- 博客(18)
- 收藏
- 关注
RSS订阅原创 2026 IT技术发展前瞻性见解：从算力重构到智能体革命
2026年IT技术发展的核心逻辑是**“从技术创新到价值创造”**。AI智能体将重塑人机交互方式，边缘计算与云计算协同构建分布式算力网络，后量子密码学筑牢数字安全防线，而智驾、工业等领域的技术落地将直接推动社会生产力提升。对企业而言，应优先布局AI原生开发能力边缘计算基础设施和智能体应用场景，这将成为未来3-5年的核心竞争力。对技术从业者而言，掌握多模态融合边缘部署优化和垂直领域知识，将在职业发展中占据优势地位。
2025-12-31 17:00:41
760
原创 程序员先赚钱再考公？
考公不是"千军万马过独木桥"，而是"选择正确赛道的竞速赛"。财政学、法学、经济学三大"天王专业"拿走了国考**75%的岗位和60%+**的录取名额，而海关管理、法医学等"捡漏专业"则提供了竞争比<20:1的"绿色通道"。行动清单一周内完成专业适配测试，确定3个目标专业一个月内考取计算机二级等基础证书，提升"考公硬实力"三个月内联系政府部门实习，获取"体制内第一手情报"记住：专业选对，公务员考试就已经成功了80%！
2025-12-23 16:45:57
616
原创 Docker 从 0 到 1 极简入门实战：运行第一个容器
本文是Docker极简入门实战指南，通过3个实战案例帮助读者快速掌握Docker核心用法。首先介绍Docker三大核心概念（镜像、容器、仓库）及其通俗解释；然后从安装验证开始，依次演示运行Nginx容器、构建自定义Python镜像、实现数据持久化等关键操作。文章提供清晰的命令解释和操作步骤，并总结常用Docker命令速查表。核心要点包括：Dockerfile编写规范、容器数据持久化方法以及镜像自动下载机制。通过本指南，读者可快速掌握Docker基础操作，为后续进阶学习打下基础。
2025-12-22 16:42:22
1079
原创 Softmax 和 ArgMax 在分类任务中的应用与区别
摘要：Softmax和ArgMax在分类任务中常被串联使用，但功能完全不同。Softmax将模型输出的原始得分(logits)转换为概率分布，保留所有类别的信息；而ArgMax则从得分或概率中选择最大值对应的索引，仅输出最优类别位置。两者在单标签分类任务中通常配合使用：Softmax提供概率置信度，ArgMax做出最终决策。关键区别在于Softmax是数值转换(得分→概率)，ArgMax是选择操作(找最大值位置)，各司其职且不可相互替代。理解这一区别对正确应用这两个算子至关重要。
2025-12-12 15:03:51
825
原创 ArgMax 在 ONNX 中的作用及使用场景
摘要：ONNX中的ArgMax算子用于计算输入张量指定维度的最大值索引，将模型输出从得分(logits)转换为类别索引。关键参数包括axis(指定计算维度)、keepdims(是否保留维度)等。使用ArgMax会输出整数索引，适用于最终部署；不使用则保留原始得分，适用于量化校准或多标签任务。注意事项包括其不可逆性、与Softmax的配合，以及导出ONNX模型时的最佳实践。核心选择取决于是否需要直接得到最终类别结果。
2025-12-05 16:37:00
624
原创 C++内存模型演示与原理分析
本文通过C++代码演示了程序内存模型的五大区域：代码区存放指令；常量区存储字符串常量和const全局变量（只读）；全局/静态区存放全局/static变量；栈区自动管理局部变量和函数参数（高效但空间小）；堆区需手动分配释放（new/delete），空间大但易泄漏。代码通过打印变量地址直观展示各区域分布，并指出常见陷阱：内存泄漏、野指针、栈溢出和常量区修改错误。理解这些内存特性对编写高效稳定代码至关重要，也是面试常见考点。
2025-12-02 17:19:50
412
原创 损失函数（Loss Function）大汇总！
本文系统梳理了深度学习中的核心损失函数，按任务类型划分为回归、分类和特殊任务三类。回归任务损失函数包括MSE（对异常值敏感）、MAE（鲁棒但梯度不连续）、Huber Loss（平衡两者）和RMSE（量纲直观）。分类任务损失函数涵盖交叉熵（多分类）、二元交叉熵（二分类）、Focal Loss（解决类别不平衡）和KL散度（生成模型）。特殊任务部分介绍了GAN相关损失（生成对抗网络）和Wasserstein Loss（提升训练稳定性）。文章从原理、特点、适用场景和实现方式对各损失函数进行详细解析，为不同任务场景下
2025-11-30 09:34:17
1418
原创 C++ 常用设计模式
本文介绍了C++中12种常用的设计模式，分为创建型、结构型和行为型三大类。创建型模式（如单例、工厂方法、建造者）解决对象创建问题；结构型模式（如适配器、装饰器、代理）优化类组织结构；行为型模式（如观察者、策略、状态）处理对象间协作。文章结合智能驾驶场景示例，展示了各模式的C++实现要点和应用场景，并强调设计原则（开闭原则、依赖倒置等）和选型建议。最后指出应避免滥用模式，优先使用组合而非继承，并善用现代C++特性如智能指针。这些模式是工业级开发的必备工具，理解其核心意图比死记代码更重要。
2025-11-28 16:43:29
1058
原创 C++ 类的关系 vs C++设计模式
摘要： C++类的关系（如继承、组合、依赖）是设计模式的“基础积木”，而设计模式（如策略、工厂、单例）是对这些关系的“有目的、可复用的组合”，用于解决特定问题。类的关系是语法层面的静态连接（如class A: public B表示继承），设计模式则是动态解决方案（如策略模式通过“接口+组合”实现算法切换）。核心区别在于：类的关系描述“如何连接”，设计模式描述“如何用连接解决问题”。设计模式偏好低耦合关系（如优先组合而非继承），并依赖抽象接口实现解耦。两者是递进关系——类的关系是“零件”，设计模式是“用零件组
2025-11-26 10:35:38
652
原创 python遍历文件夹那些事！
基础需求用 os 模块，兼容所有环境；筛选需求用 glob 模块，模式匹配高效；现代开发用 pathlib 模块，代码优雅简洁。根据 Python 版本、是否需要递归、是否需要筛选文件，选择对应的方式即可 —— 实际开发中，os.walk()（兼容旧环境）和 pathlib.Path.rglob()（Python 3+）是最常用的组合，基本能覆盖所有文件夹遍历场景。
2025-11-23 08:49:17
840
原创 c++内存那些事！
摘要：本文通过C++代码演示内存模型，展示5大内存区域特征：全局/静态区存放全局变量、栈存放局部变量、堆存放new分配内存、常量区存储字符串常量、代码区存放函数指令。关键点包括：1)栈自动管理但空间小；2)堆需手动释放否则泄漏；3)常量区只读；4)static变量生命周期贯穿程序。典型问题有栈溢出、野指针和内存泄漏，理解这些对开发高效稳定程序至关重要。
2025-11-22 19:40:58
336
原创 sheel脚本基本编程指南
本文介绍了Shell脚本的基础编程指南，包括基本语法、常用命令和实用示例。主要内容涵盖：1.Shell脚本格式规范与执行方式；2.变量定义、特殊变量及输入输出操作；3.流程控制（条件判断、循环和分支选择）；4.函数定义与调用方法；5.管道和重定向技巧；6.常用Linux命令示例；7.两个实用脚本案例（目录备份和批量重命名）；8.编写注意事项和调试技巧。通过学习这些基础知识，读者可以掌握编写自动化Shell脚本的能力，提高Linux系统管理效率。
2025-11-21 09:00:25
687
原创 一张图搞懂张量及其操作
本文通过一张"PyTorch张量知识地图"，系统性地介绍了深度学习中的核心数据结构——张量的四大核心模块：1）内存存储原理，将张量视为内存块的组织方式；2）多种创建方法；3）关键元信息（形状、步长、连续性等）；4）常用操作分类（绿色视图操作与红色结构操作）。文章强调张量本质是"内存的灵活组织工具"，掌握这些基础知识能有效避免形状不匹配、内存不连续等常见问题，为深度学习建模和数据预处理打下坚实基础。
2025-11-20 14:07:29
857
原创 一文讲懂智能驾驶领域的坐标变换
智能驾驶领域的坐标变换，本质是「将分散的传感器数据，通过标准化的几何规则，统一到同一空间框架」的过程 —— 无论是全景拼接的 2D-2D 变换，还是 BEV 感知的 2D-3D-2D 变换，核心都是为了让智能驾驶系统 “看懂” 周围环境的空间关系。对驾驶员：全景拼接提供直观的 360° 上帝视角，解决泊车 / 低速行驶的视野盲区；对算法：BEV 感知提供统一的 3D 空间栅格图，为路径规划、障碍物避让提供精准的空间决策依据。
2025-11-20 09:29:03
541
原创 三角测量原理（公式版）
三角测量是多视图几何的核心技术，通过光线交点反推3D坐标。实际应用需结合相机标定、特征匹配和优化算法应对复杂场景。公式$Z = \frac{f \cdot B}{d}$是核心，工程实践中需注意技术挑战和解决方案。
2025-10-16 10:50:12
512
原创 一文搞懂三角测量（大白话版本）
伸出食指放在眼前30厘米处，交替闭左右眼观察手指在背景中的位置变化。这个位置偏移量就是视差，手指越近视差越大，反之视差越小。伸出食指放在眼前30厘米处，交替闭左右眼观察手指在背景中的位置变化。这个位置偏移量就是视差，手指越近视差越大，反之视差越小。伸出食指放在眼前30厘米处，交替闭左右眼观察手指在背景中的位置变化。这个位置偏移量就是视差，手指越近视差越大，反之视差越小。这种测量方法的本质是几何相交定位，通过多视角观测解算空间位置。这种测量方法的本质是几何相交定位，通过多视角观测解算空间位置。
2025-10-16 10:20:44
930
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