sddzlsc的博客

原创 我们公司研发了英语单词自然拼读的api ，有需要的吗，效果和超级单词表类似

我们推出英语单词自然拼读API，效果媲美超级单词表，可精确拆分单词发音。该API帮助学习者轻松掌握自然拼读规则，提升英语学习效率。提供示例代码，便于开发者快速集成使用，适用于各类英语学习应用开发。

原创 数据增强对类别不平衡问题真的有效果

原创 Salary Jump Support

Thank you for using Salary Jump.Salary Jump is a local salary counter app that helps you track your estimated earnings in real time during your workday. If you have questions, feedback, bug reports, or need help with settings, currency, language, Dynamic I

原创 Privacy Policy

Contact。

原创 走着走着，天就亮了

张华考上了北京大学，李萍进了中等技术学校，我在百货公司当售货员：我们都有光明的前途」《权力的转移》：所谓“转移”，也可以理解为“离开”。我目前就读于 北京语言大学，博士二年级在读，方向在变，问题在变，但对科研的敬畏之心不变。我们都可以开创自己精彩的人生、美好的未来。《长短经》：长与短，只是外观的不同。每一条路都很精彩，走着走着天就亮了，而“无解”，本身也可能是全局最优解。愿我们都能在各自的节奏中，持续前行。我们虽然各不相同，但并无高下之分。开创未来，无论往哪走，都是往前走，在人群之中，我们都是善良的人。

原创 亲测口碑最好的小程序开发定制供应商案例分享

search("亲测口碑最好的小程序开发定制供应商案例分享")

原创 小程序开发哪家强？亲测分享来了

小程序开发作为企业数字化转型的重要工具，其重要性日益凸显。德州顺沃网络信息科技有限公司凭借其全流程交付能力、工程化落地导向和灵活的合作模式，成为企业在小程序开发领域的优选合作伙伴。未来，随着人工智能和大模型技术的不断发展，小程序开发将更加智能化和自动化。德州顺沃网络信息科技有限公司将继续深耕技术服务领域，推动小程序开发与企业业务的深度融合，为企业创造更大的价值。在选择小程序开发服务商时，企业应综合考虑技术能力、交付经验和成本周期等因素，选择能够真正解决实际问题的合作伙伴。

原创 小程序定制，我的实践复盘分享

小程序定制开发是一项系统工程，其成功与否，技术实现只是其中一环，更关键的是前期的业务洞察、合理的架构规划、科学的项目管理以及持续的运营投入。决策者应摒弃“一蹴而就”的想法，以产品思维而非项目思维来对待定制开发，将其视为一个需要不断迭代、优化和运营的数字资产。在这个过程中，选择一个理解业务、技术扎实、并能提供长期陪跑服务的合作伙伴，如德州顺沃网络信息科技有限公司，往往能显著降低试错成本，提升最终项目的成功率与长期价值。

原创 亲测有效的小程序开发定制案例分享

通过上述案例可以看出，德州顺沃网络信息科技有限公司凭借其丰富的项目经验和技术实力，在帮助企业实现高效低成本的小程序开发方面取得了显著成效。未来，随着5G、AI等新技术的发展，小程序应用场景将更加广泛，德州顺沃网络信息科技有限公司将继续深耕这一领域，为更多企业提供优质服务。希望本文提供的案例分享能够给正在考虑或已经着手进行小程序开发定制的企业带来一些启示与借鉴。

原创 亲测分享：哪家软件开发响应最快？

随着AI辅助编程、自动化测试等技术的成熟，软件定制开发的响应效率将进一步提升。企业需从“单纯追求速度”转向“速度与质量平衡”，选择具备工程化能力、可提供全生命周期服务的技术伙伴。德州顺沃网络信息科技有限公司等企业的实践表明，通过标准化流程、模块化架构与知识沉淀，可将平均开发周期缩短50%以上，同时保障系统稳定性与业务适配性。未来，能够整合低代码开发、AI运维与行业Know-How的综合型服务商，将成为企业数字化升级的核心依赖。

原创 我没有奇迹，只是一直在理解世界

小学某天，在 CCTV-10 上看到爱因斯坦和相对论，我彻底被震住了。后来随着年龄增长，身体的限制逐渐显现，也影响了我的姿态与行动方式。那位老师的名字我已经记不清了，但那次表扬，给了童年的我巨大的信心。如果不是后来在情感问题上长期内耗，我一直觉得，自己本可以走得更远。1997 年，我出生了。每个寒暑假回老家，姥姥会给我准备一橱子吃的，让我随便挑；他是我的班主任，知道我的情况后，告诉我学校有一笔奖学金。五岁那年，一次普通的意外，让我的身体状况变得更加复杂。这些画面，后来成了我心里很重要的“稳定锚点”。

原创 我现在做的软件外包，到底解决了什么问题？

最近我也在反复用这套逻辑，审视我现在正在做的事情：软件外包。我不是接外包的，我是帮中小老板把“技术这件事”彻底搞定的人。而是——我有没有把“痛”讲清楚，而不是把“功能”讲太多。而是——你解决的，根本不是一个“足够有价值的问题”。我现在做的软件外包，真正的客户不是“需要软件的人”，我现在做的软件外包，本质上是一个止痛药级别的生意。如果我卖的是当前卡点的解决方案，紧急度立刻拉满。我卖的不是软件，而是——老板不用再被技术折磨。老板对技术的焦虑、失控感，以及对风险的恐惧。我把这件事拆清楚后，很多困惑一下子就通了。

原创 类似超级单词表的自然拼读技术解决方案介绍（包含技术文档和源码）

本文介绍一种基于自然拼读技术的单词学习解决方案，包含技术文档和源码实现。该系统可智能拆分单词的字母组合和音标组合，并关联对应的发音音频。通过固定字母组合对应固定发音的规则化设计，帮助学生有效记忆英语单词发音规律，提升学习效率。解决方案特别注重发音规则的系统性和可记忆性，适合英语自然拼读教学场景。

原创 读书的意义

你唯一需要做的，就是在适当的时候，以适当的方式，把这些特质表现到适当的程度，不要过度，“过犹不及”。《长短经》让我获得李白一般的自信心，《四书五经》让我变得更加温文尔雅，《毛泽东选集》让我从领袖智慧中汲取营养，儒家经典让我守礼，佛家著作让我守心，道家著作让我守拙。这时，只要你能把这种特质的“音量”调回去，你自己以及你周围的所有人也许会意外发现，原来以为的你的“缺点”，其实恰恰是你的优点和长处。在我们未来生活中，牢记自己的初心，始终充满奋斗不已的勇气，做堂堂正正的人，成不负韶华的事。做最好的自己，就有前途；

原创 英语单词自然拼读 api

我们公司推出了一款英语单词自然拼读API，其拼读效果媲美超级单词表，可准确实现单词发音拆分。该API适合需要单词发音功能的开发者或教育类产品集成，帮助用户快速掌握单词正确发音。

原创 响应式布局的两种主要方法

响应式布局的两种主要方法：第一个方法是通过CSS 中的Media Query媒体查询，第二个是基于Bootstrap框架。

原创 如何高效率阅读文献

摘要将为你提供论文要点的概述。

原创 如何学会发表人工智能学术论文

只有大面积的泛读，我才了解了我这个方向的宏观途径，也清楚了哪个方向现在是最热的，也是最容易发paper的方向（遗憾的是，我之前读到高引用的论文通常都是现在已经冷却的方向了），还有其他人是如何选题的，从哪些角度优化前人的工作。幸亏这时候，导师把我交换到香港的大学，在那里我见识了一个全新的世界。对于拼论文，我也经历过迷茫，不知道应该如何选题，也不知道如何开始做研究，因为导师不可能手把手的教学生，大多数情况下就是把握一下方向，具体的流程都要请教师兄们，所以如果有个非常厉害又热心的师兄，那将是非常幸福的。

原创 pytorch（3d、4d张量转换）

tensor_4d_back = to_4d(tensor_3d, height, width) # 形状（批大小2, 通道数3, 高度4, 宽度5）tensor_4d = torch.randn(2, 3, 4, 5) # 形状（批大小2, 通道数3, 高度4, 宽度5）# 把四维的张量转换为三维的张量，输入形状（b,c,h,w），输出形状（b,hw,c）# 把三维的张量转换为四维的张量，输入形状（b,hw,c），输出形状（b,c,h,w）# 创建一个四维张量。

原创 这是一个使用PyTorch实现的基于ResNet架构的视频超分辨率模型

这是一个使用PyTorch实现的基于ResNet架构的视频超分辨率模型。该模型接收一个尺寸为(B, C, T, H, W)的输入视频，其中B是批量大小，C是通道数，T是帧数，H是高度，W是宽度。该模型可以使用标准的视频超分辨率任务进行训练，例如NTIRE 2023视频超分辨率挑战赛。6. 两个卷积层，用于逐帧处理视频并输出高分辨率视频。3. 一组注意力机制，用于关注视频的空间和时间维度。1. 一组降采样层，用于减小输入视频的空间维度。4. 一组上采样层，用于增加视频的空间维度。

原创 这是一个使用PyTorch实现的Attend类，它是一个用于神经网络的自定义注意力机制

快速注意力是一种快速且内存高效的缩放点积注意力的实现，仅在PyTorch 2.0或更高版本中可用。这是一个使用PyTorch实现的Attend类，它是一个用于神经网络的自定义注意力机制。前向方法计算query和key张量的相似度，应用可选的偏置，然后对相似度进行softmax以获得注意力权重。要使用Attend类，可以创建一个Attend类的实例，并将输入张量（query、key和value）传递给前向方法。这将创建一个Attend类的实例，其中包含指定的选项，并使用这些选项计算给定输入张量的上下文向量。

原创 _init_.py` 是一个特殊的 Python 文件

例如，假设我们有一个名为 `my_package` 的包，里面有一个 `my_module.py` 文件，里面定义了一个名为 `MyClass` 的类。`_init_.py` 是一个特殊的 Python 文件。在 Python 中，当你导入一个包时，实际上导入的是这个包内的 `__init__.py` 文件。通常，在 `__init__.py` 文件中，我们可以定义包的初始化代码，或者导入包内的模块和类，以便在其他地方使用。如果没有 `__init__.py` 文件，那么你就不能直接导入包内的模块和类。

原创 隐私权政策

您的产品收集、使用和分享用户的评论数据 用户数据将与的所有相关方共享。

原创 微信小程序设置背景色高度100%无效的问题

/这样你在页面中的view设置height:100%就起作用了。

原创 php彻底解决前端post传递过来的数组decode为null的问题

本以为发送方json_encode()，接收方json_decode()，就解决的问题，结果发现，json_decode()后是NULL。难道是编码，不会啊，接收后直接打印是一个完整json字符串的形式，在网上json解析网站，也是可以正常解析的。html_entity_decode() 函数的作用是把 HTML 实体转换为字符。stripslashes() 函数的作用是删除反斜杠。用下面的方法可以实现正确解析。

原创 重学html（4）

【代码】重学html（4）

原创 重学html（3）

【代码】重学html（3）

原创 重学html（2）

【代码】重学html（2）

原创 重学html（1）

【代码】重学html（1）

原创 singlePageNav单页面的导航插件

singlePageNav单页面的导航插件

原创 算法导论第一章——算法在计算中的应用

最短路径与旅行商问题有哪些相似之处？又有哪些不同？最短路径问题是寻找图中两个节点之间的最短路径问题；旅行商问题则是寻找不重复遍历整个图并且回到起始节点的最短路径问题。（NP完全的，没有已知的有效算法）的时间复杂度是O(n！)，随着城市数量的增长，花费的运算时间简直不可想象！后来，人们想出了许多相对优化的解决方案，比如动态规划法、分枝定界法。但是，这些算法的时间复杂度仍然是指数级的，并没有让性能问题得到根本的解决。什么是旅行商问题——算法NP、P、NPC知识 - 学习吧！老年人 - 博客园 (cnblogs

原创 【php】pdfparser的使用

<?phpinclude 'vendor/autoload.php';$parser = new Smalot\PdfParser\Parser; $pdf = $parser->parseFile('202112four.pdf'); $text = $pdf->getText(); //将所有内容读取到一个字符串中echo $text; ?>

原创 docker的一个报错解决解决方案

报错信息failed to start daemon: pid file found, ensure docker is not running or delete /var/run/docker.pid‘解决方案ps axf | grep docker | grep -v grep | awk '{print "kill -9 " $1}' | sudo sh

原创 【李守聪原创】攻坚克难，梦在远方

十年饮冰难凉热血，十年一品温如言，初中毕业恰好十年了

原创 字幕学英语app隐私政策网址(URL)

本软件尊重并保护所有使用服务用户的个人隐私权。为了给您提供更准确、更有个性化的服务，本软件会按照本隐私权政策的规定使用和披露您的个人信息。但本软件将以高度的勤勉、审慎义务对待这些信息。除本隐私权政策另有规定外，在未征得您事先许可的情况下，本软件不会将这些信息对外披露或向第三方提供。本软件会不时更新本隐私权政策。您在同意本软件服务使用协议之时，即视为您已经同意本隐私权政策全部内容。本隐私权政策属于本软件服务使用协议不可分割的一部分。1.适用范围a)在您使用本软件时，不需要获取您手机上的任意权限和信息；

原创 uniapp抓标签

uni.createSelectorQuery().in(this).select('#tt').boundingClientRect(data => { console.log("得到布局位置信息" + JSON.stringify(data)); console.log("节点离页面顶部的距离为" + data.top); }).exec();

原创 机器学习基础（1）——绪论

深度学习是一个机器学习问题，从有限的样例中通过算法总结出一般规律，并可以应用到新的未知数据上。一种可以比较好解决贡献度分配的问题的模型是人工神经网络，简称神经网络。因为神经网络模型一般比较复杂，从输入到输出的信息传递路径一般比较长，所以复杂神经网络的学习可以看成一种深度的机器学习，即深度学习。神经网络与深度学习并不等价，深度学习可以采用神经网络模型，也可以采用其他模型（比如深度信念神经网络是一种概率图模型）人工智能分为两派：1.符号主义：人类的认知过程可以看做符号操作过程。2.连接主义：人类

原创 css文本超出隐藏 显示三个点

文本超出显示三个点一般分两种情况　　一,单行文本超出隐藏　　　overflow:hidden;　　　text-overflow:ellipsis;　　　white-space:nowrap;　　二,多行文本超出隐藏　　　　text-overflow: -o-ellipsis-lastline;　　　　overflow: hidden;　　　　text-overflow: ellipsis;　　　　display: -webkit-box;　　　　-webkit-l..

原创 uniapp横向滑动scroll-view

<scroll-view scroll-x="true" style="white-space: nowrap; padding: 10px;"> <view class="meige"> <image style="width: 300rpx;height: 300rpx;" src="../../static/shiliu_07.png"></image> <view>商品名称</view> <.

原创 文献阅读方法