距离上次发文已经十个多月了

最新推荐文章于 2025-11-30 23:04:40 发布
原创 最新推荐文章于 2025-11-30 23:04:40 发布 · 344 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#学习 #nuxt

你有多久没有写日志了？我距离上个发文，已经有十个多月了。俗话说，好记忆不如烂笔头，写写学习日志还是非常有必要的。人的兴趣是不断转换跳跃的，不管怎么转，记录一下自己的学习轨迹还是很有必要的吧，不然，感觉是不是白活了？

一直没写，也是因为，好久没学python了。本来打算一直磕python到死，没想到自己这么快就放弃或者说，暂停学习python了。一切源于好的条件？

盼望已久的新电脑1月10号到货使用，4090呢，那不得赶紧玩一玩。刚好那个时候各种ai大模型图生图啥的大量涌现，各种尝鲜，玩来玩去，最终都只是玩，能有什么收获吗？自己这边怕是啥都没得吧？

下半年开始，觉得是不是应该努力实现做出一个自己的产品出来？思来想去，还是web站点来的容易。还是学习vue吧，毕竟火了这么久了，还是国人产品。光前端框架肯定不行，基于vue的框架nuxt就是比较好的选择了，那就先把nuxt掌握了，有说nuxt参照next做出来的，只要好用，模仿学习就是框架成长的必经之路啊。之前学习过adonisjs的时候，就是因为参照laravel的啊，当时可是把adonisjs的文档翻了好多遍了，的确轻量好用，但之后加入typescript后，就卡住了。

这次学习nuxt后，发现nuxt比之前的adonisjs的确成熟很多，我是说它的成长之路。adonisjs主要靠捐款给坐着，nuxt则在依托强大的vue之上，捆绑了tailwindcss做出了nuxt的专用ui框架，并推出了付费的pro版本，之后又推出了nuxt studio和nuxt hub等产品，尝试各种变现之路进行商业变现，这点比之vue做的还好。一个好的产品，不仅开源免费的部分要有竞争力，它的商业变现也要有竞争力。

希望这次学习能坚持的久一些！！！

32、石油峰值再探：危机逼近
cherry的博客
11-18 86
本文深入探讨了2004年前后全球石油峰值问题的紧迫性，回顾了主流媒体对石油峰值认知的转变，并分析了柏林第三届ASPO会议的核心观点。文章揭示了沙特阿拉伯、俄罗斯等主要产油国面临的产量衰退困境，批判了能源行业在需求预测、储量透明度和基础设施建设方面的严重失误。通过介绍测量者、经济学家与伪装者三类立场的分歧，凸显了现实与政策之间的脱节。同时，提出了以里米尼协议为代表的国际合作应对方案，并警示高油价、市场投机、地缘冲突和金融流动性扩张背后的系统性风险。最后呼吁全球加快能源效率提升、替代能源开发与跨国协作，以应对迫
人工智能领域1-4区所有SCI汇总！
zkyf2022的博客
05-12 3176
CCF-A类，相较于其他 IEEE Transactions 期刊，TPAMI 的审稿人专业度较高，审稿周期在8-10个月左右，即使录用了也需要快1年的时间见刊+sci检索。计算机与信息社会学院（CCIS）的官方期刊，源于阿拉伯大学协会 ，文章的内容上几乎没有太多需要大改的，快则4个月，慢则10个月甚至一年审稿通过，3个月左右见刊。CCF-B类，平均5-7个月左右录用，基本上绝大部分的时间花在编辑那里等待处理，WE之后会相对比较快，审稿人每次从接受审稿到提交也就1~2周的时间。OA期刊，认可度不高。
保险丝工作原理
D_Katter的博客
06-14 234
本文介绍了保险丝的基本知识，包括其物理结构（熔体、电极、支架三部分）和工作原理（电流发热导致熔断）。重点解析了保险丝选型的7个关键参数：额定电压需高于电路峰值电压2.5倍；额定电流应考虑温度影响；允通能量决定抗浪涌能力；中断能量需大于最大故障电流；温度折减系数；快慢熔特性选择；以及使用寿命的降额系数（0.6-0.8）。通过分析2kV共模浪涌测试中的保险丝断开现象，文章为电路保护设计提供了实用参考。
2025五一杯C题五一杯数学建模思路代码文章教学:社交媒体平台用户分析问题
xb459149247的博客
05-01 1869
本问题旨在基于用户在2024年7月11日至7月20日的行为数据，预测指定用户在2024年7月23日是否使 用社交媒体平台(即是否在线)。平台希望根据2024年7月11日至7月20日的用户与博主交互数据，预测2024年7月21日各博主新增的关 注数，并选出前5名新增关注最多的博主。该任务可类比为用户兴趣 点推荐问题。
OceanBase + 低代码平台 Dify ，免费搭建“应用级”的专属 AI 助手
OceanBase分布式数据库的博客
12-16 1598
我们与广受欢迎的开源LLM应用开发平台Dify合作，推出了“Dify +OceanBase 实验方案”，基于OceanBase数据库对向量能力的支持，结合低代码开发平台Dify，使用户能够通过直观的拖拽界面，轻松构建和运营生成式AI应用。
vivado FFT IP 学习及仿真笔记
在读研究生，偏FPGA功能设计
11-30 623
本文介绍了FFT（快速傅里叶变换）的基本原理及其IP核实现方法。主要内容包括：1）FFT作为DFT的快速算法，其计算结果与DFT一致；2）FFT IP核的驱动逻辑，详细解析了AXI4-Stream协议接口及配置参数；3）FFT IP核的配置方法，涵盖架构选择、数据格式、缩放选项等关键设置；4）通过Matlab和Verilog仿真对比验证了FFT IP核的正确性，结果显示与理论值误差在±3以内。文章还提供了相关参考资料，为FPGA实现FFT提供了实用指导。
windows上位机开发学习（二）计时器案例（下） int大小
qq_43091070的博客
11-29 736
本文介绍了Windows上位机开发中计时器案例的代码实现过程。首先通过工具箱添加Timer控件并设置1秒间隔，然后详细讲解了核心代码：1)声明全局变量记录时间；2)实现"开始"按钮点击事件，解析用户输入并初始化计时器；3)编写Timer的Tick事件处理逻辑，每秒更新界面并判断倒计时结束。文章还展示了完成效果图，并附带单片机int类型大小对照表。最后提供了C#串口通信编程的学习参考网址，欢迎交流讨论。
Golang 构建学习
2509_94101141的博客
11-30 466
Web开发虽然可以用多种不同的语言实现，但是基本的理论是一致的，比如鉴权，路由，数据库抽象，参数校验，mvc分层等等。第三个括号是输出参数的声明，注意这个没有向上面例子中提前声明返回值变量，需要在函数体中。函数如果是在模块内部，也就是同一个package目录下，则不同导入，直接调用就行。与以上雷同，区别在于返回值，如果两个相同类型的返回值，则可以采用省略的写法。引用传递: 函数中使用的是指向值的指针地址，通过函数修改传递的数据。值传递：函数中使用的是被复制的值，不影响外部数据。第二个括号是输入参数的声明。
ClickHouse 学习笔记：单例模式安装部署实战指南
千木一枝的博客
11-30 657
ClickHouse 是由俄罗斯「Yandex」公司开源的列式存储数据库，专门用于 OLAP（在线分析处理）场景。本笔记记录了 ClickHouse 单例模式的完整安装部署流程，帮助开发者快速搭建分析型数据库环境。
DeepSeekMath-V2学习
hang on it more longer
11-29 671
DeepSeekMath-V2 通过 **"生成器 - 验证器 - 元验证器" 三位一体架构和"验证器先行" 训练策略 **，实现了 AI 数学推理的质的飞跃，不仅在顶级数学竞赛中达到人类金牌水平，更建立了一个能够自我验证、自我完善的推理系统，为 AI 在科学证明、复杂推理领域的应用开辟了新道路。注：本介绍基于 DeepSeekAI 于 2025 年 11 月 27 日发布的官方论文和技术文档。
MES学习笔记之MES系统的作用和定位及与SCADA的关系
最新发布
做有价值的事，积累有价值的笔记！
11-30 405
摘要：MES系统作为制造执行系统，承担着连接企业计划层（ERP）和设备层（SCADA/PLC）的关键桥梁作用，主要使命包括生产调度、过程管控和数据枢纽三大核心功能。其与SCADA系统形成上下级协作关系，SCADA负责实时数据采集和设备控制，MES则基于这些数据进行生产决策。在实际应用中，需重点关注数据接口对接、报警联动和冗余设计等协同点，实现从设备到管理的闭环运作。（149字）
残差网络论文学习笔记：Deep Residual Learning for Image Recognition全文翻译
Luu_uu_uu的博客
11-29 541
深层神经网络的训练难度更高。本文提出一种残差学习框架（residual learning framework），旨在降低远超以往深度的网络训练复杂度。我们将网络层明确重构为学习参考层输入的残差函数（learning residual functions with reference to the layer inputs），而非学习无参考基准的函数。综合实证结果表明，该残差网络更易于优化，且能通过显著增加深度提升模型精度。
LLM底层原理学习笔记：上下文窗口扩展技术如何突破记忆瓶颈，解锁大模型的长文本理解力
这里是数字化与人工智能的 “实验场” 与 “瞭望台”
11-29 525
本文探讨了大型语言模型（LLMs）上下文窗口扩展技术及其应用。传统Transformer模型受限于4K-8K的Token处理能力，难以应对长篇文档。通过位置编码外推（如RoPE和ALiBi）和稀疏注意力机制，研究者成功将处理长度提升至数万甚至十万Token级别。这些技术解决了二次计算复杂度和位置编码失效问题，使模型能准确理解长文本中的位置关系。在专业领域如法律合同分析和技术文档处理中，扩展后的模型展现出跨章节推理和全局理解的优势，推动了LLMs向"专业知识处理器"的演进。
HTTM: Head-wise Temporal Token Merging for Faster VGGT论文学习
LI_XIAO_XING的博客
11-30 671
关键优势：计算量从 O (N²) 降到 O (N×K)（K 是每个 token 的邻居数，通常 K 固定为几十 / 几百），当 N 很大时，O (N×K)≈O (N)，几乎线性增长，速度大幅提升。关键目标：让合并后的 Token 能替代原始 Token 的核心信息，同时减少 Token 总数（比如从 N 减到 M，M<N），让注意力计算量从 O (N²) 降到 O (M²)，实现加速。因为vggt里面的token对其他的token都挺关联的，很难说它就和特定的几个token特别关联，其他的就不关联。
Solon AI 开发学习8 - chat - Vision（理解）图片、声音、视频
向往自由的少年！（我是一个少年！！！）
11-30 123
本文介绍了大模型对多媒体内容的理解能力，包括图像、音频和视频三种类型。针对每种媒体类型，提供了相应的接口使用方法：Image接口支持URL、Base64字符串或字节数组创建图片；Audio和Video接口支持通过URL创建音频和视频。示例代码展示了如何将多媒体内容与提示语一起提交给大模型进行处理，实现内容识别和理解功能。这种能力扩展了大模型在多媒体分析领域的应用场景。
数学物理教学 | 学科联结、公式标准与惯例理解
u013669912的博客
11-30 676
……
Neo4j图数据库学习(二)——SpringBoot整合Neo4j
2509_94201804的博客
11-29 553
本文介绍如何通过SpringBoot整合Neo4j的方式，对图数据库进行简单的操作。Neo4j和SpringBoot的知识不再赘述。Neo4j图数据库学习(一)——初识CQL由于作者的水平非常有限，难免会出现错误，欢迎各位指正！假如您有任何想法，也欢迎交流！
人工智能之数字生命-学习的过程
qq_45118549的博客
11-30 366
本文提出了一套从动态场景中学习因果关系的认知框架。系统首先通过长时间观察建立场景的基准模式，然后筛选关键动态作为因果候选，进而构建"条件-事件-结果"的因果节点。基于这些因果知识，系统能够生成适用于特定任务的行为方法，并通过实践反馈不断优化方法的可信度和适用范围。该框架实现了从感知到行动的完整闭环：从静态认知到动态分析，从因果归纳到方法生成，最终通过实践验证完善知识体系。关键创新在于设计了多层次的动态信息处理流程，包括场景熟悉度建模、关键动态筛选规则、因果节点可信度评估等机制，使系统能够
ROS2-RViz-MoveIt-Gazebo-URDF学习笔记（三）
zjh2883的博客
11-29 719
问题在于ROS2控制器配置中，state_interfaces包含了effort，但关节轨迹控制器只支持position, velocity, acceleration。发现effort还没有清干净，修改“is35_description.ros2_control.xacro”，将与effort相关的行删除。然后再次运行，点击“Execute”，就可以看到机械臂运动了。点击“Execute”，还是Failed，查看。点击“Execute”，还是Failed，查看。此时机械臂在重力作用下堆叠在一起。
怎么快速获取某微博近一个月的发文内容
12-27
### 使用API或爬虫抓取特定微博用户的近期帖子 #### 利用官方API获取数据 对于希望合法并高效地访问微博内容的情况，建议优先考虑使用新浪微博开放平台所提供的官方API接口。这允许开发者基于OAuth认证机制获得授权后读取目标账户公开发布的信息流。通过设置参数如`uid`(用户ID), `since_id`, 和 `max_id` 来限定查询范围至过去三十日内发布的原创微博[^1]。 ```python import requests def fetch_weibo_posts(api_url, access_token, user_id): params = { 'access_token': access_token, 'uid': user_id, 'feature': 1, # 只返回原创微博 'count': 50, # 单次请求最大数量 'trim_user': 1 # 去除冗余的用户资料字段 } response = requests.get(api_url + '/statuses/user_timeline.json', params=params) if response.status_code == 200: return response.json() else: raise Exception('Failed to retrieve data') ``` #### 当无法使用API时采用Web Scraping方法 如果遇到某些限制使得无法利用上述方式，则可以转向构建自定义网页抓取工具作为替代方案。考虑到微博页面加载动态特性以及反爬措施的存在，在此推荐运用Selenium这类支持JavaScript渲染环境下的浏览器自动化框架配合XPath/CSS选择器定位所需元素；同时注意遵循robots.txt协议规定频率控制以免给服务器带来过大负担[^2]. ```python from selenium import webdriver from datetime import timedelta, date import time browser = webdriver.Chrome() def scrape_weibo(user_link, days=30): end_date = (date.today() - timedelta(days)).strftime('%Y-%m-%d') browser.get(f'{user_link}?type=ori&is_ori=1') posts = [] while True: elements = browser.find_elements_by_css_selector('.WB_feed_type.S_bg1') for elem in reversed(elements): post_time = elem.find_element_by_css_selector('.time').text.strip() if "分钟前" not in post_time and "今天" not in post_time \ and any(end_date[:7] in s for s in [post_time]): break content = elem.text.replace('\n',' ').strip() posts.append(content) try: next_button = browser.find_element_by_link_text('下一页') if 'disabled' in next_button.get_attribute('class'): break next_button.click() time.sleep(2) # 防止触发防爬策略 except NoSuchElementException: break return posts ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

andux

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值