杂乱慢述

最新推荐文章于 2025-07-29 22:49:02 发布

原创最新推荐文章于 2025-07-29 22:49:02 发布 · 196 阅读

0 ·

CC 4.0 BY-SA版权

寄与河西那少年专栏收录该内容

5 篇文章

订阅专栏

学生->玫瑰->夜莺->老树->穿心->鲜艳->愚昧->回归

拖鞋->摩托->骑行->蚂蟥->此行莫恨天涯远，咫尺理塘归来去

须菩提->善护念->应如是往？？？

杂乱的思绪慢慢整理也是挺有意思，不一定会更清晰，但是会更多变。

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

OwZ

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

专栏目录

我训练的yolov5模型在用图片进行验证的时候，所有道路标志都可以识别出来，但是部署到小车上就只能识别小人和左右转，其他交通标志都没有识别是什么原因？

**My Coding Family**

06-02

916

🏆 本文收录于《全栈Bug调优(实战版)》专栏，致力于分享我在项目实战过程中遇到的各类Bug及其原因，并提供切实有效的解决方案。无论你是初学者还是经验丰富的开发者，本文将为你指引出一条更高效的Bug修复之路，助你早日登顶，迈向财富自由的梦想🚀！同时，欢迎大家关注、收藏、订阅本专栏，更多精彩内容正在持续更新中。让我们一起进步，Up！Up！Up！备注：部分问题/难题源自互联网，经过精心筛选和整理，结合数位十多年大厂实战经验资深大佬经验总结所得，数条可行方案供所需之人参考。

AIGC生图产品PM必须知道的Lora训练知识！

女王の专属领地

03-01

1242

在自然语言处理领域，一种重要的范式是对通用领域数据进行大规模预训练，然后将模型适应到特定任务或领域。随着预训练模型越来越大，完全微调（重新训练所有模型参数）的成本越来越高。例如，对于拥有1750亿参数的GPT-3 175B模型，部署独立的微调模型实例是非常昂贵的。Low-Rank Adaptation （LoRA）是一种解决方案，它通过在Transformer架构的每一层中注入可训练的低秩分解矩阵，将预训练模型的权重固定，并在下游任务中大大减少了可训练的参数数量。

参与评论您还未登录，请先登录后发表或查看评论

杂乱笔记

xh3784894的专栏

05-13

382

节点流： 概念： 1．理解流的概念 2．InputStream与OutputStream类 3．FileInputStream与FileOutputStream类 4．Reader与Writer类 5．PipedInputStream与PipedOutputStream类 6．ByteArrayInputStream与ByteArrayOutputStream类 7．重视程序代码的复用性 <br

如何从杂乱的数据中，找到切中要害的关键指标？｜免费直播

人人都是产品经理

04-17

885

在这个大数据的时代，人人都在说数据分析，人人都希望能够通过数据指导产品改进、驱动精细化运营；然而，你是否常常遇到这样的困惑：常常对着一堆数据无从下手，不知道如何找到关键指...

前端学习杂乱记录

erjia_的博客

09-19

1329

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档。

软件测试面试宝典（杂乱）

鹿鹿鹿

03-09

1669

问：你在测试中发现了一个 bug ，但是开发经理认为这不是一个 bug ，你应该怎样解决。首先，将问题提交到缺陷管理库里面进行备案。然后，要获取判断的依据和标准：根据需求说明书、产品说明、设计文档等，确认实际结果是否与计划有不一致的地方，提供缺陷是否确认的直接依据；如果没有文档依据，可以根据类似软件的一般特性来说明是否存在不一致的地方，来确认是否是缺陷；根据用户的一

第五章：特征提取与描述

Tony的博客

11-06

5196

第五章：特征提取与描述本章节你将学习图像的主要特征、Harris角点检测、Shi-Tomasi角点检测、SIFT、SURF、特征匹配等OpenCV图像特征提取与描述的相关内容。更多内容请关注我的GitHub库：https://github.com/TonyStark1997，如果喜欢，star并follow我！一、理解图像特征目标：本章节你需要学习以下内容: *在本章中，我们将尝试了...

Helix——Figure 02上的人形VLA：不用微调即可做多个任务的快与慢双系统，让两个机器人协作干活(含清华HiRT详解)

结构之法算法之道

02-21

9483

过去一周，我花了很大的心思、力气，把deepseek的GRPO、MLA算法的代码解析通透，比如GRPO与PPO的详细对比，再比如MLA中，图片公式代码的一一对应2.20日晚，无意中刷到figure 02发布Helix的一个演示视频，再次大为震撼当时在朋友圈感叹到，我司在具身落地中，基本围绕：模仿学习 RL vla三条线，下面这个figure 02分门别类收纳进冰箱，应该vla的贡献程度最大(后来看了下技术报告，确实如此)

泛型会让你的 Go 代码运行变慢

code小生

09-29

683

以下内容来自公众号逆锋起笔，关注每日干货及时送达作者｜ Vicent Marti译者｜核子可乐策划｜褚杏娟Go 1.18 已经到来，很多人期盼已久的首个支持泛型实现的版本也就此落地。之前，泛型一直是个热度很高、但在整个 Go 社区中备受争议的话题。一方面，批评者们担心泛型的引入会增加复杂性，导致 Go 语言最终变得像 Java 那样冗长繁复，也有人害怕 Go 语言退化成 HaskellS...

告别杂乱Windows安全日志！VictoriaLogs+Grafana构建企业级审计日志分析平台实战

WeiyiGeek 唯一极客IT知识分享

07-27

1089

在每年的三级系统等保测评工作中，内部总能发现一些安全问题，例如，规章制度缺失，审计日志不完善，软件系统漏洞、弱密码、未及时更新补丁等，这些问题不仅影响了企业的网络安全，也给企业带来了潜在的风险。》来实现 Windows 审计日志采集到可视化查询，随着时间的积累，作者发现了一个弊端就是 Loki 查询的效率在大时间范围时非常的慢，不适用于历史日志的查询，这显然针对于当前企业内部审计日志查询展示是不够友好的，其次是在 Grafana 只是实现了日志的检索，并未将 Windows 审计日志进行统计并分类显示。

工作这么久了，还不懂慢SQL优化吗？

qq_42865087的博客

10-21

1454

前言：当希望mysql能够以更高的性能运行查询时，最好的办法就是弄清楚mysql是如何优化和执行查询的。一旦理解这点，很多查询优化工作实际上就是遵循一些原则让优化器能够按照预想的合理的方式运行（ps：我这里主要分析以innoDB作为数据库表的执行引擎的情况下的各种可以做的优化措施）慢sql的危害 1.增加方法调用链执行耗时，影响调用链性能，影响用户体验 2.占据数据库连接，数据库连接池占满还有可能导致其他涉及sql操作的功能全部等待。无法正常使用一、一条sql在mysql当中执行的旅途这里引用一张《

一种面向机器人分拣的杂乱工件视觉检测识别方法.pdf

08-14

综上所述，本研究提出了一种在杂乱工件环境中，结合机器视觉技术的机器人分拣方法。通过该方法，机器人能够在复杂环境中高效准确地完成分拣任务，极大提高了工业生产的自动化水平。随着机器视觉和深度学习技术的不断...

探索数学在信息艺术领域的情感表达应用

AI天才研究院

07-05

483

在数字技术席卷全球的今天，艺术早已不再局限于画布和雕塑。信息艺术（Information Art）——这个诞生于计算机科学与艺术交叉地带的新领域，正以数据为颜料、算法为画笔，创造着前所未有的视觉与交互体验。而数学，作为信息艺术的“隐形骨架”，不仅支撑着作品的技术实现，更成为艺术家表达情感的核心工具。数学究竟如何帮助艺术家传递喜悦、悲伤、紧张、宁静等复杂情感？我们将聚焦信息艺术中的生成艺术、交互装置、数据可视化三大方向，通过原理拆解、代码实现和案例分析，让读者理解“数字逻辑”与“人类情感”的连接密码。

Wan2.1

liguandong

07-29

Wan Video API 是一个基于 FastAPI 的视频生成服务，提供图片到视频的转换功能。该服务支持从 OSS 下载图片，生成视频后上传至 OSS，并通过 MQ 发送完成消息。服务地址API 版本: v1基础路径/v1/api。

基于 BERT 模型在百度 WebQA 中文数据集上的阅读问答研究

08-19

资源下载链接为： https://pan.quark.cn/s/9bebe4bee876 基于 BERT 模型在百度 WebQA 中文数据集上的阅读问答研究（最新、最全版本！打开链接下载即可用！）

介绍了扫描单分子定位显微镜（scanSMLM）技术及其在三维超分辨体积成像中的应用（含详细代码及解释）

最新发布

08-19

内容概要：本文详细介绍了扫描单分子定位显微镜（scanSMLM）技术及其在三维超分辨体积成像中的应用。scanSMLM通过电调透镜（ETL）实现快速轴向扫描，结合4f检测系统将不同焦平面的荧光信号聚焦到固定成像面，从而实现快速、大视场的三维超分辨成像。文章不仅涵盖了系统硬件的设计与实现，还提供了详细的软件代码实现，包括ETL控制、3D样本模拟、体积扫描、单分子定位、3D重建和分子聚类分析等功能。此外，文章还比较了循环扫描与常规扫描模式，展示了前者在光漂白效应上的优势，并通过荧光珠校准、肌动蛋白丝、线粒体网络和流感A病毒血凝素（HA）蛋白聚类的三维成像实验，验证了系统的性能和应用潜力。最后，文章深入探讨了HA蛋白聚类与病毒感染的关系，模拟了24小时内HA聚类的动态变化，提供了从分子到细胞尺度的多尺度分析能力。适合人群：具备生物学、物理学或工程学背景，对超分辨显微成像技术感兴趣的科研人员，尤其是从事细胞生物学、病毒学或光学成像研究的科学家和技术人员。使用场景及目标：①理解和掌握scanSMLM技术的工作原理及其在三维超分辨成像中的应用；②学习如何通过Python代码实现完整的scanSMLM系统，包括硬件控制、图像采集、3D重建和数据分析；③应用于单分子水平研究细胞内结构和动态过程，如病毒入侵机制、蛋白质聚类等。其他说明：本文提供的代码不仅实现了scanSMLM系统的完整工作流程，还涵盖了多种超分辨成像技术的模拟和比较，如STED、GSDIM等。此外，文章还强调了系统在硬件改动小、成像速度快等方面的优势，为研究人员提供了从理论到实践的全面指导。

car-eye OBD 子系统是用来实现车内系统的数据采集，采用808协议进行数据上传是car-eye 开源团队车内系统的重要组成部分

08-19

资源下载链接为： https://pan.quark.cn/s/406d9993c385 car-eye OBD 子系统是用来实现车内系统的数据采集，采用808协议进行数据上传。是car-eye 开源团队车内系统的重要组成部分（最新、最全版本！打开链接下载即可用！）

串口调试助手/网络调试助手技术报告-C++开发

08-19

自己开发的串口调试软件

化工领域Prenflo气流床气化炉渣层计算模型的复现与优化：基于Seggiani模型的炉渣流动与热力学行为模拟（含详细代码及解释）

08-19

内容概要：本文详细介绍了基于Seggiani提出的渣层计算模型，针对Prenflo气流床气化炉中炉渣的积累和流动进行了模拟。模型不仅集成了三维代码以提供气化炉内部的温度和浓度分布，还探讨了操作条件变化对炉渣行为的影响。文章通过Python代码实现了模型的核心功能，包括炉渣粘度模型、流动速率计算、厚度更新、与三维模型的集成以及可视化展示。此外，还扩展了模型以考虑炉渣组成对特性的影响，并引入了Bingham流体模型，更精确地描述了含未溶解颗粒的熔渣流动。最后，通过实例展示了氧气-蒸汽流量增加2%时的动态响应，分析了温度、流动特性和渣层分布的变化。适合人群：从事煤气化技术研究的专业人士、化工过程模拟工程师、以及对工业气化炉操作优化感兴趣的科研人员。使用场景及目标：①评估不同操作条件下气化炉内炉渣的行为变化；②预测并优化气化炉的操作参数（如温度、氧煤比等），以防止炉渣堵塞；③为工业气化炉的设计和操作提供理论支持和技术指导。其他说明：该模型的实现基于理论公式和经验数据，为确保模型准确性，实际应用中需要根据具体气化炉的数据进行参数校准。模型还考虑了多个物理场的耦合，包括质量、动量和能量守恒方程，能够模拟不同操作条件下的渣层演变。此外，提供了稳态求解器和动态模拟工具，可用于扰动测试和工业应用案例分析。