自己30分钟能“走”多远嘛?Python来计算超过半步算我输

00后120天自研人形机器人:实时控制与多源传感融合实践 人形机器人是集运动控制、多传感器融合、边缘智能与机电协同于一体的复杂系统,其核心技术门槛在于毫秒级实时性保障、异构传感器时空对齐、轻量化决策推理及高鲁棒执行能力。随着STM32H743等高性能MCU普及和ONNX Runtime在嵌入式端成熟应用,高校与中小企业已具备在有限资源下开展真实闭环开发的条件。本文聚焦‘实时性保障体系’与‘多源异构传感融合框架’两大关键技术支柱,详解微秒级时间同步、亚毫米空间标定、双闭环关节伺服在线自适应整定等硬核实践,覆盖从Linux内核抢占补丁、硬件时间戳电路设计,到IMU/力 阅读详情

前言

昨天在网上瞎逛的时候,看到了一个概念——交通生活圈,经过一番查阅后,约模知道了它的意思:在现有交通状况下,在一定的时间内乘坐现有交通工具你能抵达的范围(ps.通常是指驾车)。 简单来说,就是:“30分钟内你能走多远?” 正好某德地图上也有类似的数据,效果如下:

它包含了20分钟、30分钟、45分钟、60分钟、90分钟这5类数据,它范围即对应的交通生活圈。感觉很厉害的鸭子~

于是,我决定自己探索一番…

一、获取数据

1. 交通生活圈数据

打开浏览器的F12调试工具,监听网络请求:

其接口地址为:

https://report.amap.com/ajax/life/circle.do

有3个参数,对应的说明如下:

 

参数

说明

 

那么,可以定义获取数据的函数:

def get_data(disID):
    '''
    获得交通生活圈数据
    '''
    url = 'https://report.amap.com/ajax/life/circle.do'
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; Win64; x64; rv:84.0) Gecko/20100101 Firefox/84.0',
        'Accept': 'application/json, text/javascript, */*; q=0.01',
        'Accept-Language': 'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2',
        'X-Requested-With': 'XMLHttpRequest',
        'Connection': 'keep-alive',
        'TE': 'Trailers',
    }
    hour = time.strftime('%H',time.localtime(time.time())) # 当前小时
    params = (
        ('districtId', disID),
        ('dir', '0'),
        ('timeIndex', hour),
    )
    res = requests.get(url, headers=headers, params=params)
    data = res.json()
    return data

返回的数据为JSON格式,为一个列表,包含5个子列表,每个列表分别表示20分钟、30分钟、45分钟、60分钟、90分钟的数据。 本以为到这里就大功告成了,然而我们发现districtId为类似“B0FFFDS1JU”的字符串编码,不便于直接利用,因此需要找到它的来源。

2. 城市区域数据

同样是通过F12抓包分析,可以找到一个请求,它可以返回每个城市对应的区域及相关信息(包括了我们苦苦寻找的districtId)。那么,便可以定义相应的函数:

def get_id(cityID):
    '''
    获得城市区域ID
    '''
    url = 'https://report.amap.com/ajax/life/districts.do'
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; Win64; x64; rv:84.0) Gecko/20100101 Firefox/84.0',
        'Accept': 'application/json, text/javascript, */*; q=0.01',
        'Accept-Language': 'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2',
        'X-Requested-With': 'XMLHttpRequest',
        'Connection': 'keep-alive',
        'Referer': 'https://report.amap.com/life.do?city=420100',
        'TE': 'Trailers',
    }
    params = (
        ('cityCode', cityID),
    )
    res = requests.get(url, headers=headers, params=params)
    data =res.json()
    return data

通过传入城市ID,便可得到其下区域的相关信息:

如出一辙,传入的参数为城市ID,这并不直观,我们无法很快知道每个城市对应的ID是什么。 正所谓:“探索尚未结束,同志仍需努力…”

3. 城市数据

如法炮制,我们找到了获取城市数据的接口,并定义如下函数:

def get_city():
    '''
    获取城市信息(城市名、城市ID等)
    '''
    url = 'https://report.amap.com/ajax/getCityInfo.do'
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; Win64; x64; rv:84.0) Gecko/20100101 Firefox/84.0',
        'Accept': 'application/json, text/javascript, */*; q=0.01',
        'Accept-Language': 'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2',
        'X-Requested-With': 'XMLHttpRequest',
        'Connection': 'keep-alive',
    }
    res = requests.get(url, headers=headers)
    data = res.json()
    return data

其结果如是:

 

4. 完整代码

为了更加方便地获取数据,将以上函数整合在一起,完整的代码如下:

# -*- coding: utf-8 -*-
"""
Created on Mon Dec 21 15:14:42 2020

@author: kimol_love
"""
import os
import time
import json
import requests

def get_city():
    '''
    获取城市信息(城市名、城市ID等)
    '''
    url = 'https://report.amap.com/ajax/getCityInfo.do'
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; Win64; x64; rv:84.0) Gecko/20100101 Firefox/84.0',
        'Accept': 'application/json, text/javascript, */*; q=0.01',
        'Accept-Language': 'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2',
        'X-Requested-With': 'XMLHttpRequest',
        'Connection': 'keep-alive',
    }
    res = requests.get(url, headers=headers)
    data = res.json()
    return data

def get_id(cityID):
    '''
    获得城市区域ID
    '''
    url = 'https://report.amap.com/ajax/life/districts.do'
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; Win64; x64; rv:84.0) Gecko/20100101 Firefox/84.0',
        'Accept': 'application/json, text/javascript, */*; q=0.01',
        'Accept-Language': 'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2',
        'X-Requested-With': 'XMLHttpRequest',
        'Connection': 'keep-alive',
        'Referer': 'https://report.amap.com/life.do?city=420100',
        'TE': 'Trailers',
    }
    params = (
        ('cityCode', cityID),
    )
    res = requests.get(url, headers=headers, params=params)
    data =res.json()
    return data
    
def get_data(disID):
    '''
    获得交通生活圈数据
    '''
    url = 'https://report.amap.com/ajax/life/circle.do'
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; Win64; x64; rv:84.0) Gecko/20100101 Firefox/84.0',
        'Accept': 'application/json, text/javascript, */*; q=0.01',
        'Accept-Language': 'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2',
        'X-Requested-With': 'XMLHttpRequest',
        'Connection': 'keep-alive',
        'TE': 'Trailers',
    }
    hour = time.strftime('%H',time.localtime(time.time())) # 当前小时
    params = (
        ('districtId', disID),
        ('dir', '0'),
        ('timeIndex', hour),
    )
    res = requests.get(url, headers=headers, params=params)
    data = res.json()
    return data

if __name__ == '__main__':
    # 获取城市信息
    cityInfo = get_city()
    
    # 输入城市及片区
    while True:
        cityName = input('请输入城市:')
        flag = 0
        for city in cityInfo:
            if cityName == city['name']:
                cityID = city['code']
                disIDs = get_id(cityID)
                if len(disIDs) == 0:
                    flag = 1
                else:
                    flag = 2
                break
        if flag == 0: # 如果没有该城市
            print('未找到相关城市!')
        elif flag == 1: # 如果该城市没有数据
            print('该城市无数据!:')
        elif flag == 2: 
            break
    print('-'*20)
    print(('0==>所有').ljust(10))
    for i in range(len(disIDs)):
        print(('%d==>%s'%(i+1, disIDs[i]['name'])).ljust(10))
    print('-'*20)
    while True:
        index = int(input('请选择:'))
        if index not in range(len(disIDs)+1):
            print('输入错误!:')
        else:
            break
    
    # 下载数据
    if not os.path.exists('./data'):
        os.mkdir('./data')
    if index == 0: # 全部下载
        if not os.path.exists('./data/%s'%cityName):
            os.mkdir('./data/%s'%cityName)
        for i in range(len(disIDs)):
            disID = disIDs[i]['id']
            data = get_data(disID)
            data.append(disIDs[i]['center']) # 加入中心点
            data = json.dumps(data)
            with open('./data/%s/%s.json'%(cityName,disIDs[i]['name']), 'w') as f:
                f.write(data)
                print('"%s"获取成功!'%disIDs[i]['name'])
    else:
        disID = disIDs[index-1]['id']
        data = get_data(disID)
        data.append(disIDs[index-1]['center']) # 加入中心点
        data = json.dumps(data)
        with open('./data/%s.json'%disIDs[i]['name'], 'w') as f:
            f.write(data)
            print('"%s"获取成功!'%disIDs[i]['name'])

注:为了便于后续地分析,我们将数据append了一个列表(区域的中心位置),因此data一共包含6个列表:5类数据+中心点位置。

俗话说得好,好用不好用,拉出来run一run:

电闪雷鸣之间,只见所有的数据默默地躺入了我温暖的怀抱~ 至此,数据获取的探索便可暂告于段落。

二、30分钟交通生活圈

1. 数据分析

有了数据,通过分析我们便可知道30分钟自己能“走”多远了。这里我们用到了Python中的folium库,它是一个交互式地图库,允许我们调用地图接口进行可视化分析。其安装方法如下:

pip install folium

首先,定义读取数据的函数:

def read_data(path, Type=30):
    '''
    读取交通生活圈数据(有20分钟、30分钟、45分钟、60分钟、90分钟)
    '''
    typeMap = {20:0,
               30:1,
               45:2,
               60:3,
               90:4}
    with open(path, 'r') as f:
        data = f.read()
    data = json.loads(data)
    center = data[-1]
    data = data[typeMap[Type]]
    return (center, data)

读取数据(以成都的牛王庙为例):

center, data = read_data('./data/成都/牛王庙.json')
data.append(data[0])
for i in range(len(data)): # 交换经纬度,很重要
    data[i] = [data[i][1],data[i][0]]

data.append(data[0])是为了使数据形成一个闭环,这样方便在地图上表示出来。 定义地图,并设定相关参数:

Map=folium.Map(location=[center[1],center[0]],
        zoom_start=11,
        tiles='http://webrd02.is.autonavi.com/appmaptile?lang=zh_cn&size=1&scale=1&style=7&x={x}&y={y}&z={z}',
        attr='default'
    )

在地图上标出起始点:

folium.Marker([center[1],center[0]],
          popup=folium.Popup('牛王庙',max_width=1000),
          tooltip='出发点'
         ).add_to(Map)

在地图上画出30分钟交通生活的区域:

folium.Polygon(data,
               color='#7C9F59',
               fill=True).add_to(Map)

将地图保存到本地:

Map.save('30分钟交通生活圈.html')

打开HTML之后,效果如下:

绿色区域意味着,在当前的交通情况下,我从牛王庙出发,我可以到达的范围,即30分钟我能“走”多远~

2. 完整代码

这一部分的完整代码如下:

# -*- coding: utf-8 -*-
"""
Created on Mon Dec 21 18:58:34 2020

@author: kimol_love
"""
import json
import folium

def read_data(path, Type=30):
    '''
    读取交通生活圈数据(有20分钟、30分钟、45分钟、60分钟、90分钟)
    '''
    typeMap = {20:0,
               30:1,
               45:2,
               60:3,
               90:4}
    with open(path, 'r') as f:
        data = f.read()
    data = json.loads(data)
    center = data[-1]
    data = data[typeMap[Type]]
    return (center, data)

if __name__ == '__main__':
    center, data = read_data('./data/成都/牛王庙.json')
    data.append(data[0])
    for i in range(len(data)): # 交换经纬度,很重要
        data[i] = [data[i][1],data[i][0]]
    Map=folium.Map(location=[center[1],center[0]],
            zoom_start=11,
            tiles='http://webrd02.is.autonavi.com/appmaptile?lang=zh_cn&size=1&scale=1&style=7&x={x}&y={y}&z={z}',
            attr='default'
        )
    folium.Marker([center[1],center[0]],
              popup=folium.Popup('牛王庙',max_width=1000),
              tooltip='出发点'
             ).add_to(Map)
    folium.Polygon(data,
                   color='#7C9F59',
                   fill=True).add_to(Map)
    Map.save('30分钟交通生活圈.html')

写在最后

至此,我们大致知道了30分钟自己能“走”多远了~

这里主要是从交通通行情况的角度出发,如果非得说坐飞机、坐火箭、坐大炮啥的。别问我,问了我也不知道(手动捂脸)~

其实,这个数据还可以尝试从更多地角度分析,比如可以计算出30分钟最大抵达半径,并进一步比较不同城市的大小等等。如果有感兴趣的小伙伴,可以试试哦。

我是kimol君,咋们下次再会~

创作不易,大侠请留步… 动起可爱的双手,来个赞再走呗 (๑◕ܫ←๑)

原文地址:想知道自己30分钟能“走”多远嘛?_kimol君的博客-优快云博客

后记

近期有很多朋友通过私信咨询有关Python学习问题。为便于交流,点击蓝色自己加入讨论解答资源基地

 

GPT-4o 生成保研面试英文自我介绍:3个提示词模板与5个润色要点 本文详细介绍了如何利用GPT-4o生成保研面试英文自我介绍,提供3个精准提示词模板(30秒精简版、1分钟标准版、2分钟完整版)和5个关键润色要点,帮助申请者突出个人亮点、优化表达结构,提升面试表现。 阅读详情

相关推荐

宇树科技四足机器人核心技术解析与工程实践指南

四足机器人作为具身智能的关键载体,其技术成熟度正从实验室走向工业现场与家庭场景。其核心在于高动态运动控制、多模态地形感知、轻量化热-结构协同设计及开放可复现的软硬件生态。宇树科技通过自研高功率密度无框力矩电机、实时自适应步态规划算法、碳纤维-液冷一体化热管理,以及深度开源的SDK与详实开发者文档,显著降低了机器人系统开发门槛。尤其在电机控制精度、整机功耗控制、地形鲁棒性与部署可靠性等维度,已形成可验证、可学习、可迁移的技术范式,广泛应用于电力巡检、矿山监测、高校教学与家庭安防等真实场景。

weixin_30606461的博客 473

想知道自己30分钟能“走”多远嘛?

想知道自己30分钟能“走”多远嘛?前言一、获取数据1. 交通生活圈数据2. 城市区域数据3. 城市数据4. 完整代码二、30分钟交通生活圈1. 数据分析2. 完整代码写在最后 前言 昨天在网上瞎逛的时候,看到了一个概念——交通生活圈,经过一番查阅后,约模知道了它的意思:在现有交通状况下,在一定的时间内乘坐现有交通工具你能抵达的范围(ps.通常是指驾车)。 简单来说,就是:“30分钟内你能走多远?” 正好某德地图上也有类似的数据,效果如下: 它包含了20分钟、30分钟、45分钟、60分钟、90分钟这5类数据

kimol君的博客 1万+

CARLA行人骨骼控制实战:从源码编译到自然动作实现

行人骨骼控制是自动驾驶仿真与虚拟制片中实现高保真人类行为的关键技术,其本质是在物理引擎约束下对角色骨骼层级进行毫秒级姿态干预。该技术依托Unreal Engine的Skeletal Mesh Retargeting能力,通过精确的局部坐标系旋转(pitch/yaw/roll)和父子骨骼继承关系,保障动作符合人体生物力学规律。在工程实践中,它显著提升行为预测算法验证的真实性和虚拟制片中角色表现力,但高度依赖CARLA特定版本(如0.9.14)及Linux源码构建环境——因Windows预编译包存在ABI兼容问

congmi8078的博客 359

用10行python代码获取全国城市交通生活圈

前言 本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。 PS:如有需要Python学习资料的小伙伴可以加点击下方链接自行获取 python免费学习资料、代码以及交流解答点击即可加入 今天在网上冲浪看到一个很花哨的数据,全国各城市主要商圈从早上6点到晚上10点的20min,30min,45min,60min,90min生活圈轮廓。 1.获取思路 按下F12 按下F12,点击淮海路可以看到出现一个网站,他就是我们要找的接口 ..

【优快云官方推荐】 375

人形机器人跌破3万元:G1 Lite实操指南与成本解构

人形机器人正从实验室走向工程实践,其核心在于具身智能硬件的可部署性与成本可控性。本文围绕2.69万元级宇树G1 Lite展开,解析其通过算法换硬件、通信架构扁平化、材料梯度化等工程取舍实现性能与成本再平衡的技术逻辑;深入拆解国产谐波减速器、无框力矩电机等关键部件的供应链纵深整合如何驱动BOM成本非线性下降;并聚焦ROS2 Humble定制环境、Python SDK三类调用模式、Motion Editor零代码编辑等真实开发路径,覆盖高校教学、K12科创、中小企业验证等典型落地场景,为工程师与教育者提供开箱即

weixin_34195546的博客 351

机器学习模型生产化落地的工程生存指南

机器学习模型部署不是算法终点,而是工程运维的起点。从概念上讲,生产级ML系统本质是嵌入现有IT链路的协同组件;其核心原理在于打破‘模型独立运行’幻觉,直面数据依赖、服务耦合与边界失效等现实约束;技术价值体现在可退化性、可观测性与可审计性三大支柱上,确保系统在特征缺失、输入异常或服务抖动时仍能安全降级;典型应用场景覆盖金融风控、工业预测、电商推荐等强实时、高可靠要求领域;本文聚焦真实生产环境中的七道生死关、监控铁三角与故障响应SOP,深度融合模型漂移检测、特征双模架构、容器化避坑等一线实践,为算法工程师、平台

weixin_34067102的博客 386

利用百度地图API制作城中心交通时空圈

应同学论文需求,利用百度地图API制作北京到达城中心高峰时段和平峰时段交通时空圈,使用给出的北京500*500格网数据中心经纬度,获取各地到达城中心所需要的时间。 arcgis的属性表可直接以excel导入导出,所以使用excel作为数据输入和存储的方式。 百度路径分析API可获得即时的路径规划其中包含所需时间,详见API文档 :http://lbsyun.baidu.com/index.ph

碎梦道 1万+

Python应用指南:利用高德地图API获取公交可达圈

本文聚焦于通过公共交通(公交、地铁及组合)获取一定时间内可到达的范围。使用高德地图API的公交到达圈功能,对城市某一点的公交可达圈进行详细分析,旨在为城市规划、交通优化和个人出行提供数据支持。通过构建请求URL、坐标转换(GCJ-02 to WGS84)和点集转CSV等步骤,获取并可视化从虹桥火车站出发45分钟内可通过公交和地铁到达的区域。结果显示,向西最远可达徐泾新区,向东最远可达世纪大道,向北可达七宝老街,向南可达丰庄。

weixin_45812624的博客 3133

Python把量在价先炼成代码:从零搭建可落地的A股量能策略

量峰因子:当日量能 > 滚动 95 分位 且 价格突破。返回:signal 1=开多, 0=空仓。

2025博客之星Top81。专注AI工程化与架构实战。从分布式思维到模型部署,用工程化视角为你厘清AI落地的真实路径。 1451

Python应用指南:利用高德地图API获取公交+地铁可达圈(二)

本文介绍了如何通过高德地图API结合Python脚本实现城市公交可达圈的批量处理与分析。在前置步骤中,从JSON文件提取地铁站点坐标并保留为GCJ-02坐标系;随后,基于这些坐标遍历调用高德API,获取各站点45分钟内“公交+地铁”组合方式的可达圈数据,并将边界点自动转换为WGS84坐标系后保存为CSV文件。最后,利用ArcGIS进行数据可视化,生成闭合的可达范围面层。以福田口岸站为例,成功绘制出其45分钟内的公共交通可达区域,城市交通评估与规划提供了高效、直观的技术手段。

weixin_45812624的博客 957

Spring Boot集成Jasypt踩坑实录:自定义SM4加密器Bean加载失败的终极解决方案

本文深入剖析了Spring Boot集成Jasypt时自定义SM4加密器Bean加载失败的根源,即Spring Boot启动流程中Bean加载顺序与Jasypt自动配置的时序冲突。文章提供了三种从源码层面解决问题的有效方案,包括使用ApplicationContextInitializer提前注册、调整Bean依赖顺序以及自定义PropertySource处理机制,并给出了完整的国密SM4加密器实现与测试示例。

weixin_29294975的博客 200

python 抓取电脑界面_不要再复制粘贴了!学会Python,分分钟搞定一整天的工作!...

01前几天,本想约好友 Amy 一起吃个饭,谁知一直联系不上她。等到晚上快睡觉的时候,Amy 才给我回了个电话:“不好意思啊,我刚下班。最近我都快忙疯了。”图片来源:动图宇宙Amy 做了4年的会计,我知道她一般月底都会比较忙,没想到最近竟然忙得像失联了一样。“我觉得自己快熬不下去了,累到下班两只手都在抖,可是我又不敢辞职怕找不到下家,毕竟这几年,自己完全没什么进步……”我一边安慰她,一边...

weixin_35108433的博客 505

基于eNSP的小型企业网络设计

在本次计算机网络课程设计中,围绕“小型企业网络搭建”这一主题,成功构建了一个高效、安全且易于管理的企业内部网络。通过本次课程设计,我们不仅掌握了小型企业网络搭建的关键技术和最佳实践,还培养了团队协作和问题解决的能力。本项目所构建的网络系统不仅满足了当前的业务需求,还具备良好的可扩展性和灵活性,为企业未来的数字化转型奠定了坚实的基础。

m0_67403143的博客 1442

Ascend SIMT 类型转换函数族全解析:浮点与整型互转的取整模式、饱和行为与位重解释

本文系统讲解 CANN asc-devkit 开源仓库中昇腾 AI 处理器 SIMT 编程(含 SIMD 与 SIMT 混合编程)场景下的数据类型转换函数族。该函数族以 `__float2xxx_*`、`__xxx2float_*` 与 `__xxx_as_*` 三套命名约定覆盖浮点↔整型(int/uint/int64/uint64)互转及位级重解释两大需求,统一通过 `CAST_RINT`、`C

gitblog_00869的博客 762

医学图像可视化实战:ITK-SNAP与Python+SimpleITK双方案解析

本文深入解析了医学图像可视化的两大核心方案:ITK-SNAP与Python+SimpleITK。ITK-SNAP作为专业无损浏览器,是数据探索与分析的必备工具;而Python+SimpleITK方案则提供了自动化处理能力,但需注意将.nii.gz数据转换为JPG等格式时的信息损失。文章通过实战对比,为医学影像处理者提供了清晰的选择指南与避坑建议。

ol789012的博客 490

华硕主板UEFI模式下安装Ubuntu与Windows双系统全攻略

本文详细讲解了在华硕主板UEFI模式下安装Ubuntu与Windows双系统的完整流程。从安装前的BIOS关键设置(如处理安全启动与CSM)、使用GPT分区表,到在Windows中安全分配空间、手动创建Ubuntu分区,最后完成引导配置,提供了避免常见错误的实用技巧,确保双系统稳定共存。

weixin_29199873的博客 345

AI时代如何防止思维退化:认知卸载与元认知重建指南

大语言模型正深刻改变人类的信息处理方式,其本质是一种高级形态的‘认知卸载’——将记忆、推理、表达等心智功能外迁至工具。这一过程在提升效率的同时,可能引发神经可塑性层面的适应性变化,表现为认知惰性增强、因果逻辑弱化、知识内化率下降及元认知能力萎缩。从认知科学视角看,关键风险不在于技术本身,而在于人脑对‘思考主权’的无意识让渡。本文聚焦知识工作者、职场新人与教育者三类核心群体,结合认知负荷理论与实证观察,解析从检索替代到元认知萎缩的四阶滑坡机制,并提供可落地的‘思考前置’‘认知阻力’‘知识晶体’‘元认知审计’四

weixin_34081595的博客 347

VMware Converter 6.2.0保姆级教程:从物理机到ESXi主机的完整迁移指南(含常见错误排查)

本文提供VMware Converter 6.2.0从物理机迁移至ESXi主机的完整保姆级教程。详细解析了迁移前的环境规划、核心转换过程步骤、版本差异对比,并重点针对代理安装失败、任务卡顿、虚拟机无法启动等常见错误提供了实战排查与解决方案,确保P2V迁移顺利进行。

sam99的博客 380

数据分析师、工程师、科学家:一条需求流水线上的真实分工

数据岗位不是静态标签,而是围绕业务需求动态协作的技术角色体系。从‘查数据’到‘造数据’,核心在于理解数据生命周期中的职责边界与能力重心:SQL是三类角色的共同基础,但深度指向不同目标——分析师聚焦业务语义与口径对齐,工程师保障数据链路的稳定性与可维护性,科学家专注问题解耦与效果归因。这种分工差异源于故障防御域、工具不可替代性及知识迁移成本的真实约束。在零售、SaaS、教育等中型数据项目中,三者通过需求理解、数据准备、建模分析等6个阶段紧密咬合,形成可验证、可复盘、可踩坑的工程化协作流。

dengjuanshou7445的博客 387

Arduino ESP32S3开发环境搭建 ------ 在线下载安装包Failed解决方案

本文介绍了Arduino ESP32 S3开发环境搭建的离线解决方案。

张一西的博客 1018

【ComfyUI报错解决】K采样器 mat1和mat2形状不匹配错误分析与修复 mat1 and mat2 shapes cannot be multiplied (77x2048 and 4096x

如果你在 ComfyUI 里遇到K采样器报错:mat1 和 mat2 shapes cannot be multiplied确认大模型和 LoRA 是否是同一版本(SDXL vs SD1.5,不能混用)。如果用了双 CLIP 加载器,要确认加载的类型和选择的模型类型是否匹配。加载→ 类型选flux加载 SDXL 专用的 clip/t5 → 类型选sdxl避免不同版本模型和 LoRA 混搭,保持一致性。模型+LoRA+CLIP 类型必须保持同一版本,不然就会报错。

代码简单说 Vue、JAVA、PHP、Node.js 熟练运用,接口、架构、性能全搞定。 2408

远程办公不是搬家,是组织操作系统的重装

远程办公本质上是分布式协作的工程实践,其核心在于重构信息流、决策链与信任机制。它并非简单将线下流程线上化,而是基于异步协作原理,通过可见性信任、能力信任与意图信任三重维度,实现组织效能的可测量、可优化与可持续提升。技术价值体现在降低协作摩擦、延长深度工作时间、加速知识复用,并支撑跨时区规模化创新。典型应用场景包括SaaS公司混合办公转型、全球化研发团队协同、以及物理办公空间向体验中心的战略重构。本文聚焦真实项目中验证过的‘文化即工程’落地路径,尤其深入拆解信任度指标设计与异步协作规范。

weixin_30300225的博客 365

OpenOCD入门到精通:第 0 章 教程导读

摘要:本教程是OpenOCD嵌入式调试工具的完整指南,适合从新手到资深工程师的学习需求。内容涵盖基础配置、调试技巧、Flash编程、TCL脚本自动化、源码解析和二次开发,共8大部分30章。教程提供5种学习路线,可根据角色和目标灵活选择,配套资源包含示例代码和配置文件。通过系统学习,读者将掌握OpenOCD从使用到扩展的全套技能,成为嵌入式调试领域的专家。

从事嵌入式linux android驱动开发,拥有全栈能力 1940

AI驱动的个性化人类评估:告别一刀切

人类评估本质上是对认知、情绪与行为动态过程的刻画,而非静态打分。传统标准化方法受限于正态分布假设与时间刚性,难以响应个体差异;AI通过多模态信号融合、认知风格建模与贝叶斯轨迹追踪,实现从‘标定位置’到‘刻画发展’的范式升级。其技术价值在于提升教育诊断精度、增强组织发展适配性、支撑临床心理评估信效度——尤其在human assessment和adaptive evaluation场景中,AI不是替代专业判断,而是提供可解释、可行动、可嵌入工作流的差异化洞察。本文聚焦真实落地路径,覆盖轻量化部署、小样本训练与伦

weixin_33724059的博客 522

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

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

全栈数据科学家能力自检与实战成长地图

全栈数据科学家并非泛指掌握多种工具的技术通才,而是具备从商业问题定义、数据探查清洗、特征工程构建、模型开发验证,到服务部署监控及业务价值落地的全周期掌控力的专业角色。其核心在于理解‘问题流’闭环——将模糊业务诉求转化为可计算、可验证、可归因的数据任务,并在深度(如SQL分层建模、Flink水位线调优)、广度(覆盖数据价值链7大环节)与切换成本(跨环节快速定位根因)三维上动态平衡。该能力直接支撑实时风控、智能推荐、增长分析等高价值场景,尤其适用于已交付端到端数据产品、面临晋升或转型瓶颈的实战型数据从业者。

weixin_33674976的博客 329

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

上一篇: 爬取需验证码登录的电影票房数据库,别篡改人家的数据啊!
下一篇: Python实验-字典攻击!你的密码分分钟被搞定!
pythonlaodi
博客等级 码龄6年 286粉丝 244原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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
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