以在常数范围内在任意位置进行插入和删除的序列式容器，并且该容器可以前后双向迭代。迭代到该位置，在这段位置上迭代需要线性的时间开销；最大的缺陷是不支持任意位置的随机访问，比如：要访问。还需要一些额外的空间，以保存每个节点的相关联信息。个元素，必须从已知的位置。
【实战项目开发技术分享】ROS1.0、ROS 2.0和CyberRT开源通信框架对比
随着机器人和自动驾驶技术的飞速发展，开源通信框架在机器人、自动驾驶行业扮演着重要的角色。ROS1.0是一个广泛应用于机器人领域的开源框架，ROS 2.0是其改进版本，而CyberRT是Baidu Apollo自动驾驶平台的通信框架。ROS和ROS 2.0都注重灵活性和共享性，适用于各种机器人应用。CyberRT则专注于实时性和高性能，适用于自动驾驶等对实时性要求较高的场景。选择适合的框架取决于具体应用需求和开发者的偏好。
垂直领域论坛数据挖掘：Python突破Discuz!加密与用户画像构建指南
在垂直领域论坛，如专业技术论坛、兴趣爱好社区等，积累了大量有价值的信息和用户数据。这些数据不仅可以帮助我们了解用户的行为模式和兴趣点，还能为社区运营、产品优化、商业决策等提供有力支持。然而，许多基于Discuz!系统的论坛对数据进行了加密保护，给数据挖掘带来了一定的挑战。本文将详细探讨如何使用Python突破Discuz!论坛的加密机制，并构建用户画像，实现数据掘金。
向 excel、word、pdf 三种文档中占位符插入数据
【代码】向 excel、word、pdf 三种文档中占位符插入数据。
【DaVinci Developer专题】-36-创建一个“既读又写”的Sender Receiver Port（SR PR-Port）
有时会遇到SWC需要对一个Port进行“既可以读，也可以写”的操作。以下图为例，Test_A_SWC中Test_A_Port是P-Port；Test_B_SWC中Test_A_Port是R-Port。Test_C_SWC需要对Test_A_Port同时进行“读”和“写”。 该篇将详细介绍PR-Port的创建方法。 目录 1 创建一个S/R Port Interface 2 将一个PR-Port端口添加至Application Component 3 PR-Port端口初始化 4 Run.
C++ STL 反向迭代器：从源码框架到适配器实现
在 C++ STL 中，反向迭代器（reverse_iterator）是一个很典型的设计案例：它本身并不直接持有容器数据，而是通过封装一个正向迭代器，把「前进」变成「后退」，从而让同一个容器既能正序遍历，也能逆序遍历。本文从 SGI-STL 3.0 的源码框架出发，梳理反向迭代器的设计思路，再手写一个通用的迭代器适配器，并在vector和list中完成适配与测试。在 SGI-STL 3.0 中，反向迭代器的核心源码位于。反向迭代器是一个适配器，各个容器再基于它适配出自己的反向迭代器类型。下面截取list。
华为的C语言编程规范.pdf
华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。
lwip-2.0.3
lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。
软件商店常见问题标准处理流程
从底层软件源来看，/etc/apt/sources.list配置错误、源地址失效、公网与内网离线源混用、ARM64与x86_64架构源串用，以及DNS解析异常、系统代理配置错误，都会导致商店无法获取应用数据；打开该应用，确认可正常运行；软件商店作为系统内置的图形化软件分发与安装入口（UKUI桌面配套组件，底层依赖APT软件源），承担着应用软件的浏览、搜索、下载、安装、升级与卸载等核心功能，是终端软件部署与管理的关键通道。覆盖软件商店启动、页面加载、应用下载、安装、卸载、搜索、自身更新等全部业务场景。
ET2012新版免狗免安装绿色软件
ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，
【AI 开发从入门到进阶 · 10】收官篇：LoRA 微调、模型评估、推理加速与生产部署全链路
本文系统梳理了大模型微调与生产落地的全流程，从决策是否微调、优选LoRA技术方案，到代码实现、效果评估、推理加速与FastAPI服务封装，最终构建可迭代的生产级AI系统。强调“逐级升级”原则，倡导以数据闭环驱动优化，避免技术冲动。全系列贯穿工程化思维，提供可复用模板与实战建议，助力开发者从模型训练迈向稳定可用的AI服务部署。
Camera2Demo
在Camera2 的基础上进行封装，使得Camera2一堆初始化逻辑与Activity分离，降低耦合度，完成预览拍照并保存的操作
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
2834
扫一扫
