李飞飞团队开源 Spark 2.0:突破 3DGS 渲染难题,降低空间智能创作门槛

【能源系统优化】基于NSGA-II的储能容量配置模型:多目标优化与全寿命周期成本分析 项目介绍 MATLAB 储能容量配多大?NSGA-II优化与寿命成本情景分析 内容概要:本文介绍了一个基于MATLAB的储能容量配置优化项目,通过NSGA-II多目标优化算法,综合考虑储能系统的全寿命周期成本、供电可靠性与新能源消纳能力,构建了包含数据生成、储能运行仿真、寿命衰减建模、多目标优化与决策分析的一体化模型框架。项目生成50000条多维随机数据,涵盖负荷、新能源出力、电价、温度与电池运行压力,并建立储能能量容量、功率与备用SOC的协同配置模型。通过时序仿真计算充放电行为、等效循环次数与容量衰减,结合初始投资、运行收益、更换成本与惩罚项,构建全生命周期经济评价体系。NSGA-II算法用于求解成本、供电可靠性与碳排放之间的Pareto最优前沿,支持多情景对比分析,如电价波动、负荷增长与寿命衰减加剧等,最终输出推荐配置与可视化结果,为储能工程选型提供量化依据。; 适合人群:具备一定MATLAB编程基础,从事电力系统规划、储能系统设计、新能源集成或优化算法研究的科研人员与工程技术人员,尤其适用于研究生、能源领域研发工程师及项目规划人员。; 使用场景及目标:①解决“储能容量配多大”这一实际工程问题,优化容量与功率的协同配置;②评估不同电价、负荷、气候与政策情景下储能方案的经济性与鲁棒性;③分析寿命衰减对长期成本的影响,避免“低投入高维护”的不合理配置;④为新能源电站、微电网、工业园区等场景的储能规划提供Pareto最优解集与决策支持。; 阅读建议:此资源侧重于模型构建与算法实现,建议读者结合提供的代码示例深入理解NSGA-II在储能优化中的应用,重点关注目标函数设计、寿命成本建模与多情景分析逻辑。建议运行数据生成与优化代码,调试并可视化结果,以掌握从数据到决策的完整流程。 立即下载

“AI 教母”李飞飞团队开源 Spark 2.0:突破 3DGS 渲染难题,降低空间智能创作门槛

智东西 4 月 15 日报道,今天,“AI 教母”李飞飞的世界模型团队 World Labs 开源了动态 3D 高斯泼溅(3DGS)渲染器 Spark 2.0。李飞飞本人在该成果发布的第一时间评论称:“Spark 2.0 现在可以在任意设备上流式传输超过 1 亿个高斯泼溅!能够为基于网页的 3DGS 渲染开源生态做出贡献,我们感到无比自豪!”

Spark 系列模型于去年首次发布,是一个专为网页构建的动态 3D 高斯泼溅(3DGS)渲染器。它与网页端最流行的 3D 框架 THREE.js 集成,并利用 WebGL2 在任意带有网页浏览器的设备上运行,包括桌面端、iOS、Android 以及 VR 设备。

与上一版本相比,Spark 2.0 新增了一套细节层级(LoD)系统,能够在任意设备上流式传输并渲染超大规模的 3DGS 世界。此外,新版还使用了.RAD 的 3DGS 文件格式,支持渐进式细化的流式传输,而虚拟泼溅分页系统则通过固定的 GPU 内存分配,实现了对无限泼溅世界的访问,通俗来讲就是可以渲染无限大的 3D 场景。

如此流畅连贯的效果是怎么实现的?针对大规模场景的扩展难题,Spark 2.0 运用了 3 项图形学与系统底层方案:细节层次优化、渐进式流式加载以及虚拟显存管理。李飞飞团队在博客中,对 Spark 2.0 背后的三项技术进行了十分详细的展开,具体如下:

采取连续式细节层级,稳定渲染百万级泼溅

在计算机图形学中,处理大型 3D 场景时常常采用细节层级系统,该系统会根据物体与观察者之间的距离自动调整渲染的细节程度。不同的细节层级方法介于离散式与连续式之间,形成一个技术谱系。采用离散式细节层级(LoD,Level-of-Detail)时,系统需要为泼溅效果制作多个版本,从精简到精细依次递增,再根据各版本的近似边界与相机的距离,在不同版本间进行切换。

Spark 的早期系统设计支持离散模式,但其存在明显缺陷:当用户在场景中移动、不同版本突然切换时,画面会出现明显的跳变;此外,将泼溅效果按区块分组后,用户还能看到清晰的边界痕迹。

Spark 2.0 的 LoD 设计采用了一种连续式 LoD 方法,所有泼溅都存在于一个层级结构中,即 LoD 泼溅树。Spark 2.0 会沿着树的一个边界切割面单独选取泼溅,从而在视口内优化泼溅的细节。

树中的每个内部节点都是其子节点的一个低分辨率版本,通过将子节点的多个泼溅合并成一个新的泼溅来近似表示子节点泼溅的形状和颜色。这个过程一直持续到树的根节点——一个单一的、大的泼溅,它聚合了该物体中所有泼溅的整体形状和颜色。

利用这棵 LoD 泼溅树,Spark 2.0 会计算出穿过该树的一个“切片”,从而为当前视口选取最佳的 N 个泼溅进行渲染。通过设置一个最大泼溅预算 N(根据设备类型不同,通常在 50 万到 250 万个泼溅之间),系统确保每帧只需渲染恒定数量的泼溅,从而获得稳定、高帧率的渲染性能。通过上下调整 N 值,即可在帧率和泼溅细节之间进行权衡。

Spark 2.0 通过同时遍历多个 LoD 泼溅树实例,对该算法进行了进一步扩展。与仅从单一根节点开始遍历不同,针对每个 3DGS 物体,拓展后的算法会将其屏幕尺寸及泼溅节点 (dm0,Sm0) 一同加入初始优先队列,后续流程与原有逻辑保持一致,可在场景中所有 3DGS 物体上同步筛选需细化的细节层级。

这一设计让大规模组合世界的创建变得简单高效:只需在空间任意位置添加 3DGS LoD 物体,Spark 2.0 便能自动计算出每帧需渲染的所有 LoD 泼溅的最优全局子集。

设计新型文件格式,大场景 3D 世界在网页上秒开

Spark 2.0 定义了一种新的文件格式.RAD(代表 RADiance 场),该格式能够压缩 3DGS 数据,并支持随机访问流式传输,从而在数据通过网络传输时实现渐进式细化。

目前最常见的两种 3DGS 数据文件格式是.PLY 和.SPZ,它们代表了两种不同的数据编码方式:行式存储和列式存储。.PLY 文件是按行顺序存储的,在接收到数据后立即显示泼溅,从而实现渐进式加载。但它未经过压缩,且编码精度存在浪费。.SPZ 文件将相似类型的数据按列顺序存储在一起,从而获得了更好的压缩率。但遗憾的是,它无法实现渐进式加载,因为在任何泼溅获得其所有属性之前,必须接收完整的文件。

为实现 3DGS 数据的高效压缩与流式传输,李飞飞团队设计了全新的.RAD 文件格式。该格式编解码简洁、扩展性强、编码精度可调节,同时支持随机访问。

文件结构十分清晰:以 RAD0 文件头开头,随后依次为头部元数据长度、元数据 JSON,以及一个或多个各含 6.4 万个泼溅的数据块。头部元数据记录了所有数据块的偏移地址与字节大小,支持任意顺序读取数据块内容。

单个数据块也采用相似结构:以 RADC 块头起始,接着是块元数据长度、元数据 JSON,最后为该 6.4 万个泼溅的压缩数据。泼溅各项属性按列存储,可分别选用自定义编码方式。同类数据集中存放,再通过 Gzip 压缩,能获得出色的压缩率。

头部采用 JSON 编码,可通过版本字段与新增可选字段保障后续扩展。数据类型编码与压缩算法均以字符串名称在元数据中指定,方便后续扩展新类型。

采用虚拟内存,开辟 1600 万泼溅固定显存池

虚拟内存是一项内存管理技术,它以固定大小的物理内存为基础,向程序提供大容量的虚拟地址空间,并通过页表以固定尺寸的页为单位,完成虚拟地址与物理地址的映射。

Spark 2.0 将这一思路应用到 3DGS 渲染中。具体来讲,李飞飞团队在 GPU 上开辟了一块可容纳 1600 万个泼溅的固定显存池,自动管理 GPU 中每 6.4 万个泼溅为一页的“显存页”,与.RAD 文件中对应大小的虚拟数据块之间的映射。

数据块会按照 LoD 遍历顺序加载到空闲页面中;当页表占满,且新数据块优先级更高时,系统会按最近最少使用(LRU)策略淘汰旧数据。Spark 2.0 支持同时加载多个.RAD 文件并共用同一张页表。对每个文件,系统会记录数据块到页表的映射,以及页表到对应文件与数据的反向映射。

在遍历多棵 LoD 泼溅树时,引擎会记录数据块与文件的访问顺序,形成全局统一的优先级排序,进而对场景中所有 3DGS 物体的泼溅加载与存储进行统一优化。

结语:Spark 2.0 降低空间智能的创作门槛,争夺基础设施定义权

从去年的首次亮相到今日的 2.0 版本迭代,Spark 的进化轨迹某种程度上也映射着 3DGS 这一技术的成熟曲线。

三维内容的交付长期以来被两座大山压着:一是资产太重,动辄 GB 级的文件让网页端望而却步;二是渲染太贵,高端 GPU 才能流畅运行的场景,手机浏览器只能围观。

Spark 2.0 通过连续 LoD、.RAD 格式和虚拟显存“三板斧”,让高质量三维内容像普通图片和视频一样,在互联网上自由流动、即点即看。

李飞飞团队选择将该技术开源,降低了空间智能的创作门槛,同样也是在争夺下一代空间内容基础设施的定义权。

印尼稻米收成与粮食安全数据集2026年 本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。 立即下载

相关推荐

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

3DGS渲染器Reall3DViewer的介绍文档(含在线演示)

Reall3dViewer是一款基于Three.js的开源3D高斯点云Web渲染器,采用MIT协议。核心优势包括:支持亿级点云流式渲染和自适应LOD;自研SPX高压缩格式,体积比PLY减少95%以上;跨平台深度优化,在各类设备上保持稳定性能;兼容多种3D格式;提供测量、标注等商用工具。适用于数字孪生、智慧城市等场景,GitHub开源并持续维护。

晓马过河 426

Delphi 13.2控件之msquic4d.rar

Delphi 13.2控件之msquic4d.rar

将庞大3D世界装进手机!李飞飞Spark 2.0开源

手机也能畅游虚拟3D世界了!李飞飞团队开源了一项核心技术Spark 2.0。它像一位空间管理大师,负责把非常庞大复杂的3D世界进行极致优化,让普通手机和电脑也能通过浏览器流畅地访问和交互。高精度的3D场景就像一座用沙子堆成的、细节惊人的城堡。问题是,这座“沙堡”动辄由上亿粒沙子(数据点)构成,信息量大到普通手机根本搬不动。Spark 2.0就是解决这个问题的搬运和管理专家,它的核心在于三个绝招:自动选择最合适的细节(连续式LoD细节层级)。

SuaniCommunity的博客 607

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

李飞飞团队开源 Spark 2.0:让亿级粒子 3D 世界在手机浏览器流畅运行,解锁创作交付新可能

Spark 和 World Labs 的创作平台 Marble 深度绑定,用一行文字或一张图片在 Marble 里生成 3D 世界,用 Marble Studio 把多个世界拼合成更大的场景,再用 Spark 渲染成可分享的网页体验,这条链路已跑通。1. 连续 LoD 树:把 LoD 概念搬到 splat 上,构建「连续 LoD 树」,根据当前视角动态划一刀,取不同粒度的 splat,受固定 splat 预算约束,还引入「注视点渲染」。拍一圈照片,就能生成一个可交互的 3D 世界,这已不是新鲜话题。

优快云榜单 123

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

李飞飞团队开源「Spark 2.0」:让任何人在浏览器访问超大规模 3D 场景

【导语:今日凌晨,李飞飞空间智能独角兽公司 World Labs 官宣推出「Spark 2.0」,将 3D 高斯泼溅世界带入 Web,让任何人可在浏览器中访问超大规模、高保真 3D 场景,还开源了专为 3DGS 打造的渲染器。Spark 2.0 可以流式加载 1 亿 + 的 3DGS 数据,将构建一个全新的 3D 物理世界。Spark 2.0 的推出是 3D 渲染领域的重大突破,开源特性将推动 3D 技术普及,其技术创新解决了规模化难题,有望在多领域引发变革。LoD 高斯 splat 树的算法选择。

programmerjob的博客 537

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

【医疗器械制造】基于酸碱腐蚀环境的一次性乳胶手套铝合金手模失效机理分析与量产风险控制

内容概要:本文围绕一次性医用乳胶手套生产中使用的铝合金手模在酸碱环境下的失效风险展开系统性分析,重点探讨其在外表面腐蚀、清洗循环、氯介质侵入及表面粗糙度控制等方面的工程挑战。研究表明,尽管市场上已有带涂层的铝合金手模供应,但其能否在强碱、酸洗、毛刷摩擦、冷热交变和氯共存的复杂工况下长期维持Ra 1.0—2.5 μm的表面质量并实现稳定脱模,仍需经过严格的多阶段验证。常规阳极氧化+PTFE涂层方案已被实测排除,而316L不锈钢筒体在湿氯环境中出现的三个月内腐蚀失效案例提示必须重视内腔隔离设计。文章强调,采购决策应基于“小批量试制—离线加速试验—影子生产验证—条件性放行”的四阶段准入机制,结合表面参数、工艺相容性、手套成品性能与全生命周期成本进行综合评估,避免依赖供应商宣传数据。; 适合人群:从事医疗器械制造、材料工程、设备采购与工艺质量管理的技术人员及决策管理者,尤其是涉及乳胶手套生产线优化与手模选型的相关从业人员。; 使用场景及目标:①评估铝合金手模替代陶瓷手模的技术可行性与风险边界;②建立手模选型的系统验证流程,防范因表面失效导致的脱模异常、手套缺陷与非计划停机;③指导采购合同中技术条款的制定,确保供应商交付具备可验证数据支撑; 阅读建议:此资源以工程实证为导向,建议读者结合自身产线工艺参数,重点关注外表面Ra控制、内腔双密封设计、影子生产验证方法及失效链追溯体系的构建,在试制阶段严格执行多维度联合判定标准,审慎推进规模化替代。

李飞飞的世界模型在数字孪生项目里可以怎么用?

当我们将视线从炫酷的消费级应用转向严肃的产业领域,会发现Spark 2.0所代表的技术趋势,与数字孪生的发展需求产生了深刻的共鸣。如果说World Labs的Marble和Spark是从“生成”和“渲染”的底层革新了3D内容的创建与消费方式,那么CIMPro孪大师则是从“应用”和“集成”的顶层,为各行各业提供了一条将先进三维技术快速转化为业务价值的。平台支持接入物联网传感器数据、业务数据库、地理信息等多源异构数据,并能实现数据与三维模型的实时驱动与联动,构建真正的“动态孪生体”,而非静态可视化看板。

2501_90821319的博客 309

【新能源电力系统】项目介绍 MATLAB实现基于GWO-VMD-SSA-LSTM灰狼优化算法(GWO)结合变分模态分解(VMD)、麻雀搜索算法(SSA)及长短期记忆网络(LSTM)进行辐照度-温度驱动

内容概要:本文提出了一种融合灰狼优化算法(GWO)、变分模态分解(VMD)、麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的复合模型(GWO-VMD-SSA-LSTM),用于实现高精度的辐照度-温度驱动短期光伏功率预测。该模型首先通过GWO优化VMD的关键参数(模态数K和惩罚因子α),实现对非平稳光伏功率序列的高效多尺度分解,降低信号复杂性;随后利用SSA对LSTM的超参数(如隐藏层单元数、Dropout率、学习率等)进行智能寻优,提升网络训练效率与泛化能力;最后通过独立LSTM网络对各VMD模态进行预测并重构输出。模型结合了信号分解、智能优化与深度学习优势,显著提升了在多云、阴雨等复杂天气下的预测精度与稳定性,并通过MAE、RMSE、MAPE和R²等指标验证了有效性。文中还提供了完整的MATLAB实现流程,涵盖数据清洗、归一化、滑动窗口构建、参数优化与结果可视化等环节。; 适合人群:具备一定机器学习与时间序列预测基础,从事新能源发电预测、智能电网调度、电力系统自动化等相关领域的科研人员、工程师及研究生。; 使用场景及目标:①解决光伏功率受辐照度、温度等因素影响而导致的强随机性、非平稳性预测难题;②提升短期(15分钟至1小时)光伏出力预测精度,支撑电网经济调度、储能协同控制与电力现货市场申报;③为多源气象数据驱动的可再生能源预测提供可扩展的技术框架。; 阅读建议:建议结合提供的MATLAB代码逐步实践,重点关注GWO与SSA的优化机制、VMD分解效果及其与LSTM的集成方式,注意避免时间泄漏问题,推荐在实际数据上复现实验以深入理解模型性能。

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究了基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同集群三维路径规划中的应用,旨在解决复杂三维环境下的避障与最优路径搜索问题。通过构建包含路径长度、飞行高度、威胁规避和转弯角度的综合成本目标函数,利用MSDBO算法对多无人机系统的飞行轨迹进行全局优化,实现在保证安全性与稳定性的前提下达到最低能耗与最优性能的目标。文中详细阐述了算法的多策略改进机制、三维环境建模方法以及多无人机协同避障策略,并通过Matlab仿真平台验证了该方法相较于传统优化算法在收敛速度、路径质量和鲁棒性方面的优越性能。; 适合人群:具备一定优化算法理论基础和无人机控制系统知识的科研人员及研究生,特别适用于从事智能优化算法、多智能体协同控制、路径规划与自主导航等相关领域的研究人员和技术开发者。; 使用场景及目标:①应用于灾害救援、军事侦察、智能巡检等复杂三维场景中多无人机协同任务的路径规划;②为多目标约束下的路径优化、动态避障与能耗平衡问题提供高效的算法支持与仿真验证工具;③推动智能优化算法在无人系统自主决策与协同控制中的实际应用与工程落地。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法的具体实现过程,重点关注目标函数设计、多策略改进机制(如种群初始化、自适应参数调整、局部搜索增强等)及仿真结果分析部分,同时可尝试将该算法迁移至其他智能优化算法框架中进行对比研究,以深化对路径规划问题本质的理解与实践能力的提升。

T12_eVTOL低空经济低空公共航线网络规划设计方案_可研报告版.pptx

T12_eVTOL低空经济低空公共航线网络规划设计方案_可研报告版.pptx

T07_低空经济与智能网联汽车融合的城市空地一体出行服务平台建设方案_决策评审版.pptx

T07_低空经济与智能网联汽车融合的城市空地一体出行服务平台建设方案_决策评审版.pptx

【CEEMDAN-VMD-GRU】完备集合经验模态分解-变分模态分解-门控循环单元预测研究(Python代码实现)

内容概要:本文提出了一种融合完备集合经验模态分解(CEEMDAN)、变分模态分解(VMD)与门控循环单元(GRU)的复合预测模型,旨在提升对复杂非平稳时间序列的预测精度。首先利用CEEMDAN对原始信号进行自适应分解,有效缓解模态混叠问题,获得一组本征模态函数(IMFs);随后引入VMD对关键模态分量作进一步优化分解,增强特征分离能力,降低噪声干扰;最后将处理后的平滑分量分别输入GRU神经网络进行独立训练与预测,并通过加权集成策略融合各分量输出,得到最终高精度预测结果。该方法结合了多尺度信号分解与深度学习的优势,显著提升了模型在处理强噪声、非线性、非平稳序列(如电力负荷、风速、光伏发电功率等)时的泛化能力和预测稳定性,文中提供了完整的Python代码实现,便于复现与应用。; 适合人群:具备一定Python编程基础和机器学习理论知识,从事科研或工程应用的硕士、博士研究生及科研人员,尤其适用于能源系统预测、智能电网调度、可再生能源管理、信号处理与时间序列分析等相关领域的研究人员和技术开发者。; 使用场景及目标:①解决传统单一预测模型在面对复杂非平稳时间序列时存在的过拟合、收敛慢、精度低等问题;②通过多阶段信号分解降低原始序列的复杂度与不确定性,提升GRU模型的训练效率与预测鲁棒性;③为电力系统负荷预测、新能源出力预报、设备运行状态预警及市场交易策略制定等关键任务提供高精度数据支撑。; 阅读建议:建议读者结合提供的Python代码逐模块理解算法实现流程,重点关注CEEMDAN与VMD的参数配置对信号分解效果的影响,尝试在不同数据集上进行实验对比,并通过可视化手段分析各模态分量的物理意义,进一步掌握模型调优与性能评估的方法。

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

上一篇: 2026年9个Claude副本科研碾压人类:科研瓶颈转移,AI成同事、竞争者甚至继任者!
下一篇: 英伟达开源量子AI模型NVIDIA Ising,纠错解码快2.5倍、准3倍,推动量子计算工程落地
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22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