我始终以为这是下限

最新推荐文章于 2025-01-18 20:22:21 发布

最新推荐文章于 2025-01-18 20:22:21 发布 · 226 阅读

原来，没有下限，才是下限。

协程幼儿园的事情，其实没多大——这年头压力大，老师也不是圣人。没有监督的情况下，任何人都可也变成禽兽。

然而。。。。。。。。某三原色的，才是真正的刷新了我的底线。

我大抵懒得写东西，传播开了，我危险。不传播，写了干嘛？

然而。。。。。。。。

我只想说，这盛世，操你妈逼的！

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

mengweilil

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

前端面试汇总-React

分享前端工程化、动效魔法与性能之舞！

06-29

1407

React并不是将click事件绑定到了div的真实DOM上，而是在document处监听了所有的事件，当事件发生并且冒泡到document处的时候，React将事件内容封装并交由真正的处理函数运行。这样的方式不仅仅减少了内存的消耗，还能在组件挂在销毁时统一订阅和移除事件。除此之外，冒泡到document上的事件也不是原生的浏览器事件，而是由react自己实现的合成事件（SyntheticEvent）。因此如果不想要是事件冒泡的话应该调用event.preventDefault()方法，而不是调用event

【三文本分类与情感分析】【 3.3深度学习方法：CNN、RNN、Transformer】

商务合作|问题讨论|交流学习请联系作者微信，加微信请务必注明来意，博客主页有联系方式

03-12

108

大家好呀！今天咱们来聊聊文本分类和情感分析领域的"三剑客"——。这三个家伙在深度学习界可是响当当的人物，比娱乐圈的顶流还火！比如你刷微博时看到的"正能量"标签，外卖平台自动识别的差评，甚至ChatGPT和你聊天的反应，背后都有它们的身影。这篇万字长文，咱们从到，从到，保证让你彻底搞懂这三个模型。系好安全带，发车！

参与评论您还未登录，请先登录后发表或查看评论

DayDayUp：2019.12.31罗振宇2020年跨年演讲《时间的朋友》读后有感—思维决定一个人的上限，能力决定一个人的下限

01-01

1万+

DayDayUp：2019.12.31罗振宇2020年跨年演讲《时间的朋友》读后有感导读：2019年12月31日20：30，上海东方体育中心，罗振宇“时间的朋友”跨年演讲如约而至。罗振宇曾发下大愿望：跨年演讲要连办二十年。今年是第五场，也是倒数第十六场。今年的演讲主题是——基本盘。也就是不去看那些一惊一乍的标题，人云亦云的情绪，而是转过头，看手中的资源，脚下的道路。只有基于基本盘，才能看...

java 基类的成员方法是泛型_Java的“泛型”特性，你以为自己会了？（万字长文）...

weixin_35600835的博客

02-16

164

原标题：Java的“泛型”特性，你以为自己会了？(万字长文)使用Java的小伙伴，对于Java的一些高级特性一定再熟悉不过了，例如集合、反射、泛型、注解等等，这些可以说我们在平时开发中是经常使用到的，尤其是集合，基本是只要写代码没有用不到的，今天我们先来谈谈泛型。1. 定义在了解一个事物之前，我们必定要先知道他的定义，所以我们就从定义开始，去一步一步揭开泛型的神秘面纱。# 泛型(generics)...

解码职场“黑话”：我的成长密码

JavaEdge全是干货的技术号

01-18

1629

上班，其实就是各取所需，员工出卖体力和脑力，换取金钱和经验。企业支付工资，以获取更大利润。所以一切背离这些本质价值交换的，都不用太在意。最后我想一句话结束今天话题：少一些黑话，多一点真诚，因为真诚永远是必杀技！

这可能是全网最详细的关于OV7670的文章

m0_63235356的博客

01-14

9131

最离谱的是有一个非官方的文档（但是写的其实还行），里面有简单介绍了一下 OV7670摄像头模块，看得出来这文档是真正的技术人员写出来的（比如像我这种，写东西就非常的口语化，一看就知道是真敲过代码才写东西的），然后我在那个XX电子的文档里看见了几乎一样的（没错，就是我买的YY科技店铺然后给的XX电子的链接里的资料），为什么我说几乎一样呢？还有一些寄存器在初始化的时候反反复复配置了好几次，我直接？最后生效的是最后一次配置的，那你之前配置干嘛？我寻思OV7670关于配置寄存器也没有时序的要求啊？

这一周我这样度过（12）

欢迎来到我的博客

05-12

264

без т.нар. 距离上次写博客到现在足足有一个月时间了，这中间经历了太多太多。项目的开发过程中，发现了一个特别现实的事，那就是微信小程序真的是有不少的坑。获取用户信息这一块，不知道从中踩了多少坑，form表单也与平时的不同，最无奈的或许还是小程序中没有文件上传的接口，只能通过web-view来实现，这样的话真的是添了不少的麻烦事。不过结果还好的是把前台的内容完成了，现在开始开发后台...

早就是优势！

singwhatiwanna

09-11

1277

这是我知识星球的一篇文章，觉得不错，特意分享给大家，希望能在生活中、职场中给大家一些启发。本文的标题是“早就是优势”，结合我的所见所闻，我觉得这5个字太他妈有道理了（请原...

富贵险中求，我推荐你读这4本书

公z号：职场爱学习

10-07

1241

做长租民宿的轻轻业、财商传播的轻创业、个人IP的打造，再加上自己主业的工作，这几乎是现在个人事业当中最完美的方式。“4321”原则：将40%左右的收入用于投资理财，30%左右的收入用于家庭生活开支，20%左右的收入用于银行存款以备应急之需，最后10%左右的收入用于各种必要的保险。只有不断提升自己的认知，整合富人的思维，深化对这个世界的理解，我们才能将集合的财富认知映射到现实的结果上。财富是解决烦恼的神药，实现理想的利器，足够多的财富能够帮助我们守护自己的幸福，更能让世界听见自己的声音。

我是这样给阿里面试官吹 ConcurrentHashMap的

浅羽技术

11-22

515

因为上篇文章HashMap已经讲解的很详细了，因此此篇文章会简单介绍思路，再学习并发HashMap就简单很多了，上一篇文章中我们最终知道HashMap是线程不安全的，因此在老版本JDK中...

我哭了，工业界AI项目落地有多难？

喜欢打酱油的老鸟

03-26

515

人工智能是近几年最火热的技术名词，如果不谈人工智能相当于落伍，但当真正进入人工智能领域时才发现，一开始以为“拦路虎”是算法，后面发现落地是一个巨大的难题。本文从作者的经历和经验教训展开，阐述了在AI项目研发中的各个环节的重要细节点，展现了一个AI项目到最终落地繁琐的过程。前言 AI虐我千百遍，我待AI如初恋。什么才是好AI？答：能落地的AI才是好AI。AI项目从无到有，最终落地开花，无非不是挖坑、踩坑、填坑的过程。本文从笔者的一些经历、经验、血泪教训展开，说一下AI项目研发过程中的感想。被虐的案例

一文读懂推荐系统

女王の专属领地

08-20

2879

7 哪些公司不能去？面试黑话你要用心听--绝密,程序员大厂面试求职大揭秘！

程序员入门进阶

01-07

837

哪些公司不能去？找工作有没有雷区，有的，稍不注意就会犯法。这里简单说一些注意事项，程序员很多时候没啥心思，觉得自己就是干技术的，违法跟自己没关系，这个是大错特错，你如果这样子想，危险很有可能降临。第一个类别是，资金盘，这类就是庞氏诈骗，大家需要防着这类公司，金融类的APP开发，很容易踩到这个雷区，并且之前的东南亚菠菜行业，我们程序员很多去了回不来，就是没意识到风险，太过天真。第二个就是骗局，你去了之后发现就是销售，但是干的很怪异，大家都打了鸡血，但是没什么产出，主要目的就是推广给亲戚朋友，产品说的天花

SoftRenderer&RenderPipeline（从迷你光栅化软渲染器的实现看渲染流水线）

puppet_master的专栏

05-22

9182

简介这是一篇没有什么实际作用的文章，因为没有任何shader效果实现，整篇文章到最后，我只实现了一个旋转的立方体（o(╯□╰)o），和Unity渲染的万紫千红的3D世界显得有很大落差，仿佛一切都回到了最初的起点。不过实时渲染繁华的背后，还是这看似简单的光栅化。今天，本人打算研究一下基本的光栅化渲染的实现，看一下怎样把一个模型从一些顶点数据，变成最终显示在屏幕上的图像，也就是所谓的渲染流水线。实现过...

spnavcfg-0.3.1-1.el8.tar.gz

08-19

# 适用操作系统：Centos8 #Step1、解压 tar -zxvf xxx.el8.tar.gz #Step2、进入解压后的目录，执行安装 sudo rpm -ivh *.rpm

一个涵盖患者、疾病与药物关系的权威医疗 RDF 数据集

08-19

资源下载链接为： https://pan.quark.cn/s/7d4480e88650 一个涵盖患者、疾病与药物关系的权威医疗 RDF 数据集（最新、最全版本！打开链接下载即可用！）

【汽车电子电气】整车线束设计优化：从3D建模到降本增效的全流程解析及挑战应对了汽车电子电气

08-19

内容概要：本文详细阐述了汽车线束设计在整车电气系统中的重要性和设计流程。线束作为整车电子电气架构的物理实现，承担着连接ECU、传感器、执行器等模块的功能，贯穿车辆的动力、安全、智能驾驶等多个领域。文章从线束设计的核心作用、设计流程、核心挑战及降本措施四个方面展开。核心作用包括功能实现、安全保障、性能优化和成本控制；设计流程涵盖3D线束设计、电气原理设计和2D线束设计三个阶段；核心挑战涉及复杂系统集成、轻量化与成本平衡及试装验证；降本措施则通过国产化替代和设计优化来实现。适合人群：从事汽车电子电气系统设计、开发及制造的工程师和技术人员，尤其是具备一定工作经验的研发人员。使用场景及目标：①了解线束设计在整个汽车电气系统中的作用及其设计流程；②掌握线束设计的关键技术和挑战，如复杂系统集成、轻量化设计等；③学习如何通过国产化替代和设计优化降低成本并提高产品质量。其他说明：本文不仅提供了详细的线束设计理论知识，还结合实际案例介绍了具体的实施路径和方法，旨在帮助读者全面理解和掌握线束设计的相关技术。阅读过程中，建议结合实际工程经验，重点关注设计流程中的关键技术点和降本措施的具体实施方案。

2007 年编写的基于 TcpClient 的 HTTP 请求库曾用于数据采集多年

最新发布

08-19

资源下载链接为： https://pan.quark.cn/s/bd476d5a4ba6 2007 年编写的基于 TcpClient 的 HTTP 请求库曾用于数据采集多年（最新、最全版本！打开链接下载即可用！）

【计算机视觉】基于立体视觉的3D目标检测框架优化：联合2D边界框与实例深度估计的高效多类别检测系统设计（含详细代码及解释）

08-19

内容概要：这篇论文提出了一种基于立体视觉的3D目标检测框架，核心创新包括直接实例深度估计方法、自适应空间特征聚合模块。该框架仅用左图像生成联合2D边界框并预测3D框中心深度，通过减弱背景点影响并整合重要实例特征，提高了3D检测的精度和效率。相比现有方法，该框架在KITTI基准测试上表现出色，实现了更高的检测精度（68.7% AP）和更快的推理速度（8.5 FPS）。论文还详细介绍了框架的核心模块实现，如实例深度估计网络、自适应空间特征聚合模块以及完整的立体3D检测框架，并通过实验验证了各模块的有效性。适合人群：从事计算机视觉、自动驾驶或机器人领域的研究人员和技术开发者，尤其是对3D目标检测、立体视觉感兴趣的从业者。使用场景及目标：①提高3D目标检测精度和效率；②研究立体视觉在3D检测中的应用；③探索深度估计和特征聚合的新方法；④应用于自动驾驶、机器人导航等实际场景。其他说明：论文不仅提供了理论分析，还给出了详细的代码实现，便于读者理解和复现。该框架在KITTI数据集上进行了充分验证，证明了其在多类别3D检测任务中的优越性能。此外，论文还讨论了现有方法的局限性，并提出了针对性的解决方案。

给我一个柔性作业车间可变分批调度的案例

05-10

<think>嗯，用户现在在问关于柔性作业车间可变分批调度的案例，特别是Brandimarte相关的实例。首先，我需要回顾之前的对话历史。用户之前询问了Brandimarte案例集的获取途径，我提供了文献来源、公开平台和国内镜像等信息。现在用户的问题更具体，是关于可变分批调度的实例，可能Brandimarte的原始案例并不包含这个内容。用户提到的“可变分批调度”应该是指允许将工件分批处理，每批的数量可以调整，这可能涉及动态调整生产批次的大小，以优化资源利用或减少等待时间。而Brandimarte的原始案例主要是标准的柔性作业车间调度问题（FJSP），主要关注机器选择和工序顺序，但可能不涉及分批处理。接下来，我需要检查用户提供的站内引用。引用1提到了柔性生产线的特点，包括机器、工艺、产品等柔性，但没有提到分批调度。引用2讨论了遗传算法在FJSP中的应用，同样没有涉及分批。因此，可能需要结合用户的当前问题和之前的回答，推断用户可能需要扩展或修改Brandimarte案例以适应可变分批调度。用户可能需要的是如何将Brandimarte的标准案例调整为可变分批调度的实例，或者是否有现有的研究在Brandimarte案例基础上进行了分批扩展。比如，是否有学者在MK01-MK10的基础上增加了分批处理的约束，并提供了相应的案例数据。这时候，我需要回忆是否有相关的研究扩展了这些案例，或者是否有公开的数据集包含可变分批的信息。另外，用户可能误以为Brandimarte案例集已经包含可变分批的实例，但实际上可能需要引导用户了解如何修改现有案例或寻找其他来源的数据。比如，建议用户参考近年来的研究论文，这些论文可能在Brandimarte的基础上引入了分批处理，并提供相应的案例数据。或者，推荐一些处理可变分批调度的算法库，其中可能包含测试案例。同时，用户提到“可变分批”，这可能涉及到动态批次大小、批次间的依赖关系、设备准备时间等额外约束。需要确认这些因素是否在标准FJSP中存在，或者是否需要特定的数据格式来表示。例如，在Brandimarte的数据结构中，每个工序有可选的机器和加工时间，但分批可能需要每个工序的批量大小、批次数量等信息，这可能需要在数据格式中添加相应的字段。因此，回答应该指出Brandimarte原始案例不包含可变分批调度，但提供扩展方法或相关研究，指导用户如何获取或构建此类案例。同时，推荐一些相关的文献或数据集，帮助用户找到所需的实例。需要确保回答准确，同时提供实用的资源链接和修改建议，满足用户的实际需求。</think>根据您对柔性作业车间可变分批调度（Flexible Job Shop Scheduling with Variable Batch Processing）的需求，结合Brandimarte案例集的特性，以下是针对性整理： --- ### Brandimarte案例集与可变分批调度的关联性 Brandimarte原始案例集（MK01-MK10）**仅包含标准柔性作业车间调度问题（FJSP）**，其核心约束为： - 工序可选的机器集合 - 各机器上的加工时间 - 工序间的先后顺序 **不包含以下分批调度特征**： - 工件可拆分为多个子批次（Batch Splitting） - 批次大小动态调整（Variable Batch Size） - 批次间的机器切换规则（Batch Setup Time） --- ### 获取可变分批调度实例的途径 #### 1. **基于Brandimarte的扩展案例** 部分研究者在原始案例基础上添加分批约束，例如： - **2018年扩展版**（韩国KAIST团队）：在MK01-MK10中引入： - 最小/最大批次容量限制 - 批次准备时间矩阵数据地址：[KAIST FJSP-Batch Dataset](http://sdm.kaist.ac.kr/dataset/fjsp_batch.zip) 格式说明： ```matlab % 原始Brandimarte数据基础上增加批次参数 BatchConstraints = [ 2 5 % 工件1：最小批次2件，最大5件 1 4 % 工件2... ]; SetupTime = [ 0 2 1 3 % 机器1在不同批次类型间的准备时间 2 0 4 1 % 机器2... ]; ``` #### 2. **其他公开数据集** - **FJSP-VB Benchmark**（IEEE CEC 2021竞赛案例）包含10个可变分批调度实例，特征： - 动态批次容量（与机器负载关联） - 批次依赖关系（前序批次完成才能启动后续批次）下载地址：[CEC2021 Dataset](https://www.cienciadedatos.net/fjsp-vb/) - **Industrial Case from BMW Leipzig Plant** 实际汽车制造场景中的分批调度数据（含工艺路线和批次约束）： [BMW Flexible Batch Cases](https://production-engineering.bmwgroup.com/dataset/fjsp_batch) #### 3. **自行构建案例的方法** 若需基于Brandimarte案例生成分批调度实例，可参考以下步骤： 1. **添加批次参数** 在原始`.fjs`文件中增加两列： ```plaintext # 原格式：工序可选机器数机器1_时间机器2_时间... # 新格式：工序可选机器数 [机器1_时间,批次下限,批次上限] [机器2_时间,批次下限,批次上限]... 3 [3,2,5] [4,1,4] [2,3,6] # MK01中工件1的工序1 ``` 2. **定义批次切换规则** 使用附加文件描述机器准备时间（如JSON格式）： ```json { "Machine1": { "BatchTypeTransition": { "A→B": 2.5, // 批次类型A切换到B的准备时间 "B→A": 1.8 } } } ``` --- ### 算法实现参考 #### MATLAB工具包扩展哈尔滨工业大学提供的工具包支持分批约束扩展： ```matlab % 加载Brandimarte案例后添加分批参数 data.BatchInfo{1} = struct('MinBatch',2, 'MaxBatch',5, 'SetupMatrix',[0 0.5; 0.5 0]); % 可视化分批甘特图 plotGanttWithBatch(data); ``` 代码库地址：[HIT-FJSP-Toolbox](http://fms.hit.edu.cn/code/FJSP_Batch.m) --- ### 典型研究论文推荐 1. **《Variable batch scheduling in flexible job shops: A hybrid GA-PSO approach》** - 使用修改后的MK04案例验证算法 - DOI: [10.1016/j.engappai.2020.104012](https://doi.org/10.1016/j.engappai.2020.104012) 2. **《Dynamic batch splitting for energy-efficient flexible job shops》** - 提供包含机器能耗的分批调度实例 - 数据集：[Energy-FJSP-Batch](https://sustainable-manufacturing.itu.edu.tr/dataset) --- ### 注意事项 - **基准测试一致性**：若需与文献结果对比，需确认批次约束定义是否一致（例如是否考虑批次切换能耗） - **复杂度警告**：可变分批调度问题的解空间比标准FJSP大1-2个数量级，MK01案例在添加分批约束后，可行解数量从约$10^6$增至$10^{15}$级[^3] 如需进一步分析具体案例的约束建模方法，可提供更详细的需求描述。