- 博客(63)
- 收藏
- 关注
RSS订阅原创 SpringBoot中使用TOTP实现MFA（多因素认证）
图形结果：用于生成一个简单的图形结果，图形中会展示所有取样器请求的耗时，单位为毫秒，在图形的底部会以黑色的形式显示每个取样器请求的耗时，会以蓝色来显示所有取样器请求的平均值，会以红色来显示耗时的标准偏差，会以绿色来显示当前的吞吐量，如下图所示，图中的吞吐量表示了所压测的服务器在单位时间内处理的实际请求数，图像结果的展示，可以更加直观的看到每个取样器请求的耗时情况以及观察性能指标曲线的走势来辅助判断可能存在的性能问题。对于转载了博主的原创文章，不标注出处的，作者将依法追究版权，请尊重作者的成果。
2025-11-15 16:41:43
500
原创 当物理定律与高精度计算相遇：我的新开源项目 N-Body
考虑去放书的时候移动一定是按照下标递增顺序的，同理，放完书回来也不用回头，所以下标一定单调递减。//a是第二组的初始代价，b是第一组的初始代价。最大的）书，那么它一定可以顺带放路上经过的所有的书。对于第二个问题，比较复杂，我们继续观察性质：注意到，由于这两组的并集是全集，所以。为最大书架编号）个数字，把他划分成两组，求两组内部元素的和的最大值的最小值。
2025-11-15 16:37:42
400
原创 Python 错误处理详解
那二者的区别是啥呢？除了 LangChain4j 的使用复杂之外，源代码量很大，LangChain4j 的文档也不全，要么是没有关键实现代码案例、要么是干脆文档写的都是错的，LangChain4j 的坑比较多，最后只能通过看最新的源码才能解决和使用相关功能，所以 LangChain4j 学习和使用成本是非常高的。ChatModel chatModel = ChatModel.of("http://127.0.0.1:11434/api/chat") //使用完整地址（而不是 api_base）
2025-11-15 16:32:45
375
原创 langgraph开发Deep Research智能体-项目搭建
heap_1 只分配，不释放（pvPortMalloc有效，vPortFree无效） 实现最简单，执行时间绝对确定（无碎片） 内存无法回收，分配后永久占用 只创建一次内核对象（如任务、队列），运行中不删除的场景（如固定功能的嵌入式设备）heap_1/4/5 的分配时间是大致确定的（遍历空闲块的次数有限），而 heap_2（碎片导致遍历变长）和 heap_3（依赖标准库，时间不确定）可能破坏实时性。系统稳定性的保障：例如 heap_1 避免了释放操作，适合资源受限且功能固定的场景（如传感器节点）；
2025-11-15 16:27:38
853
原创 C++新手必学：用libcurl轻松实现文件下载，分钟上手！
如果一个“计算密集型”的进程（比如 A 用户）拿到 CPU，它可能执行很长时间（比如一个耗时循环），导致后面所有“交互密集型”的进程（比如 B、C 用户的轻量任务）都被阻塞，系统响应速度急剧下降。这其实就是操作系统级的时间片轮转调度算法在分布式系统中的应用。“动态权重调整机制”的目的，我个人理解是为了给每个生产者一个合适的权重，从而决定这次生产的任务是应该放在队列的前面还是后面。“吵闹的邻居”会留在轮询队列中，“空闲的邻居”会自动退出，并且无论他们排队的工作量有多少，每个人都能公平地获得处理时间。
2025-11-15 16:22:37
290
原创 ReactPHP、Swoole、Webman、FrankenPHP 深度对比 找到最适合你的 PHP 异步方案
图形结果：用于生成一个简单的图形结果，图形中会展示所有取样器请求的耗时，单位为毫秒，在图形的底部会以黑色的形式显示每个取样器请求的耗时，会以蓝色来显示所有取样器请求的平均值，会以红色来显示耗时的标准偏差，会以绿色来显示当前的吞吐量，如下图所示，图中的吞吐量表示了所压测的服务器在单位时间内处理的实际请求数，图像结果的展示，可以更加直观的看到每个取样器请求的耗时情况以及观察性能指标曲线的走势来辅助判断可能存在的性能问题。对于转载了博主的原创文章，不标注出处的，作者将依法追究版权，请尊重作者的成果。
2025-11-14 14:17:23
347
原创 彩笔运维勇闯机器学习--决策树
考虑去放书的时候移动一定是按照下标递增顺序的，同理，放完书回来也不用回头，所以下标一定单调递减。//a是第二组的初始代价，b是第一组的初始代价。最大的）书，那么它一定可以顺带放路上经过的所有的书。对于第二个问题，比较复杂，我们继续观察性质：注意到，由于这两组的并集是全集，所以。为最大书架编号）个数字，把他划分成两组，求两组内部元素的和的最大值的最小值。
2025-11-14 14:12:30
250
原创 鸿蒙应用开发从入门到实战（四）：ArkTS 语言概述
那二者的区别是啥呢？除了 LangChain4j 的使用复杂之外，源代码量很大，LangChain4j 的文档也不全，要么是没有关键实现代码案例、要么是干脆文档写的都是错的，LangChain4j 的坑比较多，最后只能通过看最新的源码才能解决和使用相关功能，所以 LangChain4j 学习和使用成本是非常高的。ChatModel chatModel = ChatModel.of("http://127.0.0.1:11434/api/chat") //使用完整地址（而不是 api_base）
2025-11-14 14:08:07
404
原创 PHP 如何利用 Opcache 来实现保护源码
heap_1 只分配，不释放（pvPortMalloc有效，vPortFree无效） 实现最简单，执行时间绝对确定（无碎片） 内存无法回收，分配后永久占用 只创建一次内核对象（如任务、队列），运行中不删除的场景（如固定功能的嵌入式设备）heap_1/4/5 的分配时间是大致确定的（遍历空闲块的次数有限），而 heap_2（碎片导致遍历变长）和 heap_3（依赖标准库，时间不确定）可能破坏实时性。系统稳定性的保障：例如 heap_1 避免了释放操作，适合资源受限且功能固定的场景（如传感器节点）；
2025-11-14 14:03:10
451
原创 .NET STS 版本支持 个月
如果一个“计算密集型”的进程（比如 A 用户）拿到 CPU，它可能执行很长时间（比如一个耗时循环），导致后面所有“交互密集型”的进程（比如 B、C 用户的轻量任务）都被阻塞，系统响应速度急剧下降。这其实就是操作系统级的时间片轮转调度算法在分布式系统中的应用。“动态权重调整机制”的目的，我个人理解是为了给每个生产者一个合适的权重，从而决定这次生产的任务是应该放在队列的前面还是后面。“吵闹的邻居”会留在轮询队列中，“空闲的邻居”会自动退出，并且无论他们排队的工作量有多少，每个人都能公平地获得处理时间。
2025-11-14 13:58:24
641
原创 【源码解读之 Mybatis】【核心篇】--第篇：Executor执行器体系详解
查看switch_core_media.c的switch_core_media_patch_sdp函数，在处理video信息时，强制重选了video本地端口，而audio端口处理正常。查看调用堆栈，mod_sofia模块在处理183sdp的流程中，proxy_media模式下会主动调用“switch_core_media_patch_sdp”这一并无必要的操作。经过修改后的fs虽然可以正常转发rtp媒体流，但是仍然无法转发rtcp消息，在网络较差的情况下，视频媒体流无法利用rtcp的特性修复视频卡顿。
2025-11-13 16:52:56
411
原创 DashVector
三维数据，我们将其放进一个多层感知机（MLP）中，将原来每个点的三维特征升维为八维特征，并将这个五个点对应的八个维度中不同通道的最大值保存下来得到一个最终的最大值向量，而由于取每个通道最大值的操作和点云的处理顺序是无关的，所以不管怎么改变点云的排列顺序我们最终得到的特征向量也是不变的，因此我们如果使用最终得到的这个无关的输入的特征向量进行分类、检测、分割便可以得到一个无论输入如何改变结果也不会发生任何变化的模型啦。并不固定，但在训练模型时，我们通常希望每个点云有相同数量的点 num_points。
2025-11-13 16:48:45
265
原创 使用 Github Pages 和 Hexo 搭建博客
呐俑爻辉如果你也在为“评审慢、质量不稳定、沟通碎片化、重复劳动多”而头疼，这篇文章会把我们在 AIReview 项目中的实践完整分享给你：我们如何把多模型 LLM 能力、Prompt 可定制、异步分析、实时协作、Git 集成等组合起来，让代码评审真正落地、可量化、可持续改进。分层与领域清晰：API（ASP.NET Core）/ Core（领域与业务）/ Infrastructure（EF Core、外部服务、Hangfire、Redis）数据库：SQLite（默认）或 PostgreSQL（生产推荐）
2025-11-13 16:43:13
231
原创 面试总被追问ks调度器工作原理， 收藏 == 学废
除了这些额外的功能，还有原本的浏览器基于DOM实现的基本功能，例如输入法的支持、复制粘贴的支持、拖拽的支持等等。而基本的Canvas是无法支持这些功能的，特别是输入法IME的支持，以及文本选区的实现，都需要很复杂的交互实现，这样的成本自然不会是很容易接受的。毕竟如果在基于MVC模式的编辑器实现中，会处理掉对Model来说无效的数据内容，这样就导致原本的HTML内容丢失，因此在这种需求背景下依赖浏览器的默认行为可能是最有效的，这种情况下我们可能主要关注的就是XSS的处理了。
2025-11-13 16:38:36
273
原创 [-ASP.NET MVC]开发迭代 - 改样式，美化应用
除了这些额外的功能，还有原本的浏览器基于DOM实现的基本功能，例如输入法的支持、复制粘贴的支持、拖拽的支持等等。而基本的Canvas是无法支持这些功能的，特别是输入法IME的支持，以及文本选区的实现，都需要很复杂的交互实现，这样的成本自然不会是很容易接受的。毕竟如果在基于MVC模式的编辑器实现中，会处理掉对Model来说无效的数据内容，这样就导致原本的HTML内容丢失，因此在这种需求背景下依赖浏览器的默认行为可能是最有效的，这种情况下我们可能主要关注的就是XSS的处理了。
2025-11-13 16:32:13
331
原创 浅谈:国内软件公司为何无法做大做强?
熟悉 CAP 的同学可能了解到，CAP提供了一个 UseDispatchingPerGroup 配置项用来为消费者组启用独立的调度器，独立的调度器意味着其具有独立的消费管道，这样消费者组之间就不会互相影响（默认如果不开启此配置项会将不同组的消息放置到同一管道来调度并串行执行），从而可以实现如某些消费者执行非常长的时间也不会卡住另外一些执行时间比较短消费者，这样也就做到了独立执行。无论如何，我们在这个版本优化了这一行为，现在会分批次来将任务提交到线程池，在上一批次执行完成后才会放置下一批次的任务。
2025-11-12 15:17:20
737
原创 从扩展方法到流畅的程序体验（一）
查看switch_core_media.c的switch_core_media_patch_sdp函数，在处理video信息时，强制重选了video本地端口，而audio端口处理正常。查看调用堆栈，mod_sofia模块在处理183sdp的流程中，proxy_media模式下会主动调用“switch_core_media_patch_sdp”这一并无必要的操作。经过修改后的fs虽然可以正常转发rtp媒体流，但是仍然无法转发rtcp消息，在网络较差的情况下，视频媒体流无法利用rtcp的特性修复视频卡顿。
2025-11-12 15:11:58
382
原创 借助 Clay 编写不可思议的 c# 代码
三维数据，我们将其放进一个多层感知机（MLP）中，将原来每个点的三维特征升维为八维特征，并将这个五个点对应的八个维度中不同通道的最大值保存下来得到一个最终的最大值向量，而由于取每个通道最大值的操作和点云的处理顺序是无关的，所以不管怎么改变点云的排列顺序我们最终得到的特征向量也是不变的，因此我们如果使用最终得到的这个无关的输入的特征向量进行分类、检测、分割便可以得到一个无论输入如何改变结果也不会发生任何变化的模型啦。并不固定，但在训练模型时，我们通常希望每个点云有相同数量的点 num_points。
2025-11-12 15:07:04
507
原创 .NET应用框架架构设计实践 - 概述
宦前房焊如果你也在为“评审慢、质量不稳定、沟通碎片化、重复劳动多”而头疼，这篇文章会把我们在 AIReview 项目中的实践完整分享给你：我们如何把多模型 LLM 能力、Prompt 可定制、异步分析、实时协作、Git 集成等组合起来，让代码评审真正落地、可量化、可持续改进。分层与领域清晰：API（ASP.NET Core）/ Core（领域与业务）/ Infrastructure（EF Core、外部服务、Hangfire、Redis）数据库：SQLite（默认）或 PostgreSQL（生产推荐）
2025-11-12 15:01:48
242
原创 从性能的角度谈SQL Server聚集索引键的选择
除了这些额外的功能，还有原本的浏览器基于DOM实现的基本功能，例如输入法的支持、复制粘贴的支持、拖拽的支持等等。而基本的Canvas是无法支持这些功能的，特别是输入法IME的支持，以及文本选区的实现，都需要很复杂的交互实现，这样的成本自然不会是很容易接受的。毕竟如果在基于MVC模式的编辑器实现中，会处理掉对Model来说无效的数据内容，这样就导致原本的HTML内容丢失，因此在这种需求背景下依赖浏览器的默认行为可能是最有效的，这种情况下我们可能主要关注的就是XSS的处理了。
2025-11-12 14:56:07
905
原创 Vue.js 和 MVVM 的小细节
熟悉 CAP 的同学可能了解到，CAP提供了一个 UseDispatchingPerGroup 配置项用来为消费者组启用独立的调度器，独立的调度器意味着其具有独立的消费管道，这样消费者组之间就不会互相影响（默认如果不开启此配置项会将不同组的消息放置到同一管道来调度并串行执行），从而可以实现如某些消费者执行非常长的时间也不会卡住另外一些执行时间比较短消费者，这样也就做到了独立执行。无论如何，我们在这个版本优化了这一行为，现在会分批次来将任务提交到线程池，在上一批次执行完成后才会放置下一批次的任务。
2025-11-11 14:37:42
806
原创 分布式事务 | 使用DTM 的Saga 模式
查看switch_core_media.c的switch_core_media_patch_sdp函数，在处理video信息时，强制重选了video本地端口，而audio端口处理正常。查看调用堆栈，mod_sofia模块在处理183sdp的流程中，proxy_media模式下会主动调用“switch_core_media_patch_sdp”这一并无必要的操作。经过修改后的fs虽然可以正常转发rtp媒体流，但是仍然无法转发rtcp消息，在网络较差的情况下，视频媒体流无法利用rtcp的特性修复视频卡顿。
2025-11-11 14:33:21
301
原创 完全使用TRAE和AI 开发一款完整的应用----第一周
三维数据，我们将其放进一个多层感知机（MLP）中，将原来每个点的三维特征升维为八维特征，并将这个五个点对应的八个维度中不同通道的最大值保存下来得到一个最终的最大值向量，而由于取每个通道最大值的操作和点云的处理顺序是无关的，所以不管怎么改变点云的排列顺序我们最终得到的特征向量也是不变的，因此我们如果使用最终得到的这个无关的输入的特征向量进行分类、检测、分割便可以得到一个无论输入如何改变结果也不会发生任何变化的模型啦。并不固定，但在训练模型时，我们通常希望每个点云有相同数量的点 num_points。
2025-11-11 14:28:48
718
原创 MySQL MySQL是怎么保证主备一致的？
纫撬柿记如果你也在为“评审慢、质量不稳定、沟通碎片化、重复劳动多”而头疼，这篇文章会把我们在 AIReview 项目中的实践完整分享给你：我们如何把多模型 LLM 能力、Prompt 可定制、异步分析、实时协作、Git 集成等组合起来，让代码评审真正落地、可量化、可持续改进。分层与领域清晰：API（ASP.NET Core）/ Core（领域与业务）/ Infrastructure（EF Core、外部服务、Hangfire、Redis）数据库：SQLite（默认）或 PostgreSQL（生产推荐）
2025-11-11 14:23:46
320
原创 关于物联网未来走向的一些思考
除了这些额外的功能，还有原本的浏览器基于DOM实现的基本功能，例如输入法的支持、复制粘贴的支持、拖拽的支持等等。而基本的Canvas是无法支持这些功能的，特别是输入法IME的支持，以及文本选区的实现，都需要很复杂的交互实现，这样的成本自然不会是很容易接受的。毕竟如果在基于MVC模式的编辑器实现中，会处理掉对Model来说无效的数据内容，这样就导致原本的HTML内容丢失，因此在这种需求背景下依赖浏览器的默认行为可能是最有效的，这种情况下我们可能主要关注的就是XSS的处理了。
2025-11-11 14:18:45
520
原创 uni-app项目Tabbar实现切换icon动效
壕扔抢疵如果你也在为“评审慢、质量不稳定、沟通碎片化、重复劳动多”而头疼，这篇文章会把我们在 AIReview 项目中的实践完整分享给你：我们如何把多模型 LLM 能力、Prompt 可定制、异步分析、实时协作、Git 集成等组合起来，让代码评审真正落地、可量化、可持续改进。分层与领域清晰：API（ASP.NET Core）/ Core（领域与业务）/ Infrastructure（EF Core、外部服务、Hangfire、Redis）数据库：SQLite（默认）或 PostgreSQL（生产推荐）
2025-11-10 15:03:50
284
原创 鸿蒙应用开发从入门到实战（三）：第一个鸿蒙应用
除了这些额外的功能，还有原本的浏览器基于DOM实现的基本功能，例如输入法的支持、复制粘贴的支持、拖拽的支持等等。而基本的Canvas是无法支持这些功能的，特别是输入法IME的支持，以及文本选区的实现，都需要很复杂的交互实现，这样的成本自然不会是很容易接受的。毕竟如果在基于MVC模式的编辑器实现中，会处理掉对Model来说无效的数据内容，这样就导致原本的HTML内容丢失，因此在这种需求背景下依赖浏览器的默认行为可能是最有效的，这种情况下我们可能主要关注的就是XSS的处理了。
2025-11-10 14:59:32
722
原创 彩笔运维勇闯机器学习--梯度下降法
三维数据，我们将其放进一个多层感知机（MLP）中，将原来每个点的三维特征升维为八维特征，并将这个五个点对应的八个维度中不同通道的最大值保存下来得到一个最终的最大值向量，而由于取每个通道最大值的操作和点云的处理顺序是无关的，所以不管怎么改变点云的排列顺序我们最终得到的特征向量也是不变的，因此我们如果使用最终得到的这个无关的输入的特征向量进行分类、检测、分割便可以得到一个无论输入如何改变结果也不会发生任何变化的模型啦。并不固定，但在训练模型时，我们通常希望每个点云有相同数量的点 num_points。
2025-11-10 14:44:10
274
原创 使用PySide/PyQt实现全国省市区的级联选择组件
糜窖举恼如果你也在为“评审慢、质量不稳定、沟通碎片化、重复劳动多”而头疼，这篇文章会把我们在 AIReview 项目中的实践完整分享给你：我们如何把多模型 LLM 能力、Prompt 可定制、异步分析、实时协作、Git 集成等组合起来，让代码评审真正落地、可量化、可持续改进。分层与领域清晰：API（ASP.NET Core）/ Core（领域与业务）/ Infrastructure（EF Core、外部服务、Hangfire、Redis）数据库：SQLite（默认）或 PostgreSQL（生产推荐）
2025-11-10 14:38:51
247
原创 Manim实现气泡特效
除了这些额外的功能，还有原本的浏览器基于DOM实现的基本功能，例如输入法的支持、复制粘贴的支持、拖拽的支持等等。而基本的Canvas是无法支持这些功能的，特别是输入法IME的支持，以及文本选区的实现，都需要很复杂的交互实现，这样的成本自然不会是很容易接受的。毕竟如果在基于MVC模式的编辑器实现中，会处理掉对Model来说无效的数据内容，这样就导致原本的HTML内容丢失，因此在这种需求背景下依赖浏览器的默认行为可能是最有效的，这种情况下我们可能主要关注的就是XSS的处理了。
2025-11-10 14:31:55
441
原创 基于Python的FastAPI后端开发框架如何使用PyInstaller 进行打包与部署
泛樟局偬Blazor 是由Microsoft开发的一款基于.NET的开源交互式Web UI框架。Blazor使开发人员能够使用C#和HTML建立全堆栈的单页应用程序，并避免使用JavaScript。Blazor基于组件模型，该模型提供了以具有强类型的符合Razor标准的页面和组件的形式构建用户界面的能力。Blazor的加入使得.NET开发人员有机会在客户端和服务器上使用同一种编程模型，同时享受到.NET的优势，比如其功能强大的运行时，标准库，语言互操作性和辅助开发者高效开发的工具等。
2025-11-09 15:15:37
774
原创 彩笔运维勇闯机器学习--孤立森林
熟悉 CAP 的同学可能了解到，CAP提供了一个 UseDispatchingPerGroup 配置项用来为消费者组启用独立的调度器，独立的调度器意味着其具有独立的消费管道，这样消费者组之间就不会互相影响（默认如果不开启此配置项会将不同组的消息放置到同一管道来调度并串行执行），从而可以实现如某些消费者执行非常长的时间也不会卡住另外一些执行时间比较短消费者，这样也就做到了独立执行。无论如何，我们在这个版本优化了这一行为，现在会分批次来将任务提交到线程池，在上一批次执行完成后才会放置下一批次的任务。
2025-11-09 15:11:30
656
原创 C#.编码习惯与命名规则
三维数据，我们将其放进一个多层感知机（MLP）中，将原来每个点的三维特征升维为八维特征，并将这个五个点对应的八个维度中不同通道的最大值保存下来得到一个最终的最大值向量，而由于取每个通道最大值的操作和点云的处理顺序是无关的，所以不管怎么改变点云的排列顺序我们最终得到的特征向量也是不变的，因此我们如果使用最终得到的这个无关的输入的特征向量进行分类、检测、分割便可以得到一个无论输入如何改变结果也不会发生任何变化的模型啦。并不固定，但在训练模型时，我们通常希望每个点云有相同数量的点 num_points。
2025-11-09 15:02:15
552
原创 从零开始学习jQuery (八) 插播:jQuery实施方案
捞鹿盐硬如果你也在为“评审慢、质量不稳定、沟通碎片化、重复劳动多”而头疼，这篇文章会把我们在 AIReview 项目中的实践完整分享给你：我们如何把多模型 LLM 能力、Prompt 可定制、异步分析、实时协作、Git 集成等组合起来，让代码评审真正落地、可量化、可持续改进。分层与领域清晰：API（ASP.NET Core）/ Core（领域与业务）/ Infrastructure（EF Core、外部服务、Hangfire、Redis）数据库：SQLite（默认）或 PostgreSQL（生产推荐）
2025-11-09 14:56:58
381
原创 关于.NET VS JavaEE平台争论的沉思录
除了这些额外的功能，还有原本的浏览器基于DOM实现的基本功能，例如输入法的支持、复制粘贴的支持、拖拽的支持等等。而基本的Canvas是无法支持这些功能的，特别是输入法IME的支持，以及文本选区的实现，都需要很复杂的交互实现，这样的成本自然不会是很容易接受的。毕竟如果在基于MVC模式的编辑器实现中，会处理掉对Model来说无效的数据内容，这样就导致原本的HTML内容丢失，因此在这种需求背景下依赖浏览器的默认行为可能是最有效的，这种情况下我们可能主要关注的就是XSS的处理了。
2025-11-09 14:51:56
309
原创 WP游戏开发：TweeJump（cocosd-xna)
优悔缸盟如果你也在为“评审慢、质量不稳定、沟通碎片化、重复劳动多”而头疼，这篇文章会把我们在 AIReview 项目中的实践完整分享给你：我们如何把多模型 LLM 能力、Prompt 可定制、异步分析、实时协作、Git 集成等组合起来，让代码评审真正落地、可量化、可持续改进。分层与领域清晰：API（ASP.NET Core）/ Core（领域与业务）/ Infrastructure（EF Core、外部服务、Hangfire、Redis）数据库：SQLite（默认）或 PostgreSQL（生产推荐）
2025-11-08 14:06:54
369
原创 IIS故障问题(Connections_Refused)分析及处理
除了这些额外的功能，还有原本的浏览器基于DOM实现的基本功能，例如输入法的支持、复制粘贴的支持、拖拽的支持等等。而基本的Canvas是无法支持这些功能的，特别是输入法IME的支持，以及文本选区的实现，都需要很复杂的交互实现，这样的成本自然不会是很容易接受的。毕竟如果在基于MVC模式的编辑器实现中，会处理掉对Model来说无效的数据内容，这样就导致原本的HTML内容丢失，因此在这种需求背景下依赖浏览器的默认行为可能是最有效的，这种情况下我们可能主要关注的就是XSS的处理了。
2025-11-08 14:01:29
571
原创 Hello World背后藏着什么秘密？一行代码看懂Java的“跨平台”魔法
在逻辑回归中，我们并不强调初始化内容，这是因为整个网络只有一层线性组合与其相关的参数，我们的所有操作都是在更新这一组参数，因此，把这组参数初始化成什么样，并不算一个需要思考的地方，因为这组参数最终都会随着更新让损失达到最低点。在这周的例子里，我们设置神经网络隐藏层的神经元为四个，输出层的神经元再综合四个神经元的输出结果计算最终的输出，那隐藏层神经元的数量增加后，又是如何发挥正向的作用呢？所有人从同一个山顶出发（全零初始化） 大家看到的坡度一样，朝同一个方向走，走的路径重叠，只等于一个人找路，效率极低。
2025-11-07 16:05:41
314
原创 LangChain框架入门：全方位解析记忆组件
需要注意的是，低版本的 Cursor 是可以支持 MCP 服务 的，我使用的版本是 0.48.7。MCP 虽然功能强大，并且拥有广泛的应用前景，但在实际使用过程中，务必注意安全问题。实际上，配置 MCP Server 最核心的就是上述的 配置文件，前面的 图形界面步骤 并非必须，后续直接编辑 配置文件 也可以完成 MCP Server 的配置。Planning 模式：此模式用于生成详细的行动计划，非常适合在开始编写代码之前与 AI 进行沟通，清晰地分解任务，从而避免盲目操作导致的返工。
2025-11-07 16:00:34
258
原创 C++ 使用分治减小模板递归深度
在逻辑回归中，我们并不强调初始化内容，这是因为整个网络只有一层线性组合与其相关的参数，我们的所有操作都是在更新这一组参数，因此，把这组参数初始化成什么样，并不算一个需要思考的地方，因为这组参数最终都会随着更新让损失达到最低点。在这周的例子里，我们设置神经网络隐藏层的神经元为四个，输出层的神经元再综合四个神经元的输出结果计算最终的输出，那隐藏层神经元的数量增加后，又是如何发挥正向的作用呢？所有人从同一个山顶出发（全零初始化） 大家看到的坡度一样，朝同一个方向走，走的路径重叠，只等于一个人找路，效率极低。
2025-11-06 13:56:01
385
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人